LI雨骤Moku:Go M1初步体验

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

Moku:Go是Liquid Instruments公司为新理工科人才培养提供的完善工程实验教学解决方案，满足从强化基础教学到自主创新人才培养的课程体系。 Moku:Go集成8个仪器功能并提供选配可编程电源，取代笨重、繁琐的传统台式测量设备。学生可以将全套实验室装入书包，无论身在何处随时随地都可以学习。 Moku:Go可以通过自带Wi-Fi热点连接操控，集成了可靠，具有电气保护的信号接口，USB-C用作电源接口以及高速数据传输，以及6种可选颜色。Windows和Mac端的操作软件提供易用且直观的图形用户界面，还可以通过API与课程集成。 Moku:Go硬件以软件设计充分考虑了用户需求，确保学生获得完整、连贯的四年学习及课外实践体验。

本篇文章将从Moku:Go M1的基础使用入手，见识见识未来电子信息专业学生是如何进行实验的。

一、Moku:Go初上手

LI官网网址：http://www.li.market/，在“获取平台详情”选项中可以找到各类文档、Moku软件和各类API的使用方式。
将Moku:Go磁吸式电源插上电后，经过短暂的等待，黄灯变为绿灯，即代表它已经正式开启。然后就可以通过配套的数据线、或是用WIFI直接连接（硬件背后有该Moku:Go的编号和WIFI密码）的方式第一次连接Moku:Go。在设置界面可以修改设备名、修改密码，连接外界WIFI并手动分配IP地址等等，此后就可以通过寝室WIFI去访问它了，并且也有了远程控制（不需要去连设备本身的WIFI）的可能性。

时至今日，Moku:Go M1已经能够提供诸如示波器、频谱分析仪等11种仪器、功能以及自身具有的两通道可编程电源。不得不说的是它的界面相比于传统设备确实新颖了很多。

上图是PID控制器界面，支持两通道输入输出，对应Moku:Go M1的两通道模拟输入和输出。可同时进行两路PID调控，但由于仅支持两路输入，所以两路PID调控在这里的作用更多的是进行对比。（一般两路输入分别是当前量和目的量，通过PID控制让当前量趋于目的量，或是两者之差趋于零）
Moku:Go的界面简单易懂，并且输入输出口都是和常规的实验设备一样的，还是很好上手的。

二、Python API的使用

先来网址：https://apis.liquidinstruments.com/starting-python.html
大致就是说要求python3.5以上，pip install moku然后moku download就好了。
在当前你可能会下载版本2.4的API，而Moku:Go硬件可能只到2.2，所以某些函数可能会出现库里有，用不了。库里已经删了，你也用不了的情况出现。笔者当前没有试过去下旧版本的库，大部分还是能用的，小部分对照着官网文档和函数描述改一改就可以了。
大致使用方式：

$: python
>>> from moku.instruments import Oscilloscope
>>> osc = Oscilloscope('192.168.123.45')
>>> data = osc.get_data()
>>> print(data['ch1'], data['ch2'], data['time'])

通过get_data函数就获得了近时间内Moku:Go采集到的数据了，是包含两通道输出数值、对应时间的python字典形式。
调用get_data函数本身需要消耗不少时间，大概为0.3S左右。这与它数据读取的机制有关，当前不能确定的说法是：Python API读取Moku:Go数据是通过访问其开启的http服务实现的（因为某次不经意的报错告知http出现问题）。Moku:Go并没有建立更快速、持续的连接，所以目前不能通过Python API完成远程数据的实时读取。
通过这样的现象，笔者也猜测：Python API、Matlab API等方式，都只是对某一种方式的套壳，就比如是http的方式。只不过是调换了编程方式，本质过程没有改变，这也比较符合“接口”这一词。

对于设备的初始化函数：

osc = Oscilloscope('192.168.10.200',force_connect=False)

默认参数force_connect=False会让你在大部分情况下是连不上Moku:Go的（报错，当前API正有用户在使用），因为之前的用户没有接触占用（特别是使用Python API时），根据官方文档来说，要使用下面这句话，但大多时候似乎也是没用的。

osc.relinquish_ownership()

这里也就得提一嘴，Multi-Instruments功能还没有上线，说人话就是现在你还不能一边使用示波器、一边使用频谱分析仪。当你电脑软件在线时，你也不能通过Python API直接使用（不强制连接），否则会将电脑端踢下线。所以既要使用Python API，又要查看波形就得用Python相关的库去绘制。这里给出一个使用pyqtgraph绘图的小demo。

import pyqtgraph as pg
from moku.instruments import PIDController
import time

name = "Input2"

pid = PIDController('192.168.10.200', force_connect=True)


# 获取pid数据的定时回调函数
def get_pid_data():
    time1 = time.time()
    info = pid.get_data()
    time2 = time.time()
    print("耗时:", time2 - time1)
    x = info['time']
    y = info['ch1']
    # print(x[int(len(x) / 2)])
    # print(y[int(len(x) / 2)])
    plot.setData(x, y, pen='g')


if __name__ == '__main__':
    pid.set_monitor(1, name)
    pid.set_control_matrix(1, input_gain1=1, input_gain2=-1)
    pid.set_control_matrix(1, input_gain1=0, input_gain2=1)

    # pyqt's初始化
    # 创建窗口
    app = pg.mkQApp()  # 建立app
    win = pg.GraphicsWindow()  # 建立窗口
    win.setWindowTitle(u'pyqtgraph 实时波形显示工具')
    win.resize(800, 500)  # 小窗口大小
    # 创建图表
    historyLength = 100  # 横坐标长度
    p = win.addPlot()  # 把图p加入到窗口中
    p.showGrid(x=True, y=True)  # 把X和Y的表格打开
    p.setRange(yRange=[-5, 5], padding=0)
    p.setLabel(axis='left', text='电压')  # 靠左
    p.setLabel(axis='bottom', text='时间')
    p.setTitle('PID')  # 表格的名字
    plot = p.plot()

    timer = pg.QtCore.QTimer()
    timer.timeout.connect(get_pid_data)  # 定时刷新数据显示
    timer.start(50)  # 多少ms调用一次

    app.exec_()

或者使用python中matlab绘图库。下述代码是从官方PID控制器例程中改过来的，保留了部分注释。（笔者自己写是不会有注释的哈哈）

# moku example: PID Controller Plotting Example
#
# This script demonstrates how to configure both PID Controllers
# in the PID Controller instrument. Configuration on the Channel 1
# PID is done by specifying frequency response characteristics,
# while Channel 2 specifies the gain characteristics.
#
# The output response of each PID Controller channel is plotted
# in real-time.
#
# (c) 2021 Liquid Instruments Pty. Ltd.
#
import matplotlib.pyplot as plt
from moku.instruments import PIDController

# Connect to your Moku by its ip address using PIDController('192.168.###.###')
# or by its serial number using PIDController(serial=123)
i = PIDController('192.168.10.200', force_connect=False)

try:
    # Configures the control matrix:
    # Channel 1: input 1 gain = 1 dB, input 2 gain = 0 dB
    # Channel 2: input 2 gain = 0 dB, input 2 gain = 1 dB
    i.set_control_matrix(channel=1, input_gain1=1, input_gain2=0)
    i.set_control_matrix(channel=2, input_gain1=0, input_gain2=1)

    # Configure the Channel 1 PID Controller using frequency response
    # characteristics
    # 	P = -10dB
    #	I Crossover = 100Hz
    # 	D Crossover = 10kHz
    # 	I Saturation = 10dB
    # 	D Saturation = 10dB
    # 	Double-I = OFF
    # Note that gains must be converted from dB first
    i.set_by_frequency(channel=1, prop_gain=-10, int_crossover=1e2,
                       diff_crossover=1e4, int_saturation=10,
                       diff_saturation=10)

    # Configure the Channel 2 PID Controller using gain characteristics
    #   Overall Gain = 6dB
    #   I Gain       = 20dB
    i.set_by_gain(channel=2, overall_gain=6.0, prop_gain=20)

    # Set the probes to monitor Output 1 and Output 2
    i.set_monitor(1, 'Output1')
    i.set_monitor(2, 'Output2')

    # Set the timebase
    i.set_timebase(-1e-3, 1e-3) # +- 1msec
    #i.set_trigger(type='Edge', source='Input1', level=0)

    # Enable the output channels of the PID controller
    i.enable_output(1, True, True)
    i.enable_output(2, True, True)

    # Get initial data frame to set up plotting parameters. This can be done
    # once if we know that the axes aren't going to change (otherwise we'd do
    # this in the loop)
    data = i.get_data()

    # Set up the plotting parameters
    plt.ion()
    plt.show()
    plt.grid(b=True)
    plt.ylim([-1, 1])
    plt.xlim([data['time'][0], data['time'][-1]])

    line1, = plt.plot([])
    line2, = plt.plot([])

    # Configure labels for axes
    ax = plt.gca()

    # This loops continuously updates the plot with new data
    while True:
        # Get new data

        data = i.get_data()

        # Update the plot
        line1.set_ydata(data['ch1'])
        line2.set_ydata(data['ch2'])
        line1.set_xdata(data['time'])
        line2.set_xdata(data['time'])
        plt.pause(0.001)

except Exception as e:
    print(f'Exception occurred: {e}')
finally:
    # Close the connection to the Moku device
    # This ensures network resources and released correctly
    i.relinquish_ownership()

记得把IP地址改成你自己手动或是DHCP分配的就好了。在设置界面就能看到Moku:Go当前的IP。

总结

虽然Moku:Go当前不是非常的全面，特别是不能多仪器并行是非常大的一个槽点，但“片上仪器”这种思想还是非常值得肯定的。对于学生来讲，使用灵活好用的界面、编程控制仪器等等都是很不错的体验，就看未来它会如何继续发展了。