Nauwkeurige Raspberry Pi Temperatuurprofielering Met Python, SQLite En LabVIEW

Op mijn Raspberry Pi monteerde ik een DS18B20 sensor net boven de processor om de interne temperatuur van het bord vast te leggen. Mijn doel was om dit profiel binnenin de behuizing te karteren en het in een duidelijk visueel formaat te presenteren. Ik bereikte dit door een lichtgewicht Python-script, een SQLite3-database en LabVIEW te integreren.

Omdat de Pi zelf relatief cool draait en ik maar een enkele sensor heb, zijn de resulterende temperatuursvariaties subtiel – een overdreven weergave in de bijbehorende afbeelding. Niettemin, de methodologie schaalt naar elke opstelling.

Ik begon met het schrijven van een Python-routine die continu op de Pi draait. Het leest de DS18B20-waarde en schrijft de getimestampte temperatuur in een SQLite3-database op een gedeelde map gemount vanaf een USB-stick. Dezelfde database slaat ook versnellingsmeterdata op (later toe te voegen).

Aan de host-zijde, vraagt een LabVIEW-applicatie de remote SQLite3-database op voor de meest recente temperatuurmeting. Ik gebruik de eenvoudige SQLite Toolkit voor LabVIEW, wat de verbinding en query stroomlijnt. Initieel retourneert de query de volledige dataset; in toekomstige iteraties zal ik het verfijnen om alleen de laatste entry op te halen.

Voor visualisatie gebruik ik Sensor Mapping Express VI. De workflow is straightforward: wijst de VI naar een .stl-model van de Pi, wijst de sensorlocaties aan, en voedt de temperatuur-array in. Ik converteerde een hoog-resolutie 3D-model van het bord met Google SketchUp, voegde vervolgens vier dummy-sensornodes toe om temperatuurgradienten te illustreren. De externe vier sensoren worden op een vast 0°C gehouden, terwijl de centrale sensor live data ophaalt uit de database. Met additionele sensoren wordt de kaart steeds nauwkeuriger.

De applicatie ververst elke 100ms: het bevraagt de database, bouwt een array van temperatuurwaarden, en update de Sensor Mapping Express VI. Het resultaat is een dynamisch oppervlakteplot dat in real-time verandert om de interne temperatuur van de Pi weer te geven.

Temperatuur-naar-Kleur Mapping:

• 0°C – R0 G0 B255
• 21.25°C – R0 G255 B255
• 42.5°C – R0 G255 B60
• 63.75°C – R255 G255 B85
• 85°C – R255 G0 B0

Naast temperatuur heb ik een ADXL345-versnellingsmeter aangesloten om kantel- en kanteldata vast te leggen. De volgende fase zal deze bewegingsdata koppelen aan het 3D-model in LabVIEW, waardoor de virtuele representatie de fysieke oriëntatie van de Raspberry Pi kan spiegelen.

Voor een diepere duik in de code, databaseschema en LabVIEW-configuratie, zie het volledige artikel over Raspberry Pi temperatuurprofielering met LabVIEW.