第3章 Python脚本基础

第3章：Python脚本基础

各位工程师，欢迎来到Python脚本基础这一章。说实话，很多做dSPACE测试的同行一开始都问我：「我搞硬件出身，Python能学会吗？」我的回答是——能，而且必须会。因为现在的dSPACE自动化测试，Python已经成了标配语言。

3.1 Python在dSPACE中的角色

先说说Python在dSPACE里到底扮演什么角色。我个人习惯把dSPACE的测试环境比作一个乐队：ControlDesk是指挥，硬件是乐器，而Python就是乐谱。没有乐谱，乐队再牛也奏不出完整的曲子。

具体来说，Python在dSPACE中主要干三件事：

测试脚本编写：替代手动操作，实现一键跑完几百个测试用例
数据处理与分析：从测量文件中提取关键指标，生成报告
与第三方工具集成：比如调用MATLAB、Excel、数据库等

我在项目中遇到过最典型的场景：客户要求每天凌晨自动跑回归测试，早上9点前出报告。没有Python，这事根本干不了。你想想看，人工守着跑一夜？不现实。

核心观点：Python不是dSPACE的附属品，而是自动化测试的「发动机」。你掌握得越深，测试效率就越高。

3.2 Python语法速览

好，咱们快速过一遍Python语法。别担心，我不打算讲成大学计算机课。我只挑你在dSPACE脚本里最常用的部分讲。

3.2.1 变量与数据类型

Python的变量不需要声明类型，直接赋值就行。这一点跟C语言差别很大，我刚转过来时也适应了一阵子。

# 常见数据类型
test_name = "TC_Brake_001"    # 字符串
test_id = 1001                # 整数
voltage = 12.5                # 浮点数
is_passed = True              # 布尔值
measurement_list = [1.2, 3.4, 5.6]  # 列表

嗯，这里要注意：列表的索引从0开始。我见过不少新手写measurement_list[1]想取第一个值，结果取到第二个，排查半天才发现问题。

3.2.2 条件判断与循环

这两个结构在测试脚本里几乎天天用。比如判断测试是否通过，或者循环处理多个测试用例。

# 条件判断
if voltage > 12.0:
    print("电压正常")
elif voltage > 10.0:
    print("电压偏低，需关注")
else:
    print("电压异常，测试终止")

# for循环——处理列表中的每个元素
for value in measurement_list:
    print(f"当前测量值: {value}")

# while循环——等待某个条件满足
while not is_signal_ready:
    time.sleep(0.1)  # 每100ms检查一次

我个人习惯在循环里加个time.sleep()，尤其是跟硬件交互时。为什么？因为硬件响应需要时间，不加sleep容易把dSPACE的CPU跑满，导致实时任务丢帧。我曾经吃过这个亏，调试了一整天才发现是循环太快了。

3.2.3 函数与模块

写测试脚本时，千万别把所有代码堆在一个文件里。我建议你把重复的逻辑封装成函数，把相关的函数放到一个模块里。

# 定义一个函数，用于执行某个测试步骤
def execute_test_step(step_name, duration):
    print(f"执行步骤: {step_name}")
    time.sleep(duration)
    return True

# 调用函数
result = execute_test_step("加速测试", 2.0)

说白了，函数就是你的「乐高积木」。搭好了，以后写新脚本就是拼积木，省时省力。

小技巧：函数名最好用动词开头，比如check_voltage()、send_can_message()。这样别人看代码时，一眼就知道这个函数是干嘛的。

3.3 dSPACE Python API概览

这部分是重点中的重点。dSPACE提供了一套Python API，让你能直接操控硬件、读写信号、启动测量。我把它分成三大类来讲。

3.3.1 平台控制类API

这类API负责跟dSPACE硬件平台打交道，比如启动/停止实时模型、加载实验文件等。

API名称	功能说明	使用频率
`platform.start()`	启动实时模型	极高
`platform.stop()`	停止实时模型	极高
`platform.load_experiment()`	加载实验文件（.exp）	高
`platform.get_status()`	获取平台当前状态	中

我记得有一次，脚本跑着跑着突然报错，提示平台未就绪。排查后发现是platform.start()之后没有等待模型完全启动就开始操作信号了。解决方案很简单：加个状态检查循环。

# 等待平台就绪
platform.start()
while platform.get_status() != "RUNNING":
    time.sleep(0.5)
    print("等待平台启动...")

3.3.2 信号访问类API

这类API用来读写模型中的信号变量。说白了，就是让你能「摸到」硬件上的数据。

# 读取信号值
speed = signal.get_value("VehicleSpeed")

# 写入信号值（比如模拟油门输入）
signal.set_value("ThrottlePedal", 50.0)

# 订阅信号变化（实时监控）
signal.subscribe("EngineSpeed", callback=my_callback)

这里有个坑：信号名称一定要跟模型里定义的一模一样，大小写、下划线都不能错。我曾经因为把Vehicle_Speed写成了VehicleSpeed，排查了半小时才发现是名字对不上。

警告：写入信号值时，注意单位！dSPACE模型里通常使用物理单位（如m/s、N·m），但有些模型内部用的是百分比或原始值。写之前务必确认好单位换算关系。

3.3.3 测量与记录类API

这类API用于启动测量、记录数据、导出文件。自动化测试的核心——数据驱动——就靠它们了。

# 启动测量
measurement.start("TestRun_001")

# 记录一段数据
measurement.record(duration=5.0)

# 停止测量并保存
measurement.stop()
measurement.export("C:\\Data\\test_result.mat")

我个人习惯在每次测试开始前，先清空上一次的测量数据，避免新旧数据混在一起。代码很简单：

# 清空旧数据
measurement.clear()
print("旧数据已清除，开始新测试...")

3.4 一个完整的脚本示例

光讲理论不过瘾，咱们来个完整的例子。这个脚本模拟了一个简单的刹车测试：踩下刹车踏板，记录车速变化，判断是否在合理范围内。

import time
from dspace import platform, signal, measurement

def brake_test():
    # 1. 准备阶段
    print("=== 刹车测试开始 ===")
    platform.load_experiment("BrakeTest.exp")
    platform.start()
    time.sleep(1)  # 等待模型稳定
    
    # 2. 执行测试
    signal.set_value("BrakePedal", 100)  # 踩死刹车
    measurement.start("Brake_Test_001")
    time.sleep(3)  # 记录3秒数据
    measurement.stop()
    
    # 3. 读取结果
    final_speed = signal.get_value("VehicleSpeed")
    print(f"刹车后车速: {final_speed} km/h")
    
    # 4. 判断结果
    if final_speed < 1.0:
        print("测试通过：车辆已停止")
        return True
    else:
        print("测试失败：车辆未完全停止")
        return False
    
    # 5. 清理
    platform.stop()

# 运行测试
result = brake_test()

这个脚本虽然简单，但包含了自动化测试的完整流程：准备→执行→采集→判断→清理。你可以在它的基础上不断扩展，比如加个循环跑多个测试用例，或者把结果写入Excel。

总结一下：Python在dSPACE里不是花架子，是实打实的生产力工具。语法不用学太深，够用就行。API也不用全记住，常用的就那么几个。关键是——多写、多跑、多调试。遇到问题别慌，先看报错信息，八成是信号名写错了或者平台没启动。

好，这一章就到这里。下一章咱们会深入讲自动化测试框架的设计，到时候我会分享一个我实际用过的框架模板，保证让你少走弯路。

📚 课程目录