Professional Documents
Culture Documents
Analisis de Fourier
2.1. Introduccion
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 desalin-
eamiento, las vibraciones de los engranajes, etc. Cada una de estos problemas genera senales periodicas
cuya frecuencia es caracterstica, lo que permite diagnosticarlas. Aparece entonces el problema de separar
las diferentes frecuencias que aparecen en una misma senal (analisis espectral).
La misma informacion, pero en un grafico 3D, es mostrada en figura 2.2. Se aprecia como cada
componente de la senal medida puede ser descrita por un valor de amplitud y una frecuencia asociada.
La senal es mostrada ademas en el dominio frecuencia (figura 2.3).
y su inversa por:
Z
x(t) = X(j)ejt d
Observacion 34 La formula 2.1 permite el uso de frecuencias positivas y negativas. Lo comun que solo
las frecuencias positivas tengan sentido fsico. En tal caso se utiliza el espectro a un lado.
47
48 CAPITULO 2. ANALISIS 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
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 senal temporal) sea muy baja. El efecto se muestra en
figura 2.9. Notese que en el caso superior hay suficientes puntos por cada periodo de la senal para que la
2.2. ANALISIS 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 senal; 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 > fmax
Aplicar un filtro analogo pasa-bajos (o anti-aliasing) que extraiga todas las componentes superi-
ores a fmax .
Observacion 36 En la practica industrial, basta con configurar la frecuencia maxima de analisis del
colector para que los filtros (analogos 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 CAPITULO 2. ANALISIS DE FOURIER
0.64A
De aqu se ve que la condicion 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 situacion 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 senal 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
Aceleracin
50 g
Frecuencia
Figura 2.12: Componentes escondidas bajo el ruido
Seal de entrada
Seal asumida en el
algoritmo T.F. discreto
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:
t
h(t) = cos2
2T
con
t (T, T )
donde T es el intervalo muestreado de las senal. La figura (??) muestra este tipo de ventana.
Otra ventana muy usada es la de Hamming[1] (figura 2.17)
54 CAPITULO 2. ANALISIS DE FOURIER
Seal de entrada
Seal asumida en el
algoritmo T.F. discreto
Seal real
T
Seal adquirida
Ventana
=
Seal 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
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 2 + 0,1980399 cos 4
T T
con
t (0, 1)
2.4. Discretizacion
La senal analoga es transformada en senal 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 senal 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 senal
debe estar en el rango [2,5, 2,5] V).
Tomemos el caso mostrado en figura 2.21. La senal 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 dinamico
efectivo DR es:
3276
DR = 20 log = 70 dB
1
Si hubiese utilizado el 100 % del fondo de escala (lo que puede truncar la senal digital):
32768
DR = 20 log = 90 dB
1
La calidad de la conversion tambien depende del tipo de senal. Por ejemplo una senal de desplazamien-
to tiende a reducir las componentes a alta frecuencia, por lo que estas componentes podran aprovechar
2.5. COMPONENTE DC 57
+2.5V
0.5V
-2.5V
Figura 2.21: Rango dinamico
Rango
Velocidad
Amplitud
Rango
Desplazamiento
Frecuencia
muy pocos de los bits disponibles para ese nivel de senal. 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 dinamica de la senal es pequena, es posible que el ADC se sature debido a la existencia
de una componente DC en la senal (ver figura 2.23). Para solventar tal situacion se debe aplicar un filtro
analogo DC antes del ADC.
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 CAPITULO 2. ANALISIS 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)
Resolucion 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:
8192
= 0,64 s
12800
Resolucion 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. Modulacion
Si el la senal transiente se repite en el tiempo (ver figura 2.28) se tiene una senal periodica que se
repite cada T0 segundos. Ello ocurre usualmente cuando se produce un impacto de manera periodica. Lo
especial en este caso es que la componentes armonica dominante aparece a la frecuencia del pico de la
senal transiente. Ella esta 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 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 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
(figura 2.31) que solo considera el evento a baja frecuencia. Como resultado del filtrado queda una senal
periodica, cuyo frecuencia fundamental es la frecuencia de repeticion del evento a alta frecuencia. El
proceso se describe en figura 2.32.
La modulacion corresponde al producto de la interaccion entre fenomenos fsicos. En el espectro ello
60 CAPITULO 2. ANALISIS 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
Aceleracin
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 traslacion de la senal moduladora (de menor frecuencia) como bandas laterales de
la senal portadora (de mayor frecuencia). Causas usuales de modulacion en sistemas mecanicos son:
Rodamientos danados; 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 senal portadora (alta frecuencia) es senoidal [2]:
xp (t) = Ap cos (p t)
La senal modulada (osea, la portadora modulada por una senal moduladora f (t)) se expresa como:
xm = [1 + f (t)] Ap cos (p t)
donde es el ndice de modulacion.
En el caso de que la senal 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
xm = Ap cos (p t) + [cos (p + m ) t + cos (p m ) t]
2
lo que implica que el espectro de xm mostrara componentes a p , p + m , p m .
Ejercicio 14 Simule una modulacion en amplitud para diferentes tipos de senales moduladoras (senoidal,
cuadrada, sierra, periodica cualquiera, ruido blanco). Realice ademas un estudio de sensibilidad vs el ndice
de modulacion. Remtase a ref. [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 senal armonica de amplitud A (de 0 al peak), el valor RMS es
A
2
Ver figura 2.38.
Dado que el valor RMS de la senal 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
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 CAPITULO 2. ANALISIS 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 2f0 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 CAPITULO 2. ANALISIS 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 BIBLIOGRAFIA