数据分析¶

软件能够对采集到的数据进行实时的计算和统计分析，数据计算采用模块化方式构建计算模型实现，使用者能够搭建各种计算模型。另外，还可以通过python语言构建自定义的计算模块实现各种自定义算法。

统计分析¶

软件内置了多种统计算法，可以通过选择的方式快速配置统计分析结果。

统计算法¶

软件内置以下统计算法：

Min，最小值
Max，最大值
Min_X，最小值对应X值
Max_X，最大值对应x值
Mean，平均值
Median，中值
Range，范围
Peak，峰值
Sum，算术和
Std Dev，标准差
COV，循环变动
RMS，有效值
Peak Factor，峰值系数，peak/RMS

统计配置¶

点击功能栏上的 统计计算设置 按钮，打开统计设置视图

statistic window — 图 27 统计设置窗口¶

勾选或取消勾选复选框，可以添加或删除统计结果
单击选择数据，数据名称变为粗体表示选中。可以用 Shift 或 Ctrl 进行批量多选。
如果需要批量添加统计结果，单击需要添加统计的 列标题 ，对应的复选框会变为选中状态，表示选择完成。如图 28 所示，选择CH2、CH3后，单击 Mean列标题 ，则增加了CH2和CH3的 Mean 计算结果。如果需要取消的话则再次单击Mean列标题。

statistic window add — 图 28 添加统计算法¶

点击保存按钮保存配置
打开数据选择窗口，可以看到数据列表中已经有了添加的计算结果

data select after add statistic — 图 29 数据选择窗口增加了统计结果¶

计算模型¶

为了能够灵活构建数据分析算法及流程，软件采用了图形化构建计算模型的方式来进行数据分析。

打开模型视图¶

点击功能栏上的 计算模型视图 按钮，打开计算模型视图

model window — 图 30 计算模型视图¶

计算模型视图包括三部分
- 工具条，修改模型的快捷工具
- 模块库，软件内置的计算模块（c++）或自定义计算模块（python）
- 模型区域，显示和编辑模型

新建模型¶

点击工具栏的 新模型 按钮来创建新模型
从模块库的 Port 组中将 source 和 result 拖放到模型区域

model window add source — 图 31 计算模型添加模块¶

从模块库的 General 组中将 signal_stat 拖放到模型区域
连接各个模块，如图 32 所示

model demo — 图 32 计算模型示例¶

点击模块左下角的三角符号，打开参数列表，修改source和result的名称如图 33 所示。

model demo rename — 图 33 修改模块参数¶

点击工具栏的 保存模型 按钮来创建保存模型，在保存对话框中输入模型名称，点击确定按钮保存模型文件，同时模型文件也会自动添加到试验中。模型文件的扩展名是 .bpm。

save model — 图 34 保存模型后自动添加到试验¶

在 试验视图 中的模型名称上点击右键，选择启用菜单项，当模型名称变为粗体后表示模型已经启用了。

model active — 图 35 启用模型¶

打开数据选择窗口，可以看到数据列表中已经有了添加的模型计算结果 rms1 和 mean1

data select after add model — 图 36 数据选择窗口增加了模型计算结果¶

模块库¶

模块库中的计算模块分为两类：

内置计算模块，由C++实现，计算速度块
自定义计算模块，由python实现，计算速度比C++慢，优点是使用方便、扩展性好，能够使用各种python的库