Comprensión del Auto-Espectro
En autoespectro — también escrito autoespectro, y denominado informalmente espectro de potencia o simplemente “el espectro” — es la representación en el dominio de la frecuencia de una única vibración señal, que muestra cómo la energía o amplitud se distribuye entre las frecuencias. Se obtiene tomando la Transformada rápida de Fourier (FFT) de un registro temporal y mostrando la magnitud de cada componente frecuencial. El prefijo “auto-” lo diferencia del cross-spectrum, que relaciona dos señales distintas: un autoespectro es el espectro de una señal tomada consigo misma.
En el trabajo cotidiano, esto es exactamente lo que la mayoría de los técnicos entienden cuando dicen “el espectro” o “la FFT” — la visualización estándar en frecuencia de cualquier analizador de vibraciones, con sus picos en desequilibrio, frecuencias de fallo de los rodamientos, malla de engranajes, y similares. Reconocer que esta herramienta de uso diario es técnicamente un autoespectro cobra mayor importancia cuando se trabaja con múltiples canales, donde entran en juego los espectros cruzados, coherencia, y otras funciones de correlación.
1. El fundamento matemático
Dos caminos hacia el mismo resultado
Existen dos formas matemáticamente equivalentes de obtener un autoespectro:
- Direct FFT: transformar la señal temporal, tomar la magnitud (o la magnitud al cuadrado) de cada bin complejo de la FFT y representarla frente a la frecuencia. Este es el camino habitual y directo que utiliza prácticamente cualquier instrumento.
- Mediante autocorrelación: calcular primero la función de autocorrelación de la señal y después aplicarle la FFT. Según el Teorema de Wiener–Khinchin el resultado es idéntico al método directo — el mismo espectro obtenido por un camino computacional diferente.
Cuando la magnitud se eleva al cuadrado y se normaliza por unidad de frecuencia, la misma magnitud 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 única FFT presenta ruido estadístico, por lo que se promedian varios autoespectros calculados a partir de registros temporales consecutivos para estabilizar la estimación y reducir la dispersión aleatoria. Para el diagnóstico rutinario de maquinaria, lo habitual es entre 4 y 16 promedios; la vibración aleatoria de banda ancha puede requerir 50–100 o más. El beneficio tiene como contrapartida el tiempo de medición, razón por la cual el número de promedios es una concesión deliberada y no una cuestión de “cuantos más, mejor.”
2. Propiedades definitorias
De las matemáticas se derivan directamente tres características que conviene tener presentes al interpretar cualquier espectro:
- Real-valued: el autoespectro no tiene parte imaginaria. Representa únicamente la magnitud, por lo que la fase relación de la señal original se descarta en el cálculo de la magnitud. Para la identificación de fallos en un solo punto, esto no supone ninguna pérdida; sin embargo, para el equilibrado o el trabajo con funciones de transferencia, donde la fase es esencial, sí constituye una limitación real.
- Siempre positivo: los valores son siempre mayores o iguales a cero, ya que representan energía o potencia, que no puede ser negativa.
- Simétrico para señales reales: el espectro de una señal temporal real es simétrico respecto a la frecuencia de Nyquist — las frecuencias negativas simplemente reflejan a las positivas — por lo que solo se muestra la mitad positiva, que contiene toda la información.
3. El Autoespectro en el Diagnóstico de Maquinaria
La Pantalla de Trabajo Diario del Analista
Este es el gráfico en el que los técnicos trabajan a diario. Muestra de forma simultánea todos los componentes de frecuencia de vibración, y la tarea del analista consiste en identificar cada pico y asociarlo a un tipo de fallo, lo que convierte el autoespectro en la herramienta principal para diagnóstico de fallos y para la evaluación rutinaria del estado de la máquina.
Características a Observar
- 1× peak: velocidad de marcha vibración, dominada por el desequilibrio y otras fuentes de una vez por revolución.
- 2× peak: commonly desalineación o holgura mecánica.
- Frecuencias de los rodamientos: BPFO, BPFI, BSF, y FTF, frecuentemente rodeado de bandas laterales.
- Gear mesh: la frecuencia de engrane de los dientes y sus armónicos.
- Eléctrico: el doble de la frecuencia de red (120 Hz con una alimentación de 60 Hz, 100 Hz con una de 50 Hz).
- Ruido de fondo: el nivel de fondo establecido por la vibración aleatoria y el ruido del instrumento, sobre el cual deben destacar los picos genuinos.
4. Auto-Espectro frente a Espectro Cruzado
El autoespectro de un solo canal responde a la pregunta “¿qué frecuencias están presentes?”, mientras que su variante de dos canales responde a “¿cómo se relacionan dos señales?”. Vale la pena dejar clara esta diferencia:
| Auto-Espectro (canal único) | Espectro Cruzado (dos canales) |
|---|---|
| Espectro de una señal | Relación entre dos señales |
| Muestra el contenido en frecuencia de esa señal | Muestra el contenido en frecuencia común a ambas |
| No hay información de fase | Incluye la relación de fase |
| Suficiente para la mayoría de los diagnósticos. | Underpins función de transferencia y análisis de coherencia |
| FFT estándar de un solo canal | Requiere dos canales sincronizados |
5. Modos de Promediado y Opciones de Visualización
Selección del modo de promediado
- Promedio lineal: media aritmética simple de espectros sucesivos que reduce el ruido aleatorio y converge hacia el espectro real — el estándar en el análisis de maquinaria.
- Promedio exponencial: media ponderada que da mayor peso a los registros más recientes, ideal para la monitorización en tiempo real cuando las condiciones varían.
- Retención de pico (espectro máximo): cada banda de frecuencia conserva el valor más alto registrado, capturando componentes transitorios — indispensable durante arranque y parada por inercia testing.
Escalado de los ejes
El eje de amplitud puede mostrarse en linear scale (mm/s, m/s²), lo que facilita la lectura de valores absolutos pero puede ocultar picos pequeños junto a otros grandes, o en escala logarítmica en dB (20·log[amplitude/reference]), que comprime un amplio rango dinámico de modo que los picos pequeños y grandes sean visibles a la vez — la vista preferida para trabajos detallados y de investigación. El eje de frecuencias suele estar en lineal en Hz para maquinaria, aunque un logarithmic eje con espaciado igual por octavas es adecuado para rangos de frecuencia muy amplios.
6. Calidad y errores habituales
Un espectro es tan fiable como los datos en que se basa. Un clean spectrum muestra picos bien definidos por encima de un nivel de ruido bajo; un noisy spectrum entierra los picos en un fondo elevado, lo que puede corregirse con mayor promediado y una resolución en frecuencia adecuada. Son esenciales dos comprobaciones durante la adquisición: confirmar que la resolución en frecuencia es suficiente para separar picos próximos, y vigilar la input overload, que recorta la señal y genera componentes espectrales falsos — si se produce, reduzca la ganancia de entrada y repita la adquisición. El Calculadora de resolución FFT ayuda a elegir el número de líneas y el ancho de banda que resuelven los picos de interés.
Dónde se utilizan los instrumentos de campo
En un instrumento portátil de dos canales como el Balanset-1A, el autoespectro es la vista diagnóstica cotidiana que el técnico lee en la máquina para determinar si la energía se concentra en 1× (lo que apunta a desequilibrio y es candidato a equilibrado de campo) o se distribuye entre las frecuencias de rodamientos y engranajes, lo que indica un fallo completamente distinto — todo ello captado en los propios rodamientos de la máquina a velocidad de operación.
El autoespectro es la herramienta fundamental de análisis en frecuencia para el diagnóstico de vibraciones: la FFT monocanal en la que los técnicos se apoyan a diario para identificar fallos y evaluar el estado de la maquinaria. Comprender que “el espectro” es técnicamente un autoespectro — y cómo se relaciona con los espectros cruzados y las demás funciones espectrales — sienta las bases del análisis multicanal avanzado y el diagnóstico exhaustivo de maquinaria.
