def simulate_line(self, rise_time: float, N: int = 50, plot: bool = True) -> \
Tuple[List[float], List[float], List[float]]:
"""
Simula la respuesta de la línea a un escalón
"""
# parametros del circuito
C = self.c * self.L
R = self.r * self.L
tao = 5 * R * C
# parametros de la simulacion
end_time = rise_time * 10
time_step = end_time / 1e5
# creamos los objetos
source = ExpSource(2.5, rise_time)
circuit = Circuit(R, C, source, self.uid, N)
simulation = Simulation(time_step, end_time, circuit, self.uid)
results = Results(self.uid)
# simulamos y procesamos los resultados
simulation.run(results.filename)
results.process()
# limpiamos los archivos
circuit.clean()
simulation.clean()
results.clean()
return results.time, results.vin, results.vout
def min_sections(self,
tolerance: float = 5,
N_max: int = 150,
plot: bool = False) -> int:
"""
Obtiene el mínimo N con el que se puede representar a la línea
con cuadripolos RC, cada uno con valores rL/N y cL/N
tolerance es el porcentaje del punto de la asíntota que consideramos
Con plot se decide si plotear TpVsN
"""
# parametros del circuito
C = self.c * self.L
R = self.r * self.L
tao = 5 * R * C
# parametros de la fuente
V = 2.5
pulse_width = tao
period = pulse_width
# parametros de la simulacion
end_time = pulse_width
time_step = end_time / 1e4
# contenedores de los resultados
T_vec = []
N_vec = []
for N in [N + 1 for N in range(N_max)]:
# creamos los objetos
source = StepSource(V, pulse_width, period)
circuit = Circuit(R, C, source, self.uid, N)
simulation = Simulation(time_step, end_time, circuit, self.uid)
results = Results(self.uid)
# simulamos y procesamos los resultados
simulation.run(results.filename)
results.process()
T_vec.append(results.get_rise_time())
N_vec.append(N)
# limpiamos los archivos
circuit.clean()
simulation.clean()
results.clean()
if plot:
plt.plot([int(n) for n in N_vec], [t * 1e15 for t in T_vec])
plt.ylabel('Tiempo de crecimiento [fs]')
plt.xlabel('Cantidad de cuadripolos')
plt.title(
f'Tiempo de crecimiento para línea de {int(np.ceil(self.L*1e6))} micro'
)
plt.grid()
plt.savefig('TpVsN.png')
plt.show()
# Consideramos el N mínimo como el mínimo de los N que tienen un tiempo
# de propagación no mayor a un {tolerancia}% de la asíntota
N_min = N_vec[np.min(
np.nonzero(T_vec < np.min(T_vec) * (1 + tolerance / 100)))]
return N_min
