tpllg

Module python utilisable en salle de TP de physique pour exploiter des mesures rapidement sans passer son temps à écrire du code.

• Acquisition à la centrale Sysam SP5 ;
• Import facilité de données numériques exportées depuis Latis Pro, Regressi...
• Exploitation des mesures avec
  • ajustement des données ;
  • gestion des incertitudes, en particulier par la méthode de Monte-Carlo ;
  • tracés et ajustements d'un diagramme de Bode ;
  • analyse de signaux : trouver un front montant, un pic, une fenêtre, une fréquence propre...
  • analyse des spectres par DFT.

Le paquet réunit ce qui revient souvent d'un TP à l'autre et fournit des commandes "boites noires" qui s'appuient sur les modules classiques numpyet scipy pour l'analyse de signaux, et pycanum en ce qui concerne l'interfaçage avec Sysam SP5 (en cours d'obsolescence, malgré des performances tout à fait adaptées en TP, et surtout encore présent dans de nombreuses salles de TP).

Il est écrit pour être copié tel quel à côté des scripts d'un TP, sur des postes sans droits d'installation, et aussu pour tourner sans centrale : un simulateur prend le relais le cas échéant, en le disant.

Sommaire

• Installation
• Prérequis
• Prise en main
• La documentation
• Les modules
• Les exemples
• Erreurs courantes
• Développer, tester
• Licence

Installation

Trois façons, selon le poste.

Copier le dossier, au lycée ou chez soi, sans pip ni réseau : le dossier tpllg/ de ce dépôt (celui qui contient sysam.py) se pose à côté des scripts, et from tpllg.sysam import Sysam fonctionne, à condition d'exécuter le script depuis son dossier (sous Spyder, « Exécuter dans le répertoire du fichier »). C'est ce que font les dossiers distribués aux élèves : les scripts et tpllg/ ensemble, rien à installer.

Avec pip, quand le réseau et pip sont disponibles, et que les droits d'installation sont acquis :

pip install git+https://github.com/antnardo/tpllg

Pour développer, une installation éditable depuis un clone :

git clone https://github.com/antnardo/tpllg
pip install -e tpllg

Prérequis

Python 3.7 ou plus, avec numpy, scipy et matplotlib : une distribution Anaconda suffit. Le code évite délibérément ce que Python 3.7 ne connaît pas (notamment les f-strings).

La centrale nécessite le module pycanum installé, le module Python de Frédéric Legrand pour la Sysam SP5, disponible sous Windows : interpy. Sans pycanum, tpllg.sysam se rabat sur tpllg.sysam_factice, qui a la même interface et rend des données de la même forme, et l'annonce à l'ouverture :

[SYSAM] ATTENTION : pycanum absent, centrale simulée (tpllg.sysam_factice)

Les scripts tournent alors jusqu'au bout, ce qui permet de les tester chez soi, mais les acquisitions ne rendent que du bruit de quantification. Sur un poste qui a la centrale, ce message signifie que pycanum n'est pas installé pour ce Python-là (pour cette distribution, il peut y avoir plusieurs distributions sur un même poste), pas que le script est cassé.

Prise en main rapide

Acquérir les deux voies EA0 et EA1 simultanément, les enregistrer, les tracer :

import matplotlib.pyplot as plt
from tpllg.acquisition import acquerir, sauvegarder

fe = 200_000.0  # échantillonnage en Hz
temps, tensions = acquerir([0, 1], calibre=5, te=1/fe, nbpoints=6_000)
sauvegarder("essai", [0, 1], temps, tensions)   # essai_EA0.txt, essai_EA1.txt

plt.plot(temps[0], tensions[0], label="EA0")
plt.plot(temps[1], tensions[1], label="EA1")
plt.legend()
plt.show()

temps et tensions sont deux tableaux de forme (2, 6000) : une ligne par voie, le temps en secondes, la tension en volts.

Ajuster un modèle sur des mesures, avec des incertitudes-types sur y:

import numpy as np
from tpllg.ajustement import curvefit, resume_parametres

def modele(x, a, b):
    return a*x + b

x = np.array([0.1, 0.3, 0.5, 0.7, 0.9, 1.1, 1.3, 1.5, 1.7, 1.9])
y = np.array([-0.85, -0.42, 0.11, 0.35, 0.84, 1.15, 1.70, 1.95, 2.36, 2.85])
pfit, err, chi2 = curvefit(modele, x, y, p0=[1, 0], datayerrors=0.15)
print(resume_parametres(("a", "b"), pfit, err))

La fonction curvefit est bavarde (comme beaucoup de fonctions ici), elle indique la méthode choisie pour trouver les paramètres selon les données qu'on lui donne, et la fonction resume_parametres permet de mettre en forme facilement les résultats :

Least square method
a = 2.010 ± 0.083
b = -1.006 ± 0.095

Ajuster une fonction de transfert sur un diagramme de Bode mesuré, gain et phase ensemble, et tracer :

import numpy as np
from tpllg.ajustement import curve_fit_complex, resume_parametres
from tpllg.bode import tracer_bode

def passe_bande(f, H0, f0, Q):
    return H0/(1 + 1j*Q*(f/f0 - f0/f))

f = np.array([500, 1000, 1500, 1800, 2000, 2200, 2700, 5000.])       # Hz
H = np.array([0.21, 0.53, 1.33, 3.06, 5.13, 3.16, 1.24, 0.39])      # |Vs/Ve|
phi = np.radians([-95, -97, -106, -122, 176, 126, 104, 96])         # radians

pfit, err, chi2 = curve_fit_complex(passe_bande, f, norm=H, phase=phi, p0=[-5, 2000, 6])
print(resume_parametres(("H0", "f0", "Q"), pfit, err, unites=("", "Hz", "")))
tracer_bode(f, H, phi, passe_bande, pfit, err, noms=("$H_0$", "$f_0$", "$Q$"),
            unites=("", "Hz", ""), fichier="bode.pdf")

Least square method
H0 = -5.216 ± 0.063
f0 = 1991.4 ± 1.8 Hz
Q = 6.86 ± 0.15

La documentation

Une fiche par famille de fonctions, dans doc/. Chaque fonction y est donnée avec sa signature, le sens de chaque argument, ce qu'elle rend, ce qui la fait échouer, et un exemple exécuté avec ce qu'il imprime. Les fiches se terminent par des cas complets, de bout en bout.

Fiche	Contenu
doc/centrale.md	la Sysam SP5 : voies, calibres, modes de conversion, échantillonnage, acquisition, déclenchement sur une voie, sorties analogiques, enregistrement, le simulateur, les pannes courantes
doc/ajustement.md	ce que fait curve_fit ; curvefit avec les incertitudes sur y, sur x et y, le χ² réduit ; curve_fit_complex pour un module et une phase ; présenter un résultat ; choisir les valeurs de départ ; lire les résidus
doc/incertitudes.md	une série de mesures, l'écart-type, l'incertitude de la moyenne, le coefficient de Student ; la propagation par Monte-Carlo : Point, la droite ajustée sur tous les tirages sans boucle, un modèle quelconque ajusté par tirages
doc/signaux.md	repérer les fronts d'un créneau, découper une fenêtre, estimer une fréquence, les extremums et le décrément d'une oscillation amortie ; le régime libre d'un filtre après un front, ajusté
doc/bode.md	tracer un diagramme de Bode, mesures et modèle ; la chaîne complète mesures, ajustement, figure ; le gain d'un filtre mesuré sans ajustement ; le Bode automatique par la centrale
doc/spectres.md	le spectre d'un signal, brut ou fenêtré ; relever les harmoniques ; mesurer une fonction de transfert sur les harmoniques d'un créneau
doc/fichiers.md	lire un CSV de tableur, un export Latis Pro ou Regressi ; relire ce que sauvegarder écrit

Les modules

Module	Contenu
tpllg.sysam	Sysam, la classe de pycanum avec un with, des calibres simples et des acquisitions qui rendent directement temps et tensions ; se rabat sur le simulateur sans pycanum
tpllg.sysam_factice	le simulateur : même interface, mêmes formes de données, sans matériel
tpllg.acquisition	acquerir(voies, calibre, te, nbpoints, trigger=…) en une ligne, déclenchement compris ; sauvegarder
tpllg.ajustement	curvefit (incertitudes sur y, ou sur x et y par la variance effective, χ² réduit), curve_fit_complex (module et phase ajustés ensemble), ecarts_types, formater, resume_parametres, residus_complexes
tpllg.incertitudes	incertitudes (moyenne, incertitude-type de la moyenne, écart-type estimé), student_coef, loi_normale, loi_normale_cumulee
tpllg.montecarlo	Point, SerieLineaire, ajuster_modele : la propagation des incertitudes par tirages, la droite sans boucle
tpllg.signaux	fronts_montants, fronts_descendants, front_utile, fenetre, frequence_pic, extremums, decrement_logarithmique
tpllg.bode	tracer_bode, phase_0_360
tpllg.fft	calcule_DFT, spectre
tpllg.traitement	gain_std, gain, choix_echantillonnage, interpolation_fft, indices_plages, detecte_maxima_secondaires, valeurs_correspondantes
tpllg.fichiers	readcsv, import_latispro, import_regressi

Les exemples

Les scripts d'exemples/ sont complets et tournent sans centrale : quand une acquisition est nécessaire, un interrupteur SIMULATION en tête fabrique des données comme la centrale les rendrait, et False acquiert pour de bon. Ils s'exécutent depuis n'importe quel dossier ayant accès à tpllg, y écrivent leurs fichiers et leurs figures, et sont les mêmes que ceux des fiches.

Script	Ce qu'il fait
acquisition_simple.py	acquiert deux voies, enregistre un fichier par voie, trace
regime_libre.py	un créneau attaque un filtre ; repère un front, découpe le régime libre qui le suit, l'ajuste, trace acquisition, ajustement et résidus
bode_ajustement.py	des mesures point par point d'un diagramme de Bode, l'ajustement simultané du gain et de la phase, les résidus, la figure
spectre_harmoniques.py	le spectre d'un créneau, ses harmoniques, le gain d'un filtre mesuré sur chaque harmonique et ajusté
lecture_fichiers.py	écrit puis relit un CSV de tableur, un export Latis Pro, un export Regressi, un fichier de sauvegarder
ajustement_incertitudes.py	une droite ajustée sans incertitudes, avec celles de y, avec celles de x et y, à bruit constant puis variable
montecarlo.py	g par un pendule, un quotient à loi dissymétrique, une droite ajustée sur cent mille tirages face à curvefit, une exponentielle ajustée par tirages
Acquisition.py, Bode.py	deux scripts dérivés des exemples de Frédéric Legrand, « Enregistrement d'un signal » et « Diagramme de Bode » (voir Licence) : l'acquisition avec spectre, le Bode automatique

Erreurs courantes

Les données sont des tableaux 2D. acquerir, comme can.acquerir(), rend temps et tensions de forme (nombre de voies, nombre de points), en float64 : temps[0] et tensions[0] sont la première voie configurée, quel que soit son numéro. Le temps est en secondes et commence à zéro.

Les temps sont en secondes partout dans tpllg : la période d'échantillonnage donnée à config_echantillon ou à acquerir, les fronts rendus par fronts_montants, les fenêtres. Les méthodes héritées de pycanum que tpllg ne réécrit pas (config_sortie, config_echantillon_permanent) prennent, elles, des microsecondes.

Les phases sont en radians pour l'ajustement (curve_fit_complex, residus_complexes) et en degrés dans les résultats lisibles (residus_complexes les rend en degrés, tracer_bode les affiche en degrés). Une phase mesurée en degrés se convertit par np.radians avant d'ajuster ; oubliée, l'ajustement ne converge pas ou rend n'importe quoi.

Les valeurs de départ se lisent sur un tracé avant tout ajustement : les valeurs initiales d'un ajustement doivent être testées graphiquement avant de lancer l'ajustement. L'ajustement ne doit apporter que de la précision. Un facteur 2 peut faire converger l'ajustement vers des valeurs absurdes.

Un script pour la centrale tourne sans elle. Le simulateur répond avec des tableaux de la bonne forme, remplis de bruit ; un script qui veut s'essayer avec des données plausibles les fabrique lui-même derrière un interrupteur SIMULATION, comme le font les exemples.

Python 3.7. Les postes de TP ont souvent une distrib Anaconda ancienne. Pas d'opérateur :=, pas de f-strings (f"{x=}"), pas d'annotation list[float] ; np.random.RandomState(graine) plutôt que default_rng.

Tester

pip install -e .
python -m pytest tests

Les tests n'ont pas besoin de la centrale : ils passent par le simulateur. La description des tests est dans la documentation doc/tests.md

Licence

Le dépôt est sous licence CC BY-NC-SA 4.0, dont le texte intégral est dans LICENSE : réutilisation et modification libres hors usage commercial, en citant l'auteur et en partageant les versions modifiées sous la même licence. Auteur : Antonin Marchand, lycée Louis-le-Grand. Jusqu'au 26 septembre 2026, le code était sous licence MIT, à l'exception des deux exemples dérivés de Frédéric Legrand.

Une partie du code revient en effet à Frédéric Legrand. exemples/Acquisition.py et exemples/Bode.py dérivent de ses exemples, publiés sur son site sous CC BY-NC-SA 2.0 FR — Enregistrement d'un signal et Diagramme de Bode. Quatre fonctions du paquet lui sont dues aussi, réécrites ici et créditées dans leur docstring : la mesure du gain gain_std, interpolation_fft et choix_echantillonnage (tpllg.traitement), venues du même « Diagramme de Bode », et le spectre fenêtré spectre (tpllg.fft), venu de Mesure de déphasage. La 2.0 FR permet de diffuser une adaptation sous une version ultérieure aux mêmes options : ces emprunts sont donc sous CC BY-NC-SA 4.0, comme le reste.

pycanum n'en relève pas : c'est une dépendance, pas une partie du dépôt. Il appartient à Frédéric Legrand, est publié sous licence CeCILL sur PyPI, et n'est jamais redistribué ici.