Captulo 2

Analisis de Fourier
2.1. Introduccion
La gura 2.1 es un ejemplo de la vibracion que es posible medir en en una maquina rotativa. Las
vibraciones son producto de diversas causas, entre las que se encuentran el desbalanceamiento, el desalin-
eamiento, las vibraciones de los engranajes, etc. Cada una de estos problemas genera se nales peri odicas
cuya frecuencia es caracterstica, lo que permite diagnosticarlas. Aparece entonces el problema de separar
las diferentes frecuencias que aparecen en una misma se nal (analisis espectral).
La misma informacion, pero en un graco 3D, es mostrada en gura 2.2. Se aprecia como cada
componente de la se nal medida puede ser descrita por un valor de amplitud y una frecuencia asociada.
La se nal es mostrada ademas en el dominio frecuencia (gura 2.3).
2.2. Analisis de Fourier
La herramienta matematica que permite la descomposicion de una se nal en sus componentes funda-
mentales es la transformada de Fourier.
Ella puede ser continua para se nales en t (, ) o discreta para se nales en t (0, T)
En la vida real solo se mide durante un cierto periodo de tiempo [0, T] y en forma discreta (vease
gura 2.6).
2.2.1. Nociones basicas
La transformada continua de Fourier para la frecuencia se dene como:
X(j) =

x(t)e
jt
dt (2.1)
y su inversa por:
x(t) =

X(j)e
jt
d
Notese que X(j) es una cantidad compleja.
Observaci on 34 La formula 2.1 permite el uso de frecuencias positivas y negativas. Lo com un que solo
las frecuencias positivas tengan sentido fsico. En tal caso se utiliza el espectro a un lado.
Si la se nal es muestreada N veces cada t segundos, entonces k-esima lnea de la transformada
47
48 CAP

ITULO 2. AN

ALISIS DE FOURIER
0 0.05 0.1 0.15 0.2
-1
0
1
0 0.05 0.1 0.15 0.2
-1
0
1
0 0.05 0.1 0.15 0.2
-1
0
1
0 0.05 0.1 0.15 0.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Tiempo Tiempo
Desbalanceamiento
Desalineamiento
Engranajes
+
+
=
Figura 2.1: Vibracion global
F
r
e
c
u
e
n
c
i
a
T
i
e
m
p
o
S
e

a
l

m
e
d
i
d
a
F
r
e
c
u
e
n
c
i
a
T
i
e
m
p
o
S
e

a
l

m
e
d
i
d
a
A
A
Figura 2.2: Representacion tiempo-frecuencia
A
m
p
l
i
t
u
d
Fr ecuencia
Figura 2.3: Espectro de la se nal
2.2. AN

ALISIS DE FOURIER 49
Figura 2.4: Poder de diagnosis de un espectro
Espectro Seal temporal
Transformada Transformada
de de
Fourier Fourier
Figura 2.5: Transformada de Fourier
0 0.5 1 1.5
-1
-0.5
0
0.5
1
T
To To
Tiempo
Figura 2.6: Muestreo discreto
50 CAP

ITULO 2. AN

ALISIS DE FOURIER
f
f
f=1/T
Figura 2.7: Muestreo y espectro discretos
discreta de Fourier esta denida por:
X(k) =
2
N
N

n=1
x(n)e
j2k
n
N
, k = 1, .., N/2
X(0) =
1
N
N

n=1
x(n)
Observaci on 35 N otese que la componente est atica (f = 0) corresponde al valor promedio.
La frecuencia normalizada asociada a la k-esima lnea es k/N.
El paso entre lneas (paso frecuencial) esta dado por:
f =
1
T
Como se vera a continuacion, hay una serie de parametros que deben ser tomados en cuenta para
utilizar adecuadamente el espectro de una se nal.
2.2.2. Paso frecuencial
Consecuencia del tiempo de muestreo limitado y la discretizacion de la se nal es que el espectro es-
tara compuesto por un numero limitado de lneas, y la distancia entre cada una en frecuencia f est a dada
por:
f =
1
T
donde T es el periodo de muestreo denido por la gura 2.6. Notese que no tiene nada que ver con el
periodo T
0
de la se nal.
Mientras mas corto es el periodo de muestreo, mayor sera el paso en frecuencias. Ello puede suscitar
problemas para el diagnostico como se indica en gura 2.8, donde 2 componentes de frecuencias muy
similares han sido confundidas por un paso frecuencial muy pobre. Al realizar un zoom sobre la banda
frecuencia sospechosa se logra discriminar.
2.2.3. Aliasing
Un problema que aparece a causa del muestreo discreto es el aliasing, vale decir cuando una com-
ponente a alta frecuencia es confundida con una de baja a causa de que la frecuencia de muestreo (la
velocidad con la que se adquieren puntos de la se nal temporal) sea muy baja. El efecto se muestra en
gura 2.9. Notese que en el caso superior hay sucientes puntos por cada periodo de la se nal para que la
2.2. AN

ALISIS DE FOURIER 51
Figura 2.8: Resolucion frecuencial pobre
Figura 2.9: Frecuencia de muestreo pobre
transformada discreta de Fourier capte la componente real f
0
. En el caso de la parte inferior hay solo un
punto por cada ciclo de la se nal; obviamente es imposible recuperar la frecuencia real y la que capta el
algoritmo de Fourier es la de la frecuencia fantasma
f
a
= 1/T
a
Como solucion al problema se deben tomar 2 medidas:
Aplicar una frecuencia de muestreo f
s
que cumpla con el teorema de muestreo de Nyquist
f
s
> f
m ax
donde es una constante mayor que 2 (usualmente se usa 2.56).
Aplicar un ltro analogo pasa-bajos (o anti-aliasing) que extraiga todas las componentes superi-
ores a f
m ax
.
Observaci on 36 En la practica industrial, basta con congurar la frecuencia m axima de an alisis del
colector para que los ltros (an alogos y digitales) se ajusten. Obviamente, al ltrar las componentes
superiores se pierde la capacidad de detectar problemas que generen altas frecuencias.
2.2.4. Efecto de rendija
Se tiene que
f =
1
T
por lo que para poder mostrar una componente a f
0
=
1
T0
es necesario que:
f
0
f
sea entero (2.2)
52 CAP

ITULO 2. AN

ALISIS DE FOURIER
A
0.64A
A
0.64A
Figura 2.10: Efecto de rendija
Figura 2.11: Hoja tecnica de un acelerometro industrial
Sea T = T
0
donde es el numero de ciclos de la se nal que son considerados. Entonces:
f
0
f
=
1
T0
1
T0
=
De aqu se ve que la condicion 2.2 se cumple para entero. Tal situacion ocurre en la parte superior de
la gura 2.10. La amplitud real A es mantenida por el algoritmo de la transformada de Fourier. En caso
de tomar = 1,5 ocurre la situacion de la parte inferior de la gura: la componente ha sido dividida en
2 de menor amplitud (0,64A en este caso).
2.2.5. Ruido
Para el ejemplo de la gura 2.11, el solo el ruido electrico del sensor es de 50 g (491 m/s
2
), lo que
implica que cualquier se nal debajo de ese nivel no sera distinguible. Ademas, no se ha tomado en cuenta
el ruido de los otros componentes de la cadena de medicion.
2.3. VENTANAS 53
A
c
e
l
e
r
a
c
i

n
g
Frecuencia
50
Figura 2.12: Componentes escondidas bajo el ruido
Seal de entrada
Porcin utilizada para T.F.
Seal asumida en el
algoritmo T.F. discreto
Figura 2.13: Efecto de truncacion nulo
2.2.6. Efecto de fuga
El hecho de tomar un periodo discreto de la se nal temporal [0, T] implica en general que no se
tomara un m ultiplo exacto del periodo propio de la se nal T
0
. Tal situacion es descrita en guras 2.13 y
2.14.
Para tratar el problema es necesario aplicar una ventana antes de aplicar el algoritmo discreto de
Fourier. Gracias a ella se elimina la discontinuidad entre un periodo y otro de la se nal y se logra que
el intervalo [0, T] sea tambien la frecuencia con la cual se repite la se nal (a nes de la FFT), lo que
disminuye el efecto de fuga.
2.3. Ventanas
La ventana de Hanning[1] (nombrada as por el meteorologo austriaco Julius von Hann) es una de
las mas usadas para disminuir el efecto de fugas. Esta descrita por:
h(t) = cos
2

2
t
T

con
t (T, T)
donde T es el intervalo muestreado de las se nal. La gura (??) muestra este tipo de ventana.
Otra ventana muy usada es la de Hamming[1] (gura 2.17)
54 CAP

ITULO 2. AN

ALISIS DE FOURIER
Seal de entrada
Porcin utilizada para T.F.
Seal asumida en el
algoritmo T.F. discreto
Figura 2.14: Efecto negativo de truncacion
Seal real
Seal adquirida
Ventana
Seal de entrada
para FFT
TT

=
Figura 2.15: Aplicacion de ventanas
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2*t/T
Figura 2.16: Ventana de Hanning
2.3. VENTANAS 55
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
t/T
Figura 2.17: Ventana de Hamming
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
t/T
Figura 2.18: Ventana Flat top
56 CAP

ITULO 2. AN

ALISIS DE FOURIER
Seal
Anloga
Seal
Digit al
ADC
16 bit s
51. 2 KHz
+ / - 2.5 Vpeak
Figura 2.19: Conversion analogo-digital
+2.5V
-2.5V
+32768
-32768
+25G
-25G
Figura 2.20: Fondo de escala y rango dinamico
y(t) = 0,54 + 0,46 cos
2

t
T

con
t (T/2, T/2)
Finalmente, presentamos la ventana Flat top (gura 2.18):
y(t) = 0,2810639 0,5208972 cos

2
t
T

+ 0,1980399 cos

4
t
T

con
t (0, 1)
2.4. Discretizacion
La se nal analoga es transformada en se nal digital por el conversor analogo-digital (ADC) el cual es
caracterizado por el numero de bits n con que cuenta. Actualmente se utilizan usualmente los ADC de
16 bits. La se nal pueden tomar 2
n1
valores distintos (mas el signo).
La frecuencia de muestreo indica la cantidad de puntos que puede generar por unidad de tiempo (en
el caso de la gura 2.19 se crean 51200 puntos/s). Un parametro importante y que usualmente depende
del usuario es el fondo de escala que limita el voltaje aceptable para el conversor (en la gura, la se nal
debe estar en el rango [2,5, 2,5] V).
Tomemos el caso mostrado en gura 2.21. La se nal solo utiliza 0,5/5 = 10 % del fondo de escala. Dado
que el ADC es de 16 bits solo se aprovechan 32768/10=3276 bits. Ello implica que el rango din amico
efectivo DR es:
DR = 20 log
3276
1
= 70 dB
Si hubiese utilizado el 100 % del fondo de escala (lo que puede truncar la se nal digital):
DR = 20 log
32768
1
= 90 dB
La calidad de la conversion tambien depende del tipo de se nal. Por ejemplo una se nal de desplazamien-
to tiende a reducir las componentes a alta frecuencia, por lo que estas componentes podran aprovechar
2.5. COMPONENTE DC 57
0.5V
+2.5V
-2.5V
Figura 2.21: Rango dinamico
Frecuencia
A
m
p
l
i
t
u
d
Desplazamiento
Velocidad
Rango
Rango
Figura 2.22: Rango dinamico y tipo de se nal
muy pocos de los bits disponibles para ese nivel de se nal. Por otro lado, el hecho de tener componentes
grandes en baja frecuencia obliga a agrandar la escala (gura 2.22).
2.5. Componente DC
Aun si la parte dinamica de la se nal es peque na, es posible que el ADC se sature debido a la existencia
de una componente DC en la se nal (ver gura 2.23). Para solventar tal situacion se debe aplicar un ltro
analogo DC antes del ADC.
2.6. Parametros de adquisicion
Usuario selecciona:
Ancho de banda;
Numero de lneas;
Tipo de ventana.
Supongamos que se tomo una frecuencia maxima de 5 KHz, con 3200 lneas. Se tiene entonces:
58 CAP

ITULO 2. AN

ALISIS DE FOURIER
0.5V
+2.5V
-2.5V
+32768
-32768
DC
Figura 2.23: Efecto de la componente DC
0 2 4 6
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Tiempo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
Frecuencia(Hz)
A
m
p
l
i
t
u
d
Figura 2.24: Se nal armonica simple
Resolucion en frecuencia:
5000 Hz
3200 lneas
= 1,5625 Hz/lnea
Nro. puntos en el tiempo:
3200 2,56 = 8192 puntos
frecuencia de muestreo:
5000 Hz 2,56 = 12800 Hz
Tiempo de muestreo:
8192
12800
= 0,64 s
Resolucion en tiempo:
1
12800
= 7,8125E 5 s/punto
2.7. Espectros usuales
Como se vio anteriormente la una se nal armonica simple es caracterizada por una sola lnea en el
espectro (gura 2.24).
La se nal periodica muestra una serie de lneas. La primera lnea aparece a 1/T
0
(T
0
es el periodo de
la se nal), las siguientes aparecen a n/T
0
, n = 2, 3, ... (gura 2.25).
Una respuesta transiente (usualmente provocada por un impacto) tiene un espectro similar al de la
gura 2.26. En general aparecen varios valles y picos. Los picos corresponden en general a frecuencias
naturales. Ello es un primer paso en la identicacion modal. Un ejemplo real se muestra en gura 2.27.
En este caso, el sensor esta colocado sobre uno de los descansos de una sierra circular. La se nal temporal
2.7. ESPECTROS USUALES 59
0 5
-4
-3
-2
-1
0
1
2
3
4
Tiempo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
0 1 2
0
0.5
1
1.5
2
Frecuencia(Hz)
A
m
p
l
i
t
u
d
To
1/To
Figura 2.25: Se nal periodica
0 5 10
-1
-0.5
0
0.5
1
Tiempo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
0 2 4
0
0.005
0.01
0.015
0.02
Fr ecuencia ( Hz)
A
m
p
l
i
t
u
d
Figura 2.26: Se nal transiente
muestra la transiente generada por el impacto inicial de un trozo con la sierra. El espectro muestra el
pico/valle asociado.
2.7.1. Modulacion
Si el la se nal transiente se repite en el tiempo (ver gura 2.28) se tiene una se nal peri odica que se
repite cada T
0
segundos. Ello ocurre usualmente cuando se produce un impacto de manera peri odica. Lo
especial en este caso es que la componentes armonica dominante aparece a la frecuencia del pico de la
se nal transiente. Ella esta rodeada de las llamadas bandas laterales que estan distantes n/T
0
, n = 2, 3, ..
Hz de la lnea principal.
En la gura 2.29 se muestra un ejemplo real de modulacion. En este caso el peak de la transiente
excitada esta a 3023 Hz. Aparecen 2 bandas laterales a 28.1 Hz. Para esta maquina ello corresponde a
la frecuencia de paso de las bolas por la pista interior (BPFI) de uno de los rodamientos, lo que implica
una picadura incipiente.
El ejemplo anterior indica que mas importante que la frecuencia de la alta frecuencia (transiente) es
la tasa de repeticion del evento. La gura 2.30 muestra patrones en el espectro para fallas distribuidas y
locales respectivamente. A n de detectarlo mas claramente, tambien se puede aplicar un ltro envolvente
(gura 2.31) que solo considera el evento a baja frecuencia. Como resultado del ltrado queda una se nal
periodica, cuyo frecuencia fundamental es la frecuencia de repeticion del evento a alta frecuencia. El
proceso se describe en gura 2.32.
La modulacion corresponde al producto de la interaccion entre fen omenos fsicos. En el espectro ello
60 CAP

ITULO 2. AN

ALISIS DE FOURIER
2000 2500 3000 3500 4000
0
0.01
0.02
0.03
r
m
s
(
V
o
l
t
s
)
x:linear Hertz
aspec s/n 22870
s/n 22870:Volts
0 0.1 0.2 0.3 0.4 0.5 0.6
-5
0
5
r
e
a
l
(
V
o
l
t
s
)
sec.
s/n 22870
s/n 22870:Volts
Figura 2.27: Impacto inicial en sierra circular
0 0.05
-1
-0.5
0
0.5
1
Tiempo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
700 800 900
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
Frecuencia(Hz)
A
m
p
l
i
t
u
d
1/T
Figura 2.28: Se nal con modulacion
0 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500
+
3
0
2
3
.
4
,
2
8
.
1
+
250
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Frecuencia (Hz)
A
c
e
l
e
r
a
c
i

n
Figura 2.29: Ejemplo de modulacion en ventilador
2.7. ESPECTROS USUALES 61
Figura 2.30: Modulacion de fallas locales y distribuidas
Envolvent e
Tiempo
Envolvent e
Tiempo
Figura 2.31: Filtro envolvente
Figura 2.32: Proceso de demodulacion
62 CAP

ITULO 2. AN

ALISIS DE FOURIER
se evidencia como la traslacion de la se nal moduladora (de menor frecuencia) como bandas laterales de
la se nal portadora (de mayor frecuencia). Causas usuales de modulacion en sistemas mecanicos son:
Rodamientos da nados; las frecuencias asociadas a picaduras son moduladas por frecuencias natu-
rales a alta frecuencia;
Engranajes; frecuencias de engrane y frecuencias naturales;
Motores electricos; frecuencia de rotacion del motor o frecuencia de la lnea y frecuencias de paso
de ranura.
Supongase que la se nal portadora (alta frecuencia) es senoidal [2]:
x
p
(t) = A
p
cos (
p
t)
La se nal modulada (osea, la portadora modulada por una se nal moduladora f(t)) se expresa como:
x
m
= [1 +f(t)] A
p
cos (
p
t)
donde es el ndice de modulacion.
En el caso de que la se nal moduladora sea senoidal:
f(t) = cos(
m
t)
Entonces
x
m
= [1 +cos(
m
t)] A
p
cos (
p
t)
lo que se puede expresar como:
x
m
= A
p
cos (
p
t) +
A
p
2
[cos (
p
+
m
) t + cos (
p

m
) t]
lo que implica que el espectro de x
m
mostrara componentes a
p
,
p
+
m
,
p

m
.
Ejercicio 14 Simule una modulaci on en amplitud para diferentes tipos de se nales moduladoras (senoidal,
cuadrada, sierra, peri odica cualquiera, ruido blanco). Realice adem as un estudio de sensibilidad vs el ndice
de modulaci on. Remtase a ref. [2].
2.7.2. Ruido en la se nal
Una se nal aleatoria en el tiempo no muestra patrones tal como se puede apreciar en gura 2.33. Ello es
importante pues al aplica promedios sucesivos de espectros de una misma se nal tiende a hacer disminuir
las componentes asociadas a ruido aleatorio (gura 2.34).
Un tipo de se nal importante para el analisis modal experimental es la se nal impulsiva (gura 2.35).
Como se puede ver muestra un espectro plano. Si una estructura es excitada por un impulso inicial (un
martillazo por ejemplo) la excitacion contiene componentes en un rango ancho de frecuencias, lo que
provocara respuestas tambien en un rango amplio. En ella se distinguiran las frecuencias naturales.
2.8. Unidades standard
Las amplitudes de cada componente en el espectro pueden ser mostradas en dos tipos de formato:
lineal y logartmico. El formato logartmico es ventajoso para visualizar variables que tomen valores
en varios ordenes de magnitud (el espectro vibracional, por ejemplo). Su formato mas com un son los
decibeles, que requieren el uso de un valor de referencia (Y
ref
). Un dB se dene como:
dB = 20 log(y/y
ref
)
En tabla (2.1) se muestra una lista comparando razones con dB.
Ejemplo 15 Los VdB son usados para espectros de velocidad. Su valor de referencia es 1e-6 mm/s.
Entonces:
0 VdB = 10
6
mm/s
A continuacion se presenta una lista de unidades standard en dB:
2.8. UNIDADES STANDARD 63
0 1 2
-4
-3
-2
-1
0
1
2
3
Tiempo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
0 50
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Frecuencia(Hz)
A
m
p
l
i
t
u
d
Figura 2.33: Se nal aleatoria
Figura 2.34: Aplicacion de promedios
y/y
ref
dB
100 40

10 10

2 3
1 0
1/

2 3
1/10 20
1/100 40
Cuadro 2.1: Equivalencia dB
64 CAP

ITULO 2. AN

ALISIS DE FOURIER
0 0.5 1
0
0.2
0.4
0.6
0.8
1
Tiempo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
0 500 1000
0
0.2
0.4
0.6
0.8
1
x 10
-3
Frecuencia(Hz)
A
m
p
l
i
t
u
d
Figura 2.35: Se nal impulsiva
Tipo de se nal Denominacion Valor de referencia Unidad
Velocidad VdB 10
6
mm/s
Aceleracion AdB 10
3
mm/s
2
Voltaje DBV 1 V
Voltaje DBmV 1 mV
Presion dB-SPL 10
5
Pa
Cuadro 2.2: Unidades dB standard
50 100 150 200 250 300 350 400 450 500
10
-8
10
-6
10
-4
10
-2
10
0
10
2
m
m
/
s
r
m
s
Hz
Figura 2.36: Se nal representada en escala logartmica
2.9. TIPO DE VALOR MOSTRADO 65
50 100 150 200 250 300 350 400 450 500
20
40
60
80
100
120
140
160
m
m
/
s
r
m
s
Hz
Figura 2.37: La misma se nal de gura 2.36 en formato bilineal
2.9. Tipo de valor mostrado
A n de caracterizar la vibraci on global se han denido tres tipos de medida:
Peak, que caracteriza estados de sobrecarga e impactos;
Peak to Peak, usado cuando hay desplazamientos relativos;
RMS (Root Mean Square, raz del valor medio al cuadrado), que es una forma de promedio que
toma en cuenta toda la informacion registrada, y que es una estimaci on de la energa contenida en
la se nal.
Observaci on 37 La norma ISO 2372 (severidad vibratoria) se basa en el valor RMS.
2.10. Valor RMS
El valor RMS analogo es calculado desde la se nal temporal directamente:
V
RMS
=

i
v
2
i
N
donde
v
i
es el valor de la se nal adquirida en el instante t
i
;
N es el numero de puntos de la se nal.
El valor RMS digital es calculado como la norma del vector cuyas componentes son las amplitudes
(RMS):
V
RMS
=

i
v
2
i,RMS
Para el caso de una se nal armonica de amplitud A (de 0 al peak), el valor RMS es
A

2
Ver gura 2.38.
Dado que el valor RMS de la se nal es en cierta forma un promedio, el cambio de alguna componente
espectral especica tiende a cambiar poco su valor aun si el cambio de la componente es importante.
Un ejemplo se muestra en gura 2.39 para el caso de una caja reductora. El espectro superior indica la
condicion del equipo en el mes 1, el inferior, lo mismo pero 2 meses despues. Si bien la componente a 1X
crecio 20 dB, el valor RMS global solo se incremento 10 dB.
66 CAP

ITULO 2. AN

ALISIS DE FOURIER
0 2 4 6
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Ti empo (s)
D
e
s
p
l
a
z
a
m
i
e
n
t
o
0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
Frecuencia(Hz)
A
m
p
l
i
t
u
d
RMS peak peak to
peak
peak RMS
Figura 2.38: Valor RMS
Figura 2.39: Tendencia de espectro vs tendencia del valor RMS
2.11. FACTOR DE CRESTA 67
Figura 2.40: RMS insensible, CF efectivo
2.11. Factor de Cresta
Un indicador mas sensible de falla que el nivel RMS es el factor de crestas (crest factor,CF) denido
por:
CF =
V
peak
V
RMS
donde V
peak
es el valor maximo de la se nal.
Si la se nal es sinusoidal,
CF =

2
Ejemplo 16 Obtenga el espectro de la se nal
y = sin 2f
0
t
con f
0
= 2 Hz (T
0
= 1/f
0
= 0,5s) muestreada con frecuencia
f
s
= 20f
0
puntos/s durante un periodo
T = 10T
0
En Matlab:
>>Ts=1/(20*2) %s/punto
>>Tm=10*0.5 %periodo de muestreo
>>t=0:Ts:Tm; %vector tiempo
>>y=sin(2*pi*t); %vector senal
>>plot(t,y),xlabel(tiempo(s))
>>ffty=fft(y);%FFT bruta
>>df=1/Tm %paso frecuencial
>>n=length(y) %nro. puntos de la senal temporal
>>f=[0:n-1]*df; %vector frecuencia
>>ffty=ffty/(n/2); %correcci\on de amplitud
>>ffty(1)=ffty(1)/2;%correcci\on de amplitud componente est\atica
>>ffty=ffty(1:n/2);f=f(1:n/2); %correcci\on frecuencias
>>plot(f,ffty),xlabel(Frecuencia(Hz)),...
>>ylabel(Amplitud),title(Espectro(y))
68 CAP

ITULO 2. AN

ALISIS DE FOURIER
2.12. Comentarios nales
La transformada rapida de Fourier es la herramienta mas utilizada en el analisis de vibraciones.
La medicion de la respuesta dinamica y su estudio a traves de esta tecnica en sistemas industriales
ha permitido el desarrollo de estrategias de gestion de mantenimiento centradas en la condicion de los
equipos. Los ahorros provocados han sido reportados en multiples publicaciones, por ejemplo en ref. [3].
Bibliografa
[1] Blackman, R. B. and Tukey, J. W., Particular Pairs of Windows, The Measurement of Power Spectra,
From the Point of View of Communications Engineering. New York: Dover, 1959.
[2] Harris, C.M.,Shock and Vibration Handbook, 4th ed., Mc-Graw-Hill, 1996.
[3] Machine Condition Monitoring Using Vibration Analysis. Number BA 7059-13. Bruel & Kjaer.
69
70 BIBLIOGRAF

IA