Ce cours est développé dans le cadre de la formation d'ingénieurs en génie des procédés et de l'environnement de la faculté des sciences et techniques de l'université Hassan II de Casablanca.
Je serai ravi d'échanger avec des collègues et étudiants pour son enrichissement.
Ce cours est développé dans le cadre de la formation d'ingénieurs en génie des procédés et de l'environnement de la faculté des sciences et techniques de l'université Hassan II de Casablanca.
Je serai ravi d'échanger avec des collègues et étudiants pour son enrichissement.
Cours machine asynchrone (cours et problèmes)OMAR EL MOUDEN
La machine asynchrone, connue également sous le terme anglo-saxon de machine à induction, est une machine électrique à courant alternatif sans connexion entre le stator et le rotor.
Comme les autres machines électriques (machine à courant continu, machine synchrone), la machine asynchrone est un convertisseur électromécanique basé sur l'électromagnétisme permettant la conversion bidirectionnelle d'énergie entre une installation électrique parcourue par un courant électrique (ici alternatif) et un dispositif mécanique.
Cette machine est réversible et susceptible de se comporter, selon la source d'énergie, soit en « moteur » soit en « générateur », dans les quatre quadrants du plan couple-vitesse1,2,3 :
en fonctionnement « moteur », dans deux quadrants du plan couple-vitesse4, l'énergie électrique apportée par la source est transformée en énergie mécanique vers la charge3 ;
en fonctionnement « générateur », dans les deux autres quadrants5,3, l'énergie mécanique de la charge est transformée en énergie électrique vers la source (la machine se comporte comme un frein)3.
Comme ce fonctionnement est sans discontinuité et ne dépend pas de la machine elle-même mais de l'ensemble source d'alimentation/machine/charge, la distinction moteur/générateur est « communément » faite par rapport à la finalité d'usage de la machine. C'est ainsi que dans le langage commun l'utilisation de « moteur asynchrone » pour désigner cette machine est fréquent.
Les machines possédant un rotor « en cage d'écureuil » sont aussi connues sous le nom de machines à cage ou machines à cage d'écureuil. Le terme asynchrone provient du fait que la vitesse de rotation du rotor de ces machines n'est pas exactement déterminée par la fréquence des courants qui traversent leur stator (voir : « Principes généraux – Glissement d'une machine asynchrone »).
La machine asynchrone a longtemps été fortement concurrencée par la machine synchrone dans les domaines de forte puissance, jusqu'à l'avènement de l'électronique de puissance. Elle est utilisée dans de nombreuses applications, notamment dans le transport (métro, trains, propulsion des navires, automobiles électriques), dans l'industrie (machines-outils), dans l'électroménager. Elle était à l'origine uniquement utilisée en « moteur » mais, toujours grâce à l'électronique de puissance, elle est de plus en plus souvent utilisée en « génératrice »6,7, par exemple dans les éoliennes8.
Pour fonctionner en courant monophasé, les machines asynchrones nécessitent un système de démarrage. Pour les applications de puissance, au-delà de quelques kilowatts, les machines asynchrones sont uniquement alimentées par des systèmes de courants triphasés.
Cours machine asynchrone (cours et problèmes)OMAR EL MOUDEN
La machine asynchrone, connue également sous le terme anglo-saxon de machine à induction, est une machine électrique à courant alternatif sans connexion entre le stator et le rotor.
Comme les autres machines électriques (machine à courant continu, machine synchrone), la machine asynchrone est un convertisseur électromécanique basé sur l'électromagnétisme permettant la conversion bidirectionnelle d'énergie entre une installation électrique parcourue par un courant électrique (ici alternatif) et un dispositif mécanique.
Cette machine est réversible et susceptible de se comporter, selon la source d'énergie, soit en « moteur » soit en « générateur », dans les quatre quadrants du plan couple-vitesse1,2,3 :
en fonctionnement « moteur », dans deux quadrants du plan couple-vitesse4, l'énergie électrique apportée par la source est transformée en énergie mécanique vers la charge3 ;
en fonctionnement « générateur », dans les deux autres quadrants5,3, l'énergie mécanique de la charge est transformée en énergie électrique vers la source (la machine se comporte comme un frein)3.
Comme ce fonctionnement est sans discontinuité et ne dépend pas de la machine elle-même mais de l'ensemble source d'alimentation/machine/charge, la distinction moteur/générateur est « communément » faite par rapport à la finalité d'usage de la machine. C'est ainsi que dans le langage commun l'utilisation de « moteur asynchrone » pour désigner cette machine est fréquent.
Les machines possédant un rotor « en cage d'écureuil » sont aussi connues sous le nom de machines à cage ou machines à cage d'écureuil. Le terme asynchrone provient du fait que la vitesse de rotation du rotor de ces machines n'est pas exactement déterminée par la fréquence des courants qui traversent leur stator (voir : « Principes généraux – Glissement d'une machine asynchrone »).
La machine asynchrone a longtemps été fortement concurrencée par la machine synchrone dans les domaines de forte puissance, jusqu'à l'avènement de l'électronique de puissance. Elle est utilisée dans de nombreuses applications, notamment dans le transport (métro, trains, propulsion des navires, automobiles électriques), dans l'industrie (machines-outils), dans l'électroménager. Elle était à l'origine uniquement utilisée en « moteur » mais, toujours grâce à l'électronique de puissance, elle est de plus en plus souvent utilisée en « génératrice »6,7, par exemple dans les éoliennes8.
Pour fonctionner en courant monophasé, les machines asynchrones nécessitent un système de démarrage. Pour les applications de puissance, au-delà de quelques kilowatts, les machines asynchrones sont uniquement alimentées par des systèmes de courants triphasés.
I. Introduction
Approche fréquentielle
Signaux monodimensionnels périodiques
Signaux quelconques
Signaux numériques, discrétisation, échantillonnage
Observation spectrale, TFD et TFD 2D
Systèmes numériques
Filtres numériques
Produits de convolution. Cas 2D
Sur et sous échantillonnage. Bancs de filtres
Traitement des Images.
Approches multi résolution
II. Signaux aléatoires
variables aléatoires
Processus aléatoires. Stationnarité
Processus MA, AR et ARMA
Estimation des paramètres d’un AR
III. Traitement de l’information Application à la compression
codage de source, entropie,
compression sans perte : codages entropiques
par dictionnaire, par prédiction…
Codages par transformée
La DCT et la compression JPEG
Quantifications scalaire et vectorielle
IV. Communications numériques
Modulations numériques
modulation par impulsions codées
transmission du signal numérique
Applications : RDS, NICAM…
Détection et correction d’erreurs
Projet de communication numérique Réalisation d'une chaîne de transmission nu...Yassine Nasser
Une chaîne de transmission numérique a pour mission de transporter des données en minimisant le nombre d’erreurs et de pertes. D’autres paramètres sont tout aussi importants comme par exemple la puissance d’émission nécessaire ou la bande-passante. C’est pourquoi l’étude des performances d’une chaîne de transmission est une étape essentielle de développement d’un système de télécommunications car l’écart par rapport aux performances théoriques peut être grand. Cependant, la réalisation de prototype étant coûteuse et longue, il est apparu évident qu’une simulation sur ordinateur d’une chaîne complète de transmission permettrait de réduire les coûts et de donner une bonne estimation des résultats réels.
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...OCTO Technology
Par Nicolas Bordier (Consultant numérique responsable @OCTO Technology) et Alaric Rougnon-Glasson (Sustainable Tech Consultant @OCTO Technology)
Sur un exemple très concret d’audit d’éco-conception de l’outil de bilan carbone C’Bilan développé par ICDC (Caisse des dépôts et consignations) nous allons expliquer en quoi l’ACV (analyse de cycle de vie) a été déterminante pour identifier les pistes d’actions pour réduire jusqu'à 82% de l’empreinte environnementale du service.
Vidéo Youtube : https://www.youtube.com/watch?v=7R8oL2P_DkU
Compte-rendu :
L'IA connaît une croissance rapide et son intégration dans le domaine éducatif soulève de nombreuses questions. Aujourd'hui, nous explorerons comment les étudiants utilisent l'IA, les perceptions des enseignants à ce sujet, et les mesures possibles pour encadrer ces usages.
Constat Actuel
L'IA est de plus en plus présente dans notre quotidien, y compris dans l'éducation. Certaines universités, comme Science Po en janvier 2023, ont interdit l'utilisation de l'IA, tandis que d'autres, comme l'Université de Prague, la considèrent comme du plagiat. Cette diversité de positions souligne la nécessité urgente d'une réponse institutionnelle pour encadrer ces usages et prévenir les risques de triche et de plagiat.
Enquête Nationale
Pour mieux comprendre ces dynamiques, une enquête nationale intitulée "L'IA dans l'enseignement" a été réalisée. Les auteurs de cette enquête sont Le Sphynx (sondage) et Compilatio (fraude académique). Elle a été diffusée dans les universités de Lyon et d'Aix-Marseille entre le 21 juin et le 15 août 2023, touchant 1242 enseignants et 4443 étudiants. Les questionnaires, conçus pour étudier les usages de l'IA et les représentations de ces usages, abordaient des thèmes comme les craintes, les opportunités et l'acceptabilité.
Résultats de l'Enquête
Les résultats montrent que 55 % des étudiants utilisent l'IA de manière occasionnelle ou fréquente, contre 34 % des enseignants. Cependant, 88 % des enseignants pensent que leurs étudiants utilisent l'IA, ce qui pourrait indiquer une surestimation des usages. Les usages identifiés incluent la recherche d'informations et la rédaction de textes, bien que ces réponses ne puissent pas être cumulées dans les choix proposés.
Analyse Critique
Une analyse plus approfondie révèle que les enseignants peinent à percevoir les bénéfices de l'IA pour l'apprentissage, contrairement aux étudiants. La question de savoir si l'IA améliore les notes sans développer les compétences reste débattue. Est-ce un dopage académique ou une opportunité pour un apprentissage plus efficace ?
Acceptabilité et Éthique
L'enquête révèle que beaucoup d'étudiants jugent acceptable d'utiliser l'IA pour rédiger leurs devoirs, et même un quart des enseignants partagent cet avis. Cela pose des questions éthiques cruciales : copier-coller est-il tricher ? Utiliser l'IA sous supervision ou pour des traductions est-il acceptable ? La réponse n'est pas simple et nécessite un débat ouvert.
Propositions et Solutions
Pour encadrer ces usages, plusieurs solutions sont proposées. Plutôt que d'interdire l'IA, il est suggéré de fixer des règles pour une utilisation responsable. Des innovations pédagogiques peuvent également être explorées, comme la création de situations de concurrence professionnelle ou l'utilisation de détecteurs d'IA.
Conclusion
En conclusion, bien que l'étude présente des limites, elle souligne un besoin urgent de régulation. Une charte institutionnelle pourrait fournir un cadre pour une utilisation éthique.
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Laurent Speyser
(Conférence dessinée)
Vous êtes certainement à l’origine, ou impliqué, dans un changement au sein de votre organisation. Et peut être que cela ne se passe pas aussi bien qu’attendu…
Depuis plusieurs années, je fais régulièrement le constat de l’échec de l’adoption de l’Agilité, et plus globalement de grands changements, dans les organisations. Je vais tenter de vous expliquer pourquoi ils suscitent peu d'adhésion, peu d’engagement, et ils ne tiennent pas dans le temps.
Heureusement, il existe un autre chemin. Pour l'emprunter il s'agira de cultiver l'invitation, l'intelligence collective , la mécanique des jeux, les rites de passages, .... afin que l'agilité prenne racine.
Vous repartirez de cette conférence en ayant pris du recul sur le changement tel qu‘il est généralement opéré aujourd’hui, et en ayant découvert (ou redécouvert) le seul guide valable à suivre, à mon sens, pour un changement authentique, durable, et respectueux des individus! Et en bonus, 2 ou 3 trucs pratiques!
OCTO TALKS : 4 Tech Trends du Software Engineering.pdfOCTO Technology
En cette année 2024 qui s’annonce sous le signe de la complexité, avec :
- L’explosion de la Gen AI
-Un contexte socio-économique sous tensions
- De forts enjeux sur le Sustainable et la régulation IT
- Une archipélisation des lieux de travail post-Covid
Découvrez les Tech trends incontournables pour délivrer vos produits stratégiques.
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...OCTO Technology
par Claude Camus (Coach agile d'organisation @OCTO Technology) et Gilles Masy (Organizational Coach @OCTO Technology)
Les équipes infrastructure, sécurité, production, ou cloud, doivent consacrer du temps à la modernisation de leurs outils (automatisation, cloud, etc) et de leurs pratiques (DevOps, SRE, etc). Dans le même temps, elles doivent répondre à une avalanche croissante de demandes, tout en maintenant un niveau de qualité de service optimal.
Habitué des environnements développeurs, les transformations agiles négligent les particularités des équipes OPS. Lors de ce comptoir, nous vous partagerons notre proposition de valeur de l'agilité@OPS, qui embarquera vos équipes OPS en Classe Business (Agility), et leur fera dire : "nous ne reviendrons pas en arrière".
2. 2
Introduction
Le signal intervient sous plusieurs formes dans la plupart des
domaines de la technologie :
Télécommunications
Imagerie médicale
Reconnaissance de formes
Optique
Acoustique
Etc.
Présentation du cours
3. 3
Objectifs du cours
Acquérir les notions de base pour :
Modéliser, représenter les signaux
Manipuler des signaux analogiques et numériques
Effectuer des opérations simples de traitement
Prérequis :
Un peu de maths :)
Présentation du cours
4. 4
Plan du cours
I- Introduction à la théorie du signal
II- Représentation et analyse temporelles des signaux
III- Représentation et analyse fréquentielle des signaux
IV- Echantillonnage
V- Transformée de Fourier discrète
VI- Filtrage des signaux
6. 6
Contenu du cours
Introduction
Définition d'un signal
Qu'est-ce que le traitement du signal?
Chaine de traitement de l'information
Classification des signaux
Signaux élémentaires
Notions de corrélation
Notions de distributions
Définition d'une distribution
Impulsion de Dirac
7. 7
Introduction
Signal
Représentation physique d’une information à transmettre
Entité qui sert a véhiculer une information
Exemples
Onde acoustique : courant délivré par un microphone ( parole, sons musicaux)
Signaux biomédicaux : ECG
Signaux géophysiques : vibrations sismiques
Images
Vidéos
Etc.
Bruit : Tout phénomène perturbateur pouvant géner la perception ou
l'interprétation d'un signal
8. 8
Introduction
Traitement du Signal
Ensemble de techniques permettant de créer, d'analyser et de transformer les
signaux en vue de leur exploitation
Extraction du maximum d'information utile d'un signal perturbé par le bruit
Domaines d’applications
télécommunications,
reconnaissance de la parole, synthèse du son
aide à la décision (au diagnostic), à la commande
analyse d’images (médicales, satellitaires…)
Relations très étroites avec d’autres domaines : mathématiques, électronique,
informatique, automatique, intelligence artificielle...
9. 9
Introduction
Fonctions du Traitement du Signal
Créer : Elaboration de signaux
Synthèse: création de signaux par combinaison de signaux élémentaires
Modulation : adaptation du signal au canal de transmission
10. 10
Introduction
Fonctions du Traitement du Signal
Analyser : Interpretation des signaux
Détection : extraction du signal d'un bruit de fond
Identification : classement du signal (identification d'une pathologie sur
un signal ECG, reconnaissance de la parole, etc.)
Transformer : adapter un signal aux besoins
Filtrage: élimination de certaines composantes indésirables
Codage/Compression
12. 12
Classification des signaux
Classification dimensionnelle
Signal monodimensionnel 1D :
Fonction d’un unique paramètre pas forcément
le temps, (courbe de température)
Signal bidimensionnelle 2D dépendant de deux paramètres (images)
Signal tridimensionnel : dépendant de trois paramètres (vidéos, films)
13. 13
Classification des signaux
Evolution temporelle
Signaux déterministes
Signaux dont l‘évolution en fonction du temps t peut être parfaitement
décrite grâce a une description mathématique ou graphique.
Sous catégories :
périodiques apériodiques transitoires
14. 14
Classification des signaux
Signaux aléatoires
Signaux dont l‘évolution temporelle est imprévisible et dont on ne peut pas
prédire la valeur a un temps t.
La description est basée sur les propriétés statistiques des signaux (moyenne,
variance, loi de probabilité, …)
Exemple : résultat d'un jet de de lance, les numéros du loto, les cours de la bourse,
etc.
Parmi les signaux aléatoires on distingue :
Les signaux stationnaires : (les statistiques sont indépendantes du temps)
ergodiques (une réalisation du signal permet d’estimer les statistiques)
non ergodiques
Les signaux non stationnaires
15. 15
Classification des signaux
Classification morphologique
Signaux continus (analogiques)
signal défini à chaque instant t
Traitement analogique du signal
Signaux discrets (numériques)
signal défini uniquement en des instants tk.
Traitement numérique du signal
17. 17
Signaux élémentaires continus
L’échelon unité permet l’étude des régimes transitoires des filtres
et l‘établissement instantané d'un regime continu
Il permet de rendre causal un signal ( u(t).s(t) est nul si t <0 )
18. 18
Signaux élémentaires continus
Le signal porte est un signal transitoire de durée T.
Peut aussi être defini comme une difference de deux échelons.
19. 19
Signaux élémentaires continus
Le signal sinusoidal est le signal de base des signaux mathématiques périodiques.
Il représente la partie réelle ou imaginaire de l’exponentielle complexe.
20. 20
Classification des signaux
Classification énergétique
Energie et Puissance des signaux
l’énergie d’un signal continu s(t) réel ou complexe est :
s*(t) représente le signal complexe conjugué de s(t).
Si cette intégrale est finie on dit que le signal s(t) est à énergie finie.
Puissance moyenne :
Si cette intégrale est finie on dit que le signal s(t) est à puissance moyenne finie.
dt
t
s
dt
t
s
t
s
E
2
)
(
)
(
*
)
(
2
2
)
(
*
)
(
1
lim
T
T
dt
t
s
t
s
T
T
P
21. 21
Classification des signaux
Classification énergétique
Energie et Puissance des signaux
Un signal d’énergie E finie a une puissance moyenne P nulle.
Généralement, cas des signaux représentant une grandeur physique, Signaux
transitoires a support borné
Les signaux a énergie infinie ont une puissance moyenne non nulle
Cas des signaux periodiques
Dans le cas des signaux périodiques, la puissance moyenne P est la puissance
moyenne calculée sur une période T0 :
Il existe des signaux d’énergie et de puissance moyenne infinie.
2
0
2
0
)
(
*
)
(
0
1
T
T
dt
t
s
t
s
T
P
22. 22
Classification des signaux
Classification énergétique
Les signaux à énergie finie
ex. les signaux transitoires
Les signaux à énergie infinie
à puissance moyenne finie
ex. les signaux périodiques
à puissance moyenne infinie
ex. la rampe s(t)=t
23. 23
On définit la fonction d’autocorrélation d’un signal à énergie finie comme :
Pour un signal à puissance moyenne finie, la fonction d’autocorrélation devient :
et pour un signal périodique :
dt
t
s
t
s
Css
)
(
*
)
(
)
(
2
2
)
(
*
)
(
1
lim
)
(
T
T
ss
dt
t
s
t
s
T
T
C
2
2
)
(
*
)
(
1
)
(
T
T
ss dt
t
s
t
s
T
C
Notion d'autocorrélation
24. 24
La fonction d’autocorrélation traduit la similitude d’un signal au niveau de la forme
en fonction du décalage temporel t.
C’est une mesure de la ressemblance du signal avec lui même au cours du temps.
Intuitivement, la corrélation est maximale si on ne décale pas temporellement le
signal
Chaque valeur d’un signal s(t) contient deux types d’information :
Une information prédictive déjà contenue dans les valeurs du signal aux instants précédents,
Une information propre au signal à l’instant t appelée information non prédictive
Le principe de la corrélation est de pouvoir extraire l’information prédictive future à
partir des valeurs précédentes du signal.
Notion d'autocorrélation
25. 25
Propriétés
- P1 La fonction d’autocorrélation en 0 représente l’énergie du signal :
- P2 La fonction d’autocorrélation d’un signal réel est paire :
( en posant t+=t1)
- P3 La fonction d’autocorrélation d’un signal complexe est à symétrie
hermitienne :
0
)
0
(
E
Css
)
(
)
(
ss
ss C
C
)
(
*
)
(
ss
ss C
C
1
)
1
(
*
)
1
(
))
(
(
*
)
(
)
( dt
t
s
t
s
dt
t
s
t
s
Css
Notion d'autocorrélation
26. 26
On définit la fonction d’intercorrélation de 2 signaux à énergie finie :
Pour 2 signaux à puissance moyenne finie, la fonction d’intercorrélation devient :
dt
t
y
t
x
Cxy
)
(
*
)
(
)
(
2
2
)
(
*
)
(
1
lim
)
(
T
T
dt
t
y
t
x
T
T
Cxy
Notion d‘intercorrélation
27. 27
Application :
Une impulsion s(t) est émise et se réfléchit sur une cible avant de revenir à son point
de départ.
On observe le signal de retour y(t) pour détecter le retour de l’impulsion et en déduire
la distance d de la cible (c est la célérité de l’impulsion).
On va donc calculer la fonction d’intercorrélation entre le signal émis et le signal reçu.
Le maximum de cette fonction correspond à la similtude maximale entre les 2 signaux
et donc au retard 0.
On peut considérer également que l’intercorrélation consiste à déplacer le signal
émis jusqu’à ce que l’on ait un maximum qui correspondra au retard 0.
c
d
2
0
Notion d‘intercorrélation