Captulo 2

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).

2.2. Analisis de Fourier

La herramienta matematica que permite la descomposicion de una senal en sus componentes funda-
mentales es la transformada de Fourier.
Ella puede ser continua para senales en t (, ) o discreta para senales 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 basicas

La transformada continua de Fourier para la frecuencia se define como:
Z
X(j) = x(t)ejt dt (2.1)

y su inversa por:
Z
x(t) = X(j)ejt d

Notese que X(j) es una cantidad compleja.

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.

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

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

Figura 2.1: Vibracion global

A
a
id
ed

A
m

Fr
ec
al

ue
po

Se

nc
em

ia
Ti

Figura 2.2: Representacion tiempo-frecuencia

Amplitud

Fr ecuencia

Figura 2.3: Espectro de la senal

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

-0.5

-1
0 0.5 1 1.5
Tiempo

Figura 2.6: Muestreo discreto

50 CAPITULO 2. ANALISIS DE FOURIER

f=1/T

f
f
Figura 2.7: Muestreo y espectro discretos

discreta de Fourier esta definida por:

N
2 X n
X(k) = x(n)ej2k N , k = 1, .., N/2
N n=1
N
1 X
X(0) = x(n)
N n=1

Observacion 35 Notese que la componente estatica (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:
1
4f =
T
Como se vera a continuacion, hay una serie de parametros que deben ser tomados en cuenta para
utilizar adecuadamente el espectro de una senal.

2.2.2. Paso frecuencial

Consecuencia del tiempo de muestreo limitado y la discretizacion de la senal es que el espectro es-
tara compuesto por un numero limitado de lneas, y la distancia entre cada una en frecuencia 4f esta 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 senal.
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 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 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

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 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

Como solucion 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 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.

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 CAPITULO 2. ANALISIS DE FOURIER

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 senal que son considerados. Entonces:

1
f0 T0
= 1 =
4f T0

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

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 senal temporal [0, T ] implica en general que no se
tomara un multiplo exacto del periodo propio de la senal 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 senal y se logra que
el intervalo [0, T ] sea tambien la frecuencia con la cual se repite la senal (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 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

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 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 CAPITULO 2. ANALISIS DE FOURIER

Seal ADC Seal

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

Figura 2.19: Conversion analogo-digital

+2.5V +32768 +25G

-2.5V -32768 -25G

Figura 2.20: Fondo de escala y rango dinamico

 
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

Figura 2.22: Rango dinamico y tipo de senal

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.

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 CAPITULO 2. ANALISIS 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: Senal armonica simple

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

2.7. Espectros usuales

Como se vio anteriormente la una senal armonica simple es caracterizada por una sola lnea en el
espectro (figura 2.24).
La senal periodica muestra una serie de lneas. La primera lnea aparece a 1/T0 (T0 es el periodo de
la senal), 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 esta colocado sobre uno de los descansos de una sierra circular. La senal 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: Senal periodica

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: Senal 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 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

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: Senal con modulacion

3023.4,28.1

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)

Figura 2.29: Ejemplo de modulacion en ventilador

2.7. ESPECTROS USUALES 61

Figura 2.30: Modulacion de fallas locales y distribuidas

Envolvent e

Tiem po

Figura 2.31: Filtro envolvente

Figura 2.32: Proceso de demodulacion

62 CAPITULO 2. ANALISIS DE FOURIER

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].

2.7.2. Ruido en la senal

Una senal 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 senal tiende a hacer disminuir
las componentes asociadas a ruido aleatorio (figura 2.34).
Un tipo de senal importante para el analisis modal experimental es la senal 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 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 comun 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 continuacion 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: Senal aleatoria

Figura 2.34: Aplicacion 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 CAPITULO 2. ANALISIS 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: Senal impulsiva

Tipo de senal Denominacion Valor de referencia Unidad

Velocidad VdB 106 mm/s
Aceleracion AdB 103 mm/s2
Voltaje DBV 1 V
Voltaje DBmV 1 mV
Presion 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: Senal representada en escala logartmica

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 senal de figura 2.36 en formato bilineal

2.9. Tipo de valor mostrado

A fin de caracterizar la vibracion 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 estimacion de la energa contenida en
la senal.

Observacion 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 senal temporal directamente:
rP
2
i vi
VRM S =
N
donde
vi es el valor de la senal adquirida en el instante ti ;
N es el numero de puntos de la senal.
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 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

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 mas 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 maximo de la senal.
Si la senal es sinusoidal,
CF = 2

Ejemplo 16 Obtenga el espectro de la senal

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))
68 CAPITULO 2. ANALISIS DE FOURIER

2.12. Comentarios finales

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 BIBLIOGRAFIA