22. Propriétés macroscopiques des corps ferromagnétiques

PDF : 22 proprietes macro ferro (6.63 Mo)

CODE :

In [1]:

# 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 [2]:

# 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)  #ligne à décommenter si on veut afficher les 100 droites
    plt.errorbar(X, Y, xerr=uX, yerr=uY, fmt='+', capsize=2, color=color1)
    # plt.show()

    a_moy = np.mean(param[0,:])
    b_moy = np.mean(param[1,:])
    x = np.linspace(0.8*min(X),max(X)*1.1,100)
    plt.plot(x,f_aff(x,a_moy,b_moy),'b--')

    #print("La pente moyenne sur les ", N_mc, "mesures est de :", np.round(a_moy,4))
    a_sig = np.std(param[0,:]) #ecart type
    b_sig = np.std(param[1,:]) #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 [3]:

dfv = pd.read_csv('tranfo_vide.csv', sep = ';', decimal = ',')

# Données de la mesure prise en direct
u1d = 
i1d = 
P1d = 
u2d = 

dfv.loc[len(dfv)] = [u1d,i1d,P1d,u2d]

uU = 

In [4]:

a_moy_U, a_sig_U = montecarlo(dfv['u1 [V]'], dfv['u2 [V]'], uU , uU, color1='red', color2='blue')
plt.plot(u1d, u2d,'og', markersize = 10) # mesure prise en direct
plt.xlabel('U1 [V]')
plt.ylabel('U2 [V]')

Out[4]:

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

In [5]:

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 = 0.487 +/- 0.012

In [6]:

dfcc = pd.read_csv('transfo_cc.csv', sep = ';', decimal = ',')


# Données de la mesure prise en direct
u1d_ = 
i1d_ = 
P1d_ = 
i2d_ = 

dfcc.loc[len(dfcc)] = [u1d_,i1d_,P1d_,i2d_]

uI = 

In [7]:

a_moy_I, a_sig_I = montecarlo(dfcc['I2 [A]'], dfcc['i1 [A]'], uI , uI, color1='red', color2='blue')
plt.plot(i2d_, i1d_,'og', markersize = 10) # mesure prise en direct
plt.xlabel('I2 [V]')
plt.ylabel('I1 [V]')

Out[7]:

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

In [8]:

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 = 0.513 +/- 0.002

Cycle d'hystérésis¶

In [17]:

df = pd.read_csv('scope_0.csv', header=1)

sonde = 50
df['V1 [V]'] = [df['Volt'][i]*sonde for i in df.index]
df['V2 [V]'] = [df['Volt.1'][i]*sonde for i in df.index]


#print(df)

In [10]:

plt.plot(df['V1 [V]'],df['V2 [V]'],'+')
plt.xlabel('V1 [V]')
plt.ylabel('V2 [V]')
plt.title('Cycle d hystérésis : V2 en fonction de V1')

Out[10]:

Text(0.5, 1.0, 'Cycle d hystérésis : V2 en fonction de V1')

In [11]:

plt.plot(df['second'],df['Volt'],'+')
plt.xlabel('Temps [s]')
plt.ylabel('V1 [V]')

# On trace ça car l'oscillo récupère plusieurs cycle (ici 5 car on voit 5 périodes) quand on fera le calcul de l'aire du  cycle
# il faudra diviser par 5 car il fait le calcul pour les 5 cycles

Out[11]:

Text(0, 0.5, 'V1 [V]')

In [12]:

# Données
R1 = 17.72 # ohm
R2 = 100e3
C = 1e-6 # F
L = 48e-2 # Chemin de champ, longeur du ferro
uL = 2e-2
a = 5e-2 # coté de la spire carré
N1 = 125
N2 = 250

f = 50 # Hz

S =  # surface du ferro
uS = S*2*1e-3/4e-2
V = S*L # Volume du ferro 
uV = V*np.sqrt((uL/L)**2+(uS/S)**2)
#print(V,uV)

P1 =  # W puissance du primaire
P2 =  # W puissance du secondaire

nbr_cyc = 5 # Nombre de cycles

H = N1*df['V1 [V]']/(L*R1)
B = R2*C*df['V2 [V]']/(N2*a**2)

In [13]:

plt.plot(H,B,'+')
plt.xlabel('H [A/m]')
plt.ylabel('B [T]')
plt.title('Cycle d hystérésys : B en fonction de H')

Out[13]:

Text(0.5, 1.0, 'Cycle d hystérésys : B en fonction de H')

In [14]:

P_Wa = P1-P2 # Avec wattmètre
uP_Wa = 0.1
print('Puissance perdue mesurée avec Wattmètres :',P_Wa,'+/-',uP_Wa,'W')

Puissance perdue mesurée avec Wattmètres : 19.7 +/- 0.1 W

In [15]:

A = np.trapz(H,B)/nbr_cyc # Calcul de l'aire du cycle [J/m^3]

from scipy.integrate import simps
A_ = simps(H,B)/nbr_cyc # 2eme méthode pour intéger pour évaluer incertitude

uA = 5

In [16]:

P_cy = A*f*V
uP_cy = P_cy*np.sqrt((uA/A)**2+(uV/V)**2)
print('Puissance perdue mesurée avec aire du cycle :',np.round(P_cy,1),'+/-',np.round(uP_cy,2),'W')

Puissance perdue mesurée avec aire du cycle : 11.2 +/- 0.75 W

In [ ]:

Date de dernière mise à jour : 07/06/2025