Académique Documents
Professionnel Documents
Culture Documents
Traitement du Signal
Vu par
Un Mesures Physiques
Cette technique reste compliquée par les mathématiques qu’il l’accompagne.
J’ai découvert la première fois le TdS au travail (CEA) avec un ingénieur qui a eu comme Prof J.Max
l’une des références en la matière, mais aussi avec un technicien avec beaucoup de pratique.
En tant que Mesures Physiques vous comprenez bien que j’ai trouvé cet outil considérable en application.
Surprenant mes propos, car j’ai étudié le TdS durant mon DUT, mais en vain, je n’ai vu à l’époque
qu’une succession de formules de maths qui tournaient en rond et dont je ne voyais pas l’intérêt !!!
En fait, l’utilisation d’analyseur de spectre m’a permis de mieux appréhender la théorie bien plus tard
où j’ai remis le nez dans les maths pour mieux comprendre ce que j’ai vu dans la pratique et on s’aperçoit
jwt
qu’avec on fait d’énorme chose…
e
Ce document est une synthèse et reste non exhaustif, avec le temps, je l’améliorerais. Je l’ai fait avec peu de
maths et beaucoup de schémas, ce qui manque dans la plus part des livres de TdS.
BONNE LECTURE
http://mesures.physiques.free.fr
INTRODUCTION
>>>>>>>>>>>>>>>
Initiation par la mesure vibratoire:
être capable d’appréhender
l’intérêt de l’analyse spectrale
Introduction
La mesure des
VIBRATIONS est
un bon moyen
pour comprendre
Le Traitement du Signal
impulsion
t
Masse M
signal
Ressort Amortisseur
t
La mesure des
VIBRATIONS ??!!
AL AL AL AL AL AL AL
MOVISYS-2
X
BY BY BY BY BY BY BY
Moteur 3000 tr
440VAC - 70A
Type 405TS
S'tell
Diagnostic
MAL MAMPV-BG
MSCA MSCA
MSCA
MSCA
MSCA
PV-BG MSCA
70°C
Emplacement du
capteur de mesure
des vibrations:
L’ACCELEROMETRE
Exemple de machine de fibrage
Introduction
A URMS
A0 Fourier
A0 A/ 2
F1
F1
Introduction
Introduction
Conclusion:
Outil utilisé
Signal pour le SPECTRE
ANALOGIQUE traitement du signal
est:
ECHANTILLONNAGE
>>>>>>>>>>>>>>>>
Etre capable d’appliquer
Le principe de SHANNON
L’échantillonnage
L’échantillonnage
Définition
Passage d’un système
continu possédant une
infinité de valeurs à un
système possédant un
t
nombre fini de valeurs.
On distingue 2 étapes :
La discrètisation
La numérisation t
L’échantillonnage
La discrètisation du signal
La discrètisation du
signal consiste à
prélever des
échantillons à une t
cadence TE pendant TE
une durée T.
La fréquence de T=durée d’acquisition
prélèvement des
échantillons FE est
T=N.TE
appelée fréquence N
d’échantillonnage. T=
1 FE
FE =
TE
L’échantillonnage
La numérisation du signal
La numérisation du signal consiste à
quantifier les amplitudes A des
échantillons successifs au moyen d ’une
conversion dans un format binaire.
n-1
A= ai.2i ai {0;1}
i=1
2n-1
Le nombre de bits n de la
P.E
conversion détermine la p=
valeur du pas de 2n 4
3
quantification p, qui est la P.E : Pleine 2
valeur de l’incertitude. Echelle 1
0
L’échantillonnage
Les effets de l’échantillonnage : Périodisation du spectre à
la fréquence d’échantillonnage FE
Fourier
t F
-FM FM
Fourier
t F
TE -FE -FM FM FE
L’échantillonnage
Les effets de l’échantillonnage : Repliement du spectre
Fourier
t F
-FM FM
Fourier
t F
TE -FE FE
L’échantillonnage
Le Théorème de SHANNON
Soit FMAX la fréquence maximale du
spectre du signal à échantillonner et
FE la fréquence d’échantillonnage :
FE >2.FMAX
F
Si cette condition n’est pas
-FE -FMAX FMAX FE
vérifiée, l’échantillonnage introduit
une distorsion du signal qui ne
pourra être corrigée et due au
repliement de spectre (sous
échantillonnage).
L’échantillonnage
Le Théorème de SHANNON
Une autre interprétation du Théorème de SHANNON utilise
la représentation temporelle du signal :
FE >2.FMAX
Echantillonnage
correct
TMAX
TE <
2 Sous-
Echantillonnage
Soit au moins 2
points par période !
L’échantillonnage
Le Théorème de SHANNON
En sous-échantillonnage, on visualise un autre signal :
TMAX
TE <
2 Sous-
Echantillonnage
Soit au moins 2
points par période !
Fe-20
Fe-4
Fe+4
Fe+20
4 20 Fe=100
2Fe=200
Fe-60=40 60
Fe-4
Fe+4
Fe+60
4 60 Fe=100
2Fe=200
L’échantillonnage
Le Théorème de SHANNON
Filtre
Echantillonnage
A.R
t F
Filtrage
t F
Echantillonnage
-FM FM
t F
-FE FM FE
Soient :
FE : Fréquence
d’acquisition ou
t
d’échantillonnage
N : Nombre de point TE
acquis T=durée d’acquisition
T : Durée de
l’acquisition
T=N.TE
N
T=
1 FE
FE =
TE
F : Résolution 1 FE
spectrale F= =
T N
C : Nombre de F
N
points (lignes) du C=
2
spectre
FILTRAGE
>>>>>>>>>>>>>>>
Le Filtrage
Introduction
Le filtrage est une opération dont l’objectif est de mettre en
évidence l’information utile contenue dans le signal.
Le Filtrage
Les différentes réponses
Pour un gabarit donné, la fonction de transfert du filtre peut
être représentée par différentes fonctions :
Réponse de BUTTERWORTH
Réponse de CHEBYSHEV
Réponse de LEGENDRE
Réponse de CAUER
Réponse de BESSEL ou THOMSON
Chacune de ces réponses présente des caractéristiques
particulières dont la connaissance permet la sélection du filtre
le plus adapté à une utilisation donnée.
Le Filtrage
Exemple: Les filtres de BUTTERWORTH
0 FP FA F
Réponse régulière dans la
Bande Passante
Décroissance monotone en
Bande Coupée
Pente faible pour un ordre
donné
Le Filtrage
Autre exemple: Les filtres de CAUER (ou filtres elliptiques)
FP FA F
Oscillation dans la Bande
Passante
Présence de zéros de transmission
en Bande Coupée
Pente la plus élevée pour un ordre
donné
Filtres complexes à calculer
La très grandeur raideur de la bande de transition
(pente) est bien adaptée à la réalisation de filtres anti-
repliement. Il est alors nécessaire de corriger les
oscillations dans la bande passante.
Le Filtrage
Réalisation pratique : Les filtres analogiques
La sélectivité du filtre requise impose une pente plus ou moins
importante à la fonction de transfert du filtre.
Le Filtrage
Réalisation pratique : Les filtres numériques
Les filtres numériques sont destinés aux signaux
échantillonnés. Ils offrent des avantages considérables sur les
structures analogiques, et sont aujourd’hui très répandus :
Réalisation de fonctions complexes irréalisables en
continu
Caractéristiques proches de celles du filtre idéale
(pente infinie, pas d’atténuation dans la bande
passante)
Modification de la valeur du filtre par modification des
tables de coefficients du filtre.
Invariance du filtre dans le temps et en fonction des
composants.
FILTRAGE
Conclusion:
SPECTRE
>>>>>>>>>>>>>>>>
Etre capable d’utiliser
la TFD (Transformée Fourier Discrète)
avec les unités (RMS…Veff²)
A Fourier
URMS
A0
A0 A/ 2
F1
• Orthogonalité
• TFD (Transformée de Fourier Discrète)
• Représentations des spectres
(Puissance, Energie…Veff, RMS)
SPECTRES: Orthogonalité
SPECTRES: Orthogonalité
SPECTRES: Orthogonalité
SPECTRES: Orthogonalité
w.t = 2 FHz
A
A0 en radian
A0 = rayon du cercle
Représentation orthonormée
du signal temporel
Représentation de Fresnel (polaire)
du signal temporel
A = A0 . Cos(w.t + )
Phase instantanée
SPECTRES: Orthogonalité
A = A0 . Cos(wt + )
B = B0 . Cos(wt + )
Si les signaux A et B n’ont pas la même phase le produit scalaire sera = mini
A= A0 . Cos(wt’ + ’ )
B = B0 . Cos(wt + )
Si les signaux A et B n’ont pas la même phase le produit scalaire sera = mini
La modulation d’amplitude
sans porteuse
permet de comprendre
le spectre résultant
La modulation d’amplitude
sans porteuse
permet de comprendre
le spectre résultant
SPECTRES: Orthogonalité
A = A0 . Cos(wt + )
Peut s’écrire aussi:
A = A0 . ejwt
La phase de l’exponentielle
est une variable, elle Produit scalaire
permet à l’aide du produit
scalaire d’identifier les
fréquences du signal
échantillonné.
N 1
j2 ik
X k = 1 X ie
X[0]=1V à O Hz
N
N i=0
fréquence
= SXX=(1/N²)[X(k)]²=Veff2
Introduction
Les algorithmes de calcul de la TFD (Transformation discrète
de Fourier…FFT) permettent la représentation du spectre en
fréquences sous plusieurs formes
A
A0
-F1 F1
F1
-F1 F1
F1
U
A
A0 A
FFT
A0
F1
U2RMS/Hz
A
A0 A2/4 F A2/4 F
FFT
A02/ F
-F1 F1
U2RMS/Hz
A
A0 A2/2 F
FFT
A02/ F
F1
-F1 F1
F1
Conclusion:
N 1
1 j2
ik
FENETRES DE PONDERATION
>>>>>>>>>>>>>>>>
Etre capable de choisir
la fenêtre d’acquisition du signal
1 =
T0
TE=k.T0
FFT
TE
F0
Jean-Marc COLLACE / Ingénieur Mesures physiques
Traitement du Signal
T0
TE k.T0
FFT
TE
F0
Jean-Marc COLLACE / Ingénieur Mesures physiques
Traitement du Signal
X(t) X(f)
Fourier
F
-F0 F0
H(t) H(f)
Fourier
Sinx/x
Sinx/x ou sinc x F
Fenêtre rectangulaire ou uniforme
Sinx/x
Sinx/x ou sinc x F
-F0 F0
H(t) H(f)
Fourier
Sinx/x
Sinx/x ou sinc x F
Fenêtre rectangulaire ou uniforme
Rectangle
Hamming
Hanning
Conclusion: