Визуализируйте и предварительно обработайте данные о UA OPC

Этот пример показывает вам, как работать с Объектами данных UA OPC.

Вы создаете Объекты данных UA OPC, когда вы считываете исторические данные из сервера UA OPC. Объекты данных UA OPC позволяют вам хранить, визуализировать и управлять историческими данными прежде, чем преобразовать те данные во встроенные типы данных для последующей обработки в MATLAB.

Для получения дополнительной информации о генерации Объектов данных UA OPC смотрите Чтение в качестве примера Исторические Серверные данные UA OPC.

Выборка загрузки набор данных UA OPC

Загрузите выборочные данные в рабочую область.

load demoUA_SampleData

Отобразите Объекты данных UA OPC

Исследуйте рабочую область, чтобы видеть, какие переменные загрузились.

whos

  Name            Size            Bytes  Class          Attributes

  dataSample      1x3              5926  opc.ua.Data

Отобразите сводные данные выборочных данных.

summary(dataSample)

1-by-3 OPC UA Data object:

     Name        Value            Start Timestamp           End Timestamp            Quality      
    ------  ----------------  -----------------------  -----------------------  ------------------
    Double  9 double values   2015-04-22 09:00:10.000  2015-04-22 09:01:30.000  3 unique qualities
    Float   12 single values  2015-04-22 09:00:02.000  2015-04-22 09:01:30.000  3 unique qualities
    Int32   12 int32 values   2015-04-22 09:00:02.000  2015-04-22 09:01:30.000  3 unique qualities

Объект данных содержит три набора данных. Первый элемент Double содержит 9 значений, второе и третье имеют 12 значений каждый.

Смотрите ли Float и Int32 наборы данных имеют ту же метку времени.

arrayHasSameTimestamp(dataSample(2:3))

ans =

   1

Отобразите Float и Int32 наборы данных вместе. Поскольку все элементы имеют ту же метку времени, таблица значений может быть отображена

dataSample(2:3)

ans = 

1-by-2 OPC UA Data object array:

           Timestamp                      Float                            Int32                
    -----------------------  -------------------------------  --------------------------------  
    2015-04-22 09:00:02.000       10.000000 [Good (Raw)]                    10 [Good (Raw)]       
    2015-04-22 09:00:25.000       20.000000 [Good (Raw)]                    20 [Good (Raw)]       
    2015-04-22 09:00:28.000       25.000000 [Good (Raw)]                    25 [Good (Raw)]       
    2015-04-22 09:00:40.000       30.000000 [Good (Raw)]                    30 [Good (Raw)]       
    2015-04-22 09:00:42.000        0.000000 [Bad (Raw)]                      0 [Bad (Raw)]        
    2015-04-22 09:00:48.000        4.000000 [Good (Raw)]                    40 [Good (Raw)]       
    2015-04-22 09:00:52.000       50.000000 [Good (Raw)]                    50 [Good (Raw)]       
    2015-04-22 09:01:12.000       60.000000 [Good (Raw)]                    60 [Good (Raw)]       
    2015-04-22 09:01:17.000       70.000000 [Uncertain (Raw)]               70 [Uncertain (Raw)]  
    2015-04-22 09:01:23.000       70.000000 [Good (Raw)]                    70 [Good (Raw)]       
    2015-04-22 09:01:26.000       80.000000 [Good (Raw)]                    80 [Good (Raw)]       
    2015-04-22 09:01:30.000       90.000000 [Good (Raw)]                    90 [Good (Raw)]

Измените формат отображения даты

Получите формат отображения текущей даты с помощью opc.getDateDisplayFormat.

origFormat = opc.getDateDisplayFormat;

Измените формат отображения в стандартный формат даты США и отобразите значение снова.

opc.setDateDisplayFormat('mm/dd/yyyy HH:MM AM');
dataSample(2:3)

ans = 

1-by-2 OPC UA Data object array:

         Timestamp                    Float                            Int32                
    -------------------  -------------------------------  --------------------------------  
    04/22/2015  9:00 AM       10.000000 [Good (Raw)]                    10 [Good (Raw)]       
    04/22/2015  9:00 AM       20.000000 [Good (Raw)]                    20 [Good (Raw)]       
    04/22/2015  9:00 AM       25.000000 [Good (Raw)]                    25 [Good (Raw)]       
    04/22/2015  9:00 AM       30.000000 [Good (Raw)]                    30 [Good (Raw)]       
    04/22/2015  9:00 AM        0.000000 [Bad (Raw)]                      0 [Bad (Raw)]        
    04/22/2015  9:00 AM        4.000000 [Good (Raw)]                    40 [Good (Raw)]       
    04/22/2015  9:00 AM       50.000000 [Good (Raw)]                    50 [Good (Raw)]       
    04/22/2015  9:01 AM       60.000000 [Good (Raw)]                    60 [Good (Raw)]       
    04/22/2015  9:01 AM       70.000000 [Uncertain (Raw)]               70 [Uncertain (Raw)]  
    04/22/2015  9:01 AM       70.000000 [Good (Raw)]                    70 [Good (Raw)]       
    04/22/2015  9:01 AM       80.000000 [Good (Raw)]                    80 [Good (Raw)]       
    04/22/2015  9:01 AM       90.000000 [Good (Raw)]                    90 [Good (Raw)]

Сбросьте формат отображения к значению по умолчанию.

opc.setDateDisplayFormat('default')

ans =

yyyy-mm-dd HH:MM:SS.FFF

Сбросьте формат отображения к исходному значению.

opc.setDateDisplayFormat(origFormat);

Визуализируйте данные о UA OPC

Визуализируйте Данные о UA OPC с помощью plot или stairs методы на объекте данных.

axH1 = subplot(2,1,1);
plot(dataSample);
title('Plot of sample data');
axH2 = subplot(2,1,2);
stairs(dataSample);
title('Stairstep plot of sample data');
legend('Location', 'NorthWest')

Передискретизируйте данные о UA OPC

Данные в dataSample установите имеет различные метки времени.

arrayHasSameTimestamp(dataSample)

ans =

   0

Попытайтесь преобразовать данные в двойной массив. Преобразование перестанет работать.

try
    vals = double(dataSample);
catch exc
    disp(exc.message)
end

Conversion to double failed. All elements of the OPC Data object must have the same time stamp.
Consider using 'TSUNION', 'TSINTERSECT' or 'RESAMPLE' on the Data object.

Пересечение данных добавляет метку времени к результатам в меньшем наборе данных, содержащем общие метки времени от всех элементов.

dataIntersect = tsintersect(dataSample)

dataIntersect = 

1-by-3 OPC UA Data object array:

           Timestamp                   Double                      Float                        Int32             
    -----------------------  --------------------------  --------------------------  ---------------------------  
    2015-04-22 09:00:40.000       40.000000 [Bad (Raw)]        30.000000 [Good (Raw)]               30 [Good (Raw)]  
    2015-04-22 09:01:30.000       90.000000 [Good (Raw)]       90.000000 [Good (Raw)]               90 [Good (Raw)]

Преобразуйте объект данных в двойной массив.

vals = double(dataIntersect)

vals =

    40    30    30
    90    90    90

Используйте tsunion возвратить объединение временных рядов в Объекте данных. Новые значения интерполированы с помощью предоставленного метода (или линейная интерполяция, если никакой метод не предоставляется). Качество установлено в "Интерполированный" для тех новых значений.

dataUnion = tsunion(dataSample)

dataUnion = 

1-by-3 OPC UA Data object array:

           Timestamp                               Double                                       Float                                Int32                  
    -----------------------  --------------------------------------------------  -----------------------------------  ------------------------------------  
    2015-04-22 03:00:02.000        2.000000 [Uncertain:Subnormal (Interpolated)]       10.000000 [Good (Raw)]                        10 [Good (Raw)]           
    2015-04-22 03:00:10.000       10.000000 [Good (Raw)]                               13.478261 [Good (Interpolated)]               13 [Good (Interpolated)]  
    2015-04-22 03:00:20.000       20.000000 [Good (Raw)]                               17.826086 [Good (Interpolated)]               18 [Good (Interpolated)]  
    2015-04-22 03:00:25.000       25.000000 [Good (Interpolated)]                      20.000000 [Good (Raw)]                        20 [Good (Raw)]           
    2015-04-22 03:00:28.000       28.000000 [Good (Interpolated)]                      25.000000 [Good (Raw)]                        25 [Good (Raw)]           
    2015-04-22 03:00:30.000       30.000000 [Good (Raw)]                               25.833334 [Good (Interpolated)]               26 [Good (Interpolated)]  
    2015-04-22 03:00:40.000       40.000000 [Bad (Raw)]                                30.000000 [Good (Raw)]                        30 [Good (Raw)]           
    2015-04-22 03:00:42.000       42.000000 [Good (Interpolated)]                       0.000000 [Bad (Raw)]                          0 [Bad (Raw)]            
    2015-04-22 03:00:48.000       48.000000 [Good (Interpolated)]                       4.000000 [Good (Raw)]                        40 [Good (Raw)]           
    2015-04-22 03:00:50.000       50.000000 [Good (Raw)]                               27.000000 [Good (Interpolated)]               45 [Good (Interpolated)]  
    2015-04-22 03:00:52.000       52.000000 [Good (Interpolated)]                      50.000000 [Good (Raw)]                        50 [Good (Raw)]           
    2015-04-22 03:01:00.000       60.000000 [Good (Raw)]                               54.000000 [Good (Interpolated)]               54 [Good (Interpolated)]  
    2015-04-22 03:01:10.000       70.000000 [Uncertain (Raw)]                          59.000000 [Good (Interpolated)]               59 [Good (Interpolated)]  
    2015-04-22 03:01:12.000       72.000000 [Good (Interpolated)]                      60.000000 [Good (Raw)]                        60 [Good (Raw)]           
    2015-04-22 03:01:17.000       77.000000 [Good (Interpolated)]                      70.000000 [Uncertain (Raw)]                   70 [Uncertain (Raw)]      
    2015-04-22 03:01:20.000       80.000000 [Good (Raw)]                               70.000000 [Good (Interpolated)]               70 [Good (Interpolated)]  
    2015-04-22 03:01:23.000       83.000000 [Good (Interpolated)]                      70.000000 [Good (Raw)]                        70 [Good (Raw)]           
    2015-04-22 03:01:26.000       86.000000 [Good (Interpolated)]                      80.000000 [Good (Raw)]                        80 [Good (Raw)]           
    2015-04-22 03:01:30.000       90.000000 [Good (Raw)]                               90.000000 [Good (Raw)]                        90 [Good (Raw)]

Отобразите данные на графике с маркерами, чтобы показать, как методы работают.

subplot(2,1,1);
plot(dataSample, 'Marker','.');
hold all
plot(dataIntersect, 'Marker','o', 'LineStyle','none');
title('Intersection of time series in Data object');
subplot(2,1,2);
plot(dataSample, 'Marker','.');
hold all
plot(dataUnion, 'Marker','o', 'LineStyle','--');
title('Union of time series in Data object');

Передискретизируйте небольшой набор данных на шагах требуемого времени.

newTS = dataSample(1).Timestamp(1):seconds(5):dataSample(1).Timestamp(end);
dataResampled = resample(dataSample,newTS)
figure;
plot(dataSample);
hold all
plot(dataResampled, 'Marker','x', 'Linestyle','none');

dataResampled = 

1-by-3 OPC UA Data object array:

           Timestamp                       Double                                Float                                Int32                  
    -----------------------  -----------------------------------  -----------------------------------  ------------------------------------  
    2015-04-22 03:00:10.000       10.000000 [Good (Raw)]                13.478261 [Good (Interpolated)]               13 [Good (Interpolated)]  
    2015-04-22 03:00:15.000       15.000000 [Good (Interpolated)]       15.652174 [Good (Interpolated)]               16 [Good (Interpolated)]  
    2015-04-22 03:00:20.000       20.000000 [Good (Raw)]                17.826086 [Good (Interpolated)]               18 [Good (Interpolated)]  
    2015-04-22 03:00:25.000       25.000000 [Good (Interpolated)]       20.000000 [Good (Raw)]                        20 [Good (Raw)]           
    2015-04-22 03:00:30.000       30.000000 [Good (Raw)]                25.833334 [Good (Interpolated)]               26 [Good (Interpolated)]  
    2015-04-22 03:00:35.000       35.000000 [Good (Interpolated)]       27.916666 [Good (Interpolated)]               28 [Good (Interpolated)]  
    2015-04-22 03:00:40.000       40.000000 [Bad (Raw)]                 30.000000 [Good (Raw)]                        30 [Good (Raw)]           
    2015-04-22 03:00:45.000       45.000000 [Good (Interpolated)]        2.000000 [Good (Interpolated)]               20 [Good (Interpolated)]  
    2015-04-22 03:00:50.000       50.000000 [Good (Raw)]                27.000000 [Good (Interpolated)]               45 [Good (Interpolated)]  
    2015-04-22 03:00:55.000       55.000000 [Good (Interpolated)]       51.500000 [Good (Interpolated)]               52 [Good (Interpolated)]  
    2015-04-22 03:01:00.000       60.000000 [Good (Raw)]                54.000000 [Good (Interpolated)]               54 [Good (Interpolated)]  
    2015-04-22 03:01:05.000       65.000000 [Good (Interpolated)]       56.500000 [Good (Interpolated)]               57 [Good (Interpolated)]  
    2015-04-22 03:01:10.000       70.000000 [Uncertain (Raw)]           59.000000 [Good (Interpolated)]               59 [Good (Interpolated)]  
    2015-04-22 03:01:15.000       75.000000 [Good (Interpolated)]       66.000000 [Good (Interpolated)]               66 [Good (Interpolated)]  
    2015-04-22 03:01:20.000       80.000000 [Good (Raw)]                70.000000 [Good (Interpolated)]               70 [Good (Interpolated)]  
    2015-04-22 03:01:25.000       85.000000 [Good (Interpolated)]       76.666664 [Good (Interpolated)]               77 [Good (Interpolated)]  
    2015-04-22 03:01:30.000       90.000000 [Good (Raw)]                90.000000 [Good (Raw)]                        90 [Good (Raw)]

Фильтрация данных качеством

Найдите только Хорошие данные из второго элемента передискретизируемого набора данных

resampledGood = filterByQuality(dataResampled(2), 'good')

resampledGood = 

1-by-1 OPC UA Data object array:

           Timestamp                        Float                 
    -----------------------  -----------------------------------  
    2015-04-22 03:00:10.000       13.478261 [Good (Interpolated)]  
    2015-04-22 03:00:15.000       15.652174 [Good (Interpolated)]  
    2015-04-22 03:00:20.000       17.826086 [Good (Interpolated)]  
    2015-04-22 03:00:25.000       20.000000 [Good (Raw)]           
    2015-04-22 03:00:30.000       25.833334 [Good (Interpolated)]  
    2015-04-22 03:00:35.000       27.916666 [Good (Interpolated)]  
    2015-04-22 03:00:40.000       30.000000 [Good (Raw)]           
    2015-04-22 03:00:45.000        2.000000 [Good (Interpolated)]  
    2015-04-22 03:00:50.000       27.000000 [Good (Interpolated)]  
    2015-04-22 03:00:55.000       51.500000 [Good (Interpolated)]  
    2015-04-22 03:01:00.000       54.000000 [Good (Interpolated)]  
    2015-04-22 03:01:05.000       56.500000 [Good (Interpolated)]  
    2015-04-22 03:01:10.000       59.000000 [Good (Interpolated)]  
    2015-04-22 03:01:15.000       66.000000 [Good (Interpolated)]  
    2015-04-22 03:01:20.000       70.000000 [Good (Interpolated)]  
    2015-04-22 03:01:25.000       76.666664 [Good (Interpolated)]  
    2015-04-22 03:01:30.000       90.000000 [Good (Raw)]

Отфильтруйте второй элемент передискретизируемых данных, чтобы возвратить только Интерполированные данные. Визуализируйте отфильтрованные данные с оригиналом.

resampledInterpolated = filterByQuality(dataResampled(2), 'Origin','interpolated')

figure;
plot(dataResampled(2))
hold on
plot(resampledGood, 'Marker', '+', 'Linestyle','none', 'DisplayName', 'Good');
plot(resampledInterpolated, 'Marker','x', 'Linestyle','none', 'DisplayName', 'Interpolated');
legend('Location', 'NorthWest')

resampledInterpolated = 

1-by-1 OPC UA Data object array:

           Timestamp                        Float                 
    -----------------------  -----------------------------------  
    2015-04-22 03:00:10.000       13.478261 [Good (Interpolated)]  
    2015-04-22 03:00:15.000       15.652174 [Good (Interpolated)]  
    2015-04-22 03:00:20.000       17.826086 [Good (Interpolated)]  
    2015-04-22 03:00:30.000       25.833334 [Good (Interpolated)]  
    2015-04-22 03:00:35.000       27.916666 [Good (Interpolated)]  
    2015-04-22 03:00:45.000        2.000000 [Good (Interpolated)]  
    2015-04-22 03:00:50.000       27.000000 [Good (Interpolated)]  
    2015-04-22 03:00:55.000       51.500000 [Good (Interpolated)]  
    2015-04-22 03:01:00.000       54.000000 [Good (Interpolated)]  
    2015-04-22 03:01:05.000       56.500000 [Good (Interpolated)]  
    2015-04-22 03:01:10.000       59.000000 [Good (Interpolated)]  
    2015-04-22 03:01:15.000       66.000000 [Good (Interpolated)]  
    2015-04-22 03:01:20.000       70.000000 [Good (Interpolated)]  
    2015-04-22 03:01:25.000       76.666664 [Good (Interpolated)]

Документация