tools/datavis/pxmc-spimc-currents-show.py

   1 #! /usr/bin/python
   2
   3 import numpy as np
   4 import math
   5 #import matplotlib as plt
   6 #from numpy import cos
   7 from pylab import plot, subplot, figure, show, ylim, yticks
   8 from pprint import pprint
   9 import argparse
  10
  11 class spimc_state(object):
  12   def __init__(self, data_fname = None, adc_channels = 3, pwm_channels = 3,
  13                dmem_words = 0, skip_words = 0, period = 2500, adc_oversample = 1,
  14                filtspan = 1, isr_divider = 1, samples = None):
  15     self.adc_channels = adc_channels
  16     self.pwm_channels = pwm_channels
  17     self.period = period
  18     self.adc_oversample = adc_oversample
  19     self.isr_divider = isr_divider
  20     self.filtspan = filtspan
  21     self.dmem_words = dmem_words
  22     self.adc_channels = adc_channels
  23     self.pwm_channels = pwm_channels
  24     self.skip_words = skip_words
  25     data_buff = np.fromfile(data_fname, dtype=np.int32, count=-1, sep='')
  26     self.rawsamples = int(math.floor((np.size(data_buff, 0) - 0) / (1 + self.adc_channels + 1 + self.pwm_channels + self.dmem_words)))
  27     self.samples = self.rawsamples - self.filtspan
  28     if samples is not None:
  29       if self.samples > samples:
  30         self.samples = samples
  31     self.pwm = np.ndarray(shape=(self.pwm_channels, self.rawsamples), dtype=np.int32)
  32     self.adc_data = np.ndarray(shape=(self.adc_channels, self.samples), dtype=np.float)
  33     self.adc_raw = np.ndarray(shape=(self.adc_channels, self.rawsamples), dtype=np.int32)
  34     self.adc_sqn = np.ndarray(shape=(self.rawsamples), dtype=np.uint32)
  35     self.adc_offset = np.ndarray(shape=(self.adc_channels), dtype=np.float)
  36     self.current = np.ndarray(shape=(self.adc_channels, self.samples), dtype=np.float)
  37
  38     self.pwm_d = np.ndarray(shape=(1, self.samples), dtype=np.float)
  39     self.pwm_q = np.ndarray(shape=(1, self.samples), dtype=np.float)
  40     self.cur_d = np.ndarray(shape=(1, self.samples), dtype=np.float)
  41     self.cur_q = np.ndarray(shape=(1, self.samples), dtype=np.float)
  42     self.ptindx = np.ndarray(shape=(1, self.samples), dtype=np.uint32)
  43     self.ptphs = np.ndarray(shape=(1, self.samples), dtype=np.int32)
  44
  45     self.adc_offset[0] = 2071.0
  46     self.adc_offset[1] = 2074.0
  47     self.adc_offset[2] = 2050.0
  48     sample_pos = 0;
  49     for i in range(0, self.rawsamples):
  50       pos = sample_pos + self.skip_words
  51       if i < self.samples:
  52         self.ptindx[0, i] = data_buff[pos];
  53       pos += 1
  54       for ch in range(0, self.pwm_channels):
  55         self.pwm[ch, i] = data_buff[pos] & 0x3fff
  56         pos += 1
  57       self.adc_sqn[i] = data_buff[pos];
  58       pos += 1
  59       for ch in range(0, self.adc_channels):
  60         self.adc_raw[ch, i] = data_buff[pos]
  61         pos += 1
  62       for a in range(0, self.dmem_words):
  63         self.dmem[a, i] = data_buff[pos]
  64         pos += 1
  65       sample_pos = pos
  66
  67     nominal_cycle = self.period * self.adc_oversample;
  68     for ch in range(0, self.adc_channels):
  69       for i in range(0, self.samples):
  70         #cycle_time = self.adc_raw[ch, i + self.filtspan] + nominal_cycle  * self.filtspan - self.adc_raw[ch, i]
  71         #cycle_time = nominal_cycle * self.filtspan
  72         fac = 1.0
  73         sampsum = 0.0
  74         for j in range(0, self.filtspan):
  75           sampsum += float(self.adc_raw[ch, i + j]) / float(self.adc_sqn[i])
  76         self.adc_data[ch, i] = sampsum * fac
  77     for ch in range(0, self.adc_channels):
  78       for i in range(0, self.samples):
  79         self.current[ch, i] = self.adc_data[ch, i] - self.adc_offset[ch]
  80
  81 if __name__ == '__main__':
  82   parser = argparse.ArgumentParser()
  83   parser.add_argument('-f', '--filtspan', dest='filtspan', type=int,
  84                       default=1, help='number of samples used in moving average')
  85   parser.add_argument('-p', '--period', dest='period', type=int,
  86                       default=2500, help='period period of ')
  87   parser.add_argument('-a', '--adc-oversample', dest='adc_oversample', type=int,
  88                       default=1, help='ADC oversample over period')
  89   parser.add_argument('-d', '--isr-divider', dest='isr_divider', type=int,
  90                       default=1, help='Rx done ISR divider')
  91   parser.add_argument('-c', '--channels', dest='channels', type=int,
  92                       default=3, help='number of measured current ADC channels')
  93   parser.add_argument('-s', '--samples', dest='samples', type=int,
  94                       default=None, help='limit number of processed samples')
  95   parser.add_argument('files', nargs=argparse.REMAINDER)
  96
  97   args = parser.parse_args()
  98
  99   if len(args.files) == 0:
 100     args.files.append('adc-out.bin')
 101
 102   adc_data = spimc_state(args.files[0], filtspan = args.filtspan,
 103                             period = args.period, adc_oversample = args.adc_oversample,
 104                             isr_divider = args.isr_divider, adc_channels = args.channels,
 105                             samples = args.samples, pwm_channels = args.channels)
 106
 107   x = range(0, adc_data.samples)
 108   xr = range(0, adc_data.rawsamples)
 109   xf = range(adc_data.filtspan + 0, adc_data.samples + adc_data.filtspan)
 110   y = adc_data.ptindx[0]
 111   y1 = adc_data.pwm[0]
 112   y2 = adc_data.pwm[1]
 113   y3 = adc_data.pwm[2]
 114   #y4 = adc_data.adc_data[0]
 115   #y5 = adc_data.adc_data[1]
 116   #y6 = adc_data.adc_data[2]
 117   y4 = adc_data.current[0]
 118   y5 = adc_data.current[1]
 119   y6 = adc_data.current[2]
 120   y7 = adc_data.adc_sqn
 121   y8 = y4 + y5 + y6
 122
 123   #pwm_ph = np.arctan2(adc_data.pwm_q, adc_data.pwm_d)
 124   #cur_ph = np.arctan2(adc_data.cur_q_filt, adc_data.cur_d_filt)
 125   #cur_ph = np.arctan2(adc_data.cur_q, adc_data.cur_d)
 126
 127   #y7 = cur_ph[0] * 180.0 / math.pi * 10
 128   #y8 = pwm_ph[0] * 180.0 / math.pi * 10
 129
 130   #y9 = adc_data.ptphs[0] * 100
 131
 132   plot(x, y, 'y', xr, y1, 'r.', xr, y2, 'g.', xr, y3, 'b.',
 133        x, y4, 'r-', x, y5, 'g-', x, y6, 'b-', xr, y7, 'k',
 134        x, y8, 'c')
 135
 136   show()