-
Notifications
You must be signed in to change notification settings - Fork 0
/
main.py
337 lines (248 loc) · 7.67 KB
/
main.py
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
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
import numpy as np
import numpy.polynomial.polynomial as poly
import matplotlib.pyplot as plt
import control.matlab as ml
from scipy import signal
numerador = [1, 0, 0, 0, 0] # igual para ambas transferencias
denominador = [1, 2463, 3.033e6, 2.118e9, 7.89e11] #transferencia enunciado
#denominador = [1, 2381, 2.958e6, 1.987e9, 7.404e11] #transferencia encontrada
"""
#Analisis rapido de la transferencia
G = ml.tf(numerador, denominador)
print(G)
print("ceros: ")
print(ml.zero(G))
print("polos: ")
print(ml.pole(G))
ml.damp(G)
#Grafico Bode
G = ml.tf(numerador, denominador)
mod, fase, w = ml.bode(G)
plt.show()
#respuesta al escalon
G = ml.tf(numerador, denominador)
yout, T = ml.step(G)
plt.plot(T,yout)
plt.show()
#respuesta al impulso
G = ml.tf(numerador, denominador)
yout, T = ml.impulse(G)
plt.plot(T,yout)
plt.show()
#respuesta a la cuadrada o al seno
G = ml.tf(numerador, denominador)
frecuencia = .8 #en Hz
periodo = 1/frecuencia #en segundos
t = np.linspace(0, 5*periodo, 1000000, endpoint=False)
sig = signal.square(2 * np.pi * frecuencia * t)
#sig = np.sin(2*np.pi*frecuencia*t)
#sig = (sig +1)*0.5#para agregarle un offset a la señal cuadrada de valor .5v
yout, T, xout = ml.lsim(G, U = sig, T = t)
plt.plot(T,yout)
#plt.plot(t, sig) #plotea la señal de input
plt.show()
"""
#calcular transefrencia a partir de componentes
r1=3900
r2=5600
r3=2200
r4=12000
c1=220e-9
c2=220e-9
c3=220e-9
c4=220e-9
den1=poly.Polynomial([1/(r1*r2*c1*c2), (c1+c2)/(r2*c1*c2), 1])
print (den1)
den2=poly.Polynomial([1/(r3*r4*c3*c4), (c3+c4)/(r4*c3*c4), 1])
print (den2)
r_den1 = den1.roots()
r_den2 = den2.roots()
print(r_den1)
print(r_den2)
roots = np.concatenate((r_den1,r_den2))
print(roots)
denominador = poly.polyfromroots(roots)
denominador = denominador[::-1]
print(denominador)
numerador = [1, 0, 0, 0, 0]
G = ml.tf(numerador, denominador)
print(G)
print("ceros: ")
print(ml.zero(G))
print("polos: ")
polos = ml.pole(G)
print(polos)
ml.damp(G)
mod, fase, w = ml.bode(G)
plt.show()
"""
#chequear antitrasformada respuesta al impulso
i = 1j
beta1 = 450.53805369
gama1 = -873.84595396
beta2 = 829.67109753
gama2 = -357.65404604
z1 = gama1+beta1*i
z2 = gama2+beta2*i
A = 1/((z1-np.conj(z1))*(z1-z2)*(z1-np.conj(z2)))
C = 1/((z2-z1)*(z2-np.conj(z1))*(z2-np.conj(z2)))
mod1 = np.abs(A)
arg1 = np.angle(A)
mod2 = np.abs(C)
arg2 = np.angle(C)
G = ml.tf(numerador, denominador)
yout, T = ml.impulse(G)
plt.plot(T, yout, color = "green", label="pyhton")
gama1_2 = gama1*gama1
gama1_3 = gama1*gama1*gama1
gama1_4 = gama1*gama1*gama1*gama1
beta1_2 = beta1*beta1
beta1_3 = beta1*beta1*beta1
beta1_4 = beta1*beta1*beta1*beta1
gama2_2 = gama2*gama2
gama2_3 = gama2*gama2*gama2
gama2_4 = gama2*gama2*gama2*gama2
beta2_2 = beta2*beta2
beta2_3 = beta2*beta2*beta2
beta2_4 = beta2*beta2*beta2*beta2
inversa_laplace = 2*mod1*np.exp(gama1*T)*(np.cos(beta1*T+arg1)*(gama1_4 - 6*gama1_2 *beta1_2 + beta1_4)+ np.sin(beta1*T+arg1)*(-4*gama1_3*beta1+4*gama1*beta1_3))\
+2*mod2*np.exp(gama2*T)*(np.cos(beta2*T+arg2)*(gama2_4 - 6*gama2_2 *beta2_2 + beta2_4)+ np.sin(beta2*T+arg2)*(-4*gama2_3*beta2+4*gama2*beta2_3))
plt.plot(T,inversa_laplace, color = "red", label="analitic")
plt.show()
#chequear antitrasformada respuesta al escalon
i = 1j
beta1 = 450.53805369
gama1 = -873.84595396
beta2 = 829.67109753
gama2 = -357.65404604
z1 = gama1+beta1*i
z2 = gama2+beta2*i
A = 1/((z1-np.conj(z1))*(z1-z2)*(z1-np.conj(z2)))
C = 1/((z2-z1)*(z2-np.conj(z1))*(z2-np.conj(z2)))
mod1 = np.abs(A)
arg1 = np.angle(A)
mod2 = np.abs(C)
arg2 = np.angle(C)
G = ml.tf(numerador, denominador)
yout, T = ml.step(G)
plt.plot(T,yout, color = "green", label="pyhton")
gama1_2 = gama1*gama1
gama1_3 = gama1*gama1*gama1
beta1_2 = beta1*beta1
beta1_3 = beta1*beta1*beta1
gama2_2 = gama2*gama2
gama2_3 = gama2*gama2*gama2
beta2_2 = beta2*beta2
beta2_3 = beta2*beta2*beta2
inversa_laplace = 2*mod1*np.exp(gama1*T)*(np.cos(beta1*T+arg1)*(gama1_3 - 3*gama1 *beta1_2)+ np.sin(beta1*T+arg1)*(beta1_3-3*gama1_2*beta1))\
+2*mod2*np.exp(gama2*T)*(np.cos(beta2*T+arg2)*(gama2_3 - 3*gama2 *beta2_2)+ np.sin(beta2*T+arg2)*(beta2_3-3*gama2_2*beta2))
plt.plot(T,inversa_laplace, color = "red", label="analitic")
plt.show()
"""
#chequear antitrasformada respuesta al seno de frecuencia f
i = 1j
beta1 = 450.53805369
gama1 = -873.84595396
beta2 = 829.67109753
gama2 = -357.65404604
freq = 1000
w = 2*np.pi*freq
beta3 = w
gama3 = 0
z1 = gama1+beta1*i
z2 = gama2+beta2*i
z3 = gama3+beta3*i
A = w/((z1-np.conj(z1))*(z1-z2)*(z1-np.conj(z2))*(z1-z3)*(z1-np.conj(z3)))
B = w/((z2-z1)*(z2-np.conj(z1))*(z2-np.conj(z2))*(z2-z3)*(z2-np.conj(z3)))
C = w/((z3-z1)*(z3-np.conj(z1))*(z3-z2)*(z3-np.conj(z2))*(z3-np.conj(z3)))
mod1 = np.abs(A)
arg1 = np.angle(A)
mod2 = np.abs(B)
arg2 = np.angle(B)
mod3 = np.abs(C)
arg3 = np.angle(C)
G = ml.tf(numerador, denominador)
periodo = 1/freq #en segundos
T = np.linspace(0, 5*periodo, 1000000, endpoint=False)
sig = np.sin(w*T)
yout, T, xout = ml.lsim(G, U = sig, T = T)
plt.plot(1000*T,sig, label="señal")
plt.plot(1000*T,yout, color = "green", label="Respuesta numerica")
gama1_2 = gama1*gama1
gama1_3 = gama1*gama1*gama1
gama1_4 = gama1*gama1*gama1*gama1
beta1_2 = beta1*beta1
beta1_3 = beta1*beta1*beta1
beta1_4 = beta1*beta1*beta1*beta1
gama2_2 = gama2*gama2
gama2_3 = gama2*gama2*gama2
gama2_4 = gama2*gama2*gama2*gama2
beta2_2 = beta2*beta2
beta2_3 = beta2*beta2*beta2
beta2_4 = beta2*beta2*beta2*beta2
gama3_2 = gama3*gama3
gama3_3 = gama3*gama3*gama3
gama3_4 = gama3*gama3*gama3*gama3
beta3_2 = beta3*beta3
beta3_3 = beta3*beta3*beta3
beta3_4 = beta3*beta3*beta3*beta3
inversa_laplace = 2*mod1*np.exp(gama1*T)*(np.cos(beta1*T+arg1)*(gama1_4 - 6*gama1_2 *beta1_2 + beta1_4)+ np.sin(beta1*T+arg1)*(-4*gama1_3*beta1+4*gama1*beta1_3))\
+2*mod2*np.exp(gama2*T)*(np.cos(beta2*T+arg2)*(gama2_4 - 6*gama2_2 *beta2_2 + beta2_4)+ np.sin(beta2*T+arg2)*(-4*gama2_3*beta2+4*gama2*beta2_3))\
+2*mod3*np.exp(gama3*T)*(np.cos(beta3*T+arg3)*(gama3_4 - 6*gama3_2 *beta3_2 + beta3_4)+ np.sin(beta3*T+arg3)*(-4*gama3_3*beta3+4*gama3*beta3_3))
plt.plot(1000*T,inversa_laplace, color = "red", label="Respuesta analitica")
plt.legend()
plt.xlabel('Tiempo[ms]')
plt.ylabel('Tensión[V]')
plt.grid(linestyle='--', linewidth=1)
plt.title('Respuesta numerica vs Respuesta analitica')
plt.show()
"""
#comparar simulacion ltspice con resultados numericos
import csv
def toInt(array):
for i in range(len(array)):
array[i]=float(array[i])
def toInt1000(array):
for i in range(len(array)):
array[i]=1000*float(array[i])
path = "../tpAdc/csv/respuestaAlSen150"
t = []
v = []
with open(path, newline='') as csvfile:
spamreader = csv.reader(csvfile, delimiter='\t')
for row in spamreader:
t.append(row[0])
v.append(row[1])
t.pop(0)
v.pop(0)
toInt(v)
toInt1000(t)
plt.plot(t[:400], v[:400], label="LTSpice")
freq = 150
w = 2*np.pi*freq
periodo = 1/freq #en segundos
T = np.linspace(0, 5*periodo, 1000000, endpoint=False)
sig = np.sin(w*T)
plt.plot(1000*T,sig, label = "señal")
denominador = [1, 2381, 2.958e6, 1.987e9, 7.404e11]#transferencia de circuito propuesto
numerador = [1, 0, 0, 0, 0]
G = ml.tf(numerador, denominador)
print(G)
#yout, T = ml.step(G)
yout, T, xout = ml.lsim(G, U = sig, T = T)
plt.plot(1000*T, yout, label="Circuito propuesto")
denominador = [1, 2463, 3.033e6, 2.118e9, 7.89e11]#transferencia enunciado
numerador = [1, 0, 0, 0, 0]
G = ml.tf(numerador, denominador)
print(G)
#yout, T = ml.step(G)
yout, T, xout = ml.lsim(G, U = sig, T = T)
plt.plot(1000*T, yout, label="Enunciado")
plt.legend()
plt.xlabel('Tiempo[ms]')
plt.ylabel('Tensión[V]')
plt.grid(linestyle='--', linewidth=1)
plt.title('Comparación respuesta al escalon')
#plt.plot(1000*T,yout)
plt.show()
"""