CAPITULO Nº5.

TRANSFORMADA CONTINUA Y DISCRETA DE

FOURIER Y DENSIDAD ESPECTRAL DE POTENCIA

EJEMPLO 1. Demuestre que la transformada de Fourier, X(f), de x(t) =A sen 2  f0t es:
𝐴
|𝑋(𝑓)| = [ (𝑓 − 𝑓0 ) +  (𝑓 + 𝑓0 )]
2

Donde : delta de Dirac = 1 para f=f0

= 0 para f f0

∞
Para ello utilice la propiedad: ∫−∞ 𝑥(𝑡) 𝑒 −𝑗2 (𝑓−𝑓0 )𝑡 𝑑𝑡 = (𝑓 − 𝑓0 )

Escriba aquí la ecuación.

∞ ∞
−𝑗2 𝑓 𝑡
𝑋(𝑓) = ∫ 𝑥(𝑡) 𝑒 𝑑𝑡 = ∫ 𝐴𝑠𝑒𝑛2𝑓0 𝑡 · 𝑒 −𝑗2 𝑓 𝑡 𝑑𝑡
−∞ −∞
1
Como: 𝑒 𝑗 = cos  + 𝑗 𝑠𝑒𝑛  𝑠𝑒𝑛 = 2𝑗 ⌈𝑒 𝑗 − 𝑒 −𝑗 ⌉
𝑒 −𝑗 = cos  − 𝑗 𝑠𝑒𝑛 
∞
𝐴 𝑗2 𝑓 𝑡
𝑋(𝑓) = ∫ [𝑒 0 − 𝑒 −𝑗2 𝑓0 𝑡 ] 𝑒 −𝑗2 𝑓 𝑡 𝑑𝑡 =
2𝑗
−∞
∞ ∞
𝐴
= { ∫ 𝑒 −𝑗2 (𝑓−𝑓0) 𝑡 𝑑𝑡 − ∫ 𝑒 −𝑗2 (𝑓+𝑓0 )𝑡 𝑑𝑡}
2𝑗
−∞ −∞

𝐴 𝐴 𝐴
𝑋(𝑓) = [(𝑓 − 𝑓0 ) − (𝑓 + 𝑓0 )] = − 𝑗 (𝑓 − 𝑓0 ) + 𝑗 (𝑓 + 𝑓0 )
2𝑗 2 2

|𝑋(𝑓)|: 𝑀ó𝑑𝑢𝑙𝑜 𝑑𝑒 𝑋(𝑓)

𝐼𝑚
(𝑓): 𝑓𝑎𝑠𝑒 𝑑𝑒 𝑋(𝑓) = 𝑎𝑟𝑐 𝑡𝑔( )
𝑅𝑒
Considerando:
i) Que en Ingeniería Mecánica las frecuencias negativas no tienen sentido físico
ii) Que el espectro es simétrico respecto al origen

Los analizadores presentan solo el espectro para frecuencias positivas (llamado espectro
a un lado), multiplicando el módulo de las componentes por 2

EJEMPLO 2. Demuestre que la transformada de Fourier de la ventana rectangular o

uniforme:
𝑅(𝑡) = 1 𝑝𝑎𝑟𝑎 0 ≤ 𝑡 ≤ 𝑇
=0 para t>T

𝑇 𝑠𝑒𝑛 (𝑓𝑡) −𝑗𝑓𝑡

𝑅(𝑓) = 𝑒
𝑓𝑡

NOTA: Recordar que la transformada de Fourier de una función no-periódica da espectro

continuo: Si la función es periódica se obtiene un espectro a rayas
EJEMPLO 3.Efecto de la troncadura de la señal: Fugas laterales

a)

b
b)

a) Transformada de Fourier de una sinusoidal de longitud infinita

b) Transformada de Fourier de una sinusoidal de longitud finita

𝑋(𝑓) = ∫ 𝐴𝑠𝑒𝑛 2𝑓0 𝑡 𝑒 −𝑗2 𝑓 𝑡 𝑑𝑡 =

0

𝑇 ∞
𝐴
= {∫ 𝑒 −𝑗2 (𝑓−𝑓0) 𝑡 𝑑𝑡 − ∫ 𝑒 −𝑗2 (𝑓+𝑓0 )𝑡 𝑑𝑡}
2
0 −∞

𝐴𝑇 𝑠𝑒𝑛 (𝑓 − 𝑓0 )𝑇 −𝑗(𝑓−𝑓 𝑇 𝑠𝑒𝑛 (𝑓 + 𝑓0 )𝑇 −𝑗(𝑓+𝑓 𝑇

𝑋(𝑓) = { 𝑒 0) + 𝑒 0) }
2 (𝑓 − 𝑓0 )𝑇 (𝑓 +)𝑇
NOTAS: 1) Observe que la transformada de Fourier tiene unidades de: MAG·tiempo, por
lo tanto para tener X(f) en unidades de MAG hay que dividir por el tiempo T.
2) El espectro es equivalente a trasladar El espectro de la ventana a f= fo

TRANSFORMADA DISCRETA DE FOURIER, TDF

El primer paso para utilizar la TDF es tomar valores puntuales de la

señal vibratoria (digitalizar o discretizar). Sea:

x(n) : valores discretos de la señal temporal, n = 1, 2, ...N

N : número de puntos de discretización de la señal temporal

Δt : intervalo de discretización en la señal temporal

T=N Δt: tiempo de muestreo (tiempo tomada de la señal

temporal para realizar el cálculo del espectro).

fs 1/Δt : frecuencia de muestreo (sampling).

La TDF transforma a través de las siguientes expresiones, N

puntos tomados de la señal temporal, en N/2 puntos discretos en el
espectro (llamadas líneas para explicitar que se trabaja en el dominio
frecuencia).

n
2
X(k)=
N
 x(n) e
n=1
- j2kn/N
k = 1, 2, N/2

N
1
X(0)=
N
 x(n)= componente continua o valor medio
n=1

es decir, la TDF entrega valores en frecuencia separados por Δf, donde:

Δf = 1/T : resolución en frecuencias

N
fmáx = f : frecuencia máxima en el espectro
2
X(k) = valor de la componente en el espectro
correspondiente a la frecuencia fk = k Δf
ιX(k)ι = amplitud o módulo de la componente correspondiente a
la frecuencia fk

Transformada discreta de Fourier

 Ejemplo de cálculo de la Transformada Discreta de Fourier.

Ventana de Hanning
EJEMPLO

Determinar con la ventana rectangular o uniforme y con la ventana de Hanning, H, la

transformada de Fourier, X(f), de la señal truncada x(t) en un tiempo T:

x(t )  Xo cos(2f 0t )

Solución:
La transformada de Fourier esta dada por:


 x(t )e
 j 2ft
X( f )  dt


dado que nuestro problema es equivalente a tener una señal periódica infinita en el
tiempo ponderada por una ventana que trunca la señal, su espectro será el de la ventana
de ponderación desplazado a la frecuencia de la señal.

a) Usando una ventana rectangular:

1 0  t  T
R  
0 t T
su transformada de Fourier es:

senfT   jft
T
 R ( f )   e  j 2ft dt  e
0
f

senfT 
R ( f ) 
f

por lo tanto, la X(f) es:

X 0 sen  f  f 0 T
XR( f ) 
T   f  f0 
b) Usando una ventana de Hanning:

 1 1  cos 2Tt  0  t  T
H  2
 0 t T
con las identidades de Euler se tiene:
  2t   2t 
j t  j t
e  T 
e  T 
cos 2Tt 
2
y la transformada de Fourier de la ventana es:

  2t 
j t t 
 2t 
 j
T
1  e  T 
 e  T    j 2ft
 H ( f )   1  e dt
0
2 2 
 

1   j 2ft 1 j  T t  j 2ft 1  j  T t  j 2ft 

T  2t   2t 

H ( f )   e  e e  e e dt
2 0  2 2 


1   j 2ft 1  j  2f  T t 1  j  2f  T t 

T  2   2 

H ( f )   e  e  e dt
2 0  2 2 


1   j 2ft 1  j 2  f  T t 1  j 2  f  T t 

T  1  1

H ( f )   e  e  e dt
2 0  2 2 

1  senfT   jfT 1  sen  fT  1  j  fT 1 sen  fT  1  j  fT 1  
H ( f )   e   e  e 
2  f 2    f  T1    f  T1  


1  senfT  1  sen  fT  1 j sen  fT  1  j    jfT

H ( f )     e  e  e
2  f 2    f  T1    f  T1  


1  senfT  1  sen  fT  1 sen  fT  1    jfT

H ( f )        e
2  f 2   f  T1    f  T1   

1  senfT  1  senfT  senfT     jfT

H ( f )       e
2  f 2    f  T1    f  T1   

1  senfT  senfT   f  T1  f  T1    jfT

H ( f )      e
2  f 2   f  T1  f  T1   

1  senfT  senfT      jfT

H ( f )    e
f

2  f

 
 f  T2
2 1
  


1  senfT  senfT   fT 2    jfT

H ( f )      e
2  f   f 2T 2  1
   

1  senfT   f 2T 2    jfT
 H ( f )   1  2 2  e
2  f  f T 1   
 1  senfT   f 2T 2  1  f 2T 2    jfT
 H ( f )     e
2  f  
f 2T 2  1  
1  senfT    jfT
 H ( f )   e

2  f 1  f 2T 2  
1 senfT 
H ( f ) 

2 f 1  f 2T 2 
Y por lo tanto:

X0 sen  f  f 0 T
XH ( f ) 

2T   f  f 0  1   f  f 0 2 T 2 
El valor de las respuestas para f  f 0 (aplicando L`Hôpital) es:

a) para la señal ponderada por la ventana rectangular x(t):

sen  f  f 0 T T cos  f  f 0 T
X R ( f )  lím X 0  X0  X0
f  f0   f  f 0 T T

b) para la señal ponderada por la ventana de Hanning x (t ) :

X0 sen  f  f 0 T X T cos  f  f 0 T X
X H ( f )  lím  0  0
f  f0 
2T   f  f 0  1   f  f 0  T
2 2
 
2T  1  3 f  f 0  T
2 2
 2

En la figura 1 se muestra la forma de onda y la transformada de Fourier ponderada por

la ventana rectangular. La figura 2 muestra la forma de onda y la transformada de
Fourier ponderada por la ventana de Hanning.
Figura 3 muestra las transformadas de Fourier de las figuras anteriores y los resultados
de la Transformada discreta de Fourier al tomar un número entero de periodos.
 x(t)
1

0.5

x/Xo
0

-0.5

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t/T
X(f)
1

0.8

0.6
X/Xo

0.4

0.2

0
-10 -8 -6 -4 -2 0 2 4 6 8 10
(f-fo)T

Figura 1. Señal Ponderada por una Ventana Rectangular.

x(t)
1

0.5
x/Xo

-0.5

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t/T
X(f)
1

0.8

0.6
X/Xo

0.4

0.2

0
-10 -8 -6 -4 -2 0 2 4 6 8 10
(f-fo)T

Figura 2. Señal Ponderada por una Ventana de Hanning

 Figura 3. Comparación de los Espectros para las Ventanas Rectangular y de
Hanning

1) En la figura 2 se observa que la ventana de Hanning disminuye la ENERGÍA en la

señal. En la figura 3 se ve que para obtener el peak a X0correspondiente con la
ventana de Hanning a f 0 se debe multiplicar las amplitudes por un factor igual a 2.

2) Sin embargo, si se quiere mantener la potencia en el espectro la potencia se deberán

multiplicar los valores por 8/3, debido a que la potencia en el espectro es:

(X0/2)2 + 2· (0.25X0)2 = 3/8 (X0)2

en lugar de (X0)2

Espectros de vibraciones aleatorias o de

“pasto”

Cuando se generan vibraciones aleatorias, o “pasto”, inherentes al proceso

mismo de valor significativo, ellas pueden ocultar otras frecuencias discretas indicadoras
de fallas. Para poder analizar el espectro en este caso, es necesario poder alisar el
“pasto” y en algunos casos disminuir dicho valor como se verá a continuación.

Para ilustrar lo anterior, consideremos una señal aleatoria compuesta por 1000
componentes de igual valor 1 mm/s, separadas entre ellas a 1 cpm como se indica en
figura 1. Para obtener un “pasto alisado” o de valor uniforme en el espectro, como se

observa en figura 8, se ha promediado muchos espectros (como se verá a

continuación).

FIG. 1. Espectro de vibración aleatoria alisada con muchos promedios.

PREGUNTA
Dibuje el espectro que espera obtener para la vibración de figura 8, pero ahora
utilizando

a) Una resolución en frecuencias f= 10 cpm

b) Una resolución en frecuencias f= 100 cpm
RESPUESTA:

Figura 9 muestra los espectros con f=10cpm y f=100cpm respectivamente. El

valor en cada línea espectral del espectro, será el valor de la potencia en la banda de
frecuencias f
- Para f=10 cpm habrá 10 componentes de valor 1mm/s, por lo que su
potencia será:
𝑉𝑅𝑀𝑆 =
√12 + 12 + 12 + 12 + 12 + 12 + 12 + 12 + 12 + 12 = 3.16 𝑚𝑚/𝑠

- Para f=100 cpm habrá 100 componentes de valor 1mm/s, por lo que su potencia
será:

𝑉𝑅𝑀𝑆 = √100 = 10 𝑚𝑚/𝑠

FIG. 9. Espectros con diferentes resoluciones en frecuencias: 1, 10 y 100cpm

Conclusión
 El valor de cada línea espectral es la potencia contenida en un ancho de banda f
en torno a ella, por lo que su valor para el caso de vibraciones aleatorias será muy
dependiente del valor de f utilizado en el análisis.

Para determinar en forma confiable que existen componentes a

frecuencias discretas en un espectro con mucho pasto, se utilizan dos
herramientas: alisar el pasto y/o disminuir su valor. El pasto se va alisando a un
valor uniforme (sin picos en el espectro) a medida que aumenta el número de
promedios. El valor del pasto disminuye de valor en el espectro al disminuir la
resolución en frecuencias, como se ilustra en figura 9. En resumen:

Para que el “pasto” en el espectro no dificulte el diagnóstico, se utiliza:

1. Para “alisar el pasto”  Aumentar el número de promedios

2. Para disminuir su valor  Mejorar resolución en frecuencias

Lo anterior se ilustra en figura 13. Comparando los espectros mostrados

en figura 10 y figura 13 superior, se aprecia claramente cómo se alisó el “pasto”
al aumentar el número de promedios de 4 a 80.

Comparando los espectros mostrados en figura 13, se aprecia que al

utilizar una mejor resolución en frecuencias, se disminuye el valor del “pasto”
en el espectro. Observar que el valor del pasto disminuyó de 0.021mm/s a
0.007mm/s al disminuir la resolución en frecuencias de 10 cpm a 1cpm

1.4. Espectro de potencia o espectrograma

El espectro de potencia es un gráfico de la potencia en cada línea

espectral. Figura 14 compara el espectro de la velocidad y su espectro de
potencia. El espectro de potencia da una visión más cuantitativa de cómo está
distribuida la potencia de la señal vibratoria (y por lo tanto, lo dañino de ella) en
las diferentes frecuencias.
 En el espectro de potencia de figura 14 se aprecia claramente que la
componente de mayor frecuencia es muy poco nociva para la máquina; lo que
no se aprecia de la misma forma en el espectro de la velocidad.

FIG. 14. Espectro y espectro de potencia

1. EFECTO DE AUMENTAR EL NUMERO DE PROMEDIOS: ALISAR

2. EFECTO DE DISMINUIR f : DISMINUIR EL VALOR DEL PASTO

 FIG. 13. Formas de destacar componentes discretas existentes en un espectro
con pasto.

1.5. Densidad espectral de potencia: Power Spectral Density (PSD)

En el punto anterior se ilustró que el valor de las componentes espectrales para las
vibraciones aleatorias son muy dependientes de la resolución en frecuencias con que se
realice el análisis. Entonces surge la pregunta: ¿Cómo evaluar en el espectro la severidad
de una vibración aleatoria, si ella es muy dependiente de la resolución en frecuencias
con que se realiza el espectro?

Para cuantificar el valor de una vibración aleatoria en el espectro,

independiente del f usado se utiliza la densidad espectral de potencia. Esta
magnitud es independiente de la resolución en frecuencias utilizada como se
ilustra en el ejemplo siguiente. La densidad espectral de potencia, PSD (Power
Spectral Density), está definida como la potencia vibratoria en cada línea
espectral dividida por Δf efectiva (resolución en frecuencias efectiva utilizada en
el análisis).

PSD (Densidad Espectral de Potencia) =Potencia en cada línea espectral/

Δf efectiva

Δf efectiva = Δf· Factor de ventana

 Factor de ventana : Ventana Uniform : 1.0
Ventana de Hanning : 1.5

Unidades de medida de PSD : g2/Hz ; (mm/s)2/cpm ; (mm/s)2/Hz;

m2/cpm

Otra magnitud que se utiliza en los analizadores de vibraciones para

cuantificar esto es la raíz cuadrada de la PSD. La unidad utilizada es entonces:
√𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎/𝐻𝑧

La resolución en frecuencias efectiva también es utilizada para determinar

la resolución mínima en frecuencias requerida para poder separar en el espectro
componentes que tienen frecuencias muy cercanas. Para poder separar en el
espectro componentes que tengan frecuencias cercanas y de valores de amplitud
similares, es necesario que:

Resolución en frecuencias, Δf ≤ Diferencia en frecuencia de las componentes/ Factor

de ventana

Si las componentes a separar en el espectro tuviesen valores muy

diferentes se requiere una mejor resolución en frecuencias que la dada por la
relación anterior

EJEMPLO
Dibuje los espectros de figura 9 expresados ahora en PSD (mm/s)2/ cpm.
Saque conclusiones.
RESPUESTA:

 Para el espectro de figura 9 con f efectivo = 1 cpm:

Potencia de cada línea=12(mm/s)2  PSD =1(mm/s)2/1cpm =1(mm/s)2/cpm

 Para el espectro de figura 9 con f efectivo = 10 cpm:

Potencia de cada línea=3.162(mm/s)2 PSD =10(mm/s)2/10cpm
=1(mm/s)2/cpm

 Para el espectro de figura 9 con f efectivo = 100 cpm:

Potencia de cada línea=102(mm/s)2PSD =100(mm/s)2/100cpm
=1(mm/s) /cpm
2
Conclusión: Se observa que el valor de la densidad espectral de potencia, PSD,
es independiente del valor de la resolución en frecuencias utilizado.
Esto se ilustra en la figura 15

FIG. 15. Espectros de la densidad espectral de potencia para tres resoluciones

efectivas en frecuencias

1.5.1. Ruido eléctrico de los acelerómetros expresado en PSD

Figura 16 muestra parte de una hoja de datos de un acelerómetro

multipropósito de sensibilidad 100mv/g, donde se indica que el valor de su ruido
eléctrico espectral es:

 Para f= 10 Hz  √𝑃𝑆𝐷 = 14 g/(Hz)0.5

 Para f= 100 Hz  √𝑃𝑆𝐷 = 2.3 g/(Hz)0.5
 Para f= 1000 Hz  √𝑃𝑆𝐷 = 2 g/(Hz)0.5

NOTA: Observe que el ruido es mayor a bajas frecuencias y es menor a

altas fre
 FIG. 16. Acelerómetro multipropósito de sensibilidad 100 mv/g

Figura 17 muestra parte de una hoja de datos de un acelerómetro de baja

frecuencia de sensibilidad 500mv/g, donde se indica que el valor de su ruido
eléctrico espectral es:
 Para f= 10 Hz  √𝑃𝑆𝐷 = 1.7 g/(Hz)0.5
 Para f= 100 Hz  √𝑃𝑆𝐷 = 0.2g/(Hz)0.5
 Para f= 1000 Hz  √𝑃𝑆𝐷 = 0.12 g/(Hz)0.5

FIG. 17. Acelerómetro de baja frecuencia de sensibilidad 500 mv/g

 El ruido eléctrico del acelerómetro está directamente relacionado al diseño
del amplificador. Todos los amplificadores de los acelerómetros tienen un ruido
a altas frecuencias llamado “ruido de Johnson”. A bajas frecuencias el ruido es
inversamente proporcional a la frecuencia en un gráfico log-log como el de la
figura 18

𝑔/
√𝐻𝑧

14

2.3

FIG. 18 Ruido eléctrico típico de un acelerómetro piezoeléctrico