Contact
CoCalc Logo Icon
StoreFeaturesDocsShareSupport News Sign UpSign In
| Download

Jupyter notebook La jungle de solutions.ipynb

Views: 242
Kernel: Octave

La jungle de solutions

Définition d'un bon outils

Récupérer des mesures dans un fichier texte, chercher un algoithme qui calcule les coefficients d'un polynôme d'ordre deux qui colle avec les mesures "au mieux" (régression polynomiale) et afficher une comparaison des mesures avec ce polynôme pour ensuite envoyer le résultat sur la sortie audio demanderait beaucoup d'efforts dans un langage inadapté à ce genre de tache comme le langage ADA !

Mais cela demande juste quelques lignes dans d'autres langages (prenont ici le Matlab/Octave):

  • Récupérons les datas qui sont contenues dans un fichier texte mesures.txt :

datas = csvread('mesures.txt') ; %CSV pour Coma Separated Values : un fichier texte avec les valeurs listées datas t=datas(:,1) %récupère la première colonne (le temps) y=datas(:,2) % les mesures en deuxième colonne
datas = 1.0000 1.0200 2.0000 6.2300 3.0000 5.2300 4.0000 8.2000 5.0000 12.3000 6.0000 24.4000 t = 1 2 3 4 5 6 y = 1.0200 6.2300 5.2300 8.2000 12.3000 24.4000
  • Regardons ce que dit la doc de Matlab/octave sur les polynomes (une courte recherche sur internet donne beaucoup de solutions pour matlab et octave ! On trouve la fonction polyfit):

help polyfit %donne accès à une documentation de la fonction
'polyfit' is a function from the file /usr/share/octave/4.2.2/m/polynomial/polyfit.m -- P = polyfit (X, Y, N) -- [P, S] = polyfit (X, Y, N) -- [P, S, MU] = polyfit (X, Y, N) Return the coefficients of a polynomial P(X) of degree N that minimizes the least-squares-error of the fit to the points '[X, Y]'. If N is a logical vector, it is used as a mask to selectively force the corresponding polynomial coefficients to be used or ignored. The polynomial coefficients are returned in a row vector. The optional output S is a structure containing the following fields: 'R' Triangular factor R from the QR decomposition. 'X' The Vandermonde matrix used to compute the polynomial coefficients. 'C' The unscaled covariance matrix, formally equal to the inverse of X'*X, but computed in a way minimizing roundoff error propagation. 'df' The degrees of freedom. 'normr' The norm of the residuals. 'yf' The values of the polynomial for each value of X. The second output may be used by 'polyval' to calculate the statistical error limits of the predicted values. In particular, the standard deviation of P coefficients is given by 'sqrt (diag (s.C)/s.df)*s.normr'. When the third output, MU, is present the coefficients, P, are associated with a polynomial in 'XHAT = (X - MU(1)) / MU(2)' where MU(1) = mean (X), and MU(2) = std (X). This linear transformation of X improves the numerical stability of the fit. See also: polyval, polyaffine, roots, vander, zscore. Additional help for built-in functions and operators is available in the online version of the manual. Use the command 'doc <topic>' to search the manual index. Help and information about Octave is also available on the WWW at http://www.octave.org and via the [email protected] mailing list.
  • utilisons cette fonction polyfit avec des polynomes d'ordres différents et affichons

[P2, S] = polyfit (t, y, 2); P2 % affiche les coefs trouvés à l'ordre 2 [P5, S] = polyfit (t, y, 5); P5 % affiche les coefs trouvés à l'ordre 5 [P8, S] = polyfit (t, y, 8); P8 tfine=t(1):0.1:t(end); % un vecteur temps plus fin que t : un point touts les 0.1 plot(t,y,'+k'); hold on; plot(tfine,polyval(P2,tfine),'-g'); %affiche le polynome plot(tfine,polyval(P5,tfine),'-b'); %affiche le polynome plot(tfine,polyval(P8,tfine),'-r'); %affiche le polynome legend(['mesures';'polynome ordre 2';'polynome ordre 5';'polynome ordre 8']) title('Regressions polynomiales')
P2 = 0.97946 -2.91111 4.89700 P5 = 0.18942 -3.38375 23.22208 -74.89125 112.21350 -56.33000 P8 = Columns 1 through 6: 0.0078720 -0.1353994 0.8253692 -1.9565203 0.7044117 2.0957362 Columns 7 through 9: 1.3438621 -0.2156958 -1.6496358
Image in a Jupyter notebook

L'inginieur-e à besoin de prototyper des solutions : résoudre, caluler, visualiser, appliquer des algorithmes puissants, expérimenter, tester,... ces besoins ont fait évoluer les premiers langages compilés impératifs vers d'autres langages. On pourrait/peut très bien utiliser les langages impératif typés comme ADA, C, fortran à cet effet. Mais les limitations se feront vite sentir :

  • lisibilité, concision, documentation les langages typés demandent beaucoup de déclarations nécessaires pour réaliser un code sans ambiguité, sans erreurs, et optimal en terme de taille et rapidité d'exécution. Mais toutes ces informations surchargent la lecture du code et ralentisse l'écriture, la compréhension par les autres. De plus il est intéressant de documenter son code et sur sa partie "architecture" mais aussi sur sa partie scientifique qui peut demander des equations etc.

  • souplesse, réutilisabilité lorsqu'une solution a été calculée, l'ingénieur doit souvent étendre ces résultats à d'autres cas. Il est alors intéressant de ne pas tout réécrire dans chaque cas, par exemple imaginez un programme qui trie des entiers, cela est embêtant si l'on doit tout réécrire juste parcequ'on veut maintenant trier des réels, ou des quaternions, ou des images etc. Un bon langage s'adaptera au changement de types des variables et permettra de regrouper facilement des librairies multiples de manière à pouvoir réutiliser.

  • richesse de la communauté scientifique de même des outils mathématiques numériques doivent être utilisés : décomposition d'un signal, optimisation d'un critère pour minimiser un coût, algorithmes de tris etc. Il est intéressant de disposer de beaucoup de logiciels prêt à l'utilisation développé par une communauté scientifique utilisant ce langage.

  • mise au point rapide le fait de vouloir aller vite plutôt que sûrement lors d'un prototypage fait que les erreurs sont fréquentes, d'ailleurs cela est un mauvais réflexe qui se paye souvent cher. Néanmoins le prototypage demande beaucoup d'expérimentations et de modifications ittératives "jusqu'à ce que ça marche". Pour cela les langages doivent fournir un environnement de test "débugeur", des générateurs de tests etc, et un passage à l'exécution rapide.

  • interfaçage et visualisation les résultats numériques doivent être importés (enregistrement, mesures directe sur carte audio ou oscilloscope etc.) pour être traité et les résultats doivent être visualisés ou renvoyé vers le système (sortie audio, commande d'un GBF etc.). Il faut donc un ensemble de fonctions graphique et d'interfaces qui soit riche.

  • propriété intellectuelle et passage à la solution industrielle une fois le prototype validé, on parle de preuve de concept. Il faut alors passer à la réalisation voire l'industrialisation du système. A ce moment il faut réfléchir à l'achat de licenses du logiciel et des librairies ou aux conditions d'utilisation des licenses gratuites et/ou libres. De plus le logiciel devra aussi s'exécuter sur autre chose qu'un PC de labo et donc à générer du code adapté, optimisé, à générer les test et vérifications voire certifications à donner pour ce code...

Le calcul symbolique

clear all pkg load symbolic ## now do some work with the symbolic pkg syms x w a; assume(w,'positive') a=sym(2*pi); f(x) = sin(a*w*x)/(a*w*x) dfx(x) = diff (f,x) dfw(x) = diff (f,w) primitive(x) = simplify(int(dfx,0,x)) primitive(0)
OctSymPy v2.6.0: this is free software without warranty, see source. Initializing communication with SymPy using a popen2() pipe. Some output from the Python subprocess (pid 676) might appear next. Python 2.7.15+ (default, Nov 27 2018, 23:36:35) [GCC 7.3.0] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> >>> OctSymPy: Communication established. SymPy v1.1.1. warning: passing floating-point values to sym is dangerous, see "help sym" warning: called from double_to_sym_heuristic at line 50 column 7 sym at line 373 column 13 f(x) = (symfun) sin(2⋅π⋅w⋅x) ──────────── 2⋅π⋅w⋅x dfx(x) = (symfun) cos(2⋅π⋅w⋅x) sin(2⋅π⋅w⋅x) ──────────── - ──────────── x 2 2⋅π⋅w⋅x dfw(x) = (symfun) cos(2⋅π⋅w⋅x) sin(2⋅π⋅w⋅x) ──────────── - ──────────── w 2 2⋅π⋅w ⋅x Waiting... primitive(x) = (symfun) sin(2⋅π⋅w⋅x) -1 + ──────────── 2⋅π⋅w⋅x ans = (sym) nan

Quelques bons outils

Les candidats du moment sont :

LogicielLicenseInstall NativeUtilisation en ligneUtilisation en Notebook JupyterCalcul Symbolique
MatlabSuper payantIDE Windows/linux/MacNonNonOui avec symbolic toolbox (500€)
Octavegratuit, libreIDE Windows/linux/Macinstall de octave_kernel https://octave-online.nethttps://github.com/Calysto/octave_kernel#installationavec symbolic package (Simpy)
Pythongratuit, libreIDE Windows/linux/Machttps://repl.it/languages/python3 par exemplenatif avec ypython kerneloui (Simpy)