22. Propriétés macroscopiques des corps ferromagnétiques.

PPT

Prop macro ferro (392.93 Ko)

PDF pour la leçon

Ferromagnetique (2.02 Mo)

Recopiage de e learning physique: Milieux ferro c (2.93 Mo)

pas faire sous partie sur la réluctance

Compléments pour expériences

(jolidon)

On veut retrouver expérimentalement le rapport de transformation m = u2/u1 = i1/i2 : 2 options

on met uniquement un voltmètre au secondaire => circuit ouvert : mesure de u1 et u2
on met uniquement un ampèremètre au secondaire => court-circuit: mesure de i1 et i2

on alimente le primaire en alternatif avec un alternostat (bien relier à la terre pour sécurité) qui permet de délivrer de plus grandes tensions => plus de puissance

BIBLIO

Lp46 propri t s macroscopique des corps f rromagn tiques (1.81 Mo)

Lp46 propri t s macroscopiques des corps ferromagn tiques (1.83 Mo)

elearningphysics : cycle hystérésis : https://www.youtube.com/watch?v=OFjn6BH9hs4

elearningphysics : transfo : https://www.youtube.com/watch?v=if8vjs1MiJ4

Elecmag milieux (3.42 Mo) : cours Gobet

CODE

In [50]:

# Importation des modules
import numpy as np
import numpy.random as npr
import matplotlib.pyplot as plt
import pandas as pd
from scipy.optimize import curve_fit,leastsq

In [51]:

# Definition de la fonction affine
def f_aff(x, a, b):
    return a*x+b

# Montecarlo
def montecarlo(X, Y, uX, uY, N_mc=100, color1='r', color2='b', mini=None, maxi=None):
    
    sigma_X = uX*np.ones(X.size)
    sigma_Y = uY*np.ones(Y.size)

    param = np.zeros((2,N_mc))
    for i in range(N_mc):
        x_mc = npr.normal(loc=X, scale=sigma_X)
        y_mc = npr.normal(loc=Y, scale=sigma_Y)
        pop, pcov = curve_fit(f_aff, x_mc, y_mc)
        param[0,i] = pop[0]
        param[1,i] = pop[1]
        
    mini = mini if mini else X.min()
    maxi = maxi if maxi else X.max()
    x_th = np.linspace(mini, maxi, 4)
    y_th = f_aff(x_th, *pop)
    for i in range(N_mc):
        y_th = f_aff(x_th, *param[:,i])
        plt.plot(x_th, y_th, color2, alpha=0.05)
    plt.errorbar(X, Y, xerr=uX, yerr=uY, fmt='+', capsize=2, color=color1)
    # plt.show()

    a_moy = np.mean(param[0,:])
    print("La pente moyenne sur les ", N_mc, "mesures est de :", np.round(a_moy,4))
    a_sig = np.std(param[0,:]) #ecart type
    print("L'écart type entre les pentes des", N_mc, "mesures est de :", np.round(a_sig,4))
    print("Le résultat est donc de :", f"a = {a_moy:.3f} +/- {a_sig:.3f}")
    print("Cela correspond à une erreur de:", f"a_rel = {a_sig/a_moy*100:.0f} %")
    return (a_moy, a_sig)

In [52]:

dfv = pd.read_csv('fichier.csv', sep = ';', decimal = ',') # étude à vide
dfcc = pd.read_csv('fichier.csv', sep = ';', decimal = ',') # étude en court-circuit

uI = 0.005
uU = 0.5

In [53]:

a_moy_U, a_sig_U = montecarlo(dfv['u1'], dfv['u2'], uU , uU, color1='red', color2='blue')
plt.xlabel('U1 [V]')
plt.ylabel('U2 [V]')

La pente moyenne sur les  100 mesures est de : 0.4776
L'écart type entre les pentes des 100 mesures est de : 0.006
Le résultat est donc de : a = 0.478 +/- 0.006
Cela correspond à une erreur de: a_rel = 1 %

Out[53]:

Text(0, 0.5, 'U2 [V]')

In [54]:

print('Le rapport de transformation théorique est m = N2/N1 = 0.5')
print('Le rapport de transformation expérimental est m =',round(a_moy_U,3),'+/-',round(a_sig_U,3))

Le rapport de transformation théorique est m = N2/N1 = 0.5
Le rapport de transformation expérimental est m = 0.478 +/- 0.006

In [43]:

a_moy_I, a_sig_I = montecarlo(dfcc['i2'], dfcc['i1'], uI , uI, color1='red', color2='blue')
plt.xlabel('I2 [V]')
plt.ylabel('I1 [V]')

La pente moyenne sur les  100 mesures est de : 0.524
L'écart type entre les pentes des 100 mesures est de : 0.0043
Le résultat est donc de : a = 0.524 +/- 0.004
Cela correspond à une erreur de: a_rel = 1 %

Out[43]:

Text(0, 0.5, 'I1 [V]')

In [44]:

print('Le rapport de transformation théorique est m = N2/N1 = 0.5')
print('Le rapport de transformation est m =',round(a_moy_I,3),'+/-',round(a_sig_I,3))

Le rapport de transformation théorique est m = N2/N1 = 0.5
Le rapport de transformation est m = 0.524 +/- 0.004

In [ ]:

Date de dernière mise à jour : 12/06/2024