Capı́tulo 2

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).

2.2. Análisis de Fourier

La herramienta matemática que permite la descomposición de una señal en sus componentes funda-
mentales es la transformada de Fourier.
Ella puede ser continua para señales en t ∈ (−∞, ∞) o discreta para señales en t ∈ (0, T )
En la vida real solo se mide durante un cierto periodo de tiempo [0, T ] y en forma discreta (véase
figura 2.6).

2.2.1. Nociones básicas

La transformada continua de Fourier para la frecuencia ω se define como:
Z ∞
X(jω) = x(t)e−jωt dt (2.1)
−∞

y su inversa por:
Z ∞
x(t) = X(jω)ejωt dω
−∞

Nótese que X(jω) es una cantidad compleja.

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.

Si la señal es muestreada N veces cada 4t segundos, entonces k-esima lı́nea de la transformada

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

Figura 2.1: Vibración global

A
a
id
ed

A
m

Fr
ec
al

ue
po
ñ
Se

nc
em

ia
Ti

Figura 2.2: Representación tiempo-frecuencia

Amplitud

Fr ecuencia

Figura 2.3: Espectro de la señal

2.2. ANÁLISIS DE FOURIER 49

Figura 2.4: Poder de diagnosis de un espectro

Transformada
de
Fourier

Señal temporal Espectro

Figura 2.5: Transformada de Fourier

T
1

0.5
To
0

-0.5

-1
0 0.5 1 1.5
Tiempo

Figura 2.6: Muestreo discreto

50 CAPÍTULO 2. ANÁLISIS DE FOURIER

∆f=1/T

f
∆f
Figura 2.7: Muestreo y espectro discretos

discreta de Fourier está definida por:

N
2 X n
X(k) = x(n)e−j2πk N , k = 1, .., N/2
N n=1
N
1 X
X(0) = x(n)
N n=1

Observación 35 Nótese que la componente estática (f = 0) corresponde al valor promedio.

La frecuencia normalizada asociada a la k-esima lı́nea es k/N .

El paso entre lı́neas (paso frecuencial) está dado por:
1
4f =
T
Como se verá a continuación, hay una serie de parámetros que deben ser tomados en cuenta para
utilizar adecuadamente el espectro de una señal.

2.2.2. Paso frecuencial

Consecuencia del tiempo de muestreo limitado y la discretización de la señal es que el espectro es-
tará compuesto por un numero limitado de lı́neas, y la distancia entre cada una en frecuencia 4f está dada
por:
1
4f =
T
donde T es el periodo de muestreo definido por la figura 2.6. Nótese que no tiene nada que ver con el
periodo T0 de la señal.
Mientras más corto es el periodo de muestreo, mayor será el paso en frecuencias. Ello puede suscitar
problemas para el diagnóstico como se indica en figura 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 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

Figura 2.8: Resolución frecuencial pobre

Figura 2.9: Frecuencia de muestreo pobre

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

Como solución al problema se deben tomar 2 medidas:

Aplicar una frecuencia de muestreo fs que cumpla con el teorema de muestreo de Nyquist

fs > λfmáx

donde λ es una constante mayor que 2 (usualmente se usa 2.56).

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.

2.2.4. Efecto de rendija

Se tiene que
1
4f =
T
1
por lo que para poder mostrar una componente a f0 = T0 es necesario que:

f0
sea entero (2.2)
4f
52 CAPÍTULO 2. ANÁLISIS DE FOURIER

0.64A

Figura 2.10: Efecto de rendija

Figura 2.11: Hoja técnica de un acelerómetro industrial

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

Porción utilizada para T.F.

Señal asumida en el
algoritmo T.F. discreto

Figura 2.13: Efecto de truncación nulo

2.2.6. Efecto de fuga

El hecho de tomar un periodo discreto de la señal temporal [0, T ] implica en general que no se
tomará un múltiplo exacto del periodo propio de la señal T0 . Tal situación es descrita en figuras 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 señal y se logra que
el intervalo [0, T ] sea también la frecuencia con la cual se repite la señal (a fines de la FFT ), lo que
disminuye el efecto de fuga.

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

Porción utilizada para T.F.

Señal asumida en el
algoritmo T.F. discreto

Figura 2.14: Efecto negativo de truncación

Señal real

T
Señal adquirida
×
Ventana
=

Señal de entrada
para FFT

Figura 2.15: Aplicación de ventanas

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

Figura 2.16: Ventana de Hanning

2.3. VENTANAS 55

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

Figura 2.17: Ventana de Hamming

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

Figura 2.18: Ventana Flat top

56 CAPÍTULO 2. ANÁLISIS DE FOURIER

Señal ADC Señal

Análoga 16 bit s Digit al
51.2 KHz
+ / - 2.5 Vpeak

Figura 2.19: Conversión análogo-digital

+2.5V +32768 +25G

-2.5V -32768 -25G

Figura 2.20: Fondo de escala y rango dinámico

 
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

Figura 2.22: Rango dinámico y tipo de señal

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.

2.6. Parámetros de adquisición

Usuario selecciona:

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

Figura 2.23: Efecto de la componente DC

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)

Figura 2.24: Señal armónica simple

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

2.7. Espectros usuales

Como se vio anteriormente la una señal armónica simple es caracterizada por una sola lı́nea en el
espectro (figura 2.24).
La señal periódica muestra una serie de lı́neas. La primera lı́nea aparece a 1/T0 (T0 es el periodo de
la señal), las siguientes aparecen a n/T0 , n = 2, 3, ... (figura 2.25).
Una respuesta transiente (usualmente provocada por un impacto) tiene un espectro similar al de la
figura 2.26. En general aparecen varios valles y picos. Los picos corresponden en general a frecuencias
naturales. Ello es un primer paso en la identificación modal. Un ejemplo real se muestra en figura 2.27.
En este caso, el sensor está colocado sobre uno de los descansos de una sierra circular. La señal temporal
2.7. ESPECTROS USUALES 59

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)

Figura 2.25: Señal periódica

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)

Figura 2.26: Señal 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. 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

aspec s/n 22870

0.03 s/n 22870:Volts

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

0 0.1 0.2 0.3 0.4 0.5 0.6

sec.

Figura 2.27: Impacto inicial en sierra circular

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

Tiempo (s) Frecuencia (Hz)

Figura 2.28: Señal con modulación

3023.4,28.1

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)

Figura 2.29: Ejemplo de modulación en ventilador

2.7. ESPECTROS USUALES 61

Figura 2.30: Modulación de fallas locales y distribuidas

Envolvent e

Tiem po

Figura 2.31: Filtro envolvente

Figura 2.32: Proceso de demodulación

62 CAPÍTULO 2. ANÁLISIS DE FOURIER

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]:

xp (t) = Ap cos (ωp t)

La señal modulada (ósea, la portadora modulada por una señal moduladora f (t)) se expresa como:
xm = [1 + µf (t)] Ap cos (ωp t)
donde µ es el ı́ndice de modulación.
En el caso de que la señal moduladora sea senoidal:
f (t) = cos(ωm t)
Entonces
xm = [1 + µ cos(ωm t)] Ap cos (ωp t)
lo que se puede expresar como:
µAp
xm = Ap cos (ωp t) + [cos (ωp + ωm ) t + cos (ωp − ωm ) t]
2
lo que implica que el espectro de xm mostrará componentes a ωp , ωp + ωm , ωp − ωm .
Ejercicio 14 Simule una modulación en amplitud para diferentes tipos de señales moduladoras (senoidal,
cuadrada, sierra, periódica cualquiera, ruido blanco). Realice además un estudio de sensibilidad vs el ı́ndice
de modulación. Remı́tase a ref. [2].

2.7.2. Ruido en la señal

Una señal aleatoria en el tiempo no muestra patrones tal como se puede apreciar en figura 2.33. Ello es
importante pues al aplica promedios sucesivos de espectros de una misma señal tiende a hacer disminuir
las componentes asociadas a ruido aleatorio (figura 2.34).
Un tipo de señal importante para el análisis modal experimental es la señal impulsiva (figura 2.35).
Como se puede ver muestra un espectro plano. Si una estructura es excitada por un impulso inicial (un
martillazo por ejemplo) la excitación contiene componentes en un rango ancho de frecuencias, lo que
provocará respuestas también en un rango amplio. En ella se distinguirán 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 logarı́tmico. El formato logarı́tmico es ventajoso para visualizar variables que tomen valores
en varios ordenes de magnitud (el espectro vibracional, por ejemplo). Su formato más común son los
decibeles, que requieren el uso de un valor de referencia (Yref ). Un dB se define como:
dB = 20 log(y/yref )
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 continuación se presenta una lista de unidades standard en dB:
2.8. UNIDADES STANDARD 63

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)

Figura 2.33: Señal aleatoria

Figura 2.34: Aplicación de promedios

y/yref dB
100
√ 40
√10 10
2 3
1 √ 0
1/ 2 −3
1/10 −20
1/100 −40

Cuadro 2.1: Equivalencia dB

64 CAPÍTULO 2. ANÁLISIS DE FOURIER

-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)

Figura 2.35: Señal impulsiva

Tipo de señal Denominación Valor de referencia Unidad

Velocidad VdB 10−6 mm/s
Aceleración AdB 10−3 mm/s2
Voltaje DBV 1 V
Voltaje DBmV 1 mV
Presión dB-SPL 105 Pa

Cuadro 2.2: Unidades dB standard

2
10

0
10

-2
mm/s rms

10

-4
10

-6
10

-8
10

50 100 150 200 250 300 350 400 450 500

Hz

Figura 2.36: Señal representada en escala logarı́tmica

2.9. TIPO DE VALOR MOSTRADO 65

160

140

120

mm/s rms
100

80

60

40

20

50 100 150 200 250 300 350 400 450 500

Hz

Figura 2.37: La misma señal de figura 2.36 en formato bilineal

2.9. Tipo de valor mostrado

A fin de caracterizar la vibración global se han definido tres tipos de medida:

Peak, que caracteriza estados de sobrecarga e impactos;

Peak to Peak, usado cuando hay desplazamientos relativos;
RMS (Root Mean Square, raı́z del valor medio al cuadrado), que es una forma de promedio que
toma en cuenta toda la información registrada, y que es una estimación de la energı́a contenida en
la señal.

Observación 37 La norma ISO 2372 (severidad vibratoria) se basa en el valor RMS.

2.10. Valor RMS

El valor RMS análogo es calculado desde la señal temporal directamente:
rP
2
i vi
VRM S =
N
donde
vi es el valor de la señal adquirida en el instante ti ;
N es el numero de puntos de la señal.
El valor RMS digital es calculado como la norma del vector cuyas componentes son las amplitudes
(RMS): sX
VRM S = 2
vi,RM S
i

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

RMS peak peak to

0.2 0.6 peak RMS
peak
Desplazamiento

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)

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 más sensible de falla que el nivel RMS es el factor de crestas (crest factor,CF ) definido
por:
Vpeak
CF =
VRM S
donde Vpeak es el valor máximo de la señal.
Si la señal es sinusoidal, √
CF = 2

Ejemplo 16 Obtenga el espectro de la señal

y = sin 2πf0 t

con f0 = 2 Hz (T0 = 1/f0 = 0,5s) muestreada con frecuencia

fs = 20f0

puntos/s durante un periodo

T = 10T0
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 CAPÍTULO 2. ANÁLISIS DE FOURIER

2.12. Comentarios finales

La transformada rapida de Fourier es la herramienta más utilizada en el análisis de vibraciones.
La medición de la respuesta dinámica y su estudio a traves de esta tecnica en sistemas industriales
ha permitido el desarrollo de estrategias de gestión de mantenimiento centradas en la condición de los
equipos. Los ahorros provocados han sido reportados en multiples publicaciones, por ejemplo en ref. [3].
Bibliografı́a

[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