Projet Raspberry Pi analyse fréquentielle des vibrations
diablack
-
diablack -
diablack -
Bonjour,
J'ai un projet à réaliser, je dois avec un raspberry pi et quelques composants comme un micro de contact, un convertisseur analogique numérique... Le problème est que mon code ne fonctionne pas très bien. Le graphique est généré et s'affiche, mais je crois qu'il ne récupère pas bien les données du microphone de contact alors que le branchement est correct.
Pouvez-vous m'aider et m'indiquer ce qui ne va pas dans mon code :
J'ai un projet à réaliser, je dois avec un raspberry pi et quelques composants comme un micro de contact, un convertisseur analogique numérique... Le problème est que mon code ne fonctionne pas très bien. Le graphique est généré et s'affiche, mais je crois qu'il ne récupère pas bien les données du microphone de contact alors que le branchement est correct.
Pouvez-vous m'aider et m'indiquer ce qui ne va pas dans mon code :
from __future__ import division
import numpy as np
import pylab as pl
import random
import Adafruit_ADS1x15
# # Créez une instance ADS1015 ADC (12 bits).
adc = Adafruit_ADS1x15.ADS1015()
GAIN = 1
adc.start_adc(0, gain=GAIN)
t = np.array([])
for i in range(20):
t = np.append(t, [adc.get_last_result(), ])
LW = 2 #Largeur de la ligne
AC = 0.5 #cannal alpha
pi = np.pi
def periodogramSS(inputsignal,fsamp):
N = len(inputsignal)
N_notnan = np.count_nonzero(~np.isnan(inputsignal))
hr = fsamp/N #Résolution de fréquence
#flow,fhih = -fsamp/2,(fsamp/2)+hr #spectre a deux côtés
flow,fhih = 0,fsamp/2+hr #Spectre à un côté
#flow,fhih = hr,fsamp/2
frange = np.arange(flow,fhih,hr)
fN = len(frange)
Aspec = np.zeros(fN)
n = 0
for f in frange:
Aspec[n] = np.abs(np.nansum(inputsignal*np.exp(-2j*pi*f*t)))/N_notnan
n+=1
Aspec *= 2 #single-sided spectrum
Aspec[0] /= 2 #Composant DC divisé par 2 (i.e. halved)
return (frange,Aspec)
#construire signal de référence:
f1 = 10 #Hz
T = 1/f1
fs = 10*f1
Ts = 1/fs
t = np.arange(0,20*T,Ts)
DC = 3.0
x = DC + 1.5*np.cos(2*pi*f1*t)
#supprimer les valeurs du signal x aléatoirement:
ndel = 10 #nombre d'échantillons à remplacer avec NaN
random.seed(0)
L = len(x)
randidx = random.sample(range(0,L),ndel)
for idx in randidx:
x[idx] = np.nan
(fax,Aspectrum) = periodogramSS(x,fs)
fig1 = pl.figure(1,figsize=(6*3.13,4*3.13)) #plein écran
pl.ion()
pl.subplot(211)
pl.plot(t, x, 'b.-', lw=LW, ms=2, label='ref', alpha=AC)
#marquer les valeurs NaN
for (t_,x_) in zip(t,x):
if np.isnan(x_):
pl.axvline(x=t_,color='g',alpha=AC,ls='-',lw=2)
pl.grid()
pl.xlabel('Time [s]')
pl.ylabel('Reference signal')
pl.subplot(212)
pl.stem(fax, Aspectrum, basefmt=' ', markerfmt='r.', linefmt='r-')
pl.grid()
pl.xlabel('Frequency [Hz]')
pl.ylabel('Amplitude spectrum')
fig1name = './signal2.png'
print ('Saving Fig. 1 to:'), fig1name
fig1.savefig(fig1name)
Configuration: Linux / Chrome 72.0.3626.121
A voir également:
- Projet Raspberry Pi analyse fréquentielle des vibrations
- Analyse composant pc - Guide
- Analyse disque dur - Télécharger - Informations & Diagnostic
- Filigrane projet - Guide
- Analyse performance pc - Guide
- Échec de l'analyse antivirus. ✓ - Forum Antivirus
2 réponses
Bonjour,
L'indentation étant importante en Python, merci de copier/coller ici ton code complet avec les balises de code
mode d'emploi:
https://codes-sources.commentcamarche.net/faq/11288-les-balises-de-code
Visuellement, ça doit ressembler à ceci (avec la coloration syntaxique) :
L'indentation étant importante en Python, merci de copier/coller ici ton code complet avec les balises de code
mode d'emploi:
https://codes-sources.commentcamarche.net/faq/11288-les-balises-de-code
Visuellement, ça doit ressembler à ceci (avec la coloration syntaxique) :
def test():
print('test')
test()
from __future__ import division
import numpy as np
import pylab as pl
import random
import Adafruit_ADS1x15
# # Créez une instance ADS1015 ADC (12 bits).
adc = Adafruit_ADS1x15.ADS1015()
GAIN = 1
adc.start_adc(0, gain=GAIN)
t = np.array([])
for i in range(20):
t = np.append(t, [adc.get_last_result(), ])
LW = 2 #Largeur de la ligne
AC = 0.5 #cannal alpha
pi = np.pi
def periodogramSS(inputsignal,fsamp):
N = len(inputsignal)
N_notnan = np.count_nonzero(~np.isnan(inputsignal))
hr = fsamp/N #Résolution de fréquence
#flow,fhih = -fsamp/2,(fsamp/2)+hr #spectre a deux côtés
flow,fhih = 0,fsamp/2+hr #Spectre à un côté
#flow,fhih = hr,fsamp/2
frange = np.arange(flow,fhih,hr)
fN = len(frange)
Aspec = np.zeros(fN)
n = 0
for f in frange:
Aspec[n] = np.abs(np.nansum(inputsignal*np.exp(-2j*pi*f*t)))/N_notnan
n+=1
Aspec *= 2 #single-sided spectrum
Aspec[0] /= 2 #Composant DC divisé par 2 (i.e. halved)
return (frange,Aspec)
#construire signal de référence:
f1 = 10 #Hz
T = 1/f1
fs = 10*f1
Ts = 1/fs
t = np.arange(0,20*T,Ts)
DC = 3.0
x = DC + 1.5*np.cos(2*pi*f1*t)
#supprimer les valeurs du signal x aléatoirement:
ndel = 10 #nombre d'échantillons à remplacer avec NaN
random.seed(0)
L = len(x)
randidx = random.sample(range(0,L),ndel)
for idx in randidx:
x[idx] = np.nan
(fax,Aspectrum) = periodogramSS(x,fs)
fig1 = pl.figure(1,figsize=(6*3.13,4*3.13)) #plein écran
pl.ion()
pl.subplot(211)
pl.plot(t, x, 'b.-', lw=LW, ms=2, label='ref', alpha=AC)
#marquer les valeurs NaN
for (t_,x_) in zip(t,x):
if np.isnan(x_):
pl.axvline(x=t_,color='g',alpha=AC,ls='-',lw=2)
pl.grid()
pl.xlabel('Time [s]')
pl.ylabel('Reference signal')
pl.subplot(212)
pl.stem(fax, Aspectrum, basefmt=' ', markerfmt='r.', linefmt='r-')
pl.grid()
pl.xlabel('Frequency [Hz]')
pl.ylabel('Amplitude spectrum')
fig1name = './signal2.png'
print ('Saving Fig. 1 to:'), fig1name
fig1.savefig(fig1name)
