267 lines
11 KiB
Python
267 lines
11 KiB
Python
# /// script
|
||
# requires-python = ">=3.11"
|
||
# dependencies = ["numpy"]
|
||
# ///
|
||
"""Genera un CSV con T e ΔT = T − T_amb con rumore realistico (vedi docs/SPEC.md)."""
|
||
|
||
import argparse
|
||
import re
|
||
import secrets
|
||
import sys
|
||
import tomllib
|
||
from pathlib import Path
|
||
|
||
import numpy as np
|
||
|
||
CARTELLA_OUTPUT = Path("output")
|
||
GRIGLIA_MS = 5.0 # passo della griglia fine per il filtro del sensore
|
||
|
||
DESCRIZIONE = """\
|
||
Genera un CSV con la temperatura T di un sensore IR e la differenza dT = T - T_amb,
|
||
con rumore, quantizzazione e jitter dei tempi simili a un sensore reale.
|
||
|
||
T parte dalla temperatura ambiente, sale con uno o più gradini di riscaldamento e
|
||
ridiscende con raffreddamento esponenziale fino a T_amb. Ogni corsa (seed) è diversa."""
|
||
|
||
EPILOGO = """\
|
||
esempi:
|
||
genera.py config.toml scrive output/gen_<seed>.csv, seed casuale
|
||
genera.py config.toml --seed 42 riproducibile: output/gen_42.csv
|
||
genera.py config.toml -o dati/prova.csv percorso a scelta
|
||
genera.py config.toml -o - > out.csv su stdout
|
||
|
||
formato dell'output (separatore ',', fine riga '\\n'):
|
||
t_ms,T_C,dT_C
|
||
151,22.90,0.20
|
||
t_ms è intero; T_C e dT_C hanno due decimali. dT è calcolato dopo rumore e
|
||
quantizzazione di entrambi i canali (T e ambiente).
|
||
|
||
cosa fa (in ordine):
|
||
1. tempi t_i = t_(i-1) + dt_ms +/- jitter_ms, fino a durata_s
|
||
2. T vera ambiente vero + gradini di riscaldamento con raffreddamento
|
||
esponenziale, perturbati a caso a ogni corsa + disturbi a salto
|
||
3. sensore filtro del 1° ordine (tau_sensore_s) su griglia fine da 5 ms
|
||
4. rumore di T bianco (più forte a caldo) + deriva lenta, poi quantizzazione
|
||
5. ambiente, dT ambiente con rumore e quantizzazione propri; dT = T - ambiente
|
||
|
||
gruppi di chiavi di config.toml (unica fonte dei valori, unità nel suffisso:
|
||
_s secondi, _ms millisecondi, _c gradi C, _hz 1/s; ogni chiave è obbligatoria):
|
||
tempi durata_s, dt_ms, jitter_ms
|
||
ambiente amb_inf_c, amb_A_c, amb_tau_s, amb_sigma_c, amb_passo_c
|
||
rumore di T sigma_c, sigma_caldo_c, x_rif_c, wander_sigma_c, wander_tau_s, passo_T_c
|
||
gradini t_impulsi_s, dT_impulsi_c ([] = nessun riscaldamento; stessa lunghezza),
|
||
k_raffreddamento_hz, tau_sensore_s
|
||
variabilità impulsi_jitter_t_s, impulsi_jitter_amp_rel, k_jitter_rel (0 = disattivata)
|
||
salti salti_rate_hz, salti_media_c, salti_sigma_c, salti_tau_s, salti_x_min_c,
|
||
salti_max_c (raffreddamento); salti_risc_rate_hz, salti_risc_media_c,
|
||
salti_risc_sigma_c, salti_risc_tau_s (riscaldamento)
|
||
|
||
codici di uscita:
|
||
0 ok
|
||
1 errore, con messaggio in italiano su stderr: file di configurazione illeggibile
|
||
o TOML non valido, chiave mancante, t_impulsi_s e dT_impulsi_c di lunghezza
|
||
diversa, file di uscita non scrivibile
|
||
2 argomenti della riga di comando non validi
|
||
|
||
altri strumenti: grafico.py (disegna un CSV), pulisci.sh (svuota output/).
|
||
documentazione: docs/SPEC.md (modello e controlli), docs/FUNZIONALITA.md (funzionalità)."""
|
||
|
||
CHIAVI = [
|
||
"durata_s", "dt_ms", "jitter_ms",
|
||
"amb_inf_c", "amb_A_c", "amb_tau_s", "amb_sigma_c", "amb_passo_c",
|
||
"sigma_c", "sigma_caldo_c", "x_rif_c", "wander_sigma_c", "wander_tau_s", "passo_T_c",
|
||
"t_impulsi_s", "dT_impulsi_c", "k_raffreddamento_hz", "tau_sensore_s",
|
||
"impulsi_jitter_t_s", "impulsi_jitter_amp_rel", "k_jitter_rel",
|
||
"salti_rate_hz", "salti_media_c", "salti_sigma_c", "salti_tau_s", "salti_x_min_c",
|
||
"salti_max_c", "salti_risc_rate_hz", "salti_risc_media_c", "salti_risc_sigma_c", "salti_risc_tau_s",
|
||
]
|
||
|
||
|
||
class ParserIt(argparse.ArgumentParser):
|
||
"""ArgumentParser con i messaggi d'errore più comuni in italiano (exit 2)."""
|
||
|
||
TRADUZIONI = [
|
||
(r"the following arguments are required: (.*)", r"manca l'argomento obbligatorio: \1"),
|
||
(r"unrecognized arguments: (.*)", r"argomenti non riconosciuti: \1"),
|
||
(r"argument (.*): invalid int value: (.*)", r"argomento \1: \2 non è un numero intero"),
|
||
(r"argument (.*): expected one argument", r"argomento \1: manca il valore"),
|
||
]
|
||
|
||
def error(self, message):
|
||
for pattern, sostituzione in self.TRADUZIONI:
|
||
message = re.sub(pattern, sostituzione, message)
|
||
self.print_usage(sys.stderr)
|
||
print(f"{self.prog}: errore: {message}", file=sys.stderr)
|
||
sys.exit(2)
|
||
|
||
|
||
def errore(msg):
|
||
print(f"Errore: {msg}", file=sys.stderr)
|
||
sys.exit(1)
|
||
|
||
|
||
def leggi_config(percorso):
|
||
try:
|
||
with open(percorso, "rb") as f:
|
||
cfg = tomllib.load(f)
|
||
except OSError as e:
|
||
errore(f"impossibile leggere '{percorso}': {e.strerror}")
|
||
except tomllib.TOMLDecodeError as e:
|
||
errore(f"TOML non valido in '{percorso}': {e}")
|
||
mancanti = [k for k in CHIAVI if k not in cfg]
|
||
if mancanti:
|
||
errore(f"chiavi mancanti in '{percorso}': {', '.join(mancanti)}")
|
||
if len(cfg["t_impulsi_s"]) != len(cfg["dT_impulsi_c"]):
|
||
errore("'t_impulsi_s' e 'dT_impulsi_c' hanno lunghezze diverse")
|
||
return cfg
|
||
|
||
|
||
def eccesso(t_s, cfg):
|
||
"""Eccesso termico x(t): un gradino per impulso, poi raffreddamento esponenziale."""
|
||
x = np.zeros_like(t_s)
|
||
for tj, dj in zip(cfg["t_impulsi_s"], cfg["dT_impulsi_c"]):
|
||
dopo = t_s >= tj
|
||
x[dopo] += dj * np.exp(-cfg["k_raffreddamento_hz"] * (t_s[dopo] - tj))
|
||
return x
|
||
|
||
|
||
def perturba(cfg, rng):
|
||
"""Copia di cfg con istanti, ampiezze e k degli impulsi variati a caso (ogni corsa è diversa)."""
|
||
n = len(cfg["t_impulsi_s"])
|
||
t = np.sort(np.asarray(cfg["t_impulsi_s"], float) + cfg["impulsi_jitter_t_s"] * rng.standard_normal(n))
|
||
d = np.asarray(cfg["dT_impulsi_c"], float) * (1 + cfg["impulsi_jitter_amp_rel"] * rng.standard_normal(n))
|
||
k = cfg["k_raffreddamento_hz"] * (1 + cfg["k_jitter_rel"] * rng.standard_normal())
|
||
return {**cfg, "t_impulsi_s": t, "dT_impulsi_c": d, "k_raffreddamento_hz": k}
|
||
|
||
|
||
def eventi(g_s, cfg, rng, t_ini, t_fin, rate, media, sigma, tau, x_min):
|
||
"""Scarti casuali (Poisson) in [t_ini, t_fin], con rientro esponenziale, se x ≥ x_min."""
|
||
s = np.zeros_like(g_s)
|
||
n = rng.poisson(rate * (t_fin - t_ini))
|
||
ts = np.sort(rng.uniform(t_ini, t_fin, n))
|
||
ampiezze = np.clip(rng.normal(media, sigma, n), -cfg["salti_max_c"], cfg["salti_max_c"])
|
||
for tj, aj in zip(ts, ampiezze):
|
||
if eccesso(np.array([tj]), cfg)[0] < x_min:
|
||
continue
|
||
dopo = g_s >= tj
|
||
s[dopo] += aj * np.exp(-(g_s[dopo] - tj) / tau)
|
||
return s
|
||
|
||
|
||
def salti(g_s, cfg, rng):
|
||
"""Disturbi a salto: durante il riscaldamento (tra primo e ultimo gradino) e il raffreddamento."""
|
||
if len(cfg["t_impulsi_s"]) == 0:
|
||
return np.zeros_like(g_s)
|
||
t_primo, t_ultimo = cfg["t_impulsi_s"][0], cfg["t_impulsi_s"][-1]
|
||
risc = eventi(g_s, cfg, rng, t_primo, t_ultimo, cfg["salti_risc_rate_hz"],
|
||
cfg["salti_risc_media_c"], cfg["salti_risc_sigma_c"], cfg["salti_risc_tau_s"], 0.0)
|
||
raff = eventi(g_s, cfg, rng, t_ultimo, cfg["durata_s"], cfg["salti_rate_hz"],
|
||
cfg["salti_media_c"], cfg["salti_sigma_c"], cfg["salti_tau_s"], cfg["salti_x_min_c"])
|
||
return risc + raff
|
||
|
||
|
||
def ambiente_vero(t_s, cfg):
|
||
return cfg["amb_inf_c"] + cfg["amb_A_c"] * np.exp(-t_s / cfg["amb_tau_s"])
|
||
|
||
|
||
def quantizza(v, passo):
|
||
return np.round(v / passo) * passo
|
||
|
||
|
||
def genera(cfg, rng):
|
||
cfg = perturba(cfg, rng)
|
||
# 1. tempi
|
||
n_max = int(cfg["durata_s"] * 1000 / (cfg["dt_ms"] - cfg["jitter_ms"])) + 2
|
||
dt = cfg["dt_ms"] + rng.uniform(-cfg["jitter_ms"], cfg["jitter_ms"], n_max)
|
||
t_ms = np.cumsum(dt)
|
||
t_ms = t_ms[t_ms <= cfg["durata_s"] * 1000]
|
||
dt = np.diff(t_ms, prepend=0.0)
|
||
t_s = t_ms / 1000
|
||
|
||
# 2. T vera su griglia fine = ambiente vero + eccesso termico + salti
|
||
g_s = np.arange(0.0, cfg["durata_s"] + GRIGLIA_MS / 1000, GRIGLIA_MS / 1000)
|
||
t_vera = ambiente_vero(g_s, cfg) + eccesso(g_s, cfg) + salti(g_s, cfg, rng)
|
||
|
||
# 3. risposta del sensore: filtro del 1° ordine, interpolato ai t_i
|
||
a = np.exp(-GRIGLIA_MS / 1000 / cfg["tau_sensore_s"])
|
||
y = np.empty_like(t_vera)
|
||
y[0] = t_vera[0]
|
||
for n in range(1, len(y)):
|
||
y[n] = a * y[n - 1] + (1 - a) * t_vera[n]
|
||
y_i = np.interp(t_s, g_s, y)
|
||
|
||
# 4. rumore di T: bianco con σ(x) + deriva Ornstein-Uhlenbeck, poi quantizzazione
|
||
x_i = eccesso(t_s, cfg)
|
||
sigma = cfg["sigma_c"] + (cfg["sigma_caldo_c"] - cfg["sigma_c"]) * np.minimum(1.0, x_i / cfg["x_rif_c"])
|
||
phi = np.exp(-(dt / 1000) / cfg["wander_tau_s"])
|
||
inn = rng.standard_normal(len(t_s))
|
||
w = np.empty_like(t_s)
|
||
w[0] = cfg["wander_sigma_c"] * inn[0]
|
||
for i in range(1, len(w)):
|
||
w[i] = phi[i] * w[i - 1] + cfg["wander_sigma_c"] * np.sqrt(1 - phi[i] ** 2) * inn[i]
|
||
T = quantizza(y_i + w + sigma * rng.standard_normal(len(t_s)), cfg["passo_T_c"])
|
||
|
||
# 5. ambiente misurato e ΔT (dopo rumore e quantizzazione di entrambi i canali)
|
||
amb = quantizza(
|
||
ambiente_vero(t_s, cfg) + cfg["amb_sigma_c"] * rng.standard_normal(len(t_s)),
|
||
cfg["amb_passo_c"],
|
||
)
|
||
dT = quantizza(T - amb, cfg["passo_T_c"])
|
||
return np.round(t_ms).astype(int), T, dT
|
||
|
||
|
||
def scrivi(f, t_ms, T, dT):
|
||
f.write("t_ms,T_C,dT_C\n")
|
||
for t, a, b in zip(t_ms, T, dT):
|
||
# "+ 0.0" evita "-0.00"
|
||
f.write(f"{t},{round(a, 2) + 0.0:.2f},{round(b, 2) + 0.0:.2f}\n")
|
||
|
||
|
||
def main():
|
||
ap = ParserIt(
|
||
prog="genera.py",
|
||
usage="genera.py [-h] [-o FILE] [--seed N] config",
|
||
description=DESCRIZIONE,
|
||
epilog=EPILOGO,
|
||
formatter_class=argparse.RawDescriptionHelpFormatter,
|
||
add_help=False,
|
||
)
|
||
argomenti = ap.add_argument_group("argomenti")
|
||
opzioni = ap.add_argument_group("opzioni")
|
||
opzioni.add_argument("-h", "--help", action="help", help="mostra questo aiuto ed esce")
|
||
argomenti.add_argument("config", help="file di configurazione TOML (es. config.toml); tutte le chiavi sono obbligatorie")
|
||
opzioni.add_argument(
|
||
"-o", "--output", metavar="FILE",
|
||
help="file CSV di uscita; le cartelle mancanti vengono create. '-' scrive su stdout. "
|
||
"Default: output/gen_<seed>.csv",
|
||
)
|
||
opzioni.add_argument(
|
||
"--seed", type=int, metavar="N",
|
||
help="seme del generatore casuale: stesso seed e stessa configurazione danno lo stesso file. "
|
||
"Default: casuale, stampato su stderr",
|
||
)
|
||
args = ap.parse_args()
|
||
|
||
cfg = leggi_config(args.config)
|
||
seed = args.seed if args.seed is not None else secrets.randbelow(2**32)
|
||
if args.seed is None:
|
||
print(f"seed: {seed}", file=sys.stderr)
|
||
|
||
t_ms, T, dT = genera(cfg, np.random.default_rng(seed))
|
||
|
||
if args.output == "-":
|
||
scrivi(sys.stdout, t_ms, T, dT)
|
||
return
|
||
percorso = Path(args.output) if args.output else CARTELLA_OUTPUT / f"gen_{seed}.csv"
|
||
try:
|
||
percorso.parent.mkdir(parents=True, exist_ok=True)
|
||
with open(percorso, "w", newline="\n") as f:
|
||
scrivi(f, t_ms, T, dT)
|
||
except OSError as e:
|
||
errore(f"impossibile scrivere '{percorso}': {e.strerror}")
|
||
print(f"scritto: {percorso}", file=sys.stderr)
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|