Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introducción …………………………………………………………………… 2
1
1. Introducción
2
2. Conceptos teóricos
Los fenómenos estudiados por el ser humano pueden tener dos clases de
variables asociadas: variables deterministas o variables aleatorias.
3
a Huelva. Nunca (prácticamente imposible) se producirá
exactamente las mismas condiciones de tráfico, estado del terreno
(se puede circular por otro carril o incluso más a la izquierda o
derecha dentro de un mismo carril), velocidad, meteorología y otras
variables asociadas a la respuesta de la amortiguación del vehículo,
por lo que no podemos establecer una respuesta analítica o registro
que permita una certidumbre total sobre la respuesta.
Suspensión de un vehículo
• Procesos estacionarios
4
Débilmente estacionarios: Se cumplen las siguientes relaciones
𝐸[𝑥(𝑡1 )] = 𝐸[𝑥(𝑡2 )]
Valor esperado en un tiempo t1 es el valor esperado en cualquier otro tiempo
t2
𝐸[𝑥(𝑡1 ) · 𝑥(𝑡1 + 𝜏)] = 𝐸[𝑥(𝑡2 ) · 𝑥(𝑡2 + 𝜏)]
La función de autocorrelación en un tiempo t1 es la función de
autocorrelación en cualquier otro tiempo t2
• Procesos ergódicos
5
La función de autocorrelación RX, que ya se ha mostrado su expresión en
este documento anteriormente, nos indica cómo de relacionado está un
punto del registro respecto a otro punto cualquiera del mismo.
6
∞
1
𝑆𝑋 (𝜔) = · ∫ 𝑅𝑋 (𝜏) · 𝑒 −𝑖𝜔𝜏 𝑑𝜏
2𝜋 −∞
∞
2]
𝑅𝑋 (0) = 𝐸[𝑥 = ∫ 𝑆𝑋 (𝜔) 𝑑𝜔
−∞
Como conclusión:
Distribución de
Gauss
Media cero
7
3. Análisis práctico
La primera cuestión que se nos plantea corresponde a un proceso aleatorio
de banda estrecha del cual conocemos su función de autocorrelación, que
viene dada por la expresión y gráfica siguientes:
8
Según la gráfica, el área sería la siguiente:
2 · 𝑆0 · 𝜔2 − 2 · 𝑆0 · 𝜔1 =
= 2 · 𝑆0 · (𝜔2 − 𝜔1 )
2 · 𝑆0 0
𝑅𝑥 (0) = (𝑠𝑖𝑛(𝜔2 · 0) − sin(𝜔1 · 0)) =
0 0
2 · 𝑆0
𝑅𝑥 (0) = ( 𝜔2 · 𝑐𝑜𝑠(𝜔2 · 0) − 𝜔1 · cos(𝜔1 · 0)) = 2 · 𝑆0 · (𝜔2 − 𝜔1 )
1
Si este proceso tuviera una media igual a cero, el valor coincidiría con la
varianza de la variable, pudiendo llegar a ser un proceso estadísticamente
conocido en todos sus aspectos, asumiendo que fuera ergódico con
distribución de Gauss.
9
10
clear, clc;
for i=1:length(w)
end
figure(1)
plot(w,s)
title('Densidad espectral')
xlabel('Frecuencia (Hz)');
ylabel('Valor Sx (x)');
s=ifftshift(s);
R2=ifft(s);
R2=2*pi*N/T*R2;%R2=(N*(2*pi)/L)
figure(2)
plot(t(1:length(tau)/3),R2(1:length(tau)/3),tau,Rx)
title('Antitransformada VS Expresión analítica')
xlabel('Tau');
ylabel('Valor Rx (x)');
legend('Antitransformada','Expresión analítica')
11
En el último apartado de la práctica se nos pide definir un sistema de un
grado de libertad al que se someterá a un ruido blanco, es decir, a una
excitación que origina un valor constante de densidad espectral a lo largo
del eje de frecuencias, para calcular los parámetros y variables
especificados en los subapartados.
El sistema analizado posee los siguientes parámetros:
𝑚 = 2,5 𝑘𝑔
𝑘 = 1,5 𝑁/𝑚
𝑁
𝑐 = 0,05 𝑚
𝑠
12
Para el cálculo de la densidad espectral de la respuesta, calculamos en
primer lugar los valores de 𝜔𝑛 y 𝜉 del sistema objeto de estudio:
𝑘
𝜔𝑛 = √
𝑚
𝑐
𝜉=
2𝜔𝑛
1⁄
𝐻(𝜔) = 𝑘
2 2
√(1 − ( 𝜔 ) ) + (2 · 𝜉 · 𝜔 )2
𝜔 𝑛 𝜔 𝑛
13
Seguidamente, para obtener la función de autocorrelación de la respuesta,
se realiza al igual que en el apartado anterior la transformada inversa de
Fourier de la densidad espectral, representándose a continuación la
respuesta:
14
Por último, se nos pide comparar el valor de la varianza obtenido por
nosotros frente al propuesto en el enunciado. Al tratarse de un proceso con
media igual a cero, implica que la varianza debe de coincidir con el valor de
la función de autocorrelación en t=0 (Ry (0)).
𝑅𝑦 (0) = 8,3776
𝜋 · 𝑆0 𝜋 · 0,2
𝐸[𝑦 2 ] = = = 8,3776
𝑘·𝑐 1,5 · 0,05
15
clc,clear;
for i=1:length(frec)
sp(i)=S0;
tau=frec(i)/wn;
H(i)=(1/k)/sqrt((1-tau^2)^2+(2*eps*tau)^2);
end
figure(1)
wo=frec;
plot(wo,sp);
title('Densidad espectral ruido blanco')
xlabel('Frecuencia (Hz)');
ylabel('Valor Sx (x)');
sy=H.^2.*sp;
figure(2)
plot(frec,sy)
title('Densidad espectral de la respuesta Sy(w)')
xlabel('Frecuencia (Hz)');
ylabel('Valor Sx (x)');
sy=ifftshift(sy);
Ry=2*pi*N/(2*T)*ifft(sy);
npuntos2=length(frec);
L2=npuntos2/(20/(2*pi));
t=0:L2/npuntos2:L2-L2/npuntos2;
figure(3)
plot(t(1:length(t)/2),Ry(1:length(Ry)/2))
title('Función de autocorrelación de la respuesta')
xlabel('Tau');
ylabel('Valor Rx (x)');
16