Proyecto Estación Meteorológica 6: Resultados

-

Resultados

Una vez terminado de programar todos los puntos del proyecto, se pueden observar los resultados en conjunto. Para ello, se seguirá el mismo orden que durante la memoria.

En cuanto al código de Python mostrado en “Obtención y Envío de Datos Mediante Python”, este se ejecuta desde la terminal de la Raspberry. Para ello, primero se debe abrir la terminal (esto puede hacerse pulsando “ctrl + alt + t”). Una vez en la terminal, se abre el directorio en el que está el archivo (por ejemplo, si el archivo está en el escritorio con “cd /home/pi/Desktop”). Puede hacerse lo mismo abriendo la carpeta con la interfaz gráfica y pulsando “F4” una vez dentro de ella. Después, es un poco diferente en caso de las versiones de Python instaladas. En caso de disponer solo de la versión 2.7, en este caso se ejecuta el archivo con el comando “python thingSpeak_datalogger.py”. En caso de disponer de más de una versión de Python, en el comando habrá que especificar la versión que se quiere utilizar, quedando el comando “python2.7 thingSpeak_datalogger.py”. Esto ejecuta el archivo en la terminal. En caso de querer parar el programa, solo hay que pulsar “ctrl + c” en la terminal.

Terminal de la Raspberry tras ejecutar el programa.

La siguiente parte del código es la referente a la visualización, mostrado en “Visualización de Resultados Mediante HTML y D3.js". Esto puede ejecutarse desde cualquier plataforma, siempre y cuando se disponga de un navegador de Internet, tal como Mozilla Firefox, Google Chrome o Safari. Solo hay que abrir el archivo con uno de esos navegadores y ya se pueden observar los datos subidos a ThingSpeak, siempre y cuando haya suficientes datos. En caso de querer actualizar los valores, solo hay que actualizar la página.

* Nota: En caso de ejecutar el programa de Python de nuevo, se deberán volver a conseguir las ID de los nuevos canales desde la página de ThingSpeak y se deberán de actualizar estas en las URIs de las cuales se importan los datos en el HTML.

Gráfica de los datos importados desde ThingSpeak.

Visualización de los datos en una tabla al pulsar “Mostrar tabla”.

Por último, se ejecuta el programa de Matlab explicado en “Análisis y Tratamiento de Datos Mediante Matlab”. Para ello se utiliza la versión de Matlab R2017a. Es importante que a la hora de ejecutarlo, el archivo “ControlClimatizador.slx” también se encuentre abierto. Una vez cumplidos estos requisitos, solo hay que pulsar “Run” para que se ejecute. Esto abrirá 2 figuras, la primera con los datos importados desde ThingSpeak y la segunda con las últimas medias de los datos y las acciones de control. En caso de querer parar el programa, solo hay que pulsar “ctrl + c” en el “Command Window”.

Figura 1: Datos importados.

Figura 2: Medias de datos y acciones de control.

Se puede acceder a todos los archivos utilizados pulsando aquí.

Comentarios

Publicar un comentario

Entradas populares de este blog

Proyecto Estación Meteorológica 4: Visualización de Resultados Mediante HTML y D3.js

-
Imagen
Visualización de Resultados Mediante HTML y D3.js Una vez se han subido los datos a ThingSpeak, tal y como se describe en el post anterior , se quiere visualizar el contenido que se ha subido. Para ello, se diseña una página web utilizando HTML, JavaScript, CSS y D3.js. El código de la página consiste principalmente en 3 partes: la importación de datos y su tratamiento, la visualización de estos en una gráfica y la visualización en una tabla. Primero, la importación de datos. Para ello, se debe conseguir una URI desde ThingSpeak, la cual se puede conseguir entrando en la pestaña “ Data Import/Export ” de los canales que se han creado, en la sección “ Get a Channel Feed ”. Se decide que se quieren recuperar 5 sets de datos desde cada canal, por lo que esto se tiene en cuenta a la hora de codificar las URIs. Se cargan los datos llamando a estas con JavaScript, las cuales, tras ser llamadas, ejecutan unas funciones previamente definidas. El cometido de...
Leer más

Diferentes técnicas de las redes neuronales

-
Imagen
DIFERENTES TÉCNICAS DE LAS REDES NEURONALES En la entrada anterior hemos visto, un poco por encima, lo que son las redes neuronales artificiales y de que se componen. La explicación de como se consigue  la salida de las neuronas y de la red en su totalidad, encaja con una técnica de las redes neuronales: Forward Propagation. La primera técnica que se va a explicar en esta entrada. Forward propagation El Forward propagation  es una implementación vectorial de las funciones de las redes neuronales, es decir, explica como pasan los valores de entrada (x) a ser los valores de salida, como se transforman.  Aunque ya se haya explicado este proceso en la entrada anterior, vemos necesario volver a explicarlo, para entender correctamente las demás técnicas (si lo habéis entendido bien, podéis saltar un poco más hacia adelante). Bien pues, primero las entradas (x) se multiplican con una  matriz de pesos ( θ )  que controla la función de mapeo de una ca...
Leer más

Proyecto Estación Meteorológica 3: Obtención y Envío de Datos Mediante Python

-
Imagen
Obtención y Envío de Datos Mediante Python Una vez se ha configurado la Raspberry como es debido, se comienza la codificación. Lo primero que se codifica es el programa de Python. La función de este programa es el de crear automáticamente los canales necesarios en ThingSpeak, recoger datos del sensor y subir estos a los canales previamente mencionados. Para ello, primero se observan las especificaciones del usuario para definir la problemática. Haciendo esto, se observa que hay que subir datos con una frecuencia de 10 segundos, pero los canales de ThingSpeak solo aceptan datos cada 15 segundos. Para solucionar este problema, se crean dos canales, a los cuales se suben datos alternamente. En cuanto al código, lo primero es importar las librerías. Ya que la comunicación con ThingSpeak se hace mediante peticiones http, se importan las librerías urllib y httplib , además de json , la cual será necesaria para interpretar las respuestas. También se...
Leer más