Comprensión del autoespectro
El autoespectro — también escrito como autospectrum, y llamado de manera informal espectro de potencia o simplemente “el espectro” — es la representación en el dominio de la frecuencia de una sola vibración señal, mostrando cómo la energía o amplitud is distributed across frequency. It is produced by taking the Transformada Rápida de Fourier (FFT) de un registro temporal y mostrar la magnitud de cada componente de frecuencia. El prefijo “auto-” lo distingue del cross-spectrum, which relates two different signals: an auto-spectrum is the spectrum of a signal taken with itself.
En el trabajo diario, esto es exactamente lo que la mayoría de los técnicos quieren decir cuando dicen “el espectro” o “la FFT” — la pantalla de frecuencia estándar en cada analizador de vibración, con sus picos en desbalance, frecuencias de falla de rodamientos, frecuencia de engranaje, y el resto. Reconocer que esta herramienta cotidiana es técnicamente un autoespectro es más importante cuando se entra en el trabajo multicanal, donde los cross-spectra, coherencia, y otras funciones de correlación entran en juego.
1. El fundamento matemático
Dos rutas hacia el mismo resultado
Hay dos formas matemáticamente equivalentes de llegar a un autoespectro:
- FFT directa: transformar la señal temporal, tomar la magnitud (o la magnitud al cuadrado) de cada bin complejo de la FFT y graficarlo contra la frecuencia. Esta es la ruta común y directa utilizada dentro de casi todos los instrumentos.
- A través de la autocorrelación: calcular primero la función de autocorrelación de la señal, luego tomar su FFT. Por el teorema de Wiener–Khinchin el resultado es idéntico al método directo — el mismo espectro alcanzado por una ruta computacional diferente.
Cuando la magnitud se eleva al cuadrado y se normaliza por unidad de frecuencia, la misma cantidad se convierte en una densidad espectral de potencia, que es la forma preferida para la vibración aleatoria de banda ancha.
Promediado para la estabilidad
Una sola FFT es estadísticamente ruidosa, por lo que varios autoespectros calculados a partir de registros temporales secuenciales se promedian para estabilizar la estimación y reducir la dispersión aleatoria. Para el diagnóstico rutinario de maquinaria, 4–16 promedios es lo típico; la vibración aleatoria de banda ancha puede necesitar 50–100 o más. El beneficio tiene el costo del tiempo de medición, por lo que el conteo de promedios es un compromiso deliberado y no “mientras más, mejor.”
2. Propiedades definitorias
Tres características surgen directamente de las matemáticas y vale la pena tenerlas en cuenta al leer cualquier espectro:
- Valor real: el autoespectro no tiene parte imaginaria. Representa solo la magnitud, por lo que la fase relación de fase de la señal original se descarta en el cálculo de la magnitud. Para la identificación de fallas en un solo punto, eso no es una pérdida; para el balanceo o el trabajo con funciones de transferencia, donde la fase es esencial, es una limitación real.
- Siempre positivo: los valores son siempre mayores o iguales a cero porque representan energía o potencia, que no pueden ser negativos.
- Simétrico para señales reales: el espectro de una señal temporal real es simétrico respecto a la frecuencia de Nyquist — las frecuencias negativas simplemente reflejan las positivas — por lo que solo se muestra la mitad positiva, y contiene toda la información.
3. El autoespectro en el diagnóstico de maquinaria
La pantalla diaria del analista
Esta es la gráfica en la que viven los técnicos. Muestra cada componente de frecuencia de vibración de una vez, y la tarea del analista es identificar cada pico y asociarlo con un tipo de falla — lo que convierte al autoespectro en la herramienta principal para diagnóstico de fallas y para la evaluación rutinaria de la condición.
Las características a buscar
- Pico de 1×: velocidad de funcionamiento vibración, dominada por el desbalance y otras fuentes de una vez por revolución.
- Pico de 2×: comúnmente desalineación o holgura mecánica.
- Frecuencias de rodamientos: BPFO, BPFI, BSF, y FTF, a menudo rodeado por bandas laterales.
- Frecuencia de engranaje: la frecuencia de engranaje y sus armónicos.
- Eléctrico: el doble de la frecuencia de línea (120 Hz en una red de 60 Hz, 100 Hz en una red de 50 Hz).
- Ruido de fondo: el nivel de fondo establecido por la vibración aleatoria y el ruido del instrumento, sobre el cual los picos genuinos deben destacarse.
4. Autoespectro frente a cruzoespectro
El autoespectro de un solo canal responde a la pregunta “¿qué frecuencias están presentes?”, mientras que su pariente de dos canales responde a “¿cómo se relacionan dos señales?”. Vale la pena hacer explícito el contraste:
| Autoespectro (un solo canal) | Cruzoespectro (dos canales) |
|---|---|
| Espectro de una señal | Relación entre dos señales |
| Muestra el contenido frecuencial de esa señal | Muestra el contenido frecuencial común a ambas |
| Sin información de fase | Incluye la relación de fase |
| Suficiente para la mayoría de los diagnósticos | Sustenta función de transferencia y el análisis de coherencia |
| FFT de un solo canal estándar | Requiere dos canales sincronizados |
5. Modos de promediado y opciones de visualización
Elección de un modo de promediado
- Promediado lineal: una media aritmética directa de espectros sucesivos que reduce el ruido aleatorio y converge hacia el espectro real: el estándar para el análisis de máquinas.
- Promediado exponencial: una media ponderada que favorece los registros más recientes, ideal para el monitoreo en tiempo real donde las condiciones están cambiando.
- Retención de pico (espectro máximo): cada intervalo de frecuencia conserva su valor más alto registrado, capturando componentes transitorios: invaluable durante arranque y paro por inercia pruebas.
Escala de los ejes
El eje de amplitud puede mostrarse en una escala lineal (mm/s, m/s²), lo que facilita la lectura de valores absolutos pero puede ocultar picos pequeños junto a otros grandes, o en una escala logarítmica en dB (20·log[amplitude/reference]), which compresses a wide rango dinámico para que los picos pequeños y grandes sean visibles juntos: la vista preferida para trabajos detallados y de investigación. El eje de frecuencia suele ser lineal en Hz para maquinaria, aunque un logarítmico eje con espaciado de octavas iguales se adapta a rangos de frecuencia muy amplios.
6. Calidad y errores comunes
Un espectro es tan bueno como los datos que lo respaldan. Un espectro limpio muestra picos claros por encima de un nivel de ruido bajo; un espectro ruidoso entierra los picos en un fondo alto, lo cual puede remediarse con más promediado y una resolución espectral adecuada. Dos verificaciones de adquisición son esenciales: confirmar que la resolución espectral es lo suficientemente fina para separar picos cercanos y vigilar la sobrecarga de entrada, que recorta la señal y fabrica componentes espectrales falsos: si ocurre, reduzcan la ganancia de entrada y vuelvan a adquirir. El Calculadora de resolución FFT ayuda a elegir un número de líneas y un ancho de banda que resuelvan los picos que les interesan.
Dónde encajan los instrumentos de campo
En un instrumento portátil de dos canales como el Balanset-1A, el autoespectro es la vista diagnóstica cotidiana que un técnico lee en la máquina para detectar si la energía está concentrada en 1× (lo que apunta a desbalance y es candidato para balanceo en campo) o dispersa en frecuencias de rodamientos y engranajes que señalan una falla completamente distinta: todo capturado en los propios rodamientos de la máquina a velocidad de operación.
El autoespectro es la herramienta fundamental de análisis frecuencial en la vibración diagnóstica: la FFT de un solo canal en la que los técnicos confían diariamente para la identificación de fallas y la evaluación de condición. Comprender que “el espectro” es técnicamente un autoespectro — y cómo se relaciona con los cruzoespectros y las demás funciones espectrales — sienta las bases para el análisis avanzado de múltiples canales y un diagnóstico exhaustivo de máquinas.
