目录
- 1 功能更新
- 2 源程序
- 3 巩固练习
1 功能更新
关于Python处理车辆控制单元MDF文件，对程序进行更新，其功能如下：
1. 查找MDF文件中特定信号最大值；
2. 计算平均车速和里程，使用matplotlib作图；
3. 计算两信号差值，进行波峰判断并记录峰值个数，避免信号毛刺干扰，设定差值门限值，使用matplotlib作图（含主次坐标）；
4. 以上信息直接写入word保存。
2 源程序
更新源程序：
"""
名称： CheckMDF.py
作者： Morven_Xie
版本： 1.1
时间： 2020/7/21 1:49
更新： 2020/8/2 1:35
功能： 用于车辆排查车辆VCU记录的MDF文件
简介： ·温度信号A峰值
·温度信号A与油底壳油温温度信号B差值大于门限值的峰值数量及时间
·通过车速信号计算车辆行驶里程
"""
# coding=utf-8
from asammdf import MDF # 用于处理MDF文件
import os # 用于获取文件路径
import pandas as pd # 用于数据分析
import numpy as np # 用于数组处理
from numpy import trapz # 可用于积分求面积
from matplotlib import pyplot as plt # 用于作图
import datetime as dt # 用于调用系统时间
import docx # 调用word文档库
from docx.shared import Inches # 用于设置图片尺寸
def check_MDF(Document_Adress): # 定义check_MDF函数
print('文件名： '+Adress_str+'，相关统计信息如下：') # 提取地址中文件名信息，打印
new_Doc = document.add_paragraph\
('文件名： '+Adress_str+'，相关统计信息如下：') # 新增段落文本
MDF_File=MDF(Document_Adress) # 使用asammdf第三方包调取.mdf文件内容
TCOil= MDF_File.get("TCOil") # 调用.mdf中零件处油温Signal
TOil=MDF_File.get("TOil") # 调用.mdf中油底壳温度Signal
VehSpd=MDF_File.get("VehSpd") # 调用.mdf中车速Signal
VehSpdCheck(VehSpd) # check_MDF()函数调用VehSpdCheck()函数
Signal_Data_Max(TCOil) # check_MDF()函数调用Signal_Data_Max()函数
T_Subtract_Peak(TCOil, TOil, 20) # check_MDF()函数调用T_Subtract_Peak()函数
document.save(Veh_VIN+'.docx') # 运行完程序后保存word文档
def timeconvert(second): # 将时间秒转化str类型的时分秒
Timestr =str(int(second/3600)) + 'h ' + \
str(int((second%3600)/ 60)) + 'min ' + \
str(int((second%3600) % 60)) + 's'
return Timestr
def Signal_Data_Max(Signal): # 定义Signal_Data_Max()函数
x=Signal.timestamps # 提取Signal中所有时刻值存放列表x()中
y=Signal.samples # 提取Signal中所有实测值存放列表y()中
T_C_Max=np.max(y) # 使用Numpy库中max()函数求y中数据的最大值
Positon=np.where(y==np.max(y)) # 找到y最大值对应的索引值（可理解为序号）
Time=(x[Positon[0][0]]) # 提取索引值对应时刻
print('零件处油温最大值%d' %T_C_Max+\
'时间是'+timeconvert(Time)) # 打印零件处油温最大值及对应的时间（秒转化为分钟）
new_Doc = document.add_paragraph\
('零件处油温最大值为 '+str(T_C_Max)+' ℃，'\
'时间是'+timeconvert(Time),style='List Bullet') # 新增段落文本
def VehSpdCheck(Singal): # 定义Signal_Data_Max()函数
x=Singal.timestamps # 提取Signal中所有时刻值存放列表x()中
#print(Singal.display_name)
y=Singal.samples # 提取Signal中所有实测值存放列表y()中
Average_Vehspd=np.sum(y)/len(y) # 使用Numpy库中sum()函数求和后除以点的个数
Drive_Distance=Average_Vehspd*x[-1]/3600 # 行驶里程通过均值与时间乘积获得
print('该文件平均车速 %.2f km/h,' %Average_Vehspd+\
'行驶里程 %.2f km' %Drive_Distance) # 打印平均车速和行驶里程（使用换行\）
Average_Vehspd_str=str(round(Average_Vehspd, 2)) # 平均速度保留两位，转化为字符串
Drive_Distance_str =str(round( Drive_Distance, 2)) # 行驶里程保留两位，转化为字符串
new_Doc = document.add_paragraph\
('该文件平均车速 '+ Average_Vehspd_str+' km/h，'+\
'行驶里程= '+Drive_Distance_str+' km'+'，见下图：',style='List Bullet')
# 新增段落文本
plt.figure(Adress_str+'--'+Singal.display_name) # 图表命名为文件名加信号名称
plt.axis([np.min(x),np.max(x),0,np.max(y)]) # 使用pyplot函数定义x轴和y轴最大及最小值
plt.plot(x,y,label='$VehSpd$') # 使用pyplot作图，图例为VehSpd
plt.xlabel('t (s) ') # 增加X轴-坐标轴标题
plt.ylabel('VehicleSpeed (km/h) ') # 增加y轴-坐标轴标题
plt.fill_between(x,y1=y,y2=0,facecolor='purple',\
alpha=0.2) # 对y与x围成面积着色，展示速度求积分→里程
plt.text(x[-1]/3,np.max(y)-3, 'DriveDistance:%.2f km' \
%Drive_Distance, \
fontdict={'size': 10, 'color': 'red'}) # x轴坐标，y轴坐标,显示内容,字体大小、颜色
plt.title(Adress_str) # 将全局变量信息增加入表头
#plt.title(Adress_str+'__'+'(DriveDistance: %.2f '%Drive_Distance+' km)')
plt.legend(loc='upper right') # 图例选择最佳位置，可选择best
#plt.show() # 显示图例
picture_name=Adress_str +'-'+ \
Singal.display_name+'.png' # 图片保存时名称
plt.savefig(picture_name, dpi=200) # 保存图片
new_Doc = document.add_picture(picture_name, width=Inches(5.0))
# 图片写入word
os.remove(picture_name) # 删除图片文件
def T_Subtract_Peak(T1,T2,threshold):
# T1.plot() # 使用ASAMMDF自带Plot制图
# T2.plot()
x = T1.timestamps # 提取信号T1中所有时刻值的点存放列表x()中
y1 = T1.samples # 提取信号T1中所有信号值的点存放列表y()中
y2 = T2.samples # 提取信号T2中所有信号值的点存放列表y()中
k = len(x) # 统计数据的总个数
a = 0 # 定义数字a
i = 0 # 定义数字i
m = 0 # 定义数字m
T_Up = [] # 定义T_Up为列表
for a in range(0, k):
T_Up.append(y1[a] - y2[a]) # 将所有温差点写入T_Up
y3 = T_Up
while i < k - 1: # 从0到k，使用while循环，条件满足一直执行
if int(T1.samples[i] - T2.samples[i]) >= \
threshold: # T1和T2在某时刻温差大于门限值,执行一次
j = i # 过滤信号毛刺，寻找大于门限值波峰个数
while j < k - 1:
j += 1
if int(T1.samples[j] - \
T2.samples[j]) < threshold - 3: # 设置差值为2作为过滤信号
m = m + 1 # 记录波峰个数
time = int(j / k * T1.timestamps[-1] / 60)
print('该文件零件处油温与油底壳温差大于' + str(threshold) + '的波峰第 %d 处,' % m + \
'时间是 %d s,' % time + '零件处油温 %d ℃' % T1.samples[j])
new_Doc = document.add_paragraph \
('该文件零件处油温与油底壳温差大于'\
+ str(threshold) + '℃的波峰第' +\
str(m) + '处，时间是' + timeconvert(time))
# 新增段落文本
i = j # 局部变量i更新为j
break # 循环退出
i = i + 1 # 以上程序不执行或者退出，执行i自加
plt.figure(Adress_str + '—' + T1.display_name +
'-' + T1.display_name) # 图表命名为文件名加两信号名称
fig = plt.figure(num=1, figsize=(15, 8), dpi=80) # 开启一个窗口，同时设置大小，分辨率
fig, ax1 = plt.subplots() # 作1个图
ax2 = ax1.twinx() # 坐标轴2为次要坐标
ax1.plot(x, y1, '-', color='g', label='TCOil') # 绘制曲线y1，含线型、颜色、图例名称
ax1.plot(x, y2, '-', color='b', label='TOil') # 绘制曲线y2
ax2.plot(x, y3, '-', color='r', label='T_Up') # 绘制曲线y3
ax1.legend(loc='upper left') # 显示图例位置,plt.legend()，左上
ax2.legend(loc='upper right') # 显示图例位置,右上
# ax1.set_xlim(-5,5)
ax1.set_ylim(np.min(y2) - 5, np.max(y1) + 5) # 设定y1轴最大最小值
ax2.set_ylim(np.min(y3) - 5, np.max(y3) + 5) # 同上
ax1.set_title(Adress_str) # 图表表头
ax1.set_xlabel('time(s)') # 设定x轴标题
ax1.set_ylabel("TC_Oil & T_Oil (℃)", color='b') # 设定y1轴标题
ax2.set_ylabel("T_Up(℃)", color='r') # 设定y2轴标题
# plt.show() # 参考之前注释
picture_name = Adress_str + '-' + T1.display_name + '-' + T2.display_name +'.png'
plt.savefig(picture_name, dpi=100) # 保存图片文件到文件夹
new_Doc = document.add_picture(picture_name, width=Inches(6.0))
# 保存图片到word
os.remove(picture_name) # 删除图片文件
file_path = 'D:\SoftApp\Python\HardWay2StudyPython\MDFData' # 文件所在文件夹
now_time=dt.datetime.now().strftime('%F %T') # 调用系统时间
Veh_VIN=input("请在下方输入故障排查车辆VIN数字编号后，回车：") # 提示输入车辆信息
print(Veh_VIN+"车辆"+'数据分析时间：'+now_time) # 打印输出车辆和系统时间
document = docx.Document() # 创建word文档对象
document.add_heading(Veh_VIN+'车排查信息', 0) # 添加文档标题
new_Doc= document.add_paragraph \
('主要排查行驶里程、最高油温、\
零件处与变速箱油温差值出现的峰值数。 ') # 新增段落文本，字符\用于换行
new_Doc=document.add_paragraph\
(Veh_VIN+"车辆"+'数据分析时间：'+ now_time) # 新增段落文本
for root, dirs, files in os.walk(file_path): # os.walk返回三个对象: dirpath(目录路径，string类型) ;
# dirname(多个子目录名，列表); filename(多个文件名，列表）
Documents=[os.path.join(root, name) for name in files] # 遍历文件名存放list(列表)类型的Documets
for Document_Path in Documents: # 遍历文件名对应的地址（假设有3个文件地址）
# print(Document_path.info()) # 打印MDF文件信号，例如可以看到有哪些信号
print('-'*60) # 打印分割行
new_Doc = document.add_paragraph('-'*100) # 新增段落文本，字符\用于换行
new_Doc = document.add_paragraph('-' * 100) # 新增段落文本，字符\用于换行
Adress=Document_Path.split('\\')[-1] # 提取路径中的含后缀的文件名
Adress_str=Adress.split('.')[0] # 提取路径中的文件名
check_MDF(Document_Path) # 调用def check_MDF()函数3 巩固练习
功能车辆行车数据采集设备记录多文件MF4，特定功能下触发，记录该段数据的最大横纵向加速，并作图。
"""
Check the testdata from ADAS_MDF
"""
# coding=utf-8
import os
from asammdf import MDF
from matplotlib import pyplot as plt
# read the document from the file
def Read_Docmt_Addr():
File_Path='D:\SoftApp\Python\MDF_ADAS\MF4_Data'
Document_Name=os.listdir(File_Path)
Document_Address=[]
for i in range(0,len(Document_Name)):
Document_Address.append(File_Path+'/'+Document_Name[i])
return Document_Address
# Filter the signal and plot the accelerate data when auto lane change
def Data_Filter_Function(Document_Addr):
print(Document_Addr.split('/')[-1])
MDF_File = MDF(Document_Addr)
Signal_VehSpd = MDF_File.get("VehSpd_Signal_Name")
Signal_Turn_Lamp = MDF_File.get("Signal_Turn_Lamp_Signal_Name")
Signal_Turn_Lamp.plot()
Signal_Lateral_Acc= MDF_File.get("Signal_Lateral_Acc_Signal_Name")
Signal_Longitudinal_Acc= MDF_File.get("Signal_Longitudinal_Acc_Signal_Name")
Signal_Data_Num=len(Signal_Turn_Lamp.timestamps)
i=0
Lamp_Threshold=6
Signal_Burr=-3
while i <Signal_Data_Num:
if Signal_Turn_Lamp.samples[i]>=Lamp_Threshold:
t1=Signal_Turn_Lamp.timestamps[i]
j=i
while j <Signal_Data_Num:
if Signal_Turn_Lamp.samples[j] <Lamp_Threshold+Signal_Burr:
t2 = Signal_Turn_Lamp.timestamps[j]
Delta_t=t2-t1
print('换道时间：%.2f s'% (Delta_t))
# print(Signal_Lateral_Acc.samples[i])
MaxValue_lateral = max(Signal_Lateral_Acc.samples[i:j])
MaxValue_longitudinal = max(Signal_Longitudinal_Acc.samples[i:j])
print('最大横向和纵向加速度分别是：%.2f m/s^2和 %.2f m/s^2' %(MaxValue_lateral,MaxValue_longitudinal))
MDF_file_New = MDF_File.cut(Signal_Turn_Lamp.timestamps[i], Signal_Turn_Lamp.timestamps[j])
Filter_Signal_Figure(MDF_file_New)
i = j
break
else:
j = j + 1
i = i + 1
def Filter_Signal_Figure(MDF_file):
Signal_Lateral_Acc_New = MDF_file.get("Signal_Lateral_Acc_Signal_Name")
Signal_Longitudinal_Acc_New = MDF_file.get("Signal_longitudinal_acc_Signal_Name")
x_axis = Signal_Lateral_Acc_New.timestamps
y_axis_1 = Signal_Lateral_Acc_New.samples
y_axis_2 = Signal_Longitudinal_Acc_New.samples
plt.figure(str('变道时横纵向加速'))
fig = plt.figure(num=1, figsize=(15, 8), dpi=100)
ax = fig.add_subplot(1, 1, 1)
plt.xlabel('t(s)')
ax.set_axis_on()
ax.plot(x_axis, y_axis_1, '-', color='g', label='Lateral_Acc')
ax.legend(loc='upper left')
ax.set_ylabel('Lateral(m/s^2)')
ax2 = ax.twinx()
ax2.plot(x_axis, y_axis_2, '-', color='b', label='Longitudinal_Acc') # 绘制曲线y2
ax2.legend(loc='upper right')
ax2.set_ylabel('Longitudinal(m/s^2)')
plt.savefig('Figure')
plt.show()
plt.close('all')
if __name__ == "__main__":
for Addr in Read_Docmt_Addr():
Data_Filter_Function(Addr)读取MDF文件所有信号的名称。
# Get signal name from MDF Document
def Get_Signal_Name(MDF_File_Address):
MDF_File = MDF(MDF_File_Address)
Singal_Library=MDF_File.info()
Signal_List=[]
Signal_List_Number = Singal_Library['groups']
for i in range(0,Signal_List_Number):
Signal_List.append(Singal_Library[str('group '+str(i))]['channel 1'].split('"')[1])
print(Signal_List)
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
