La FFT (Transformada Rápida de Fourier) en el Análisis de Vibraciones
En Transformada rápida de Fourier (FFT) es un algoritmo matemático de gran eficacia que transforma una señal del dominio del tiempo al dominio de la frecuencia. En análisis de vibraciones convierte un dato sin procesar y complejo forma de onda temporal — la amplitud de la vibración representada en función del tiempo — en un espectro de frecuencias, la amplitud representada en función de la frecuencia. Esta única transformación es el proceso más importante y fundamental en el diagnóstico moderno de maquinaria; sin ella, una señal de vibración no es más que un garabato ilegible.
1. Definición: ¿Qué es una FFT?
La FFT no es una medición, sino un cálculo. Se trata de una implementación rápida de la Transformada de Fourier Discreta, que aprovecha las simetrías matemáticas para realizar en milisegundos lo que, de otro modo, llevaría mucho más tiempo; por eso puede ejecutarse en tiempo real en un instrumento portátil. Su principio, atribuido a Fourier, es que cualquier señal periódica compleja puede reconstruirse como una suma de ondas sinusoidales simples a diferentes frecuencias y amplitudes. La FFT aplica esa idea a la inversa: si se le proporciona una forma de onda enredada, devuelve la lista de ondas sinusoidales a partir de las cuales se ha construido.
2. Por qué la FFT es fundamental para el diagnóstico
Una forma de onda sin procesar de una máquina en funcionamiento es una mezcla de numerosas vibraciones que se producen al mismo tiempo, y resulta casi imposible evaluar el estado de la máquina a simple vista a partir de ese trazo. La FFT actúa como un prisma, descomponiendo la señal compleja en sus componentes de frecuencia individuales. El resultado es un gráfico claro y útil que permite al analista ver:
- ¿Qué frecuencias están presentes?
- ¿Cuánta energía (amplitud) corresponde a cada frecuencia?
- ¿Cuál es la relación entre esas frecuencias —armónicos, bandas laterales y similares?
Debido a diversas averías mecánicas y eléctricas — desequilibrar, desalineación, defectos de los cojinetes, y flojedad — cada una de ellas genera vibraciones a frecuencias muy específicas y predecibles, por lo que el espectro ofrece una guía directa hacia la causa raíz de un problema. Esta visión en el dominio de la frecuencia es la base de todo análisis espectral.
3. Parámetros clave de un análisis FFT
Para obtener un espectro útil, el analista configura varios parámetros en el dispositivo de captura de datos o en el software. Si se configuran incorrectamente, se puede pasar por alto un fallo real; si se configuran correctamente, este se aprecia con claridad.
Fmáx (frecuencia máxima)
La frecuencia más alta incluida en el espectro. Debe fijarse a un valor lo suficientemente alto como para captar el fallo de mayor frecuencia que nos interesa — alta frecuencia malla de engranajes o los tonos de rodamientos, por ejemplo, pero sin llegar a un nivel tan alto que se pierdan los detalles de las frecuencias bajas. Para evitar alias, los instrumentos aplican un filtro antialiasing filtro de paso bajo por debajo de la frecuencia de muestreo antes de calcular la FFT.
Resolución (Líneas de resolución)
Esto determina el nivel de detalle: el número de «bandas» de frecuencia discretas calculadas a lo largo de Fmáx. Un mayor número de líneas (por ejemplo, 3.200 o 6.400) proporciona una resolución más precisa, lo que se traduce en una mayor capacidad para separar dos frecuencias muy próximas entre sí. Una alta resolución es esencial para distinguir frecuencias de batido o resolver las frecuencias muy próximas entre sí bandas laterales en el análisis de cajas de cambios. Dado que el ancho de celda es igual a Fmáx dividido por el número de líneas, siempre hay que buscar un equilibrio entre la amplitud y el nivel de detalle; un Calculadora de resolución FFT muestra el ancho de celda resultante y el tiempo de adquisición para cualquier configuración, y un FFT de zoom puede concentrar todas las líneas disponibles en una banda estrecha cuando se requiere una separación aún mayor.
Promedio
Dado que las vibraciones de la máquina varían, una sola instantánea de FFT puede resultar engañosa. El promedio consiste en adquirir varias FFT de forma rápida y sucesiva y combinarlas, lo que suprime el ruido aleatorio y ofrece un espectro mucho más estable y reproducible que refleja fielmente el estado de la máquina.
Ventanas
A función de ventana — lo más habitual es que el Ventana de Hanning — es una ponderación matemática que se aplica a los datos temporales antes de la transformación. Minimiza un error denominado fuga espectral, lo que, de otro modo, provocaría que un pico pronunciado se extendiera por los intervalos adyacentes y alterara tanto su amplitud como su frecuencia aparente.
4. Interpretación de un espectro de FFT
Un analista cualificado interpreta el espectro identificando patrones característicos:
- Un gran pico en 1× velocidad de funcionamiento indica un desequilibrio.
- Un gran pico en 2× La velocidad de funcionamiento suele indicar una desalineación.
- Una larga serie de armonía (1×, 2×, 3×, 4×…) es un síntoma clásico de holgura mecánica.
- Un pico de alta frecuencia que presenta bandas laterales espaciadas a la velocidad de marcha es un indicio de un fallo en la caja de cambios o en los cojinetes.
- Un «nivel» elevado de ruido de banda ancha puede indicar cavitación en una bomba o por fricción general.
Al comparar el espectro actual con un base registrados cuando la máquina funcionaba correctamente, un analista puede detectar cambios y diagnosticar problemas incipientes mucho antes de que se conviertan en fallos graves.
5. La FFT en la medición práctica sobre el terreno
En un instrumento portátil, la FFT se calcula en tiempo real a partir de la señal en directo acelerómetro señal. La dirección Balanset-1A, un analizador de campo de dos canales, captura la forma de onda temporal y muestra su espectro en un rango de aproximadamente 5 Hz a 1000 Hz, lo que permite al ingeniero leer el pico de velocidad de funcionamiento, sus armónicos y cualquier tono procedente de los cojinetes o los engranajes de la máquina. En combinación con el pulso del tacómetro (uno por revolución), este mismo conjunto de datos permite realizar un equilibrado basado en la fase, mientras que análisis de pedidos permite volver a referenciar el espectro a múltiplos de la velocidad de funcionamiento en máquinas de velocidad variable, lo que convierte la FFT de un gráfico estático en el motor de un flujo de trabajo de diagnóstico y equilibrado in situ.
