# 仪表读 25.6上位机显示 256工控量纲换算别再写死在代码里做采集系统的人多半遇到过这种事现场仪表读数 25.6上位机显示 256或者报表里温度和压力画在一条曲线上单位一个是 ℃ 一个是 K。查到最后往往是一行缩放系数写错、一个小数点放错位置。这类问题的根子不在代码在**量纲没有当一回事来管**。这篇把量纲治理拆成三步定义、转换、校验给可直接抄的 Python 代码。## 一、先定义每个点一份户口本量纲治理第一步是把这个点是什么单位、什么类型、怎么换算写进元数据而不是散落在代码常量和操作员脑子里。最小可行的定义包括五项python# tags_meta.py —— 点位量纲定义生产环境建议外置成 JSON/YAML随配置热加载TAGS { furnace_temp: { raw_type: int16, # 设备侧原始类型 raw_unit: 0.1 degC, # 原始单位寄存器值 温度×10 eng_unit: degC, # 工程单位 scale: {k: 0.1, b: 0.0}, # 线性换算 eng k*raw b range: [-50.0, 1800.0], # 物理合法区间工程单位 }, pipe_pressure: { raw_type: uint16, raw_unit: count, eng_unit: kPa, # 常见 4-20mA 通道4mA→0kPa20mA→1600kPa scale: {k: 1600.0 / 65535, b: 0.0}, range: [0.0, 1600.0], },}两个容易翻车的细节一是 int16 是有符号的温度低于零度时原始值会变成 65500 多——如果按 uint16 解直接得出一万多度二是 4-20mA 通道断线时读数常钳在 3.6mA 或 21mA 对应值附近这属于链路故障不是物理量要靠区间校验拦下来而不是让它进库。## 二、再转换一个函数管到底别处零公式定义好了转换必须是**唯一入口**。所有从设备来的原始值都过同一个函数业务代码里禁止再出现乘除换算——这一条纪律比任何算法都管用python# convert.pyimport structdef raw_to_eng(tag: str, raw: bytes) - float: meta TAGS[tag] # 按原始类型解字节int16 显式带符号 if meta[raw_type] int16: (val,) struct.unpack(h, raw) elif meta[raw_type] uint16: (val,) struct.unpack(H, raw) else: raise ValueError(funsupported type: {meta[raw_type]}) eng meta[scale][k] * val meta[scale][b] lo, hi meta[range] if not (lo eng hi): raise OutOfRange(tag, eng, (lo, hi)) return engclass OutOfRange(Exception): pass单位制的换算kPa→MPa、degC→K 这类显示层需求走同样的思路维护一张换算因子表展示端声明我要什么单位转换在出口处做一次中间链路全程只用工程单位存储。千万别让每个界面各算各的——三处三公式必有一处错。pythonUNIT_FACTORS { # 同量纲族的换算因子统一到基准单位 kPa: 1.0, MPa: 1000.0, degC: 1.0,}def convert_unit(value, src, dst): if (src, dst) (degC, degF): return value * 9 / 5 32 if (src, dst) (degF, degC): return (value - 32) * 5 / 9 return value * UNIT_FACTORS[src] / UNIT_FACTORS[dst]## 三、后校验转换之后还有三关转换正确不等于数据可用。量纲治理的最后一环是在入库前过三道校验任何一道不过都标记质量位而不是静默丢弃1. **区间校验**超出物理合法区间上面 range 干的事——标记 bad触发报警链而不是进历史库2. **平顶检测**连续 N 个采样一模一样多半是通信断了但驱动在复读旧值这个数最迷惑人3. **变化率校验**温度 10 秒涨 800 度物理上不成立多半是量程系数配错或字节序错。pythondef check_quality(tag, history, new_val, max_rate_per_s): meta TAGS[tag] lo, hi meta[range] if not (lo new_val hi): return bad_range if len(history) 30 and len(set(history[-30:])) 1: return flatline # 通信可疑 if history: dt 1.0 # 采样周期按实际填 rate abs(new_val - history[-1]) / dt if rate max_rate_per_s: return bad_rate return good带质量位入库之后报表和看板才有底气区分没有数据和数据不可信——这两个混在一起月度对账时能把人逼疯。量纲字段工程单位要随数据一起落库别只存在代码里三年后回头看数据的人不知道 25.6 是度还是千帕这条数据就废了一半。## 要点回顾1. 每个点位一份量纲户口本原始类型、缩放、区间外置成配置可热更。2. 原始值→工程量只走一个入口函数业务代码零换算公式单位制换算在出口处做一次。3. 入库前三关区间、平顶、变化率质量位随数据落库单位字段跟着数据走。量纲这层做干净了采集、报表、MES 全部受益反过来这层脏了下游做再多花活都是垃圾进垃圾出。含配置模板、转换校验全套代码与异常注入测试脚本的完整示例工程我整理成了完整代码放作者付费资源复制即用。## 相关阅读- [量纲只是数据层整条采集链路怎么分层《设备数据采集系统通用架构》](https://blog.csdn.net/csdngouwei/article/details/166773288)- [治理干净的数据怎么变日报《工控日报别再手动导出SQLite 数据自己变 Excel 报表》](https://blog.csdn.net/csdngouwei/article/details/167270411)- [量纲异常拦下来之后报警体系怎么建《工控报警系统设计分级、去抖、风暴抑制、通知链一次讲透》](https://blog.csdn.net/csdngouwei/article/details/167497042)量纲户口本模板、三关校验器这类数据质量代码交给 AI Agent 流水线搭最快——《AI Agent 与自动化开发实战》有完整打法12.9 元见作者付费资源。
