Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

ANALISIS DE VIBRACIONES
MEDIANTE SERIES DE FOURIER

Comunicaciones I
IE-425

ELABORADO POR:
No.
1
2
3
4
5
6

Nombre
Carlos Perez
Yullian Vasquez
Fernando Perdomo
Rolando Enriquez
Javier Moreno
Engell Cardenas

Cuenta
20122002984
20122000557
20112005152
20112003353
20101001770
20070014302

Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

INTRODUCCION
El an
alisis digital de se
nales es un campo de estudio relacionado al procesamiento de informaci
on
presentada en forma digital donde el advenimiento en los u
ltimos a
nos de modernos sistemas de
computaci
on, ha logrado dar impulso a la introduccion de nuevos metodos de analisis en apoyo de
los tradicionales, as como un enorme crecimiento en la cantidad de aplicaciones practicas a una variedad diversa de problemas.
Ejemplos de ello lo encontramos en el area de Mecanica Aplicada, donde se la utiliza en problemas de
tipo estructural, para el diagn
ostico de problemas dinamicos en maquinas rotantes, deteccion de malfuncionamiento de componentes en plantas nucleares; analisis de imagenes ac
usticas y de sonar marino
en problemas de Ac
ustica y Sonido, as como en reconocimiento y sntesis de voces; en Comunicaciones
es utilizada en an
alisis de sistemas y deteccion de se
nales, filtrado en canales m
ultiples, estimacion de
funciones transferencia, etc.; en Ingeniera Biomedica permite el monitoreo de la fatiga muscular, investigaci
on en perturbaciones g
astricas, en diagnostico de pacientes con problemas cardacos y muchas
otras aplicaciones dentro de esta
area.

Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

Clasificaci
on de Se
nales
Los fen
omenos fsicos de mayor interes en ingeniera se miden en terminos de una funcion amplitud versus tiempo, a la que nos referiremos como el registro historico temporal o se
nal observada.
La amplitud instant
anea de la misma representa alguna cantidad fsica de interes, como por ejemplo
velocidad, aceleraci
on, presi
on, temperatura, deformacion, etc.
Los sistemas fsicos y de ingeniera se pueden clasificar en lineales o no lineales, con parametros en
cada uno de ellos que pueden ser constantes o variables en el tiempo, lo que nos lleva a la clasificaci
on
que se muestra en la figura 1. En general, en la mayora de las aplicaciones dentro del area de las
vibraciones mec
anicas las u
nicas variables observables estan dadas por la se
nal de salida en un sistema
y representa la respuesta del mismo ante ciertos estmulos (figura 2). Refiriendonos a la clasificaci
on
dada en la figura 1 decimos que la misma puede ser lineal o no lineal, lo que de hecho es un fiel reflejo
del comportamiento del sistema.

Figura 1: Clasificacion de se
nales en analisis de vibraciones.

Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

Dos diferencias muy importantes entre sistemas lineales y no lineales es que los primeros satisfacen el
principio de superposici
on, mientras que los segundos no lo hacen, y la segunda es que en un sistema
lineal cuando los datos de entrada sean aleatorios con una funcion de distribucion de probabilidad
(p.d.f.) Gaussiana, producir
an una se
nal de salida que tendra tambien el mismo tipo de distribuci
on
te
orica; mientras que para un sistema no lineal una entrada de datos similar producira una se
nal de
salida con una distribuci
on no Gaussiana.
En general cualquier conjunto de datos observados se pueden clasificar en deterministas y aleatorios.
Los primeros son aquellos que se pueden describir por medio de una relacion matematica explcita. El
caso m
as simple lo representa una funcion senoidal, mientras que los tipos mas generales de funciones
peri
odicas quedan representadas por su serie de Fourier:

x(t) = n =

a0 X
+
[an cos(2f1 t) + bn sen(2f1 t)]
2
i=1

(1)

donde x(t) es la se
nal y f1 = 1/T , donde T es el perodo de la se
nal. El primer termino a0 representa
la DC en la se
nal, mientras que los restantes terminos consisten en un n
umero infinito de sinusoides
de amplitudes decrecientes y frecuencias que son m
ultiplos de f1 . El espectro se caracteriza por un
conjunto discreto de lneas.
Los fen
omenos fsicos donde las mediciones producen un registro temporal u
nico, el cual muy probablemente no vuelva a repetirse, se denominan aleatorios. En tales casos, la historia temporal resultante
de un experimento dado representa solamente una realizacion fsica de lo que podra haber ocurrido,
de modo que a fin de tener una comprension completa de los datos, conceptualmente debera pensarse en terminos de un n
umero infinito de registros temporales que podran haber ocurrido tal como
est
a ilustrado en la figura 2.

Figura 2: Conjunto de registros temporales de un proceso aleatorio de una se

nal.

Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

Una historia temporal simple xi (t) es lo que se denomina un registro o funcion muestral (observable
en un perodo finito de tiempo), mientras que la coleccion de todos ellas xi (t) es lo que se llama un
proceso estoc
astico.
Las se
nales aleatorias pueden categorizarse a su vez en estacionarias y no estacionarias, y los primeros
dividirse a su vez en erg
odicos y no erg
odicos.
Si el proceso x(t) es estacionario, ambos valores no diferiran cuando se los calcule sobre diferentes
funciones muestrales, en este caso se dice ademas que el mismo es ergodico, lo cual implica que los
valores medios temporales son iguales a los valores promedios sobre todo el conjunto muestral, en cuyo
caso diremos que x (k) = x ; y Rxx (, k) = Rxx (). Los procesos ergodicos constituyen una clase
muy importante dentro de los procesos aleatorios, ya que las propiedades de estos se pueden estimar
utilizando promedios temporales en una sola funcion de muestra. La justificacion formal de los resultados anteriores proviene del denominado teorema ergodico (ej. Papoulis 1991). Muchos fenomenos
fsicos responden a este tipo de modelo. La figura 3 muestra un conjunto de historias temporales caractersticas de un proceso estacionario. Desde el punto de vista del analisis de vibraciones, existe una

Figura 3: Conjunto de registros temporales estacionaria (presiones en un fluido turbulento).

clase de datos no estacionarios que tienen especial interes. Se las denomina se
nales transientes y son
las resultantes de un fen
omeno de corta duracion con un comienzo y un fin perfectamente definidos.
La figura 4 muestra un ejemplo de este tipo de se
nal.

Figura 4: Conjunto de registros temporales caractersticos deuna se

nal transiente (aceleraciondurante
impactos estructurales).

Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

An
alisis de Fourier de una muestra discreta
La clasificaci
on de se
nales dada en el apartado anterior es casi universal para la mayora de las situaciones encontradas en la pr
actica. El problema que surge es como analizarlas. Los metodos de
procesamiento de se
nales est
an dise
nados para atacar los problemas de deteccion y estimacion. El primero de ellos se refiere a la cuesti
on de determinar si una se
nal especfica se encuentra presente en una
observaci
on de datos, mientras que la estimacion se refiere al problema de calcular los valores delos
par
ametros que describen las se
nales de interes.
Ciertamente, estas cuestiones dependen del campo especfico de aplicacion. La forma usual de llevar
adelante estas cuestiones es a traves del uso de funciones estadsticas en los dominios tiempo y frecuencia que est
an linealmente relacionados a traves de la transformada de Fourier definidas por las
conocidas expresiones (Bracewell 1978, Bendat 1986, Brigham1988, Papoulis 1991, etc.):
+

x(t) ej2f t dt

X(f ) = F (x(t)) =

(2)

y la correspondiente transformada inversa de Fourier:

Z +
1
x(t) = F (X(f )) =
X(f ) ej2f t df

(3)

en donde se dice que x(t)y X(f)forman un par transformado de Fourier:

x(t) X(f )

(4)

De acuerdo a esta definici

on, cualquier evento que se pueda asociar a una se
nal temporal se puede
igualmente describir en terminos de su correspondiente espectro en frecuencias .La reversibilidad de la
transformada nos asegura que estas representaciones son siempre descripciones equivalentes del evento,
y que en principio no habra raz
on para preferir un dominio respecto del otro.
En la pr
actica, la mayora de las se
nales con las que nos encontramos son siempre aleatorias por naturaleza, ya que a
un en aquellos casos en que se trate de una forma de onda periodica pura, la se
nal
observada normalmente est
a corrompida por ruido.
Por cuestiones pr
acticas, cada se
nal que procesamos debe tener extension finita, la cual puede ser
ajustable y seleccionable, pero debe ser finita. El procesamiento de una se
nal de esta naturaleza impone ciertas caractersticas al an
alisis arm
onico, que incluye detectar tonos en presencia de otros cercanos
y fuertes, la resolubilidad de se
nales periodicas cercanas, frecuencia variable, etc. Por lo tanto si consideramos a x(t) en un intervalo de tiempo T finito, X(f) se estima mediante el computo de la llamada
Transformada Finita de Fourier (BrighamE.O. 1988 y Bendat 1986):
Z
XT (f ) = X(f, T ) =
0

x(t) ej2f t dt

(5)

Universidad Nacional Aut

onoma de Honduras
UNAH-VS
Ingeniera Electrica Industrial

Comunicaciones I
IE-425

REFERENCIAS
Cheng, David K.: Fundamentos de electromagnetismo para ingeniera, Addison Wesley, 1997
Hayt, Willian H.: Teora electromagnetica, Septima edicion, MaGraw Hill, 2006
Balanis, Constantine A.: Advanced Engineering Electromagnetic, John Wiley, 1989
Verez, Miguel Angel: Estudio de ondas planas homogeneas, recurso web
http://grupos.unican.es/electromagnetismo/OLD_WEB/paginas/docencia/4481/web-propag-guiada/
pdf/apuntes/tema4-ondasplanas.pdf
Universidad Nacional de la Plata: Campos y Ondas, Vector de Poynting, recurso web
http://www.ing.unlp.edu.ar/camposyo/3-propagaciondeondasplanas.pdf