Вы находитесь на странице: 1из 22

Análisis espectral de funciones periódicas utilizando Fluke View

Universidad Distrital "Francisco José de Caldas”, Facultad Tecnológica


Tecnología Electrónica

1 Análisis espectral de funciones periódicas 2. Resumen


utilizando Fluke View En el presenta trabajo se muestran los resultados
En algunas oportunidades es necesario dedicar obtenidos del análisis espectral realizado a cinco
mucho tiempo al análisis del estado estacionario tipos de onda periódicas (seno, triangular, cuadrada,
sinusoidal. Una de las razones de este interés pulso positivo y pulso negativo), utilizando el
por la función de excitación sinusoidal es que software Fluke View que viene con el Osciloscopio
permite encontrar la respuesta en estado Fluke. Este software permite analizar en el PC las
estacionario de excitaciones no sinusoidales pero ondas presentes en el osciloscopio mediante la
periódicas. Una función periódica es una función captura de datos utilizando una comunicación serial
que se repite cada T segundos, y satisface la RS-232 y generando su espectro de amplitud.
condición:
El trabajo se dividió en dos partes; 1)Análisis
f (t ) = f (t ± nT ) Donde n es un entero 1, 2, 3,... espectral utilizando Fluke View y 2) Comprobación
matemática utilizando Mathcad.
¿Pero por qué nuestro interés por las funciones
periódicas? Una de las razones es que muchas
fuentes eléctricas de utilidad práctica generan 3. Introducción
formas de onda periódica. Por ejemplo los Algunos matemáticos del siglo dieciocho, incluyendo
rectificadores electrónicos, los osciladores, los a Euler y a D. Bernoulli, estaban al tanto de que una
generadores de funciones, etc., presentes en la onda f(t) podía representarse, aproximadamente,
mayoría de los laboratorios de pruebas. con una serie finita de senoides relacionadas
armónicamente. El barón Jean Baptiste Joseph
El interés por las funciones periódicas también Fourier propuso en 1807 que una onda periódica
proviene de la observación general de que podría descomponerse en una serie infinita de
cualquier no linealidad en un circuito que de otra senoides simples que, al sumarlas, tendrían la
manera seria lineal, genera una función periódica forma exacta de la onda original. Existen ciertas
no sinusoidal. funciones periódicas que podrían representarse
exactamente mediante una serie infinita. También
La serie de Fourier permite describir una función hay otras funciones para las que la serie infinita
periódica en amplitud y fase de cada senoide proporciona una buena representación, aunque
que corresponde a una frecuencia específica. inexacta. Este inconveniente se ha venido
Originalmente, Fourier dedujo una ecuación que superando gracias al surgimiento de equipos que
describía la conducción de calor en cuerpos con software especial permiten mejorar los
sólidos empleando una suma de senoides. Por resultados y ahorrar tiempo en el análisis de las
fortuna, hoy se dispone de métodos numéricos señales.
que complementados con software y equipos
especiales permiten analizar ondas complejas
que hace unas décadas era imposible abarcar.

Pág. 1
4. Contenido

Fluke View es un software desarrollado para la


captura y análisis espectral de señales con el
osciloscopio Fluke.

Osciloscopio

Software

El software es muy sencillo y solo basta con


observar la señal proveniente de un generador o
cualquier otra fuente en el osciloscopio, abrir el
programa, seleccionar el puerto de comunicaciones
y cargar la señal al PC.

Computador
El espectro de amplitud se genera utilizando el
Sistema de adquisición y análisis espectral se señales comando espectrum del menú Options. Las graficas
mostradas se pueden editar utilizando las funciones
adecuadas: color, description, gris, labels y plot
Posee una interfaz de comunicación RS-232 que parameters, entre otras.
permite la comunicación del osciloscopio con el
computador en el cual este instalado el software.
Se pueden utilizar todos los puertos del PC a la
velocidad de transmisión deseada.

Pág. 2
41. Análisis espectral
Utilizando el generador de onda se visualizaron b. Señal Pulso Positivo
cinco señales con una frecuencia de 1 [kHz] y
una amplitud de 5 [Vrms] en el osciloscopio Fluke
y mediante el software Fluke View se capturaron
las siguientes gráficas:

a. Señal Cuadrada

Gráfica señal pulso positivo

Gráfica señal cuadrada

Gráfica espectro de amplitud pulso positivo

Gráfica espectro de amplitud señal cuadrada

Datos espectro de amplitud pulso positivo

Datos espectro de amplitud señal cuadrada

Pág. 3
c. Señal Pulso Negativo d. Onda Triangular

Gráfica señal triangular


Gráfica señal pulso negativo

Gráfica espectro de amplitud señal triangular


Gráfica espectro de amplitud pulso negativo

Datos espectro de amplitud señal triangular

Datos espectro de amplitud pulso negativo

Pág. 4
e. Onda Seno 5. Conclusiones

Los datos obtenidos del software para cada una de


las señales analizadas, utilizando una frecuencia de
1 [kHz], se muestran en la siguiente tabla.

Señal RMS THDr THDf Kfact Peak CF


Cuadrada 5.3 42.03 46.32 23.80 4.8 0.95
Pulso P 4.8 74.01 110.05 79.04 7.0 1.44
Pulso N 5.2 80.63 136.31 11.90 -4.8 -0.8
Triangular 5.2 14.50 14.65 19.70 8.4 1.62
Gráfica señal seno
Seno 5.1 5.10 5.10 11.69 7.2 1.41

Datos obtenidos Software Fluke View

Los cálculos realizados en Mathcad se muestran en


el Anexo No. 1. En el se presentan la serie de
Fourier y el espectro de amplitud para cada una de
las señales utilizadas. Los resultados que se
obtuvieron por ambos métodos son semejantes y
permitieron describir las señales en el dominio de la
frecuencia como una sumatoria de ondas
senoidales.

Gráfica espectro de amplitud señal seno Es más que evidente que la utilización de equipos y
software especializados en el análisis de señales.
arroja mejores resultados que los basados en
métodos numéricos y operaciones del cálculo que
se utilizaban años atrás de forma manual. La
evolución de estas nuevas herramientas permiten
una mayor precisión y ahorro de tiempo
considerable; como ejemplo se tiene el cálculo de
los parámetros: HF (Factor armónico) y CF (Factor
de cresta). El primero es una medida de la distorsión
de una forma de onda y también se conoce como
THD (distorsión armónica total). El segundo
representa una medida de la corriente de entrada
Datos espectro de amplitud señal seno pico Is(pico) en comparación con su valor rms Is, a fin
de establecer las especificaciones de corriente de
pico de dispositivos y componentes.

I 2 s − I 2 s1 Is ( pico)
HF = CF =
I 2 s1 Is

Pág. 5
El anexo No 2. muestra la serie de Fourier de las
señales analizadas y el Anexo No. 3 los cálculos
necesarios para encontrar el valor eficaz o rms
de las formas de onda, ya que el osciloscopio se
configuro para que midiera la amplitud de las
ondas en voltios rms [Vrms].

4. Bibliografía
[1]Dorf, Svoboda, Circuitos Eléctricos:
Introducción al análisis y diseño, Editorial
Alfaomega , 3ra Edición, México, 2000, Páginas
771 a 837.

[2]Nilsson, James W., Circuitos Eléctricos,


Editorial Adición Wesley Iberoamericana, 4ta
Edición, USA 1995, Páginas 785 a 838.

5. Autor
Jairo Vargas Caleño – jairocale@yahoo.com -
Octubre de 2003, Bogotá, Colombia.

Pág. 6
Análisis espectral de funciones periódicas utilizando Flukeview
Universidad Distrital "Francisco José de Caldas”, Facultad Tecnológica
Tecnología Electrónica

ANEXO No. 1. Cálculos en Mathcad

1. ONDA CUADRADA

Definiendo la función periódica f(t) por medio de:


−3 π
f := 1000 T := 1 T = 1 × 10 k := 0 .. 100 ω := 2⋅ V := 5 Vrms Vm := V
f T

f ( t ) := ⎛⎜ VmΦ ( t ) − 2Vm⋅ Φ ⎛⎜ t −
T⎞ ⎞
⎟ + VmΦ ( t − T) ⎟
⎝ ⎝ 2⎠ ⎠
2
g ( t ) := ∑ f ( t − T⋅ n )
n =0

12
9
6
3
g( t ) 0
3
6
9
12
0 0.001 0.002 0.003
t
Por definición se sabe que
⎛ T ⎞
⎜⌠ 2 T ⎟
1 ⎜⎮ ⌠ ⎟
A := ⋅ ⎮ f ( t) dt + ⎮ f ( t) dt A =0
0 T ⎜ ⌡0 ⎮T ⎟ 0
⎜ ⌡ ⎟
⎝ 2 ⎠

⎛ T ⎞
⎜⌠ 2 T ⎟
2 ⎜⎮ ⌠ ⎟
A := ⋅ ⎮ f ( t) cos ( k ⋅ ω⋅ t) dt + ⎮ f ( t ) ⋅ cos ( k ⋅ ω⋅ t) dt
k T ⎜ ⌡0 ⎮T ⎟
⎜ ⌡ ⎟
⎝ 2 ⎠

⎛ T ⎞
⎜⌠ 2 T ⎟
2 ⎜⎮ ⌠ ⎟
B := ⋅ ⎮ f ( t ) sin ( k ⋅ ω⋅ t ) dt + ⎮ f ( t) ⋅ sin ( k ⋅ ω⋅ t) dt
k T ⎜ ⌡0 ⎮T ⎟
⎜ ⌡ ⎟
⎝ 2 ⎠

1
Calculando los primeros diez términos de los coeficientes de Fourier
10

∑ (Ak ⋅cos (k⋅ω⋅t) + Bk ⋅sin(k⋅ω⋅t))


1
A = B = f ( t ) := ⋅A +
k k 2 0
0 0 k =1

1.486·10 -15 6.366


0 0
1.287·10 -15 2.122
-1.332·10 -15 0
2.299·10 -15 1.273
0 2.315·10 -15
1.893·10 -15 0.909
1.554·10 -15 0
2.258·10 -15 0.707

La gráfica de la serie de Fourier de la función f(t) es entonces:

10

f ( t) 0

10
0 0.001 0.002
t
Hallando Ck para graficar el espectro de amplitud se obtiene:

C :=
k (Ak )2 + (Bk )2 C := A
0 0
C =0
0

C =
k
0
6.366
0 12
2.122
1.592·10 -15 9.6
1.273
2.48·10 -15
7.2
0.909
Ck
1.572·10 -15
0.707 4.8
1.677·10 -15

0.579 2.4
5.732·10 -15
0.49
0
3.19·10 -15 0 2 4 6 8 10 12 14 16 18 20
0.424 k

2
2. ONDA PULSO POSITIVO

Definiendo la función periódica g(t) por medio de:


−3 π
f := 1000 T := 1 T = 1 × 10 ω := 2⋅ k := 0 .. 20 V := 5 Vrms Vm := V 2
f T
Vm = 7.071 [V] pico

g ( t ) := Vm⋅ Φ ( t ) − Vm⋅ Φ ⎛⎜ t −
T⎞

⎝ 2⎠
2
h ( t ) := ∑ g ( t − T⋅ n )
n =0

8
6
4
2
h( t ) 0
2
4
6
8
0 0.001 0.002 0.003 0.004
t
Por definición se sabe que
T
⌠2
1 ⎮
A := ⋅ ⎮ g ( t) dt A = 3.536
0 T ⌡ 0
0

T
⌠2
2 ⎮
A := ⋅ ⎮ g ( t ) ⋅ cos ( k ⋅ ω⋅ t) dt
k T ⌡ 0
T
⌠2
2 ⎮
B := ⋅ ⎮ g ( t ) ⋅ sin ( k ⋅ ω⋅ t) dt
k T ⌡ 0

Calculando los primeros diez términos de los coeficientes de Fourier

3
A = B =
k k
7.071 0
0 4.502
0 0
0 1.501
-2.276·10 -15 0
1.314·10 -15 0.9
-1.665·10 -15 1.418·10 -15
1.063·10 -15 0.643
2.354·10 -12 1.242·10 -15
0 0.5

20

∑ (Ak ⋅cos (k⋅ ω⋅ t) + Bk ⋅ sin (k⋅ ω⋅ t))


1
g ( t ) := ⋅A +
2 0
k =1

La gráfica de la serie de Fourier de la función g(t) es entonces:


10
8
6
4
2
g( t ) 0
2
4
6
8
10
0 0.001 0.002
t
Hallando Ck para graficar el espectro de amplitud se obtiene:

C :=
k (Ak )2 + (Bk )2 C =
k
7.071
8
C := A 4.502 7
0 0
0
6
1.501
C =5 5
0 2.276·10 -15
0.9 Ck 4
2.187·10 -15 3
0.643
2
2.354·10 -12
0.5 1
2.408·10 -15 0
0.409
0 2 4 6 8 10 12 14 16 18 20
2.616·10 -15 k
0.346
1.598·10 -15
0.3
4
3. ONDA PULSO NEGATIVO

Definiendo la función periódica h(t) por medio de:


1 −3 π
f := 1000 T := T = 1 × 10 ω := 2⋅ k := 0 .. 20 V := 5 Vrms Vm := V⋅ 2
f T
Vm = 7.071 [V] pico

p ( t ) := −Vm⋅ Φ ( t) + Vm⋅ Φ ⎛⎜ t −
T⎞

⎝ 2⎠
2
g ( t ) := ∑ p ( t − T⋅ n )
n =0

8
6
4
2
g( t ) 0
2
4
6
8
0 0.001 0.002 0.003 0.004
t
Por definición se sabe que
T
⌠ 2
1 ⎮
A := ⋅⎮ p ( t ) dt A = −3.536
0 T ⌡ 0
0

T
⌠2
2 ⎮
A := ⋅ ⎮ p ( t ) ⋅ cos ( k ⋅ ω⋅ t) dt
k T ⌡ 0
T
⌠2
2 ⎮
B := ⋅ ⎮ p ( t) ⋅ sin ( k ⋅ ω⋅ t) dt
k T ⌡ 0

Calculando los primeros diez términos de los coeficientes de Fourier

5
A = B =
k k
-7.071 0
0 -4.502
0 0
0 -1.501
2.276·10 -15 0
-1.314·10 -15 -0.9
1.665·10 -15 -1.418·10 -15
-1.063·10 -15 -0.643
-2.354·10 -12 -1.242·10 -15
0 -0.5

20

∑ (Ak ⋅ cos (k⋅ω⋅t) + Bk ⋅ sin (k⋅ ω⋅ t))


1
p ( t ) := ⋅A +
2 0
k =1

La gráfica de la serie de Fourier de la función p(t) es entonces:

p ( t) 0

0 0.001 0.002 0.003


t
Hallando Ck para graficar el espectro de amplitud se obtiene
C :=
k (Ak )2 + (Bk )2 C
0
:= A
0
C = −7.071
0

C =
k
-7.071
4.502
0 8
1.501 7
2.276·10 -15
6
0.9
2.187·10 -15 5
0.643 Ck 4
2.354·10 -12
3
0.5
2.408·10 -15 2
0.409 1
2.616·10 -15
0
0.346 0 1 2 3 4 5 6 7 8 9 10
1.598·10 -15 k
0.3
6
4. ONDA TRIANGULAR

Definiendo la función periódica j(t) por medio de:


1 −3 π
f := 1000 T := T = 1 × 10 ω := 2⋅ k := 0 .. 100 V := 5 Vrms
f T
Vm := 3V Vm = 8.66 [V] pico
( Vm − 0) 4
m := m = 3.464 × 10
T
−0
4

10
T 8
j( t ) := ( m⋅ t) if 0 < t <
4 6
4
T T
( 2Vm − m⋅ t ) if < t < 3⋅ 2
4 4 g( t ) 0
3⋅ T 2
( m⋅ t − 4Vm) if <t <T 4
4 6
0 otherwise 8
2 10


0 0.001 0.002 0.003 0.004
g ( t ) := j ( t − T⋅ n )
t
n =0

La función es impar y tiene simetría de media onda y además tiene simetría de


cuarto de onda, por lo tanto, todos los coeficientes a son cero (Ao y Ak) y Bk=0
para los valores pares de k, de tal modos que:

⎛ T T ⎞
⎜⌠ 4 3
⌠ 4 ⎟
1 ⎜⎮ ⎮ ⌠
T
A := j ( t ) dt + ⎮

⎮ j ( t ) dt + ⎮ j ( t ) dt A =0
0 T ⎜ ⌡0 ⎮ ⎮ T ⎟ 0
⎜ ⌡T ⌡3⋅ ⎟
⎝ 4 4 ⎠

⎛ T T ⎞
⎜⌠ 4 ⌠ 4
3

2 ⎜⎮ ⎮ ⌠
T

A := ⎮ j ( t) ⋅ cos ( k ⋅ ω⋅ t ) dt + ⎮ j( t ) ⋅ cos ( k ⋅ ω⋅ t ) dt + ⎮ j( t ) ⋅ cos ( k ⋅ ω⋅ t) dt
k T ⎜ ⌡0 ⎮ ⎮ T ⎟
⎜ ⌡T ⌡3⋅ ⎟
⎝ 4 4 ⎠

⎛ T T ⎞
⎜⌠ 4 ⌠ 4
3

2 ⎜⎮ ⎮ ⌠
T

B := ⎮ j ( t ) ⋅ sin ( k ⋅ ω⋅ t) dt + ⎮ j ( t) ⋅ sin ( k ⋅ ω⋅ t) dt + ⎮ j ( t) ⋅ sin ( k ⋅ ω⋅ t) dt
k T ⎜ ⌡0 ⎮ ⎮ T ⎟
⎜ ⌡T ⌡3⋅ ⎟
⎝ 4 4 ⎠

Calculando los primeros diez términos de los coeficientes de Fourier

7
A = B =
k k
0 0
0 7.02
0 0
0 -0.78
0 -1.843·10 -15
0 0.281
0 2.06·10 -15
-1.518·10 -15 -0.143
-3.222·10 -15 6.714·10 -12
-2.927·10 -15 0.087

20

∑ (Ak ⋅ cos (k⋅ ω⋅t) + Bk ⋅ sin (k⋅ ω⋅ t))


1
j ( t ) := ⋅A +
2 0
k =1
La gráfica de la serie de Fourier de la función j(t) es entonces:
10
8
6
4
2
j( t ) 0
2
4
6
8
10
0 0.001 0.002 0.003
t
Hallando Ck para graficar el espectro de amplitud se obtiene

C
k
:= (A k )2 + (B k )2 C
0
:= A
0
C =0
0

C =
k
0 8
7.02 7
0 6
0.78
5
1.852·10 -15 Ck 4
0.281
3
2.083·10 -15
2
0.143
1
6.714·10 -12
0
0.087 0 1 2 3 4 5 6 7 8 9 10
3.754·10 -15 k

8
5. ONDA SENO

Definiendo la función periódica s(t) por medio de:


1 −3 π
f := 1000 T := T = 1 × 10 ω := 2⋅ k := 0 .. 20 V := 5 Vrms Vm := 2⋅ V
f T
Vm = 7.071 [V] pico
8
6
4
2
s( t ) 0
s ( t ) := Vm⋅ sin ( ω⋅ t) 2
4
6
8
0 0.001 0.002 0.003
t

Por definición se sabe que


⎛ T ⎞
⎜⌠ 2 T ⎟
1 ⎜⎮ ⌠ ⎟
A := ⎮ s ( t ) dt + ⎮ s ( t ) dt A =0
0 ⎜
T ⌡0 ⎮T ⎟ 0
⎜ ⌡ ⎟
⎝ 2 ⎠

⎛ T ⎞
⎜⌠ 2 T ⎟
2 ⎜⎮ ⌠ ⎟
A := ⋅ ⎮ s ( t ) ⋅ cos ( k ⋅ ω⋅ t) dt + ⎮ s ( t ) ⋅ cos ( k ⋅ ω⋅ t) dt
k T ⎜ ⌡0 ⎮T ⎟
⎜ ⌡ ⎟
⎝ 2 ⎠

⎛ T ⎞
⎜⌠ 2 T ⎟
2 ⎜⎮ ⌠ ⎟
B := ⋅ ⎮ s ( t ) ⋅ sin ( k ⋅ ω⋅ t ) dt + ⎮ s ( t) ⋅ sin ( k ⋅ ω⋅ t) dt
k T ⎜ ⌡0 ⎮T ⎟
⎜ ⌡ ⎟
⎝ 2 ⎠

Calculando los primeros diez términos de los coeficientes de Fourier

A = B =
k k
0 0
0 7.071
0 0
0 1.277·10 -15
-1.084·10 -15 0
0 0
0 1.649·10 -15
0 -2.352·10 -12
-2.643·10 -15 0
0 0

9
20

∑ (Ak ⋅cos (k⋅ ω⋅ t) + Bk ⋅ sin (k⋅ ω⋅ t))


1
s ( t ) := ⋅A +
2 0
k =1

La gráfica de la serie de Fourier de la función s(t) es entonces:

s( t ) 0

0 0.001 0.002 0.003


t
Hallando Ck para graficar el espectro de amplitud se obtiene

C :=
k (Ak )2 + (Bk )2 C := A
0 0
C =0
0

C =
k
0
7.071
8
0
1.307·10 -15
6.4
1.36·10 -15
0
1.649·10 -15 4.8
2.352·10 -12
Ck
2.782·10 -15 3.2
1.185·10 -15
0 1.6
2.365·10 -15
4.671·10 -15 0
4.347·10 -15 0 1 2 3 4 5 6 7 8 9 10
6.867·10 -15 k
2.349·10 -12

10
Análisis espectral de funciones periódicas utilizando Flukeview
Universidad Distrital "Francisco José de Caldas”, Facultad Tecnológica
Tecnología Electrónica

Anexo No. 2. Desarrollo Serie de Fourier

A continuación se presenta el desarrollo de las series de Fourier para las señales utilizadas en el
laboratorio de Fluke View.

1. Señal Triangular

4A T T
.t , − <t<
T 4 4
f (t ) =
4A T 3T
2A − t , <t<
T 4 4

La función es impar y tiene simetría de media onda y además tiene simetría de cuarto de onda, por lo tanto,
todos los coeficientes A son cero (Ao y Ak) y Bk = 0, para los valores pares de k, de tal modos que:
T


8
Bk = f (t ).sen( k .ω.t ).dt
4

T 0

T
8

4A
Bk = .t.sen(k .ω.t ).dt
4

T 0 T

32 A ⎛ Senkωt t.Coskωt ⎞ T

Bk = ⎜ − ⎟ 4

T 2 ⎝ k 2ω 2 k .ω ⎠
0

8A ⎛ k .π ⎞
Bk = Sen⎜ ⎟ con k impar
π .k
2 2
⎝ 2 ⎠

La representación en Serie de Fourier de f(t) es:

⎛ n.π


∑ ⎟.Sen(n.ω.t ) con n impar
8A 1
f (t ) = Sen⎜
π 2
n =1, 3, 5.. n 2
⎝ 2 ⎠

8A ⎛ 1 1 1 ⎞
f (t ) = ⎜ Senωt − Sen3ωt − Sen5ωt − Sen7ωt + ... ⎟
π ⎝
2
9 25 49 ⎠

1
2. Señal Cuadrada

T
A 0<t <
2
f (t ) =
T
−A <t <T
2

Como es f(t) es función impar A0 = 0 y Ak = 0


T T

∫ ∫ ∫
2 2 0
2
Bn = f (t )sen(nw0t ) dt = (−1)sen(nw0t ) dt +
2 2
T T
(1) sen(nw0t )dt
T −
2
T −
2
T 0

T
0
2 − cos(nw0t ) 2 − cos(nw0t ) 2
T
2 2
∫ ∫
0
Bn = − T
sen(nw0t )dt + 2
sen( nw0t )dt = − +
T −
2
T 0 T nw0 −
T T nw0 0
2

2 ⎡ T

Bn = T − (cos(nw0 t )
0

⎢⎣ (cos( nw t ) 0 ⎥
2


0
Tnw0 2

2 ⎡⎛ T ⎞ ⎛ T ⎞⎤
Bn = − ⎢⎜ cos(0) − cos(−nw0 ) ⎟ − ⎜ cos(nw0 ) − cos(0) ⎟⎥
Tnw0 ⎣⎝ 2 ⎠ ⎝ 2 ⎠⎦

2 ⎡⎛ T ⎞ ⎛ T ⎞⎤
Bn = ⎢⎜1 − cos(−nw0 ) ⎟ − ⎜ cos(nw0 ) − 1⎟⎥
Tnw0 ⎣⎝ 2 ⎠ ⎝ 2 ⎠⎦

2 ⎡ T T ⎤ 2 ⎡ T ⎤
Bn = ⎢2 − cos(nw0 2 ) − cos(nw0 2 )⎥ = Tnw ⎢2 − 2 cos(nw0 2 ) ⎥
Tnw0 ⎣ ⎦ 0 ⎣ ⎦

⎡ 2π T ⎤
⎢2 − 2 cos(n T 2 )⎥ = nπ [1 − cos(nπ )]
2 2
Bn =
2π ⎣ ⎦
Tn
T

Se tiene entonces:

⎧0, si n es par

Bk = ⎨ 4 A
⎪ nπ , si n es impar


⎛ ⎞
∑ ⎜⎝ 2n − 1 sen((2n − 1)w t )⎟⎠
4A 1
f (t ) =
π
0
n =1

4A 4A 4A 4A
f (t ) = sen( w0t ) + sen(3w0t ) + sen(5w0t ) + sen(7 w0t ) + ....
π 3π 5π 7π

2
3. Pulso positivo

T
A 0<t<
2
f (t ) =
T
0 <t <T
2

Ver: Analisis de Fourier – Hwei P Hsu

4. Pulso negativo

T
−A 0<t<
f (t ) = 2
T
0 <t <T
2

Ver: Analisis de Fourier – Hwei P Hsu

5. Señal Seno

Ver: Analisis de Fourier – Hwei P Hsu

3
Análisis espectral de funciones periódicas utilizando Flukeview
Universidad Distrital "Francisco José de Caldas”, Facultad Tecnológica
Tecnología Electrónica

Anexo No. 3. VALOR EFICAZ ó RMS

A continuación se presenta el cálculo del valor eficaz o RMS de las señales utilizadas en el
laboratorio de Flukeview.

1. Pulso positivo

T
A 0<t<
2
f (t ) =
T
0 <t <T
2

Se tiene que el Valor Eficaz o RMS de de la señal representada por f(t) es:

1

T
Vrms = [ f (t )] 2 .dt
T 0

T T
A2 ⎛T ⎞
Vrms =
1

2
A 2 .dt = (t ) 2
= A.
1
⎜ − 0⎟ =
A
de donde Vrms =
A
T 0 T 0 T ⎝2 ⎠ 2 2

2. Pulso negativo

T
−A 0<t<
f (t ) = 2
T
0 <t <T
2

Se tiene que el Valor Eficaz o RMS de de la señal representada por f(t) es:

1
T∫
T
Vrms = [ f (t )] .dt 2

1
T T
A2 ⎛T ⎞
Vrms =
1

2
(− A) .dt
2
= (t ) 2
= A.
1
⎜ − 0⎟ =
A
de donde Vrms =
A
T 0 T 0 T ⎝2 ⎠ 2 2

3. Señal Cuadrada

T
A 0<t <
f (t ) = 2
T
−A <t <T
2

Se tiene que el Valor Eficaz o RMS de de la señal representada por f(t) es:

1
T∫
T
Vrms = [ f (t )] .dt 2

1 ⎛⎜ ⎞
T

∫ ∫ (− A) .dt ⎟⎟⎠ =
T
Vrms = +
2 2
. A 2 .dt
T ⎜⎝ 0
T
2

A2 ⎛ T
⎞ 1 ⎛⎛ T ⎞ ⎛ T ⎞⎞
⎜t ⎟= 1
(T ) =
T
2
+ t A. ⎜ ⎜ − 0 ⎟ + ⎜ T − ⎟ ⎟⎟ = A. A
T ⎜

0
T
2

⎠ T ⎜⎝ ⎝ 2 ⎠ ⎝ 2 ⎠⎠ T

de donde Vrms = A

4. Señal Triangular

4A T T
.t , − <t<
f (t ) = T 4 4
4A T 3T
2A − t , <t<
T 4 4

Se tiene que el Valor Eficaz o RMS de de la señal representada por f(t) es:

1
T∫
T
Vrms = [ f (t )] .dt 2

2
1 ⎛⎜ ⎞
T 2 3T 2

⎛ 4A ⎞ ⎛ 4A ⎞
Vrms = ∫ ⎜ .t ⎟ .dt + ∫ ⎜2A − .t ⎟ .dt ⎟ =
4 4
.
T ⎜⎝ T
4 ⎝ T ⎠
T
4 ⎝ T ⎠ ⎟

1 ⎛⎜ ⎛ 2 16 A 2 2 ⎞ ⎞⎟
T 3T
16 A 2 2 A2
Vrms = ∫ + ∫ ⎜⎜ 4 A − 16 T .t + T 2 t ⎟⎟.dt ⎟
4 4
. t .dt
T ⎜⎝ −
T
4
T2 T
4 ⎝ ⎠ ⎠

T
1 ⎛ 16 A 2 ⎞ t3 4 1 ⎛ 2 3T
A2 2 3T
16 A 2 t 3 3T

Vrms = .⎜ ⎟⎟ + .⎜ 4 A t 4
− 16 .t 4
+ 4
⎟⎟
T ⎜⎝ T 2 T ⎜⎝
T T T
⎠3 2T T2 3 ⎠
T
− 4 4 4
4

⎛ 16 A 2 ⎞ ⎛ T 3 T 3 ⎞ 1 ⎛ 2 ⎛ 3T T ⎞ A2 ⎛ 9T 2 T 2 ⎞ 16 A 2 ⎛ 27T 3 T 3 ⎞ ⎞
Vrms = .⎜⎜ ⎟⎟ ⎜⎜ + ⎟⎟ + .⎜⎜ 4 A ⎜ − ⎟ − 16 ⎜⎜ − ⎟+ ⎜⎜ − ⎟⎟
⎝ 3T
3
⎠ ⎝ 64 64 ⎠ T ⎝ ⎝ 4 4⎠ 2T ⎝ 16 16 ⎟⎠ 3T 2 ⎝ 64 64 ⎟⎠ ⎟⎠

⎛ 16 A 2 ⎞ ⎛ 2 ⎞ ⎛ 2 ⎛ 1 ⎞ ⎛ 1 ⎞ 16 A
2
⎛ 26 ⎞ ⎞
Vrms = ⎜⎜ ⎟ ⎜ ⎟ + ⎜⎜ 4 A ⎜ ⎟ − 8 A 2 ⎜ ⎟ +
⎟ ⎜ ⎟ ⎟⎟
⎝ 3 ⎠ ⎝ 64 ⎠ ⎝ ⎝2⎠ ⎝2⎠ 3 ⎝ 64 ⎠ ⎠

⎛ A2 ⎞⎛ 1 ⎞ ⎛ 2 13 A 2 ⎞
Vrms = ⎜⎜ ⎟⎟ ⎜ ⎟ + .⎜⎜ 2 A − 4 A 2 + ⎟⎟
⎝ 3 ⎠⎝ 2 ⎠ ⎝ 6 ⎠

A2 13 A 2 A 2 12 A 2 13 A 2 2 A2 1 A
Vrms = − 2 A2 + = − + = = A. =
6 6 6 6 6 6 3 3

El valor eficaz de una señal seno se encuentra en la mayoría de los textos utilizados, por esta razón
no se presenta su desarrollo.