Détection signal(signaux) aberrants parmis une série de mesure

[invitecd8ed2e9]

Bonjour.
Voilà mon problème.

Je réalise une mesure sur un matériau soumis à une excitation. J'étudie donc sa réponse.

Je réalise plusieurs acquisitions. Les signaux théoriques sont donc censés se superposer à la perfection.

Il existe certe un bruit blanc mais celui est très faible comparé au signal mesuré est diminu d'un facteur racin(n) ou n est le nombre d'acquisition.
Le problème qui peut se poser est lorsque une perturbation extérieur au dispositif d'aquisition vient perturber l'acquisition ( vibration momentanée, fluctuation de l'alimentation...) . Je cherche donc à partir d'une série de mesure pouvoir détecter une mesure ou plusieurs défaillantes.

[invite2313209787891133]

Je ne vois pas où est le problème, il suffit de ne pas tenir compte des valeurs en dehors de 1,2 ou 3 écarts types types à la moyenne.

[invitecd8ed2e9]

Le problème est que s'il y a une signal aberrant celui-ci peut modifier notablement la moyenne. Le test sur l'écart type peut donc se retrouver erronné.

[invite2313209787891133]

La moyenne se trouvera modifiée si tu prend en compte cette valeur uniquement.
Est ce que tu aurais une liste de valeur pour donner un exemple ? Et comment se fait l'acquisition (quelle chaine de mesure) ?

[A voir en vidéo sur Futura]

[invitecd8ed2e9]

Je n'ai pas de jolies données à présenter. Vous trouverez tout de même 1 signal type que j'ai trouvé sur internet.

Il s'agit d'un signal reçu lors d'une acquisition. Normalement si l'on fait 10 acquisitions. On devra trouver rigoureusement une superposition identique du signal au bruit blanc près (qui est très faible).

Mon objectif est de détecter s'il y a une aberration sur un signal ayant causé déphasage ou augmentation d'amplitude importante, auquel cas je supprimer la courbe associée.

[invite2313209787891133]

Il faut faire une detection de pic (pour corriger le déphasage eventuel) afin de determiner un rang pour chaque valeur de la courbe.
Ces rangs permettront alors de comparer les données et de supprimer celles qui presentent un écart à la moyenne.
Tu n'as pas répondu à ma question sur la chaine de mesure donc je ne peux pas donner de réponse ciblée, mais c'est quelque chose que l'on peut faire facilement en VB sur excel par exemple.

[invitecd8ed2e9]

Qu'entends tu par chaine d'acquisition?

[invitecd8ed2e9]

Par contre la détection de pic n'est pour moi pas appropriée ici.
En effet, ici tu ne détectes que le pic tu n'as pas d'informations sur le reste de la courbe. Le pic peut être au même endroit, mais on a besoin de vraiment toute l'information de la courbe.

[invite2313209787891133]

Qu'entends tu par chaine d'acquisition?

La chaine de mesure c'est l'ensemble des moyens mis en oeuvre pour faire cette acquisition, par exemple thermocouple -> transmetteur rs232 -> entrée série -> logiciel d'acquisition sur Labview.
Si je te pose cette question c'est pour connaitre la nature des données (numeriques, electriques etc) pour déterminer le traitement du signal.

Par contre la détection de pic n'est pour moi pas appropriée ici.
En effet, ici tu ne détectes que le pic tu n'as pas d'informations sur le reste de la courbe. Le pic peut être au même endroit, mais on a besoin de vraiment toute l'information de la courbe.

La détection du pic, dans mon exemple, permet juste d'attribuer une "place" à chaque valeur, de façon à pouvoir la superposer avec la valeur d'une autre acquisition au cas où un petit décalage se produirait.

[invitecd8ed2e9]

Que pensez vous de la méthode d'autocorrelation pour avoir une valeur test suivi de l'intercorrelation entre les signaux. La maleur max de la correlation nous renseigne sur la similitude qui est une caractéristique intrinsèque du signal.

[invite2313209787891133]

C'est en substance ce que je te proposais comme solution un peu plus haut.

[invitecd8ed2e9]

Si je peux me permettre, quelle est ta profession?

Je désire une méthode vraiment fiable quelque soit le matériau étudié. Si tu penses que cette méthode est fiable, ça me donnera une certaine garanti avant de la programmer définitivement.

[invite2313209787891133]

Si je peux me permettre, quelle est ta profession?

Je suis garçon vacher... Sérieusement, tu ne crois pas que si je répond à ta question c'est pour te donner une méthode fiable ?

Merci pour votre réponse.

Je me pose toutefois certaines questions.

Le signal qui caractérise un matériau n'est pas le même d'un matréiau à l'autre. Par rapport au signal présenté, celui-ci sera pê atténué, légèrement déphasé, présentera un rebond.....

On ne peut donc pas défiinir les propriétés d'un signal avant de faire une mesure.

Si la méthode peut être appliquée à mon cas, comment la mettre en place.

Est ce que tu as vraiment lu mes réponses ? ou est ce que tu as compris quelque chose ? La méthode que je t'ai donnée permet bien sur de s'affranchir de ces aléas.

[chaverondier]

Je cherche donc à partir d'une série de mesure à pouvoir détecter une ou plusieurs mesures défaillantes.

Une façon classique de détecter ce type d'anomalie consiste à utiliser les limites dites de surveillance et/ou de contrôle du signal à surveiller (définies dans la méthode la plus classique de maîtrise statistique des processus) à l'aide de cartes de contrôle.

Cette méthode de contrôle est normalisée (cf par exemple l'un des memotech pour plus de détails et pas trop wikipédia qui reste assez vague sur ce sujet. Il me semble qu'il s'agit du memotech de productique mécanique, mais je ne l'ai pas sous la main pour vérifier).

On commence par définir ces limites de contrôle et de surveillance (en échantillonnant le signal de façon appropriée pour en tirer moyenne et écart type des échantillons) puis on vérifie ensuite que le signal évolue en restant à l'intérieur des limites en question. Dans la norme qui définit cette méthode, plusieurs configurations d'évolution du signal sont présentées et sont censées indiquer la présence d'une cause perturbatrice non aléatoire (une cause dite assignable) à l'origine de ces configurations et, dans ce cas, on doit rechercher la cause assignable en question pour l'éliminer. Par exemple, quand le signal surveillé sort des limites dites de contrôle, on sait que (en principe) une cause assignable est à l'origine de la dérive observée. Elle doit alors être détectée, puis éliminée.

Il existe des méthodes plus élaborées (ou différentes) qui peuvent être plus ou moins bien adaptées au cas particulier auquel on souhaite les appliquer, mais les principes employés restent dans le même esprit (contrôle du signal à partir de données statistiques extraites du signal lui-même). On commence cependant à s'écarter d'une approche purement statistique quand le signal a de bonnes raisons de respecter certaines caractéristiques connues à l'avance.

Un bon exemple est l'évolution du prix de l'immobilier. Rapporté au salaire annuel net de ceux qui font l'acquisition d'un bien immobilier, on voit bien que ce signal a subi (ces dernières années) une dérive traduisant très nettement une période de bulle immobilière.

[invitecd8ed2e9]

Merci pour votre réponse.

Je me pose toutefois certaines questions.

Le signal qui caractérise un matériau n'est pas le même d'un matréiau à l'autre. Par rapport au signal présenté, celui-ci sera pê atténué, légèrement déphasé, présentera un rebond.....

On ne peut donc pas défiinir les propriétés d'un signal avant de faire une mesure.

Si la méthode peut être appliquée à mon cas, comment la mettre en place.

A la sortie d'une "mesure" de plusieurs acquisitions, j'obtiens un tableau de la forme:

tps Amplitu1 Ampltude2 Ampltude3 Ampltude4 .......
1 1,3768e-01 1,3768e-01 1,3768e-01 1,3768e-01
2 1,3768e-01 1,3768e-01 1,3768e-01 1,3768e-01
3 1,3768e-01 1,3768e-01 1,3768e-01 1,3768e-01
4 1,3768e-01 1,3768e-01 1,3768e-01 1,3768e-01
5 1,3768e-01 1,3768e-01 1,3768e-01 1,3768e-01
6 1,3768e-01 1,3768e-01 1,3768e-01 1,3768e-01
...