Считайте исторические серверные данные UA OPC

Открыть скрипт

Этот пример показывает вам, как считать исторические данные из сервера UA OPC. А именно, этот пример считывает данные из Сервера Симуляции UA Prosys OPC.

Чтобы запустить этот пример в вашем сеансе работы с MATLAB, необходимо будет установить Сервер Симуляции UA Prosys OPC. Считайте раздел Getting Started документации OPC Toolbox для получения дополнительной информации.

Создайте клиент и подключение к серверу

Вы создаете объекты клиента с помощью результатов запроса к Локальному Сервису Открытия с помощью opcuaserverinfo, или непосредственно с помощью имени хоста и номера порта сервера вы соединяетесь с. В этом случае свяжите непосредственно с сервером UA OPC на порте 53530.

uaClient = opcua('localhost',53530);
connect(uaClient);
uaClient.Status

ans =

    'Connected'

Задайте узлы, чтобы считать исторические данные

Сервер Симуляции UA Prosys OPC обеспечивает симулированные сигналы для узлов в ветви "Симуляции". По умолчанию Сервер Симуляции обновляет значения каждую секунду. Задайте эти узлы с помощью opcuanode функция.

simNodeIds = {'Random1';
                 'Triangle1';
                 'Sinusoid1'};
simNodes = opcuanode(5,simNodeIds,uaClient)

simNodes = 

1x3 OPC UA Node array:
    index    Name     NsInd  Identifier  NodeType  Children
    -----  ---------  -----  ----------  --------  --------
      1    Random1    5      Random1     Variable  0
      2    Triangle1  5      Triangle1   Variable  0
      3    Sinusoid1  5      Sinusoid1   Variable  0

Считайте исторические данные из узлов

Используйте readHistory функционируйте, чтобы считать историю узла. Необходимо передать область значений времени, в которой можно считать исторические данные. Для сервера Prosys считайте новые 30 секунд данных.

dataSample = readHistory(uaClient,simNodes,datetime('now')-seconds(30),datetime('now'))

dataSample = 

1-by-3 OPC UA Data object array:

           Timestamp                  Random1                    Triangle1                   Sinusoid1           
    -----------------------  --------------------------  --------------------------  --------------------------  
    2019-03-04 03:27:53.000        0.049124 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:27:54.000        0.603238 [Good (Raw)]       -1.600000 [Good (Raw)]       -1.902113 [Good (Raw)]  
    2019-03-04 03:27:55.000        0.490724 [Good (Raw)]       -1.333333 [Good (Raw)]       -1.732051 [Good (Raw)]  
    2019-03-04 03:27:56.000        0.765201 [Good (Raw)]       -1.066667 [Good (Raw)]       -1.486290 [Good (Raw)]  
    2019-03-04 03:27:57.000        0.675620 [Good (Raw)]       -0.800000 [Good (Raw)]       -1.175571 [Good (Raw)]  
    2019-03-04 03:27:58.000        0.955830 [Good (Raw)]       -0.533333 [Good (Raw)]       -0.813473 [Good (Raw)]  
    2019-03-04 03:27:59.000        0.866249 [Good (Raw)]       -0.266667 [Good (Raw)]       -0.415823 [Good (Raw)]  
    2019-03-04 03:28:00.000        0.140726 [Good (Raw)]       -0.000000 [Good (Raw)]       -0.000000 [Good (Raw)]  
    2019-03-04 03:28:01.000        0.028212 [Good (Raw)]        0.266667 [Good (Raw)]        0.415823 [Good (Raw)]  
    2019-03-04 03:28:02.000        0.840722 [Good (Raw)]        0.533333 [Good (Raw)]        0.813473 [Good (Raw)]  
    2019-03-04 03:28:03.000        0.751141 [Good (Raw)]        0.800000 [Good (Raw)]        1.175570 [Good (Raw)]  
    2019-03-04 03:28:04.000        0.025618 [Good (Raw)]        1.066667 [Good (Raw)]        1.486290 [Good (Raw)]  
    2019-03-04 03:28:05.000        0.936036 [Good (Raw)]        1.333333 [Good (Raw)]        1.732051 [Good (Raw)]  
    2019-03-04 03:28:06.000        0.285045 [Good (Raw)]        1.600000 [Good (Raw)]        1.902113 [Good (Raw)]  
    2019-03-04 03:28:07.000        0.195464 [Good (Raw)]        1.866667 [Good (Raw)]        1.989044 [Good (Raw)]  
    2019-03-04 03:28:08.000        0.469941 [Good (Raw)]        1.866667 [Good (Raw)]        1.989044 [Good (Raw)]  
    2019-03-04 03:28:09.000        0.380360 [Good (Raw)]        1.600000 [Good (Raw)]        1.902113 [Good (Raw)]  
    2019-03-04 03:28:10.000        0.192870 [Good (Raw)]        1.333333 [Good (Raw)]        1.732051 [Good (Raw)]  
    2019-03-04 03:28:11.000        0.080355 [Good (Raw)]        1.066667 [Good (Raw)]        1.486290 [Good (Raw)]  
    2019-03-04 03:28:12.000        0.354833 [Good (Raw)]        0.800000 [Good (Raw)]        1.175571 [Good (Raw)]  
    2019-03-04 03:28:13.000        0.265251 [Good (Raw)]        0.533333 [Good (Raw)]        0.813473 [Good (Raw)]  
    2019-03-04 03:28:14.000        0.545462 [Good (Raw)]        0.266667 [Good (Raw)]        0.415823 [Good (Raw)]  
    2019-03-04 03:28:15.000        0.455880 [Good (Raw)]        0.000000 [Good (Raw)]        0.000000 [Good (Raw)]  
    2019-03-04 03:28:16.000        0.730358 [Good (Raw)]       -0.266667 [Good (Raw)]       -0.415823 [Good (Raw)]  
    2019-03-04 03:28:17.000        0.617843 [Good (Raw)]       -0.533333 [Good (Raw)]       -0.813473 [Good (Raw)]  
    2019-03-04 03:28:18.000        0.430353 [Good (Raw)]       -0.800000 [Good (Raw)]       -1.175571 [Good (Raw)]  
    2019-03-04 03:28:19.000        0.340772 [Good (Raw)]       -1.066667 [Good (Raw)]       -1.486290 [Good (Raw)]  
    2019-03-04 03:28:20.000        0.615249 [Good (Raw)]       -1.333333 [Good (Raw)]       -1.732051 [Good (Raw)]  
    2019-03-04 03:28:21.000        0.525668 [Good (Raw)]       -1.600000 [Good (Raw)]       -1.902113 [Good (Raw)]  
    2019-03-04 03:28:22.000        0.782945 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]

Считайте исторические данные в конкретные моменты времени

Можно попросить, чтобы сервер получил данные в конкретные моменты времени. Если сервер не имеет заархивированного значения в течение того определенного времени, интерполированный (или экстраполируемый), значение возвращено. Используйте readAtTime функция, чтобы получать данные каждую минуту в течение прошлых 10 минут.

timesToReturn = datetime('now')-minutes(10):minutes(1):datetime('now');
dataRegular = readAtTime(uaClient,simNodes,timesToReturn)

dataRegular = 

1-by-3 OPC UA Data object array:

           Timestamp                  Random1                    Triangle1                   Sinusoid1           
    -----------------------  --------------------------  --------------------------  --------------------------  
    2019-03-04 03:18:22.000        0.580475 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:19:22.000        0.337058 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:20:22.000        0.070707 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:21:22.000        0.359589 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:22:22.000        0.649761 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:23:22.000        0.439925 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:24:22.000        0.705874 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:25:22.000        0.829382 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:26:22.000        0.585964 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:27:22.000        0.682371 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]  
    2019-03-04 03:28:22.000        0.782945 [Good (Raw)]       -1.866667 [Good (Raw)]       -1.989044 [Good (Raw)]

Считайте обработанные данные из сервера

Серверы UA OPC обеспечивают агрегатные функции для возврата предварительно обработанных данных клиентам. Это является самым полезным, когда необходимо запросить данные за большой промежуток времени.

Запросите AggregateFunctions свойство связанного клиента узнать, что агрегатные функции поддержки сервера.

uaClient.AggregateFunctions

ans =

  14×1 cell array

    {'Interpolative'    }
    {'Average'          }
    {'Minimum'          }
    {'Maximum'          }
    {'MinimumActualTime'}
    {'MaximumActualTime'}
    {'Range'            }
    {'Count'            }
    {'Start'            }
    {'End'              }
    {'Delta'            }
    {'WorstQuality'     }
    {'StartBound'       }
    {'EndBound'         }

Считайте Среднее значение в течение каждого 30-секундного периода за прошлые 10 минут.

dataAverage = readProcessed(uaClient,simNodes,'Average',seconds(30),datetime('now')-minutes(10),datetime('now'))

dataAverage = 

1-by-3 OPC UA Data object array:

           Timestamp                      Random1                           Triangle1                          Sinusoid1              
    -----------------------  ---------------------------------  ---------------------------------  ---------------------------------  
    2019-03-04 03:18:22.000        0.503119 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:18:52.000        0.544957 [Good (Calculated)]        0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:19:22.000        0.516937 [Good (Calculated)]        0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:19:52.000        0.554026 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:20:22.000        0.497120 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:20:52.000        0.477275 [Good (Calculated)]        0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:21:22.000        0.548093 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:21:52.000        0.501601 [Good (Calculated)]       -0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:22:22.000        0.565680 [Good (Calculated)]       -0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:22:52.000        0.489515 [Good (Calculated)]       -0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:23:22.000        0.531994 [Good (Calculated)]       -0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:23:52.000        0.477180 [Good (Calculated)]       -0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:24:22.000        0.464717 [Good (Calculated)]       -0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:24:52.000        0.477862 [Good (Calculated)]       -0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:25:22.000        0.479600 [Good (Calculated)]       -0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:25:52.000        0.494738 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:26:22.000        0.577950 [Good (Calculated)]        0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:26:52.000        0.451383 [Good (Calculated)]        0.000000 [Good (Calculated)]       -0.000000 [Good (Calculated)]  
    2019-03-04 03:27:22.000        0.505575 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]  
    2019-03-04 03:27:52.000        0.458428 [Good (Calculated)]        0.000000 [Good (Calculated)]        0.000000 [Good (Calculated)]

Считайте Среднее значение в течение каждой половины второго периода за прошлые 5 секунд. Отметьте, как качество данных включает Хорошее качество и Плохое качество, где нет никаких доступных данных, чтобы выполнить вычисление.

dataMixedQuality = readProcessed(uaClient,simNodes,'Average',seconds(0.5),datetime('now')-seconds(5),datetime('now'))

dataMixedQuality = 

1-by-3 OPC UA Data object array:

           Timestamp                      Random1                           Triangle1                          Sinusoid1              
    -----------------------  ---------------------------------  ---------------------------------  ---------------------------------  
    2019-03-04 03:28:17.000             NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]   
    2019-03-04 03:28:17.500        0.617843 [Good (Calculated)]       -0.533333 [Good (Calculated)]       -0.813473 [Good (Calculated)]  
    2019-03-04 03:28:18.000             NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]   
    2019-03-04 03:28:18.500        0.430353 [Good (Calculated)]       -0.800000 [Good (Calculated)]       -1.175571 [Good (Calculated)]  
    2019-03-04 03:28:19.000             NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]   
    2019-03-04 03:28:19.500        0.340772 [Good (Calculated)]       -1.066667 [Good (Calculated)]       -1.486290 [Good (Calculated)]  
    2019-03-04 03:28:20.000             NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]   
    2019-03-04 03:28:20.500        0.615249 [Good (Calculated)]       -1.333333 [Good (Calculated)]       -1.732051 [Good (Calculated)]  
    2019-03-04 03:28:21.000             NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]              NaN [Bad:NoData (Raw)]   
    2019-03-04 03:28:21.500        0.525668 [Good (Calculated)]       -1.600000 [Good (Calculated)]       -1.902113 [Good (Calculated)]

Отфильтруйте качество данных, чтобы возвратить только Хорошие данные.

dataGood = filterByQuality(dataMixedQuality,'good')

dataGood = 

1-by-3 OPC UA Data object array:

           Timestamp                      Random1                           Triangle1                          Sinusoid1              
    -----------------------  ---------------------------------  ---------------------------------  ---------------------------------  
    2019-03-04 03:28:17.500        0.617843 [Good (Calculated)]       -0.533333 [Good (Calculated)]       -0.813473 [Good (Calculated)]  
    2019-03-04 03:28:18.500        0.430353 [Good (Calculated)]       -0.800000 [Good (Calculated)]       -1.175571 [Good (Calculated)]  
    2019-03-04 03:28:19.500        0.340772 [Good (Calculated)]       -1.066667 [Good (Calculated)]       -1.486290 [Good (Calculated)]  
    2019-03-04 03:28:20.500        0.615249 [Good (Calculated)]       -1.333333 [Good (Calculated)]       -1.732051 [Good (Calculated)]  
    2019-03-04 03:28:21.500        0.525668 [Good (Calculated)]       -1.600000 [Good (Calculated)]       -1.902113 [Good (Calculated)]

Отключитесь от сервера

Когда вы закончите связываться с сервером, отключите клиент от сервера. Это также автоматически выполняется, когда клиентская переменная выходит из осциллографа в MATLAB®.

disconnect(uaClient);
Документация OPC Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте