Captulo 2

An
alisis de Fourier
2.1.

Introducci
on

La figura 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 desalineamiento, 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 informaci
on, pero en un grafico 3D, es mostrada en figura 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 adem
as en el dominio frecuencia (figura 2.3).

2.2.

An
alisis de Fourier

La herramienta matem
atica que permite la descomposicion de una se
nal en sus componentes fundamentales 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
figura 2.6).

2.2.1.

Nociones b
asicas

La transformada continua de Fourier para la frecuencia se define como:

X(j) =

x(t)ejt dt

(2.1)

y su inversa por:
x(t) =

X(j)ejt d

N
otese que X(j) es una cantidad compleja.
un que solo
Observaci
on 34 La formula 2.1 permite el uso de frecuencias positivas y negativas. Lo com
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 4t segundos, entonces k-esima lnea de la transformada
47


CAPITULO 2. ANALISIS
DE FOURIER

48

Desbalanceamiento

0.8
0.6

-1
0
1

0.05

0.1

0.15

0.2

0.4

Desalineamiento

0.2

0
-0.2

-1
0
1

0.05

0.1

0.15

0.2

Engranajes

-0.4
-0.6
-0.8

-1
-1
0

0.05

0.1

0.15

0.2

0.05

Tiempo

0.1

0.15

0.2

Tiempo

Figura 2.1: Vibracion global

em

Fr
ec
ue
nc
ia

po

Ti

Se

al
m
ed

id
a

Amplitud

Figura 2.2: Representacion tiempo-frecuencia

Fr ecuencia
Figura 2.3: Espectro de la se
nal


2.2. ANALISIS
DE FOURIER

49

Figura 2.4: Poder de diagnosis de un espectro

Transformada
de
Fourier
Seal temporal

Espectro

Figura 2.5: Transformada de Fourier

T
1

0.5

To

-0.5

-1
0

0.5

Tiempo
Figura 2.6: Muestreo discreto

1.5


CAPITULO 2. ANALISIS
DE FOURIER

50

f=1/T

f
f
Figura 2.7: Muestreo y espectro discretos
discreta de Fourier est
a definida por:
X(k)
X(0)

=
=

N
n
2 X
x(n)ej2k N , k = 1, .., N/2
N n=1
N
1 X
x(n)
N n=1

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:
4f =

1
T

Como se ver
a a continuaci
on, 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 estar
a compuesto por un numero limitado de lneas, y la distancia entre cada una en frecuencia 4f est
a dada
por:
1
4f =
T
donde T es el periodo de muestreo definido por la figura 2.6. Notese que no tiene nada que ver con el
periodo T0 de la se
nal.
Mientras mas corto es el periodo de muestreo, mayor sera el paso en frecuencias. Ello puede suscitar
problemas para el diagn
ostico 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 componente 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
figura 2.9. N
otese que en el caso superior hay suficientes puntos por cada periodo de la se
nal para que la


2.2. ANALISIS
DE FOURIER

51

Figura 2.8: Resolucion 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 se
nal; 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 soluci
on al problema se deben tomar 2 medidas:
Aplicar una frecuencia de muestreo fs que cumpla con el teorema de muestreo de Nyquist
fs > fmax
donde es una constante mayor que 2 (usualmente se usa 2.56).
Aplicar un filtro an
alogo pasa-bajos (o anti-aliasing) que extraiga todas las componentes superiores a fmax .
Observaci
on 36 En la practica industrial, basta con configurar la frecuencia m
axima de an
alisis del
colector para que los filtros (an
alogos 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
4f =

1
T

por lo que para poder mostrar una componente a f0 =

1
T0

es necesario que:

f0
sea entero
4f

(2.2)


CAPITULO 2. ANALISIS
DE FOURIER

52

0.64A

Figura 2.10: Efecto de rendija

Figura 2.11: Hoja tecnica de un acelerometro industrial

Sea T = T0 donde es el numero de ciclos de la se
nal que son considerados. Entonces:
f0
=
4f

1
T0
1
T0

De aqu se ve que la condici

on 2.2 se cumple para entero. Tal situacion 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 = 1,5 ocurre la situaci
on 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 electrico del sensor es de 50 g (491 m/s2 ), 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.

53

Aceleracin

2.3. VENTANAS

50 g
Frecuencia
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
tomar
a un m
ultiplo exacto del periodo propio de la se
nal T0 . Tal situacion 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 se
nal y se logra que
el intervalo [0, T ] sea tambien la frecuencia con la cual se repite la se
nal (a fines 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 m
as usadas para disminuir el efecto de fugas. Esta descrita por:


t
h(t) = cos2
2T
con
t (T, T )
donde T es el intervalo muestreado de las se
nal. La figura (??) muestra este tipo de ventana.
Otra ventana muy usada es la de Hamming[1] (figura 2.17)


CAPITULO 2. ANALISIS
DE FOURIER

54

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
T
Seal adquirida

Ventana
Seal de entrada
para FFT
Figura 2.15: Aplicacion 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

0.2

0.4

0.6

0.8

2*t/T

Figura 2.16: Ventana de Hanning

55

2.3. VENTANAS

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

0.1

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

t/T

Figura 2.18: Ventana Flat top

0.9


CAPITULO 2. ANALISIS
DE FOURIER

56

Seal
Anloga

ADC
16 bit s
51.2 KHz
+ / - 2.5 Vpeak

Seal
Digit al

Figura 2.19: Conversion analogo-digital

+2.5V

+32768

+25G

-2.5V

-32768

-25G

Figura 2.20: Fondo de escala y rango dinamico



t
y(t) = 0,54 + 0,46 cos
T
2

con

t (T /2, T /2)
Finalmente, presentamos la ventana Flat top (figura 2.18):




t
t
+ 0,1980399 cos 4
y(t) = 0,2810639 0,5208972 cos 2
T
T
con
t (0, 1)

2.4.

Discretizaci
on

La se
nal an
aloga 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 2n1 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 parametro importante y que usualmente depende
del usuario es el fondo de escala que limita el voltaje aceptable para el conversor (en la figura, la se
nal
debe estar en el rango [2,5, 2,5] V).
Tomemos el caso mostrado en figura 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:
3276
= 70 dB
DR = 20 log
1
Si hubiese utilizado el 100 % del fondo de escala (lo que puede truncar la se
nal digital):
DR = 20 log

32768
= 90 dB
1

La calidad de la conversi
on tambien depende del tipo de se
nal. Por ejemplo una se
nal de desplazamiento tiende a reducir las componentes a alta frecuencia, por lo que estas componentes podran aprovechar

57

2.5. COMPONENTE DC

+2.5V

0.5V

-2.5V

Amplitud

Figura 2.21: Rango dinamico

Velocidad

Rango
Rango

Desplazamiento
Frecuencia

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 (figura 2.22).

2.5.

Componente DC

Aun si la parte din

amica 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 figura 2.23). Para solventar tal situacion se debe aplicar un filtro
an
alogo DC antes del ADC.

2.6.

Par
ametros de adquisici
on

Usuario selecciona:
Ancho de banda;
Numero de lneas;
Tipo de ventana.
Supongamos que se tom
o una frecuencia maxima de 5 KHz, con 3200 lneas. Se tiene entonces:


CAPITULO 2. ANALISIS
DE FOURIER

58

0.5V

+2.5V

+32768

-2.5V

-32768

DC

Figura 2.23: Efecto de la componente DC

1

1
0.8

0.8

0.6

0.2

Amplitud

Desplazamiento

0.4

0
-0.2

0.6

0.4

-0.4

0.2

-0.6
-0.8
-1
0

Tiempo (s)

0
0

0.5
1
Frecuencia (Hz)

1.5

Figura 2.24: Se
nal armonica simple
Resoluci
on en frecuencia:

5000 Hz
= 1,5625 Hz/lnea
3200 lneas

Nro. puntos en el tiempo:

3200 2,56 = 8192 puntos
frecuencia de muestreo:
5000 Hz 2,56 = 12800 Hz
Tiempo de muestreo:

Resoluci
on en tiempo:

2.7.

8192
= 0,64 s
12800
1
= 7,8125E 5 s/punto
12800

Espectros usuales

Como se vio anteriormente la una se

nal armonica simple es caracterizada por una sola lnea en el
espectro (figura 2.24).
La se
nal peri
odica muestra una serie de lneas. La primera lnea aparece a 1/T0 (T0 es el periodo de
la se
nal), 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 identificacion modal. Un ejemplo real se muestra en figura 2.27.
En este caso, el sensor est
a colocado sobre uno de los descansos de una sierra circular. La se
nal temporal

59

2.7. ESPECTROS USUALES

3
1.5

To

Amplitud

Desplazamiento

0
-1
-2

1/To

0.5

-3
-4

Tiempo (s)

1
2
Frecuencia (Hz)

Figura 2.25: Se
nal periodica
0.02

0.5

0.015

Am plit ud

Desplazam ient o

0.01

-0.5

-1

0.005

Tiem po (s)

10

Fr ecuencia ( Hz)

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.

Modulaci
on

Si el la se
nal transiente se repite en el tiempo (ver figura 2.28) se tiene una se
nal peri
odica que se
repite cada T0 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 est
a rodeada de las llamadas bandas laterales que estan distantes n/T0 , n = 2, 3, ..
Hz de la lnea principal.
En la figura 2.29 se muestra un ejemplo real de modulacion. En este caso el peak de la transiente
excitada est
a 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 m
as importante que la frecuencia de la alta frecuencia (transiente) es
la tasa de repetici
on del evento. La figura 2.30 muestra patrones en el espectro para fallas distribuidas y
locales respectivamente. A fin de detectarlo mas claramente, tambien se puede aplicar un filtro envolvente
nal
(figura 2.31) que solo considera el evento a baja frecuencia. Como resultado del filtrado queda una se
peri
odica, cuyo frecuencia fundamental es la frecuencia de repeticion del evento a alta frecuencia. El
proceso se describe en figura 2.32.
La modulaci
on corresponde al producto de la interaccion entre fen
omenos fsicos. En el espectro ello


CAPITULO 2. ANALISIS
DE FOURIER

60

aspec s/n 22870

rms (Volts)

0.03

s/n 22870:Volts

0.02
0.01
0
2000

2500

3000
x:linear Hertz

3500

4000

s/n 22870
s/n 22870:Volts

real (Volts)

-5
0

0.1

0.2

0.3
sec.

0.4

0.5

0.6

Figura 2.27: Impacto inicial en sierra circular

0.5
0.45
0.4

0.5
Amplitud

Desplazamiento

0.35

0.3
0.25
0.2

1/T

0.15

-0.5
0.1
0.05

-1

0.05
Tiempo (s)

700

800

900

Frecuencia (Hz)

3023.4,28.1

Figura 2.28: Se
nal con modulacion

0.035
0.03

+
0.02

Aceleracin

0.025

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 modulacion en ventilador

61

2.7. ESPECTROS USUALES

Figura 2.30: Modulacion de fallas locales y distribuidas

Envolvent e

Tiem po

Figura 2.31: Filtro envolvente

Figura 2.32: Proceso de demodulacion


CAPITULO 2. ANALISIS
DE FOURIER

62

se evidencia como la traslaci

on 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 naturales 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]:
xp (t) = Ap cos (p t)
La se
nal modulada (
osea, la portadora modulada por una se
nal moduladora f (t)) se expresa como:
xm = [1 + f (t)] Ap cos (p t)
donde es el ndice de modulaci
on.
En el caso de que la se
nal moduladora sea senoidal:
f (t) = cos(m t)
Entonces
xm = [1 + cos(m t)] Ap cos (p t)
lo que se puede expresar como:
Ap
[cos (p + m ) t + cos (p m ) t]
2
mostrara componentes a p , p + m , p m .

xm = Ap cos (p t) +
lo que implica que el espectro de xm

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 figura 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 (figura 2.34).
Un tipo de se
nal importante para el an
alisis modal experimental es la se
nal 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 excitaci
on contiene componentes en un rango ancho de frecuencias, lo que
provocar
a 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 (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 = 106 mm/s
A continuaci
on se presenta una lista de unidades standard en dB:

63

2.8. UNIDADES STANDARD

0.4

0.35
0.3
Amplitud

Desplazamiento

1
0
-1
-2

0.2
0.15
0.1

-3
-4

0.25

0.05
0

1
Tiempo (s)

50
Frecuencia (Hz)

Figura 2.33: Se
nal aleatoria

Figura 2.34: Aplicacion de promedios

y/yref
100

10
2
1
1/ 2
1/10
1/100

dB
40
10
3
0
3
20
40

Cuadro 2.1: Equivalencia dB


CAPITULO 2. ANALISIS
DE FOURIER

64

x 10

-3

1
0.8

0.6

Amplitud

Desplazamiento

0.8

0.4

0.6
0.4

0.2

0.2

0
0

0.5
Tiempo (s)

0
0

500
1000
Frecuencia (Hz)

Figura 2.35: Se
nal impulsiva

Tipo de se
nal
Velocidad
Aceleraci
on
Voltaje
Voltaje
Presi
on

Denominacion
VdB
AdB
DBV
DBmV
dB-SPL

Valor de referencia
106
103
1
1
105

Unidad
mm/s
mm/s2
V
mV
Pa

Cuadro 2.2: Unidades dB standard

10

mm/s rms

10

10

10

10

10

-2

-4

-6

-8

50

100

150

200

250

300

350

400

450

500

Hz
Figura 2.36: Se
nal representada en escala logartmica

65

2.9. TIPO DE VALOR MOSTRADO

160

mm/s rms

140

120

100

80

60

40

20

50

100

150

200

250

300

350

400

450

500

Hz
Figura 2.37: La misma se
nal de figura 2.36 en formato bilineal

2.9.

Tipo de valor mostrado

A fin de caracterizar la vibraci

on 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, 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 an
alogo es calculado desde la se
nal temporal directamente:
rP
2
i vi
VRM S =
N
donde
vi es el valor de la se
nal adquirida en el instante ti ;
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):
sX
2
vi,RM
VRM S =
S
i

Para el caso de una se

nal arm
onica de amplitud A (de 0 al peak), el valor RMS es
A

2
Ver figura 2.38.
Dado que el valor RMS de la se
nal 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
condici
on del equipo en el mes 1, el inferior, lo mismo pero 2 meses despues. Si bien la componente a 1X
creci
o 20 dB, el valor RMS global solo se incremento 10 dB.


CAPITULO 2. ANALISIS
DE FOURIER

66

1
0.8

0.8

0.6

peak

RMS

0.2

peak to
peak

0
-0.2

peak

0.6
Amplitud

Desplazamiento

0.4

RMS

0.4

-0.4

0.2

-0.6
-0.8
-1
0

Tiempo (s)

0
0

0.5
1
Frecuencia (Hz)

1.5

Figura 2.38: Valor RMS

Figura 2.39: Tendencia de espectro vs tendencia del valor RMS

67

2.11. FACTOR DE CRESTA

Figura 2.40: RMS insensible, CF efectivo

2.11.

Factor de Cresta

Un indicador m
as sensible de falla que el nivel RMS es el factor de crestas (crest factor,CF ) definido
por:
CF =

Vpeak
VRM S

donde Vpeak es el valor m

aximo de la se
nal.
Si la se
nal es sinusoidal,
CF =

Ejemplo 16 Obtenga el espectro de la se

nal
y = sin 2f0 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))


CAPITULO 2. ANALISIS
DE FOURIER

68

2.12.

Comentarios finales

La transformada rapida de Fourier es la herramienta mas utilizada en el analisis de vibraciones.

La medici
on de la respuesta din
amica 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

BIBLIOGRAFIA