Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso de Vibraciones - FFT PDF
Curso de Vibraciones - FFT PDF
Análisis de Fourier
2.1. Introducción
La figura 2.1 es un ejemplo de la vibración que es posible medir en en una máquina 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 señales periódicas
cuya frecuencia es caracterı́stica, lo que permite diagnosticarlas. Aparece entonces el problema de separar
las diferentes frecuencias que aparecen en una misma señal (análisis espectral).
La misma información, pero en un gráfico 3D, es mostrada en figura 2.2. Se aprecia como cada
componente de la señal medida puede ser descrita por un valor de amplitud y una frecuencia asociada.
La señal es mostrada además en el dominio frecuencia (figura 2.3).
y su inversa por:
Z ∞
x(t) = X(jω)ejωt dω
−∞
Observación 34 La formula 2.1 permite el uso de frecuencias positivas y negativas. Lo común que solo
las frecuencias positivas tengan sentido fı́sico. En tal caso se utiliza el espectro a un lado.
47
48 CAPÍTULO 2. ANÁLISIS DE FOURIER
1 Desbalanceamiento 1
0 0.8
0.6
-1
0 0.05 0.1 0.15 0.2
1
+ 0.4
Desalineamiento 0.2
0 = 0
-0.2
-1
0 0.05 0.1 0.15 0.2 -0.4
1 +
Engranajes -0.6
0 -0.8
-1
-1
0 0.05 0.1 0.15 0.2 0 0.05 0.1 0.15 0.2
Tiempo Tiempo
A
a
id
ed
A
m
Fr
ec
al
ue
po
ñ
Se
nc
em
ia
Ti
Fr ecuencia
Transformada
de
Fourier
T
1
0.5
To
0
-0.5
-1
0 0.5 1 1.5
Tiempo
∆f=1/T
f
∆f
Figura 2.7: Muestreo y espectro discretos
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 señal temporal) sea muy baja. El efecto se muestra en
figura 2.9. Nótese que en el caso superior hay suficientes puntos por cada periodo de la señal para que la
2.2. ANÁLISIS DE FOURIER 51
transformada discreta de Fourier capte la componente real f0 . En el caso de la parte inferior hay solo un
punto por cada ciclo de la señal; obviamente es imposible recuperar la frecuencia real y la que capta el
algoritmo de Fourier es la de la frecuencia fantasma
fa = 1/Ta
Aplicar una frecuencia de muestreo fs que cumpla con el teorema de muestreo de Nyquist
fs > λfmáx
Aplicar un filtro análogo pasa-bajos (o ”anti-aliasing”) que extraiga todas las componentes superi-
ores a fmáx .
Observación 36 En la practica industrial, basta con configurar la frecuencia máxima de análisis del
colector para que los filtros (análogos y digitales) se ajusten. Obviamente, al filtrar las componentes
superiores se pierde la capacidad de detectar problemas que generen altas frecuencias.
f0
sea entero (2.2)
4f
52 CAPÍTULO 2. ANÁLISIS DE FOURIER
0.64A
Sea T = αT0 donde α es el numero de ciclos de la señal que son considerados. Entonces:
1
f0 T0
= 1 =α
4f αT0
De aquı́ se ve que la condición 2.2 se cumple para α entero. Tal situación ocurre en la parte superior de
la figura 2.10. La amplitud real A es mantenida por el algoritmo de la transformada de Fourier. En caso
de tomar α = 1,5 ocurre la situación de la parte inferior de la figura: la componente ha sido dividida en
2 de menor amplitud (0,64A en este caso).
2.2.5. Ruido
Para el ejemplo de la figura 2.11, el solo el ruido eléctrico del sensor es de 50 µg (491 µm/s2 ), lo que
implica que cualquier señal debajo de ese nivel no será distinguible. Además, no se ha tomado en cuenta
el ruido de los otros componentes de la cadena de medición.
2.3. VENTANAS 53
Aceleración
50 µg
Frecuencia
Figura 2.12: Componentes escondidas bajo el ruido
Señal de entrada
Señal asumida en el
algoritmo T.F. discreto
2.3. Ventanas
La ventana de Hanning[1] (nombrada ası́ por el meteorologo austriaco Julius von Hann) es una de
las más usadas para disminuir el efecto de fugas. Está descrita por:
π t
h(t) = cos2
2T
con
t ∈ (−T, T )
donde T es el intervalo muestreado de las señal. La figura (??) muestra este tipo de ventana.
Otra ventana muy usada es la de Hamming[1] (figura 2.17)
54 CAPÍTULO 2. ANÁLISIS DE FOURIER
Señal de entrada
Señal asumida en el
algoritmo T.F. discreto
Señal real
T
Señal adquirida
×
Ventana
=
Señal de entrada
para FFT
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
2*t/T
0.95
0.9
0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
t/T
1.2
0.8
0.6
0.4
0.2
-0.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t/T
2 t
y(t) = 0,54 + 0,46 cos π
T
con
t ∈ (−T /2, T /2)
Finalmente, presentamos la ventana Flat top (figura 2.18):
t t
y(t) = 0,2810639 − 0,5208972 cos 2π + 0,1980399 cos 4π
T T
con
t ∈ (0, 1)
2.4. Discretización
La señal análoga es transformada en señal digital por el conversor análogo-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 señal pueden tomar 2n−1 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 figura 2.19 se crean 51200 puntos/s). Un parámetro importante y que usualmente depende
del usuario es el fondo de escala que limita el voltaje aceptable para el conversor (en la figura, la señal
debe estar en el rango [−2,5, 2,5] V).
Tomemos el caso mostrado en figura 2.21. La señal 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 dinámico
efectivo DR es:
3276
DR = 20 log = 70 dB
1
Si hubiese utilizado el 100 % del fondo de escala (lo que puede truncar la señal digital):
32768
DR = 20 log = 90 dB
1
La calidad de la conversión también depende del tipo de señal. Por ejemplo una señal de desplazamien-
to tiende a ”reducir” las componentes a alta frecuencia, por lo que estas componentes podrán aprovechar
2.5. COMPONENTE DC 57
+2.5V
0.5V
-2.5V
Figura 2.21: Rango dinámico
Rango
Velocidad
Amplitud
Rango
Desplazamiento
Frecuencia
muy pocos de los bits disponibles para ese nivel de señal. Por otro lado, el hecho de tener componentes
grandes en baja frecuencia obliga a agrandar la escala (figura 2.22).
2.5. Componente DC
Aun si la parte dinámica de la señal es pequeña, es posible que el ADC se sature debido a la existencia
de una componente DC en la señal (ver figura 2.23). Para solventar tal situación se debe aplicar un filtro
análogo DC antes del ADC.
Ancho de banda;
Numero de lı́neas;
Tipo de ventana.
Supongamos que se tomó una frecuencia máxima de 5 KHz, con 3200 lı́neas. Se tiene entonces:
58 CAPÍTULO 2. ANÁLISIS DE FOURIER
+2.5V +32768
0.5V
DC
-2.5V -32768
1 1
0.8
0.6 0.8
0.4
Desplazamiento
0.2 0.6
Amplitud
0
-0.2 0.4
-0.4
-0.6 0.2
-0.8
-1
0 2 4 6
0
0 0.5 1 1.5
Tiempo (s) Frecuencia (Hz)
Resolución en frecuencia:
5000 Hz
= 1,5625 Hz/lı́nea
3200 lı́neas
Nro. puntos en el tiempo:
3200 · 2,56 = 8192 puntos
frecuencia de muestreo:
5000 Hz · 2,56 = 12800 Hz
Tiempo de muestreo:
8192
= 0,64 s
12800
Resolución en tiempo:
1
= 7,8125E − 5 s/punto
12800
4 2
2 1.5
1 To
Desplazamiento
Amplitud
0 1
-1
1/To
-2 0.5
-3
-4 0
0 5 0 1 2
Tiempo (s) Frecuencia (Hz)
1 0.02
Desplazam ient o
0.5 0.015
Am plit ud
0 0.01
-0.5 0.005
-1 0
0 5 10 0 2 4
Tiem po (s) Fr ecuencia ( Hz)
muestra la transiente generada por el impacto inicial de un trozo con la sierra. El espectro muestra el
pico/valle asociado.
2.7.1. Modulación
Si el la señal transiente se repite en el tiempo (ver figura 2.28) se tiene una señal periódica que se
repite cada T0 segundos. Ello ocurre usualmente cuando se produce un impacto de manera periódica. Lo
especial en este caso es que la componentes armónica dominante aparece a la frecuencia del pico de la
señal transiente. Ella está rodeada de las llamadas bandas laterales que están distantes n/T0 , n = 2, 3, ..
Hz de la lı́nea principal.
En la figura 2.29 se muestra un ejemplo real de modulación. En este caso el peak de la transiente
excitada está a 3023 Hz. Aparecen 2 bandas laterales a 28.1 Hz. Para está máquina 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 más importante que la frecuencia de la alta frecuencia (transiente) es
la tasa de repetición del evento. La figura 2.30 muestra patrones en el espectro para fallas distribuidas y
locales respectivamente. A fin de detectarlo más claramente, también se puede aplicar un filtro envolvente
(figura 2.31) que solo considera el evento a baja frecuencia. Como resultado del filtrado queda una señal
periódica, cuyo frecuencia fundamental es la frecuencia de repetición del evento a alta frecuencia. El
proceso se describe en figura 2.32.
La modulación corresponde al producto de la interacción entre fenómenos fı́sicos. En el espectro ello
60 CAPÍTULO 2. ANÁLISIS DE FOURIER
rms (Volts)
0.02
0.01
0
2000 2500 3000 3500 4000
x:linear Hertz
s/n 22870
s/n 22870:Volts
5
real (Volts)
-5
1 0.5
0.45
0.4
0.5
0.35
Desplazamiento
0.3
Amplitud
0 0.25
0.2
0.15
1/T
-0.5
0.1
0.05
-1 0
0 0.05 700 800 900
0.035
0.03
0.025
Aceleración
0.02
+
0.015
0.01
0.005
0
250 0 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500
Frecuencia (Hz)
Envolvent e
Tiem po
se evidencia como la traslación de la señal moduladora (de menor frecuencia) como bandas laterales de
la señal portadora (de mayor frecuencia). Causas usuales de modulación en sistemas mecánicos son:
Rodamientos dañados; las frecuencias asociadas a picaduras son moduladas por frecuencias natu-
rales a alta frecuencia;
Engranajes; frecuencias de engrane y frecuencias naturales;
Motores eléctricos; frecuencia de rotación del motor o frecuencia de la lı́nea y frecuencias de paso
de ranura.
Supongase que la señal portadora (alta frecuencia) es senoidal [2]:
3 0.4
2 0.35
0.3
1
0.25
Desplazamiento
Amplitud
0
0.2
-1
0.15
-2
0.1
-3 0.05
-4 0
0 1 2 0 50
Tiempo (s) Frecuencia (Hz)
y/yref dB
100
√ 40
√10 10
2 3
1 √ 0
1/ 2 −3
1/10 −20
1/100 −40
-3
x 10
1
1
0.8
0.8
Desplazamiento
0.6
Amplitud
0.6
0.4
0.4
0.2 0.2
0 0
0 0.5 1 0 500 1000
Tiempo (s) Frecuencia (Hz)
2
10
0
10
-2
mm/s rms
10
-4
10
-6
10
-8
10
Hz
160
140
120
mm/s rms
100
80
60
40
20
Hz
Para el caso de una señal armónica de amplitud A (de 0 al peak), el valor RMS es
A
√
2
Ver figura 2.38.
Dado que el valor RMS de la señal es en cierta forma un promedio, el cambio de alguna componente
espectral especifica tiende a cambiar poco su valor aun si el cambio de la componente es importante.
Un ejemplo se muestra en figura 2.39 para el caso de una caja reductora. El espectro superior indica la
condición del equipo en el mes 1, el inferior, lo mismo pero 2 meses después. Si bien la componente a 1X
creció 20 dB, el valor RMS global solo se incremento 10 dB.
66 CAPÍTULO 2. ANÁLISIS DE FOURIER
1 1
0.8
0.6 0.8
0.4
Amplitud
0
-0.2 0.4
-0.4
-0.6 0.2
-0.8
-1 0
0 2 4 6 0 0.5 1 1.5
Tiempo (s) Frecuencia (Hz)
y = sin 2πf0 t
fs = 20f0
>>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 CAPÍTULO 2. ANÁLISIS DE FOURIER
[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 BIBLIOGRAFÍA