实验指导书：实验1 传感器数据模拟

实验组件

1. 计算机
2. Python 3.x 编程环境
3. 必要的Python库：NumPy, Matplotlib, Time
4. IDE或代码编辑器（如PyCharm、VS Code等）

实验目的

1. 掌握Python编程语言基础知识和随机数据生成方法
2. 学习使用Matplotlib等可视化库进行数据图表实时展示
3. 理解传感器数据的特性和变化模式，为后续实际传感器操作做准备
4. 培养团队协作能力和代码文档编写能力

实验内容

1. 编写Python程序，模拟生成温度、湿度和光照强度三类传感器数据
2. 为模拟数据添加真实特性，如昼夜温度变化规律、光照强度与时间的关系等
3. 使用Matplotlib库实现数据的实时可视化展示
4. 编写程序说明文档，并提交相关材料

实验原理

传感器数据模拟是在没有实际硬件条件下，通过软件方法生成符合传感器特性的数据。本实验利用Python的随机数生成函数，结合数学模型和约束条件，模拟生成具有真实传感器特性的数据。

主要模拟原理：

1. 温度数据模拟

：融合基础温度值、昼夜周期变化和随机波动

1. 1. 昼夜周期：使用正弦函数模拟一天内温度变化规律，下午2点左右达到最高温度
   2. 随机波动：添加正态分布的随机数，模拟环境干扰
2. 湿度数据模拟

：结合基础湿度值、温度关联性和随机波动

1. 1. 温度关联：实现与温度的反相关性（温度高时湿度低，反之亦然）
   2. 边界限制：确保湿度值在0-100%的合理范围内
2. 光照强度模拟

：模拟太阳光照周期和随机波动

1. 1. 昼夜周期：白天（6:00-18:00）光照强度遵循正弦曲线变化，夜间维持低光照水平
   2. 环境因素：添加随机波动模拟云层、阴影等影响

通过Matplotlib库，可以将生成的数据以折线图、仪表盘等形式实时可视化展示，模拟真实传感器数据监控系统。

实验步骤

1. 环境准备

1. 安装所需的Python库：

pip install numpy matplotlib

1. 准备开发环境和代码编辑器（如PyCharm、VS Code等）

2. 数据模拟函数设计

设计模拟函数，考虑以下因素：

1. 温度数据：基础温度值+昼夜周期变化+随机波动
2. 湿度数据：基础湿度值+与温度的反相关性+随机波动
3. 光照强度：模拟太阳光照周期+随机波动

实现方法示例：

# 温度模拟函数示例

def simulate_temperature():

    time_factor = get_time_factor()  # 获取当前时间在一天中的位置(0-1)

    day_cycle = np.sin(2 * np.pi * (time_factor - 0.25)) * 5  # 昼夜周期变化

    random_fluctuation = np.random.normal(0, 0.5)  # 随机波动

    return temp_base + day_cycle + random_fluctuation

3. 可视化界面设计

设计实时可视化界面，包括：

1. 三类传感器数据的折线图，展示历史变化趋势
2. 当前数值的仪表盘显示

实现方法示例：

# 创建图表

fig = plt.figure(figsize=(12, 8))

fig.suptitle('智能会议室环境参数模拟', fontsize=16)

# 温度子图

ax1 = fig.add_subplot(3, 1, 1)

ax1.set_title('温度变化')

ax1.set_ylabel('温度 (°C)')

# ...其他图表设置

4. 程序实现

1. 实现数据生成和可视化的主循环，使用Matplotlib的动画功能定时更新数据和图表
2. 确保数据更新和图表刷新的同步性

实现方法示例：

# 更新函数示例

def update(frame):

    # 生成新数据

    temp = simulate_temperature()

    humidity = simulate_humidity(temp)

    light = simulate_light()

   

    # 更新数据数组和图表

    # ...

   

    return temp_line, humidity_line, light_line, temp_gauge, humidity_gauge, light_gauge

# 创建动画

ani = animation.FuncAnimation(fig, update, frames=None, interval=1000, blit=True)

代码成功运行后，参考效果图如下：

5. 测试与优化

1. 运行程序，验证数据生成的合理性和可视化效果
2. 检查数据范围是否合理（温度、湿度、光照强度）
3. 优化刷新频率和显示效果
4. 确保程序稳定运行，无明显卡顿或崩溃

6. 文档编写

1. 为代码添加详细注释，说明关键函数和参数的作用
2. 编写程序说明文档，包括使用方法、功能描述等

实验报告

1. 说明实验过程。
2. 进行结果分析。
3. 按组提交报告（电子档和纸质档各一份），由组长对组员的贡献进行打分（百分制）并附于报告末尾。