如何将数据从LabVIEW连续发送到R？（代码帮助）

我正在尝试将LabVIEW（轴承振动和温度）的实时数据输入到用R编写的应用程序中，以创建控制图。它会工作一段时间，但最终会崩溃，并显示以下错误消息：

Error in aggregate.data.frame(B, list(rep(1:(nrow(B)%/%n + 1), each = n,  :
    no rows to aggregate

当LabVIEW获取数据并将其投影到两个Excel文件时，该过程将起作用。这些文件在R代码中读取，并用于在R中投影控制图。该过程成功一段时间，失败时刻并不总是相同的时间。有时控制图将运行6-7分钟，其他时间将在2分钟内崩溃

我怀疑Excel文件的更新速度不够快，因此R代码在Excel文件为空时尝试读取该文件

任何建议都很好！谢谢大家!

我试图降低每秒采集的样本量。那是行不通的

getwd()
setwd("C:/Users/johnd/Desktop/R Data")

while(1) {

  A = fread("C:/Users/johnd/Desktop/R Data/a1.csv" , skip = 4  , header = FALSE , col.names = c("t1","B2","t2","AM","t3","M","t4","B1"))
  t1 = A$t1
  B2 = A$B2
  t2 = A$t2
  AM = A$AM
  t3 = A$t3
  M = A$M
  t4 = A$t4
  B1 = A$B1

  B = fread("C:/Users/johnd/Desktop/R Data/b1.csv" , skip = 4  , header = FALSE , col.names = c("T1","small","T2","big"))
  T1 = B$T1
  small = B$small
  T2 = B$T2
  big = B$big

  DJ1 = A[seq(1,nrow(A),1),c('t1','B2','AM','M','B1')]
  DJ1

  n = 16
  DJ2 = aggregate(B,list(rep(1:(nrow(B)%/%n+1),each=n,len=nrow(B))),mean)[-1]
  DJ2

  #------------------------------------------------------------------------
  DJ6 = cbind(DJ1[,'B1'],DJ2[,c('small','big')]) # creates matrix for these three indicators
  DJ6


  #--------------T2 Hand made---------------------------------------------------------------------

  new_B1 = DJ6[,'B1']
  new_small = DJ6[,'small']   ### decompose the DJ6 matrix into vectors for each indicator(temperature, big & small accelerometers)
  new_big = DJ6[,'big']

  new_B1
  new_small
  new_big

  mean_B1 = as.numeric(colMeans(DJ6[,'B1']))
  mean_small = as.numeric(colMeans(DJ6[,'small']))    ##decomposes into vectors of type numeric 
  mean_big = as.numeric(colMeans(DJ6[,'big']))

  cov_inv = data.matrix(solve(cov(DJ6)))   # obtain inverse covariance matrix 
  cov_inv

  p = ncol(DJ6) #changed to pull number of parameters by taking the number of coumns in OG matrix   #p=3   # #ofQuality Characteristics 
  m=64 # #of samples (10 seconds of data)
  a_alpha = 0.99
  f= qf(a_alpha , df1 = p,df2 = (m-p))  ### calculates the F-Statistic for our data    
  f
  UCL = (p*(m+1)*(m-1)*(f))/(m*(m-p))   ###produces upper control limit 
  UCL

  diff_B1 = new_B1-mean_B1
  diff_small = new_small-mean_small
  diff_big = new_big-mean_big

  DJ7 = cbind(diff_B1, diff_small , diff_big) #produces matrix of difference between average and observations (x-(x-bar))
  DJ7
  # DJ8 = data.matrix(DJ7[1,])
  # DJ8
  DJ9 = data.matrix(DJ7)     ### turns matrix into appropriate numeric form   
  DJ9

  # T2.1.1 = DJ8 %*% cov_inv %*% t(DJ8)
  # T2.1.1

  # T2.1 = t(as.matrix(DJ9[1,])) %*% cov_inv %*% as.matrix(DJ9[1,])
  # T2.1

  #T2 <- NULL
  for(i in 1:64){   #### creates vector of T^2 statistic 

    T2<- t(as.matrix(DJ9[i,])) %*% cov_inv %*% as.matrix(DJ9[i,])   # calculation of T^2 test statistic   ## there is no calculation of x-double bar

    write.table(T2,"C:/Users/johnd/Desktop/R Data/c1.csv",append=T,sep="," , col.names = FALSE)#
     #
    DJ12 <-fread("C:/Users/johnd/Desktop/R Data/c1.csv" , header = FALSE ) #
  }
  # DJ12

  DJ12$V1 = 1:nrow(DJ12)  
  # plot(DJ12 , type='l')

  p1 = nrow(DJ12)-m
  p2 = nrow(DJ12)

  plot(DJ12[p1:p2,], type ='o', ylim =c(0,15), ylab="T2 Chart" , xlab="Data points")  ### plots last 640 points     
  # plot(DJ12[p1:p2,], type ='o' , ylim =c(0,15) , ylab="T2 Chart" , xlab="Data points")
  abline(h=UCL , col="red") ## displays upper control limit 


  Sys.sleep(1)
}

getwd（）
setwd（“C:/Users/johnd/Desktop/R数据”）
而(1){
A=fread（“C:/Users/johnd/Desktop/R Data/a1.csv”，skip=4，header=FALSE，col.names=C（“t1”、“B2”、“t2”、“AM”、“t3”、“M”、“t4”、“B1”））
t1=澳元t1
B2=B2澳元
t2=t2澳元
AM=A$AM
t3=澳元t3
M=百万澳元
t4=澳元t4
B1=B1澳元
B=fread（“C:/Users/johnd/Desktop/R Data/b1.csv”，skip=4，header=FALSE，col.names=C（“T1”、“small”、“T2”、“big”））
T1=B$T1
小=B$小
T2=B$T2
大=B$大
DJ1=A[seq（1，nrow（A），1），c（'t1'，'B2'，'AM'，'M'，'B1'）]
DJ1
n=16
DJ2=聚合（B，列表（代表（1:（nrow（B）%/%n+1），每个=n，len=nrow（B）），平均值）[-1]
DJ2
#------------------------------------------------------------------------
DJ6=cbind（DJ1[，'B1']，DJ2[，c（'small'，'big'））#为这三个指标创建矩阵
DJ6
#--------------T2手工制作---------------------------------------------------------------------
新的_B1=DJ6[，'B1']
new_small=DJ6[，'small']####将DJ6矩阵分解为每个指示器的向量（温度、大小加速度计）
new_big=DJ6[，'big']
新_B1
新的小型
纽约大酒店
mean_B1=数值形式（colMeans（DJ6[，'B1']））
mean_small=as.numeric（colMeans（DJ6[，'small']））##分解为numeric类型的向量
mean_big=as.numeric（colMeans（DJ6[，'big']））
cov_inv=数据。矩阵（求解（cov（DJ6））#获得逆协方差矩阵
cov_inv
p=ncol（DJ6）#更改为通过获取质量特征的OG矩阵中的coumn数#p=3##来提取参数数
m=64个样本（10秒数据）
a_α=0.99
f=qf（a_alpha，df1=p，df2=（m-p））35;##计算数据的f统计量
F
UCL=（p*（m+1）*（m-1）*（f））/（m*（m-p））###产生控制上限
伦敦大学学院
差异B1=新值B1-平均值B1
diff\u small=新的\u small-平均值\u small
diff\u big=新的\u big-平均值\u big
DJ7=cbind（diff_B1，diff_small，diff_big）#生成平均值和观测值之间的差值矩阵（x-（x-bar））
DJ7
#DJ8=data.matrix（DJ7[1，]）
#DJ8
矩阵（DJ7）####将矩阵转换为适当的数值形式
DJ9
#T2.1.1=DJ8%*%cov\U inv%*%t（DJ8）
#T2.1.1
#T2.1=t（作为矩阵（DJ9[1，]）%*%cov\u inv%*%as.matrix（DJ9[1，]））
#T2.1
#T2
该过程成功一段时间，失败时刻并不总是相同的时间。有时控制图会运行6-7分钟，其他时间会在2分钟内崩溃

我怀疑Excel文件的更新速度不够快，因此R代码在Excel文件为空时尝试读取该文件

你的怀疑是对的

在当前设计中，R应用程序可能会崩溃，具体取决于它相对于LabVIEW应用程序的运行速度。这称为“竞争条件”；必须从代码中消除竞争条件

又快又脏的解决办法
避免崩溃的一个简单解决方案是调用
NROW
检查是否存在任何数据。如果没有可用的数据，请不要调用
aggregate
。下面介绍了这一点：

更稳健的解决方案
更好的解决方案是使用通信协议（如TCP）将数据从LabVIEW传输到R，而不是使用CSV文件传输实时数据。例如，您的R程序可以侦听TCP套接字上的数据。在运行数据处理代码之前，让它等待数据从LabVIEW发送


下面是在R中使用
socketConnection
的示例：
以下是在LabVIEW中通过TCP发送/接收数据的示例：

该过程成功一段时间，失败时刻并不总是相同的时间。有时控制图会运行6-7分钟，其他时间会在2分钟内崩溃

我怀疑Excel文件的更新速度不够快，因此R代码在Excel文件为空时尝试读取该文件

你的怀疑是对的

在当前设计中，R应用程序可能会崩溃，具体取决于它相对于LabVIEW应用程序的运行速度。这称为“竞争条件”；必须从代码中消除竞争条件

又快又脏的解决办法
避免崩溃的一个简单解决方案是调用
NROW
检查是否存在任何数据。如果没有可用的数据，请不要调用
aggregate
。下面介绍了这一点：

更稳健的解决方案
更好的解决方案是使用通信协议（如TCP）将数据从LabVIEW传输到R，而不是使用CSV文件传输实时数据。例如，您的R程序可以侦听TCP套接字上的数据。在运行数据处理代码之前，让它等待数据从LabVIEW发送


下面是在R中使用
socketConnection
的示例：
以下是在LabVIEW中通过TCP发送/接收数据的示例：