1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
| import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def modPasseBas(f, A0, f0, Q):
return np.abs(A0 / (1 - (f/f0)**2 + 1j*f/f0/Q))
def argPasseBas(f, A0, f0, Q):
return np.angle(A0 / (1 - (f/f0)**2 + 1j*f/f0/Q))
##############################################################################
##############################################################################
# Linéarité de la chaine de retour
##############################################################################
##############################################################################
"""
##############################################################################
# Linéarité cmd/vit en commande continue
data = np.asarray([ #[cmd,vit]
[4,363.629],
[3,272.722],
[2,181.815],
[1,90.907]
])
plt.plot(data[:,0], data[:,1], marker='+', linestyle='dotted')
plt.show()
"""
"""
##############################################################################
##############################################################################
# Diagramme de Bode
##############################################################################
##############################################################################
fig, axes = plt.subplots(2, sharex=True)
axG = axes[0]
axP = axes[1]
axP.set_xlabel(r'$f$')
axP.set_ylabel(r'$\arg(H)$')
axG.set_ylabel(r'$20.\log(|H|)$')
f_space = np.logspace(0, 4, 100)
##############################################################################
# Diagramme de bode FTBO, moteur seul
data = np.asarray([ #[freq,e,r]
[0,999.99],
[2,999.586],
[3,999.081],
[5,997.47],
[10,989.985],
[20,961.134],
[30,916.615],
[40,860.794],
[50,798.289],
[60,733.217],
[70,669.045],
[80,607.224],
[90,550.91],
[100,497.344]
])
data[:,1] = data[:,1]*1e-3/1
axG.semilogx(data[:,0], 20*np.log10(data[:,1]), marker='+', linestyle='None')
col = axG.get_lines()[-1].get_color() # Récupère la couleur
# Fit de la courbe
popt, pcov = curve_fit(modPasseBas, data[:,0], data[:,1], bounds=[(0), (np.inf)])
axG.plot(f_space, 20*np.log10(modPasseBas(f_space, *popt)), label='A0 = {:2.2f}, f0 = {:2.2f}, Q = {:2.2f}'.format(*popt), color=col, marker='None')
axG.axvline(-np.pi, color=col, linestyle='dotted')
axP.semilogx(f_space, argPasseBas(f_space, *popt), color=col, marker='None')
axP.axvline(-np.pi, color=col, linestyle='dotted')
axP.axhline(-np.pi, color='k', linestyle='dotted')
##############################################################################
# Diagramme de bode FTBO, correcteur P, K=0.5
data = np.asarray([ #[freq,e,r]
[ 1,666.720,331.311],
[ 10,671.883,332.565],
[ 20,687.224,330.246],
[ 30,711.779,326.202],
[ 40,744.031,320.218],
[ 50,781.919,312.088],
[ 60,822.986,301.703],
[ 70,864.633,289.119],
[ 80,904.545,274.593],
[ 90,940.530,258.570],
[100,971.634,241.61],
])
data[:,1] = data[:,2]/data[:,1]
axG.semilogx(data[:,0], 20*np.log10(data[:,1]), marker='+', linestyle='None')
col = axG.get_lines()[-1].get_color() # Récupère la couleur
# Fit de la courbe
popt, pcov = curve_fit(modPasseBas, data[:,0], data[:,1], bounds=[(0), (np.inf)])
axG.plot(f_space, 20*np.log10(modPasseBas(f_space, *popt)), label='A0 = {:2.2f}, f0 = {:2.2f}, Q = {:2.2f}'.format(*popt), color=col, marker='None')
axG.axvline(-np.pi, color=col, linestyle='dotted')
axP.semilogx(f_space, argPasseBas(f_space, *popt), color=col, marker='None')
axP.axvline(-np.pi, color=col, linestyle='dotted')
##############################################################################
# Diagramme de bode FTBO, correcteur P, K=5
data = np.asarray([ #[freq,e,r]
[ 1,166.697,833.327],
[ 2,166.753,833.355],
[ 3,166.848,833.402],
[ 10,168.522,834.254],
[ 20,174.197,837.068],
[ 30,183.684,841.711],
[ 40,197.133,848.387],
[ 50,214.412,856.942],
[ 60,236.638,867.464],
[ 70,263.177,879.979],
[ 80,294.643,894.500],
[ 90,331.392,911.019],
[100,373.809,929.484],
])
data[:,1] = data[:,2]/data[:,1]
axG.semilogx(data[:,0], 20*np.log10(data[:,1]), marker='+', linestyle='None')
col = axG.get_lines()[-1].get_color() # Récupère la couleur
# Fit de la courbe
popt, pcov = curve_fit(modPasseBas, data[:,0], data[:,1], bounds=[(0), (np.inf)])
axG.plot(f_space, 20*np.log10(modPasseBas(f_space, *popt)), label='A0 = {:2.2f}, f0 = {:2.2f}, Q = {:2.2f}'.format(*popt), color=col)
axG.axvline(-np.pi, color=col, linestyle='dotted')
axP.semilogx(f_space, argPasseBas(f_space, *popt), color=col)
axP.axvline(-np.pi, color=col, linestyle='dotted')
##############################################################################
# Diagramme de bode FTBO, correcteur I, tau=100
data = np.asarray([ #[freq,e,r]
[ 1,062.795,999.280],
[1.5,094.121,998.393],
[ 2,125.362,997.153],
[ 3,187.471,993.622],
[ 10,591.805,993.622],
[ 20,1003,767.212],
[ 30,1196,581.705],
[ 40,1247,427.071],
[ 50,1277,313.542],
])
data[:,1] = data[:,2]/data[:,1]
axG.semilogx(data[:,0], 20*np.log10(data[:,1]), marker='+', linestyle='None')
col = axG.get_lines()[-1].get_color() # Récupère la couleur
# Fit de la courbe
popt, pcov = curve_fit(modPasseBas, data[:,0], data[:,1], bounds=[(0), (np.inf)])
axG.plot(f_space, 20*np.log10(modPasseBas(f_space, *popt)), label='A0 = {:2.2f}, f0 = {:2.2f}, Q = {:2.2f}'.format(*popt), color=col)
axG.axvline(-np.pi, color=col, linestyle='dotted')
axP.semilogx(f_space, argPasseBas(f_space, *popt), color=col)
axP.axvline(-np.pi, color=col, linestyle='dotted')
##############################################################################
# Diagramme de bode FTBO, correcteur I, tau=2000 (C > Ccrit)
# on ne peut pas vraiment le tracer...
axG.legend()
"""
##############################################################################
##############################################################################
# Erreur et temps carac
##############################################################################
##############################################################################
##############################################################################
# Correction prop: Erreur = f(K)
data = np.asarray([ #[K, r]
[10,909],
[5,833.318],
[4,799],
[3,749],
[2,666],
[1,499],
[0.5,333],
])
data[:,1] = 1-data[:,1]*1e-3
plt.plot(data[:,0], data[:,1])
# Correction prop: Deltat t = f(K)
data = np.asarray([ #[K, dt]
[10,5.1],
[5,8.0],
[4,7.4],
[3,7.6],
[2,9.2],
[1,7.9],
[0.5,8.41],
])
plt.plot(data[:,0], data[:,1])
##############################################################################
##############################################################################
##############################################################################
##############################################################################
plt.show()
|