[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/analyse-du-signal-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/analyse-du-signal-wikipedia\/","headline":"Analyse du signal – Wikipedia","name":"Analyse du signal – Wikipedia","description":"before-content-x4 Le Analyse du signal Sur la base des analyses de fr\u00e9quence, la description des propri\u00e9t\u00e9s dynamiques d’un syst\u00e8me vibrant","datePublished":"2020-09-27","dateModified":"2020-09-27","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/upload.wikimedia.org\/wikipedia\/de\/thumb\/1\/10\/SystemH.jpg\/220px-SystemH.jpg","url":"https:\/\/upload.wikimedia.org\/wikipedia\/de\/thumb\/1\/10\/SystemH.jpg\/220px-SystemH.jpg","height":"80","width":"220"},"url":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/analyse-du-signal-wikipedia\/","wordCount":2267,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4Le Analyse du signal Sur la base des analyses de fr\u00e9quence, la description des propri\u00e9t\u00e9s dynamiques d’un syst\u00e8me vibrant rendu possible \u00e0 partir des signaux d’entr\u00e9e et de sortie de ce syst\u00e8me. En plus des proc\u00e9dures statistiques telles que la formation moyenne et le calcul des \u00e9carts-types dans l’\u00e9valuation des signaux acoustiques et de technologie de vibration, il est d’une importance exceptionnelle.        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Les syst\u00e8mes \u00e0 analyser sont souvent des structures m\u00e9caniques. Ensuite, la variable d’entr\u00e9e pourrait \u00eatre une force de stimulation et la sortie variable la surface r\u00e9sultante rapidement (“vibrations”) \u00e0 tout moment de la structure. L’analyse du signal peut ensuite \u00eatre utilis\u00e9e. B. D\u00e9crivez en d\u00e9tail le rapide vibration avec lequel la structure r\u00e9agit \u00e0 une certaine stimulation de la r\u00e9sistance. Un autre grand domaine d’application pour l’analyse du signal existe dans les syst\u00e8mes \u00e9lectriques, en particulier pour les quatre trous. Dans ce cas, la variable d’entr\u00e9e peut \u00eatre un courant ou une tension. La variable de sortie est g\u00e9n\u00e9ralement \u00e9galement un courant ou une tension. Dans les grands syst\u00e8mes \u00e9lectriques tels que les machines ou les transformateurs, une analyse du signal \u00e0 large bande (voir la fonction de transmission ou la r\u00e9ponse en fr\u00e9quence) peut non seulement d\u00e9river des informations \u00e9lectriques, mais aussi m\u00e9caniques (telles que les d\u00e9formations). [d’abord] [2]         (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Repr\u00e9sentation d’un syst\u00e8me dynamique avec une variable d’entr\u00e9e et de sortie Le libell\u00e9 g\u00e9n\u00e9ral de la th\u00e9orie de l’analyse du signal est bas\u00e9 sur des syst\u00e8mes lin\u00e9aires. Cependant, les syst\u00e8mes non lin\u00e9aires peuvent \u00e9galement \u00eatre trait\u00e9s par des extensions sp\u00e9ciales. La base de l’analyse du signal est la transformation de Fourier. Il permet le transfert de signaux temporels \u00e0 la plage de fr\u00e9quences en d\u00e9composant les fonctions temporelles en la somme d’un nombre infini de fonctions individuelles harmonieuses avec des fr\u00e9quences infiniment finement d\u00e9cal\u00e9es (Fourier int\u00e9grale). Cette connexion peut \u00eatre formul\u00e9e pour le signal temporel x (t) avec le spectre de Fourier associ\u00e9 x (f) par l’\u00e9quation X ( F ) = \u222b\u2212\u221e\u221eX ( t ) e\u2212j2\u03c0ftd t {displayStyle x (f) = int _ {- infty} ^ {infty} x (t) e ^ {- mathrm {j} 2pi ft}, dt} Le calcul de cette transformation sur les ordinateurs num\u00e9riques est appel\u00e9 une transformation de Fourier discr\u00e8te (DFT):        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Xk= 1N\u2211n=0N\u22121xne\u2212j2\u03c0nkN{displayStyle x_ {k} = {frac {1} {n}} sum _ {n = 0} ^ {n-1} x_ {n} e ^ {- j {frac {2pi nk} {n}}}}}}}}}}}}}}}}}}}}}}}}}} (k = 0, 1,\u2026, n-1) X k est comme un spectre de Fourier de fini de la fonction temporelle discr\u00e9tis\u00e9e x n (N scouts). L’algorithme le plus fr\u00e9quemment utilis\u00e9 pour son calcul est la transformation rapide de Fourier (FFT).  Illustration sur la transformation discr\u00e8te de Fourier pour un signal sinusal avec la fr\u00e9quence 3,33 kHz (longueur d’analyse: 0,3 ms, \u00e9chantillonnage: 20 kHz) Le calcul num\u00e9rique apporte avec lui des caract\u00e9ristiques sp\u00e9ciales qui doivent \u00eatre observ\u00e9es dans l’analyse du signal. En raison de la discr\u00e9tion temporelle (discr\u00e9tisation) d’un signal de mesure, il existe des distorsions par rapport \u00e0 la teneur en fr\u00e9quence du signal aux petites fr\u00e9quences d’\u00e9chantillonnage, qui sont appel\u00e9es chevauchement ou alias de bande (nyquist-shannon-abbestheorem). Ils peuvent \u00eatre \u00e9vit\u00e9s par un filtrage passe-bas analogue en dessous de la moiti\u00e9 de la fr\u00e9quence d’\u00e9chantillonnage (“filtre anti-aliasing”). La limite de temps du balayage (“temps” ou “fen\u00eatre d’analyse”) conduit \u00e0 la survenue de bandes lat\u00e9rales dites dans la plage de fr\u00e9quences. Si la p\u00e9riode d’observation ne correspond pas \u00e0 la p\u00e9riode de la p\u00e9riode contenue dans le signal ou leur multiple entier, ces bandes lat\u00e9rales influencent le spectre discret Z. B. par l’occurrence de composants de fr\u00e9quence suppl\u00e9mentaires. Ce ph\u00e9nom\u00e8ne est appel\u00e9 effet de fuite ou de fuite. Avec des fonctions d’\u00e9valuation sp\u00e9ciales dans la fen\u00eatre temporelle (par exemple la fen\u00eatre Hanning), ses effets peuvent \u00eatre r\u00e9duits, mais pas compl\u00e8tement \u00e9vit\u00e9s. La discr\u00e9tation en fr\u00e9quence provoque une p\u00e9riodisation du signal temporel (apr\u00e8s le retour), qui, cependant, n’est g\u00e9n\u00e9ralement pas pertinent pour l’analyse. Les fr\u00e9quences infiniment finement d\u00e9cal\u00e9es de l’int\u00e9grale de Fourier deviennent des \u00ablignes de fr\u00e9quence\u00bb \u00e9quidistantes avec \u0394f = 1 \/ t. La num\u00e9risation du signal analogique conduit \u00e0 une restriction de la zone dynamique, le bruit de quantification, qui est plus insignifiant, plus la r\u00e9solution du convertisseur A \/ D est \u00e9lev\u00e9e. En raison de la dynamique limit\u00e9e des dispositifs de mesure analogiques, cet effet n’a g\u00e9n\u00e9ralement pas besoin d’\u00eatre observ\u00e9 avec une bonne production pendant la num\u00e9risation. Lors de l’observation de ces caract\u00e9ristiques sp\u00e9ciales, le DFT (FFT) repr\u00e9sente un outil puissant pour l’analyse de fr\u00e9quence, qui a presque compl\u00e8tement remplac\u00e9 les techniques analogues (bancs de filtre) ces derni\u00e8res ann\u00e9es. Lors de la construction, il est particuli\u00e8rement facile de d\u00e9terminer les relations entre les diff\u00e9rents signaux \u00e0 l’aide des techniques d’\u00e9tendue d’analyse du signal (g\u00e9n\u00e9ralement d’une “entr\u00e9e syst\u00e8me” et de plusieurs “sorties syst\u00e8me”). Une condition pr\u00e9alable \u00e0 ceci est i. G\u00e9n\u00e9ral L’enregistrement parall\u00e8le des signaux. L’image suivante montre les fonctions d’analyse du signal les plus importantes dans un diagramme de blocs. Sur la base des lignes de connexion, le cours de calcul des fonctions individuelles peut \u00eatre suivi. Les fonctions de temps sont organis\u00e9es dans la partie gauche de l’image, les fonctions de fr\u00e9quence \u00e0 droite. Les deux zones sont li\u00e9es via la transformation de Fourier F ou la transformation inverse de Fourier F \u22121 c’est-\u00e0-dire pour l’arri\u00e9r\u00e9 du signal temporel x (t) par l’\u00e9quation X ( t ) = \u222b\u2212\u221e\u221eX ( F ) ej2\u03c0ftd F {displayStyle x (t) = int _ {- infty} ^ {infty} x (f) e ^ {mathrm {j} 2pi ft}, df} peut \u00eatre d\u00e9crit. La transformation de Fourier inverse permet donc de d\u00e9terminer une fonction temporelle de son transformateur de Fourier. Les informations avant et de retour saisies dans le diagramme peuvent donc \u00e9galement avoir lieu dans l’autre sens si n\u00e9cessaire. Si un bloc a plusieurs entr\u00e9es, cela indique plusieurs options de calcul.  Diagramme de bloc avec les fonctions d’analyse du signal les plus importantes Les c\u00e9libataires Fonctions d’analyse du signal sont d’une importance diff\u00e9rente. Le spectre de puissance automatique est exceptionnel \u00e0 partir duquel le spectre RMS est calcul\u00e9, la r\u00e9ponse en fr\u00e9quence qui d\u00e9crit le comportement du syst\u00e8me et z. B. est n\u00e9cessaire pour effectuer l’analyse modale et la coh\u00e9rence avec laquelle la qualit\u00e9 des r\u00e9sultats de l’analyse peut \u00eatre \u00e9valu\u00e9e. Le cepstrum est utilis\u00e9 pour d\u00e9terminer les parties p\u00e9riodiques et leurs ordres dans le signal, \u00e9galement dans une mesure limit\u00e9e la fonction d’autocorr\u00e9lation. Avec la fonction de corr\u00e9lation crois\u00e9e, les termes entre l’entr\u00e9e et le signal de sortie peuvent \u00eatre observ\u00e9s. Le spectre de performance crois\u00e9e a peu de sens. Il est donc g\u00e9n\u00e9ralement utilis\u00e9 uniquement pour d\u00e9terminer la r\u00e9ponse en fr\u00e9quence et la fonction de corr\u00e9lation crois\u00e9e. R. B. Randall: Analyse de fr\u00e9quence. Bruel & Kjaer, Copenhagen 1987, ISBN 87-87355-07-8. Keith Johnson: Phon\u00e9tique acoustique et auditive. Blackwell Publishing, Oxford 2003, ISBN 1-4051-0123-7. \u2191  K. Feser: La m\u00e9thode de la fonction de transfert pour la d\u00e9tection des d\u00e9placements d’enroulement sur les transformateurs de puissance apr\u00e8s le transport, le court-circuit ou 30 ans de service. Session Cigre 2000. Papier: 12\/33-04.  \u2191  S. A. Ryder: Diagnostic des d\u00e9fauts du transformateur en utilisant l’analyse de la r\u00e9ponse en fr\u00e9quence. Dans: Magazine IEEE Electrical Isolation. Vol 19, No. 2, mars \/ avril 2003, pp. 16-22.        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/all2fr\/wiki1\/analyse-du-signal-wikipedia\/#breadcrumbitem","name":"Analyse du signal – Wikipedia"}}]}]