如何用python计算幂-时图的上升时间、功率超调和稳定时间

Question

在python中，我试图测量功率对时间(信号输出)图的上升时间、功率超调和稳定时间。您知道python函数允许我计算这3个参数吗？

这3个参数的定义如下：

1. 上升时间=功率输出值从10%上升到90%的时间
2. %超调=((最大功率值)-(最后‘关于’功率值)/(最后‘对’功率值)
3. 稳定时间=信号输出功率在稳定状态值x%以内的时间

功率(幅值)与时间图类似于Matlab逐步信息指南https://uk.mathworks.com/help/control/ref/stepinfo.html上的第一张图。

我有一个带有power和time值的.csv文件，所以我将这些文件作为一个数据文件加载，并对时间进行绘图。但是从这张图中，我不知道如何计算我需要的三个参数。

import numpy as np
import matplotlib.pyplot as plt
import csv
import pandas as pd


time = [] # initialise time array
power = [] # initialise power array

df_csv = pd.read_csv('PvsV_SOA_comma.csv') # loads .csv file as a pandas 
dataframe

time = df_csv.iloc[:, 0] # sets time array equal to data in 1st (index 
from 0) column of datafram, selecting all rows
power = df_csv.iloc[:, 1] # sets voltage array

plt.plot(time, voltage) 
plt.xlabel('Time (s)')
plt.ylabel('Power (W)')

Answer 1

如果您的功率响应类似于二阶阶跃响应(如Matlab的步骤信息指南所示)

快速法

1. 首先要找到“稳态值”。如果你有实际价值，你可以使用它如果不是，你需要捕获足够长，并使用最后的值在csv作为“稳态值”。
2. 对于csv中的第一个数据为“开始值”，现在您可以找到功率超过稳态值90%的时间序列。
3. 您可以在csv上找到最大值，并与稳态值进行比较，得到%OS
4. 您可以从最后一个值追溯到第一个数据，这些数据超过稳态值的+- x%。

精确方式

您需要了解您的系统模型，并使用csv文件运行系统标识。然后得到模型参数，计算出更精确的时间响应特性。