A FFT (Transformada Rápida de Fourier) na Análise de Vibração
O Transformada Rápida de Fourier (FFT) é um algoritmo matemático altamente eficiente que transforma um sinal do domínio do tempo para o domínio da frequência. Na análise de vibração ela converte um sinal bruto e complexo forma de onda no tempo — amplitude de vibração plotada contra o tempo — em um espectro de frequênciaespectro, amplitude plotada contra a frequência. Esta única transformação é o processo mais importante e fundamental na diagnose moderna de máquinas; sem ela, um sinal de vibração é pouco mais que um rabisco ilegível.
1. Definição: O que é uma FFT?
A FFT não é uma medição, mas um cálculo. É uma implementação rápida da Transformada Discreta de Fourier, explorando simetrias matemáticas para fazer em milissegundos o que, de outra forma, levaria muito mais tempo, razão pela qual pode ser executada em tempo real em um instrumento portátil. Sua premissa, devida a Fourier, é que qualquer sinal periódico complexo pode ser reconstruído como uma soma de ondas senoidais simples em diferentes frequências e amplitudes. A FFT executa essa ideia ao contrário: forneça-lhe uma forma de onda emaranhada e ela retorna a lista de ondas senoidais das quais é composta.
2. Por que a FFT é Essencial para a Diagnose
Uma forma de onda no tempo bruta de uma máquina em operação é uma confusão de muitas vibrações acontecendo simultaneamente, e é quase impossível julgar a saúde de uma máquina a olho nu a partir desse traçado. A FFT age como um prisma, dividindo o sinal complexo em seus componentes de frequência individuais. O resultado é um gráfico claro e acionável que permite ao analista ver:
- Quais frequências estão presentes?
- Quanta energia (amplitude) está presente em cada frequência?
- Qual é a relação entre essas frequências — harmônicos, bandas laterais e afins?
Como diferentes falhas mecânicas e elétricas — desbalanceamento, desalinhamento, defeitos de rolamento, e folga mecânica — geram vibração em frequências muito específicas e previsíveis, o espectro fornece um roteiro direto para a causa raiz de um problema. Essa visão no domínio da frequência é a base de todo análise espectral.
3. Parâmetros-chave de uma Análise FFT
Para adquirir um espectro útil, um analista define vários parâmetros no coletor de dados ou no software. Configurá-los incorretamente pode fazer com que uma falha real seja perdida; configurá-los corretamente faz com que ela se destaque claramente.
Fmax (Frequência Máxima)
A frequência mais alta incluída no espectro. Deve ser definida alta o suficiente para capturar a falha de maior frequência de interesse — alta frequência frequência de engrenamento ou tons de rolamento, por exemplo — mas não tão alta que o detalhe de baixa frequência seja desperdiçado. Para evitar aliasing, os instrumentos aplicam um filtro anti-aliasing filtro passa-baixas abaixo da taxa de amostragem antes que a FFT seja computada.
Resolução (Linhas de Resolução)
Isso define o nível de detalhe — o número de “bins” (intervalos) de frequência discretos calculados ao longo do Fmax. Mais linhas (3.200 ou 6.400, por exemplo) fornecem resolução mais fina, o que significa uma maior capacidade de separar duas frequências que estão próximas. Alta resolução é essencial para distinguir frequências de batimento ou resolver as bandas laterais na análise de caixas de engrenagens. Como a largura do bin é igual a Fmax dividido pelo número de linhas, sempre há um compromisso entre alcance e detalhe; um calculadora de resolução FFT mostra a largura do bin resultante e o tempo de aquisição para qualquer configuração, e um Zoom FFT pode concentrar todas as linhas disponíveis em uma faixa estreita quando uma separação ainda mais fina é necessária.
Média
Como a vibração da máquina flutua, uma única captura FFT pode enganar. A média adquire várias FFTs em rápida sucessão e as combina, suprimindo o ruído aleatório e produzindo um espectro muito mais estável e repetível que representa genuinamente a condição da máquina.
Janelamento
A função de janela — mais comumente a janela de Hanning — é um ponderação matemática aplicada aos dados de tempo antes da transformação. Ela minimiza um erro chamado vazamento espectral, que, caso contrário, espalharia um pico agudo pelos bins vizinhos e corromperia tanto sua amplitude quanto sua frequência aparente.
4. Interpretando um Espectro FFT
Um analista treinado lê o espectro reconhecendo padrões característicos:
- Um pico grande em 1× velocidade de operação indica desbalanceamento.
- Um pico grande em 2× velocidade de operação frequentemente aponta para desalinhamento.
- Uma longa série de harmônicos (1×, 2×, 3×, 4×…) é um sinal clássico de folga mecânica.
- Um pico de alta frequência carregando bandas laterais espaçadas na velocidade de operação é um indicativo de falha na caixa de engrenagens ou no rolamento.
- Um “piso” elevado de ruído de banda larga pode indicar cavitação em uma bomba ou atrito geral.
Ao comparar o espectro atual com um valor de referência gravado quando a máquina estava saudável, um analista pode detectar mudanças e diagnosticar problemas em desenvolvimento muito antes que se tornem falhas críticas.
5. A FFT na Medição Prática em Campo
Em um instrumento portátil, a FFT é computada no local a partir do sinal acelerômetro ao vivo. O Balanset-1A, um analisador de campo de dois canais, captura a forma de onda no tempo e exibe seu espectro de aproximadamente 5 Hz a 1000 Hz, para que um engenheiro possa ler o pico da velocidade de operação, seus harmônicos e quaisquer tons de rolamento ou engrenagem na máquina. Combinado com o pulso do tacômetro uma vez por rotação, o mesmo conjunto de dados suporta o balanceamento baseado em fase, enquanto análise de ordens pode redefinir a referência do espectro para múltiplos da velocidade de operação em máquinas de velocidade variável — transformando a FFT de um gráfico estático no motor de um fluxo de trabalho de diagnóstico e balanceamento em campo.
