Caracterización de emisiones acústicas en sistemas con miras a su potencial diagnóstico y
mantenimiento.
Juan Camilo Gómez Soto, [email protected]
Trabajo de Grado presentado para optar al título de Ingeniero de Sonido
Asesor: Juan David Berrio Bernal, Magíster (MSc) en Ingeniería Mecánica.
Universidad de San Buenaventura Colombia
Facultad de Ingenierías
Ingeniería de Sonido
Medellín, Colombia
2020
Citar/How to cite [1]
Referencia/Reference
Estilo/Style:
IEEE (2014)
[1] J. C. Gómez Soto, “Caracterización de señales acústicas en sistemas mecánicos
tipo rodamiento con miras a su potencial diagnóstico y mantenimiento”,
Trabajo de grado Ingeniería de Sonido, Universidad de San Buenaventura
Medellín, Facultad de Ingenierías, 2020.
Línea de investigación en mediciones acústicas y procesamiento de señal.
Bibliotecas Universidad de San Buenaventura
• Biblioteca Fray Alberto Montealegre OFM - Bogotá.
• Biblioteca Fray Arturo Calle Restrepo OFM - Medellín, Bello, Armenia, Ibagué.
• Departamento de Biblioteca - Cali.
• Biblioteca Central Fray Antonio de Marchena – Cartagena.
Universidad de San Buenaventura Colombia
Universidad de San Buenaventura Colombia - http://www.usb.edu.co/
Bogotá - http://www.usbbog.edu.co
Medellín - http://www.usbmed.edu.co
Cali - http://www.usbcali.edu.co
Cartagena - http://www.usbctg.edu.co
Editorial Bonaventuriana - http://www.editorialbonaventuriana.usb.edu.co/
Revistas - http://revistas.usb.edu.co/
Biblioteca Digital (Repositorio)
http://bibliotecadigital.usb.edu.co
Dedicatoria
Este logro va dirigido principalmente a mis padres, donde su amor, perseverancia y su
confianza han permitido lograr un objetivo más en mi vida, también a mi novia por su apoyo
constante y valioso, finalmente a toda mi familia quienes con paciencia y aliento me han
sabido impulsar para continuar con mi formación.
Agradecimientos
Les agradezco a mis familiares y compañeros más cercanos por su apoyo constante, por
supuesto a mi Universidad y a mi asesor, gracias por la paciencia, orientación y guiarme en
el desarrollo de esta investigación. A PLÁSTICOS AMBIENTALES S.A.S y su personal
quienes colaboraron con la elaboración de este trabajo de investigación.
TABLA DE CONTENIDO
RESUMEN ............................................................................................................................. 9
ABSTRACT ......................................................................................................................... 10
I. INTRODUCCIÓN ........................................................................................................ 11
II. PLANTEAMIENTO DEL PROBLEMA ................................................................. 12
III. JUSTIFICACIÓN ..................................................................................................... 18
IV. OBJETIVOS ............................................................................................................. 20
A. OBJETIVO GENERAL ........................................................................................... 20
B. OBJETIVOS ESPECÍFICOS ................................................................................... 20
V. PROBLEMA DE INVESTIGACIÓN ...................................................................... 21
A. Alcance ................................................................................................................. 21
B. Delimitación ......................................................................................................... 22
VI. HIPÓTESIS .............................................................................................................. 23
VII. MARCO TEÓRICO ................................................................................................. 24
VIII. METODOLOGÍA ..................................................................................................... 57
IX. RESULTADOS ........................................................................................................ 77
X. DISCUSIÓN ............................................................................................................. 84
XI. CONCLUSIONES .................................................................................................... 87
XII. RECOMENDACIONES .......................................................................................... 89
XIII. REFERENCIAS ....................................................................................................... 90
XIV. ANEXOS .................................................................................................................. 97
LISTA DE TABLAS
TABLA 1 PROYECTOS RELACIONADOS CON EL ESTUDIO DE LOS ELEMENTOS
RODANTES EN UN SISTEMA MECÁNICO ROTATIVO. ............................................. 14
TABLA 2 VENTAJAS DE UN SISTEMA DE MONITOREO. ........................................ 19
TABLA 3 PRINCIPALES DIFERENCIAS ENTRE SEÑALES ACÚSTICAS Y
EMISIÓN ACÚSTICA. ....................................................................................................... 34
TABLA 4 TONOS CLASIFICADOS CON RELACIÓN AL RANGO DE
FRECUENCIAS DE ONDAS SONORAS. ......................................................................... 40
TABLA 5 TIPOS DE RUIDO Y SU MEDICIÓN. ............................................................. 42
TABLA 6 CARACTERÍSTICAS DEL MOTOR ASÍNCRONO. ...................................... 58
TABLA 7 INSTRUMENTAL DE MEDIDA. .................................................................... 59
TABLA 8 SPLeq DE 8, 4, 2, MINUTOS. .......................................................................... 62
TABLA 9 PRUEBAS CON DIFERENTES RUIDOS RESIDUALES. ............................. 66
TABLA 10 VARIABLES DEL ALGORITMO Y SUS RESPECTIVOS VALORES. ..... 76
TABLA 11 FRECUENCIAS EMPÍRICAS DE FALLO EN RODAMIENTOS. .............. 77
TABLA 12 ARMÓNICOS DE BPFI TEÓRICOS. ............................................................ 77
TABLA 13 ARMÓNICOS DE LA FRECUENCIA DE GIRO DEL SISTEMA
ROTATIVO. ......................................................................................................................... 78
TABLA 14 BANDAS LATERALES 1xBPFI .................................................................... 78
TABLA 15 BANDAS LATERALES 2xBPFI .................................................................... 78
TABLA 16 PORCENTAJE DE ERROR PARA ESTADO DE RODAMIENTO BUENO
Y MALO. ............................................................................................................................. 79
TABLA 17 PRIMEROS PICOS PARA ESTADO DE RODAMIENTO BUENO Y
MALO. ................................................................................................................................. 80
TABLA 18 NÚMERO MÁXIMO DE FRECUENCIA PARA ESTADO DE
RODAMIENTO BUENO Y MALO. ................................................................................... 81
TABLA 19 DIAGNÓSTICO TOTAL DEL BANCO DE SEÑALES ACÚSTICAS......... 83
LISTA DE FIGURAS
Fig. 1 Tipos de mantenimiento en la industria .................................................................... 13
Fig. 2 Incidencias de averías en motores eléctricos............................................................. 23
Fig. 3 Rodamientos rígidos a bolas FAG6005-2RSR. ........................................................ 23
Fig. 4 Etapas de mantenimiento predictivo. ........................................................................ 24
Fig. 5 Mantenimiento predictivo vs proactivo. ................................................................... 25
Fig. 6 Estrategia de mantenimiento. .................................................................................... 27
Fig. 7 Desplazamiento en función del tiempo. .................................................................... 29
Fig. 8 Señal acústica de vibración de una máquina. ............................................................ 29
Fig. 9 Generación de una vibración armónica. .................................................................... 31
Fig. 10 Espectro de vibración aleatoria de una máquina. .................................................... 31
Fig. 11 Ejemplo de vibración periódica............................................................................... 32
Fig. 12 Línea de tiempo del uso de monitoreo acústico. ..................................................... 35
Fig. 13 Espectro acústico. .................................................................................................... 38
Fig. 14 Elementos que conforman un micrófono de condensador. ..................................... 43
Fig. 15 Micrófono omnidireccional - dbx .......................................................................... 44
Fig. 16 Clasificación del micrófono usado según su patrón de captación y sus principales
características........................................................................................................................ 44
Fig. 17 Interfaz de sonido – sound device USBpre-2. ......................................................... 45
Fig. 18 FFT de una onda de vibración compleja. ................................................................ 47
Fig. 19 Cartas de diagnóstico de los asociados técnicos de Charlotte. ................................ 49
Fig. 20 Etapa 3 de daño de un rodamiento. ......................................................................... 50
Fig. 21 DFT de la señal acústica.......................................................................................... 54
Fig. 22 Fallo en la pista interior. .......................................................................................... 54
Fig. 23 Fallo en la pista exterior. ........................................................................................ 55
Fig. 24 Fallo de jaula ........................................................................................................... 55
Fig. 25 Procesamiento de señal para métodos de diagnóstico de fallos .............................. 56
Fig. 26 A) Componente medido B) Rodamientos 1 y 2 en el componente medido ............ 57
Fig. 27 Punto de medida. ..................................................................................................... 59
Fig. 28 Sistema de medida. .................................................................................................. 60
Fig. 29 Seteo del equipo. ..................................................................................................... 61
Fig. 30 Espectros normalizados. .......................................................................................... 64
Fig. 31 Armónicos de la frecuencia de giro del sistema. ..................................................... 64
Fig. 32 Fallas reales del juego de rodamientos FAG6005-2RSR. ....................................... 67
Fig. 33 Diagrama del algoritmo de reconocimiento. ........................................................... 69
Fig. 34 Picos ordenados de mayor a menor amplitud en un vector. .................................... 71
Fig. 35 Parámetros de función findpeaks para ordenar picos de mayor a menor amplitud. 71
Fig. 36 Proceso de comparación del algoritmo. .................................................................. 74
Fig. 37 Interfaz gráfica del algoritmo. ................................................................................. 76
Fig. 38 Diagnóstico para rodamiento FAG 6005-2RSR en buen estado. ............................ 82
Fig. 39 Diagnóstico para rodamientos FAG 6005-2RSR en mal estado ............................ 82
RESUMEN
En este trabajo se realizan acciones de mantenimiento predictivo, por medio del monitoreo
de la condición con señales acústicas y finalmente se desarrolla e implementa en el software
Matlab un algoritmo capaz de procesar, analizar y diagnosticar el estado de uno de los 4
componentes de rodamientos con balines en sistemas mecánicos rotativos, siguiendo las
cartas de diagnóstico de los asociados técnicos de Charlotte. Además, se utilizan rodamientos
de referencia comercial FAG6005-2RSR con fallos reales, producto de exposición laboral
alta.
Este trabajo consta de dos etapas, la primera se enfoca en implementar un montaje de medida,
estableciendo parámetros objetivos con el fin de fijar una metodología de medida confiable
y versátil, la segunda etapa pertenece al desarrollo de un algoritmo que caracteriza señales
acústicas con dos estados del rodamiento (con fallo y sin fallo) y de forma automatizada
establecer el estado actual del componente a partir de análisis en amplitud y frecuencia.
Palabras claves: Mantenimiento predictivo, análisis espectral, rodamientos a balines,
señales acústicas, cartas de Charlotte.
ABSTRACT
In this work, predictive maintenance actions are carried out by monitoring the condition with
acoustic signals and finally an algorithm is developed and implemented in the Matlab
software capable of processing, analyzing and diagnosing the condition of one of the 4 ball
bearing components in rotary mechanical systems, following the diagnosis letters from
Charlotte's technical associates. In addition, commercial reference bearings FAG6005-2RSR
with real failures are used, product of high occupational exposure.
This work consists of two stages. The first one is focused on implementing a measurement
assembly establishing objective parameters in order to set a reliable and versatile
measurement methodology, the second stage belongs to the development of an algorithm that
characterizes acoustic signals with two bearing states (failed and non-failed) and
automatically establishes the current state of the component from amplitude and frequency
analysis.
Keywords: Predictive Maintenance, spectral analysis, ball bearings, acoustic signals,
Charlotte letters.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 11
I. INTRODUCCIÓN
En este trabajo al hablar de sistemas, se hace referencia a sistemas mecánicos rotativos, estos
requieren de un mantenimiento durante su funcionamiento [1], para ello existen planes de
mantenimientos correctivos, preventivos y predictivos. Una técnica de mantenimiento que se
emplea en la industria corresponde al basado en la condición o predictivo, el monitoreo de
una condición ha trascendido con nuevas técnicas de detección de fallo o anomalías en
máquinas rotativas [1]; al día de hoy la técnica de monitoreo más empleada en sistemas
rotativos corresponde al monitoreo de vibraciones [2], ya que su alta confiabilidad para
detectar fallos en rodamientos ha sido bien aceptada en la industria [1].
La forma más común de análisis y diagnóstico de fallas en rodamientos es la inclusión de
capturas de señales vibratorias, que posibilitan el mantenimiento predictivo para analizar los
fallos en sus etapas iniciales, generando así, un seguimiento del comportamiento y estado de
los elementos rodantes. El presente trabajo atiende la necesidad de desarrollar una
metodología distinta, pero igualmente confiable, que permita la captura y análisis de otro tipo
de señal, que en este caso corresponde a señales acústicas de los elementos rodantes de un
sistema giratorio, empleando micrófonos como transductores en vez de acelerómetros. El
monitoreo basado en señales acústicas de máquinas rotativas ha recibido muy poca atención
[1], ya que la percepción del monitoreo acústico en sistemas rotativos es ruidoso y complejo
cuando este se encuentra en un entorno industrial. Asimismo, existe una alta probabilidad
que la señal acústica registrada sea contaminada por el entorno [3]. El análisis de señales
acústicas posibilita la detección de fallos a un nivel aceptable y sin producir daños a
maquinarias, para esto es de gran interés identificar las frecuencias de fallo a través de señales
acústicas. Además, al hablar de sistemas rotativos industriales, se requiere de un sistema de
captura confiable y un procesamiento de señales acústicas que posibilite un diagnóstico
acertado en elementos rodantes, dado que se presenta contaminación acústica [3]. Este
trabajo está enfocado en proponer un algoritmo de detección de fallas en los rodamientos de
un sistema, derivado de una previa selección de características del estado del elemento.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 12
II. PLANTEAMIENTO DEL PROBLEMA
Los sistemas mecánicos rotativos son componentes críticos para la mayoría de las industrias,
la falla de estos puede producir una interrupción en la producción final [4]. Desde el primer
sistema construido, el personal de la planta ha escuchado ruidos que emiten las máquinas;
con la experiencia necesaria, un oyente puede hacer una estimación bastante precisa del
estado de una máquina, pero dicha estimación no permite estudiar la causa raíz del fallo [5].
Una falla en el sistema rotativo puede producir una interrupción inesperada con
consecuencias en costos, calidad del producto y seguridad [5]. Estas fallas pueden ser innatas
de la máquina o de las condiciones de su funcionamiento, los orígenes de dichas fallas se
deben a fuerzas mecánicas, térmicas o eléctricas actuando en la misma.
El mayor desafío en el área de mantenimiento predictivo es el diagnóstico de una falla antes
de que esta se vuelva crítica y la detección anticipada permite la reparación de la causa. En
general los esquemas de monitoreo de condición han sido incluidos para detectar los modos
de falla en uno de los tres (3) principales componentes del sistema rotativo: del estator, del
rotor y los rodamientos [4]. Habitualmente el monitoreo de la condición se ha dividido en
dos áreas (problemas mecánicos y eléctricos) [6].
A. Antecedentes
Las labores de mantenimiento en máquinas industriales han tenido una evolución notable. A
continuación, se describe de manera resumida las diferentes formas de mantenimiento
existentes en la industria. En un principio estas acciones se centraban en actuar como
consecuencia de averías en máquinas, producto de esto, se derivan costos de reparación
(piezas de repuestos, horas extras, mano de obra, etcétera), esta forma de mantenimiento se
le conoce como mantenimiento correctivo. Las necesidades de reducción de costos, dada
la baja disponibilidad de las máquinas y de las paradas no programadas, llevaron a los
técnicos de mantenimiento a planificar revisiones periódicas con el fin de conservar sus
máquinas y así, bajar su probabilidad de fallo; a esta técnica se le conoce como
mantenimiento preventivo, pero presenta una incertidumbre ligada al costo adicional que
genera incógnitas. ¿Los periodos que se establecen para las intervenciones de mantenimiento
están sobredimensionados?, ¿Es posible reducir los periodos de intervención sin
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 13
consecuencias desfavorables?, ¿Es posible hacer esta revisión sin parar la máquina?, esta
clase de preguntas carecen de respuestas precisas y limitan la eficiencia del mantenimiento
[5].
Al tener presente la incertidumbre asociada al mantenimiento preventivo y con el
acompañamiento de nuevas tecnologías, se desarrolla un nuevo concepto de mantenimiento
basado en el estado de la máquina o condición. A esta técnica se le conoce como
mantenimiento predictivo, se centra en anticipar averías gracias al conocimiento de cómo
se comporta el sistema y de cómo debería hacerlo, distinguiendo de esta manera qué elemento
puede fallar y cuándo [7] [5] [8]. Esto permite establecer en qué momento de la producción
es recomendable proyectar una intervención, minimizando la afectación Figura. 1.
Fig. 1 Tipos de mantenimiento en la industria
Nota: Tomado de [5].
.
Todo apunta a que el mantenimiento predictivo puede ser una forma de seguimiento en
rodamientos prometedora, pero trae consigo desventajas. Se puede destacar en primer lugar
el alto costo de sus equipos, ya que necesitan una alta capacidad de almacenamiento y
cálculo.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 14
El mantenimiento predictivo se puede desarrollar bajo la implementación de dos (2) tipos de
equipos, que están clasificados por [7]:
• Portátiles, estos se usan de forma periódica. Normalmente estos equipos poseen un
valor económico bajo, pero su costo de explotación es alto e intervalos de toma de
datos más grandes.
• Continuos u on-line: Son sistemas automatizados que se diferencian por ofrecer
beneficios notorios al reducir de forma drástica los intervalos de tiempo de la toma
de datos, permitiendo diagnosticar de forma inmediata cualquier tipo de anomalía en
el sistema rotativo. A su vez, tiene un costo de explotación menor y mayor calidad al
medir en el mismo punto. Trae consigo la desventaja de necesitar equipos costosos y
normalmente suelen ocupar más espacio debido a su tamaño y cableado.
En el presente trabajo se emplean equipos portátiles para la captura de las señales acústicas
que posteriormente entregan información sobre el estado de elementos rodantes. Por otro
lado, universidades como la Politécnica Salesiana sede Cuenca, han realizado investigaciones
sobre el mantenimiento predictivo en maquinaria industrial [1]. En la Tabla 1 se muestra de
forma resumida los proyectos relacionados con adquisición de señales vibratorias y acústicas
para el diagnóstico de fallos en sistemas rotativos industriales.
TABLA 1 PROYECTOS RELACIONADOS CON EL ESTUDIO DE LOS ELEMENTOS RODANTES EN
UN SISTEMA MECÁNICO ROTATIVO.
Referencia Título Descripción Señales adquiridas Componentes
estudiados
[9]
"Establecimiento de una
base de datos de señales de
vibraciones mecánicas de
una caja reductora
combinando fallos de
rodamientos y engranajes
rectos para fines
investigativos en la
Universidad Politécnica
Salesiana".
Se adelantaron bases de datos
con un total de 60
combinaciones diferentes
incluyendo fallos en engranajes
rectos, rodamientos rígidos de
bolas y combinando fallos en
ambos elementos.
Vibración
mecánica.
Rodamientos-
Engranajes.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 15
[10]
"Establecimiento de una
base de datos de señales de
vibraciones acústicas e
imágenes termográficas
infrarrojas para un sistema
mecánico rotativo con la
combinación de diferentes
tipos de fallos y elaboración
de guías de prácticas para la
detección de fallos en
engranajes".
Se logró registrar señales de
emisión acústica, vibración
mecánica e imágenes
termográficas sobre un sistema
mecánico rotativo.
Vibración
mecánica-Emisión
acústica-Imágenes
termográficas.
Sistema mecánico
rotativo-
Engranajes-
Rodamientos.
[11]
"Establecimiento de una
base de datos de señales de
vibraciones mecánicas y
acústicas de un sistema
mecánico rotativo con la
combinación de fallos de
rodamientos y engranajes
helicoides y elaboración de
guía práctica para
desbalanceo estático".
Se adquirieron señales de
vibración mecánica y emisión
acústica en un sistema mecánico
rotativo, simulando fallos en
rodamientos y engranajes
helicoidales en una caja de
engranajes.
Vibración
mecánica-Emisión
acústica.
Rodamientos-
Engranajes.
[12]
"Adquisición de señales
vibracionales y emisiones
acústicas combinando fallos
en maquinaria rotativa y
elaboración de guías de
práctica sobre detección de
fallos en engranajes por
medio de mediciones
acústicas".
Se comparan las señales de
emisiones acústicas y señales de
vibración adquiridas en un
sistema mecánico rotativo con
diferentes configuraciones de
fallos en rodamientos y en
engranajes.
Vibración
mecánica-
Emisiones
acústicas.
Rodamientos-
Engranajes.
[13]
"Adquisición de señales de
vibración y emisión
acústica para el diagnóstico
de severidad de fallos en
maquinaria rotativa".
Se establece una base de datos
de severidad de fallos en
engranajes y rodamientos, por
medio de la adquisición de
señales de vibración y emisiones
acústicas.
Vibración
mecánica-
Emisiones
acústicas.
Rodamientos-
Engranajes.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 16
[14]
"Spectral Analysis for
Identifying Faults in
Induction Motors by Means
of Sound".
La contribución de esta
investigación es el desarrollo de
una estrategia de monitoreo de
condición que puede hacer una
evaluación confiable
de la presencia de una condición
de falla específica en un motor
de inducción
con una sola falla presente a
través del análisis de la señal de
sonido.
Vibración
mecánica-
Emisiones
acústicas.
Rodamientos-
Poleas.
[15]
"Application of high-
resolution spectral analysis
for identifying faults in
induction motors by means
of sound".
Se desarrolla un procedimiento
de monitoreo de condición que
puede hacer una evaluación
confiable de la presencia de una
condición de falla específica en
un motor de inducción con una
sola falla.
Vibración
mecánica-
Emisiones
acústicas.
Rodamientos-
Poleas-Barras.
[16]
"Methodology for fault
detection in induction
motors via sound
and vibration signals".
La contribución de este trabajo
es una metodología para la
detección de fallas en los
motores de inducción en una
operación de estado estable
basada en el análisis de sonido
acústico y señales de vibración.
Vibración
mecánica-
Emisiones
acústicas.
Rodamientos-
Poleas-Barras.
[7]
"Desarrollo de un sistema
de mantenimiento
predictivo integrado dentro
del protocolo OPCUA".
Análisis teórico de una maqueta
de sistema de elevación por
cable con un motor trifásico
asíncrono. Búsqueda y
determinación de fallos en
rodamientos y engranajes dentro
del espectro de las frecuencias
utilizando un micrófono
direccional.
Señales de vibración
y acústica.
Engranajes-
Rodamientos.
También se han desarrollado estudios con equipos de medición muy limitados [17], es el
caso de los micrófonos integrados en teléfonos móviles modernos para cumplir con los
propósitos de diagnóstico en maquinaria, que traen consigo limitaciones en su respuesta en
frecuencia ya que el sistema mecánico rotativo se presenta en bandas de baja frecuencia [17].
En el presente trabajo se utiliza un micrófono omnidireccional de condensador [18], para
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 17
posteriormente generar espectros del sistema rotativo. Este trabajo está desarrollado bajo la
implantación de equipos portátiles, es decir, se usan de forma periódica y sirven para obtener
y procesar la señal.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 18
III. JUSTIFICACIÓN
La predicción temprana de una anomalía en un sistema rotativo es importante, no hacerlo
conlleva a fallas de alto grado de severidad, incluso al daño total del equipo [2]. Existen
diversos sistemas que posibilitan el desarrollo y la eficiencia de un proceso, por lo que se
debe garantizar la operación permanente de dichos sistemas con la ayuda de diagnósticos
para la detección temprana de fallas. El uso más común en la caracterización de señales
acústicas como técnica de diagnóstico es complementaria a prácticas comunes
[19]. Asimismo, para lograr mejores resultados se proponen ciertas condiciones como
posición de medida, posibles arreglos de micrófonos de medición y el uso de algoritmos
especializados en cancelación de ruido para detectar fallas individuales en un sistema [14].
La técnica de seguimiento (caracterización acústica) trae consigo ciertas ventajas que la
hacen útil y práctica; al ser una técnica no invasiva, en la mayoría de situaciones no es
indispensable desmontar y no es necesario parar el sistema [6]. Por otro lado, la técnica de
monitoreo de vibraciones, a pesar de ser la práctica de diagnóstico dominante, trae consigo
posibles riesgos en su instrumentación producto de acoples de transductores en las superficies
de interés, los cuales son sometidos a las condiciones de funcionamiento del sistema, es
importante precisar que dichos contactos conllevan a que la energía térmica que genera el
sistema en condiciones nominales se transmita. La predicción de anomalías tempranas ayuda
a prevenir fallas catastróficas en piezas de un sistema, a su vez ofrece una ventaja adicional,
ya que la compra de repuestos futuros se hará siempre y cuando sea necesaria. Ante esto, el
presente trabajo se enfocará en la detección de fallas en rodamientos de un sistema rotativo.
En la Tabla 2 se presentan las ventajas en términos de disminución de costos porcentuales
del monitoreo de sistemas [3].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 19
TABLA 2 VENTAJAS DE UN SISTEMA DE MONITOREO.
Nota: tomado de [3].
En cuanto a la viabilidad del proyecto, se tuvo en cuenta en primera instancia la necesidad
de caracterizar los diferentes estados de un sistema, con la ayuda de ciertas posiciones e
instrumentos de medida del fenómeno sonoro, a diferencia de otras técnicas de diagnóstico
por caracterización acústica [25], [20], [21], [4], en este trabajo se usa un micrófono de
respuesta plana, para así lograr caracterizar un espectro adecuado.
A mediano plazo se espera caracterizar un sistema en una determinada situación que permita
diferenciar el estado de funcionamiento óptimo respecto al que presenta una desviación
considerable o una falla puntual, determinando así el estado de salud del mismo, finalmente
se espera desarrollar e implementar un algoritmo que tenga la capacidad de diagnosticar
fallos en rodamientos industriales. Principalmente el sector industrial se beneficiará con el
desarrollo de esta técnica predictiva, ya que en contextos de producción los tiempos y costos
son factores de vital importancia y no contemplan percances. Por otra parte, una detección
temprana de una falla o anomalía en un sistema mecánico rotativo ayuda a extender su vida
útil, como también se evitan consumos excesivos de energía eléctrica, producto de esfuerzos
no comunes en el sistema [21].
Costos de mantenimiento Reducción del 50 al 80 %
Daños al equipo Reducción del 50 al 60 %
Partes redundantes Reducción del 20 al 30 %
Vida útil del equipo Reducción del 50 al 80 %
Gasto de horas extras Reducción del 20 al 50 %
Vida útil de la máquina Incremento del 50 al 60 %
Productividad total Incremento del 20 al 30 %
Lucro Incremento del 25 al 60 %
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 20
IV. OBJETIVOS
A. OBJETIVO GENERAL
Caracterizar señales acústicas en sistemas mecánicos tipo rodamiento orientadas a acciones
de diagnóstico y mantenimiento.
B. OBJETIVOS ESPECÍFICOS
• Implementar un montaje de medición de señales acústicas para la caracterización del
estado de sistemas mecánicos tipo rodamiento.
• Generar un banco de señales acústicas siguiendo el montaje de medición implementado
bajo condiciones de funcionamiento normales e incluyendo falla en los rodamientos.
• Desarrollar un código capaz de caracterizar señales acústicas para determinar un tipo de
falla en un sistema mecánico tipo rodamiento basado en las cartas de Charlotte.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 21
V. PROBLEMA DE INVESTIGACIÓN
A. Alcance
El mantenimiento predictivo es una manera de usar los datos que se generan a partir del
monitoreo de la condición, este se puede resumir en tres etapas principales; toma de datos,
procesamiento de datos y selección del estado del componente [22]. Para este caso, se
implementa el mantenimiento predictivo en el sistema mecánico medido, donde los
problemas más comunes se presentan como deterioro térmico y desgaste de sus componentes.
Asimismo, variables como carga, tiempo de funcionamiento y la velocidad de la máquina;
son factores que posibilitan daños en los rodamientos [23], [24]. Dicho esto, el monitoreo
de la condición se enfoca en caracterizar fallos o anomalías en estos elementos anticipando
que el sistema rotativo se dañe [25]. Se ha validado que a través de un mantenimiento
predictivo que incluya medidas vibratorias, señales acústicas, emisión acústica y corriente,
se puede diagnosticar de manera confiable y temprana para reducir intervenciones no
programadas [10].
El micrófono, conocido como elemento receptor, hace las veces de transductor inverso; y
convierte energía proveniente de una onda sonora a movimiento, y luego esa energía
mecánica es llevada a señal eléctrica [26], posteriormente esa señal eléctrica generada por el
micrófono puede digitalizarse para luego ser analizada en un ordenador. Además, estos
elementos receptores pueden estar cerca de la máquina, sin necesidad de tener contacto con
la misma, pero tienen una dificultad para adquirir señales acústicas que son contaminadas
por el entorno [24], esto no es bueno porque la señal adquirida del medio se mezcla con la
señal original o las señales características del sistema. También hay dificultades en
acelerómetros, ya que la señal captada de vibración incluye otros componentes o equipos
adyacentes [1], el buen uso del elemento receptor utilizado en el presente estudio permitirá
comparar señales acústicas de fallos en el juego de rodamientos para abordar un estudio
comparativo de dichas señales, lo cual puede ser un aporte al área industrial. Para este caso,
la situación aprovechada para realizar las mediciones de los diferentes estados son ejemplo
de sistemas mecánicos rotativos donde se emplea el monitoreo de la condición que juegan
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 22
un papel considerable en la industria, ya que a partir de ellas se realiza la transmisión de
movimiento en gran parte de las máquinas industriales, con el objetivo de identificar y
localizar la falla en etapa temprana por medio de adquisición y procesamiento de señales de
monitoreo de la condición [1]. También en situaciones como falta de espacio o elevadas
temperaturas de operación dificultan la instalación de acelerómetros, por el contrario el uso
del micrófono logra superar los inconvenientes presentados por el monitoreo de la condición
de vibración [1]. En el procesamiento de señales acústicas se obtienen ruidos constantes y
continuos Tabla 5 generados por el sistema rotativo en el dominio del tiempo, pero con la
necesidad de mejorar el análisis gráfico se transforman al dominio de la frecuencia a
espectros.
B. Delimitación
La mayoría de trabajos enfocados en el mantenimiento de la condición de vibración y
acústica, se desarrollan en entornos controlados como laboratorios o en entornos donde la
única fuente de ruido en función será el sistema mecánico rotativo [7], [27], [28], [4], [16],
el presente se adelantó en una industria real, este aspecto es un reto que si se aborda de forma
satisfactoria proporciona información valiosa y objetiva que sirva en el campo investigativo.
Además, los fallos medidos en el juego de rodamientos descritos más adelante en la Figura.
32 son reales, es decir, son fallos producto del tiempo de funcionamiento del sistema
mecánico rotativo y de sus condiciones adversas que afectan a su vida útil.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 23
VI. HIPÓTESIS
Las fallas en rodamientos son los problemas más comunes en los sistemas rotativos;
aproximadamente el 40 % [29], [30]. ¿Es posible hacer la revisión del estado de estos
componentes sin parar la máquina utilizando mantenimiento predictivo?. El presente trabajo
se encarga de analizar y abordar esta pregunta.
Fig. 3 Rodamientos rígidos a bolas FAG6005-2RSR.
Fig. 2 Incidencias de averías en motores eléctricos.
Nota: Tomado de [29].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 24
VII. MARCO TEÓRICO
Mantenimiento predictivo:
El mantenimiento predictivo es una técnica fundamentada a través de la adquisición de datos
mediante el monitoreo de condición de la máquina [31] [32]. Dicho mantenimiento está
representado en cinco (5) etapas principales como se observa en la Figura. 4.
La obtención de datos es una etapa primordial en el monitoreo de condición de la máquina
para generar los diagnósticos de posibles fallos. La etapa que corresponde al procesamiento
de datos manipula y se analiza para entender y visualizar de una mejor forma los datos
obtenidos. Asimismo, se recomienda tomar decisiones para las acciones respectivas de
mantenimiento basadas en los resultados de diagnóstico [22]. Al decir lo anterior, es posible
establecer niveles de alarma cuando se presenten acciones que signifiquen un riesgo para la
máquina en sí, esta técnica consiste en la detección e identificación de fallos cuando se
generen.
El mantenimiento predictivo se ha adaptado tanto que es una forma eficiente de confirmar
un nivel aceptable de la máquina durante su vida útil. Gracias a la gran evolución y
adaptación de nuevas tecnologías, las industrias requieren de procesos de mayor calidad y
fiabilidad, lo cual las hacen más complejas. A su vez, las industrias se están encaminando a
mantenimientos más confiables y eficientes como el mantenimiento predictivo, lo cual si se
implementa correctamente se podría reducir los costos de mantenimiento y horas de paradas
programadas.
Como tal, el mantenimiento predictivo tiene como objetivo conocer el estado de la máquina,
determinado su operación de manera adecuada, eficiente y económica. Esta técnica tiene
|
Fig. 4 Etapas de mantenimiento predictivo.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 25
presente características cuantificables y observables que son indicadores del estado de la
máquina. Los beneficios del mantenimiento predictivo se pueden clasificar en [33]:
• Detectar condiciones que pueden ser causa de falla (proactiva).
• Detectar problemas en la máquina (predictiva).
• Impedir fallos catastróficos (predictiva).
• Diagnóstico de la causa de la falla (proactiva).
• Pronóstico de utilidad (predictiva).
La toma de decisiones en el momento apropiado permite evitar que el fallo se presente
(proactivo) o eliminar la posibilidad de un fallo severo (predictivo) Figura. 5 [33].
Fig. 5 Mantenimiento predictivo vs proactivo.
Nota: tomado de [5].
Monitoreo de condición
El monitoreo de una condición es un factor esencial para efectuar un programa de
mantenimiento funcional y efectivo en combinación con sistemas de detección de fallos.
Además, suministra información de diagnóstico sobre el estado de la máquina, con esta
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 26
información se planifican labores de mantenimiento permitiendo reparar de forma anticipada
fallos o anomalías que puedan generar interrupciones del funcionamiento del equipo [34].
La información de señales como vibración, acústica, temperatura, etcétera; son base del
mantenimiento predictivo. El monitoreo de la condición trata de recopilar datos del sistema
mecánico por medio de sensores y luego se procesan dichos datos para obtener información
relevante; múltiples técnicas de monitoreo de la condición son útiles para detectar el estado
de la máquina, incluso permiten identificar qué elemento posee alteraciones, el monitoreo de
la condición es una manera para ejecutar el mantenimiento predictivo [35]. Las claves para
realizar un programa de monitoreo de condición acertado son [36]:
• Tener presente qué se debe escuchar.
• Cómo interpretarlo.
• Cuándo poner en práctica ese conocimiento.
El uso adecuado de este programa de monitoreo posibilita reparar los componentes que
presentan fallos tempranos. También puede dar información importante sobre el estado de
salud de los equipos de producción para obtener la mayor eficacia posible, reducir paros y
maximizar la capacidad de producción en la industria [37].
En la estrategia de mantenimiento predictivo, los elementos son seguidos de manera
constante para encontrar signos de desgaste a través del monitoreo de condición. Con la
información obtenida, puede realizarse un perfil estructurado de la máquina que combine
información histórica con la inmediata. Esta información permite predecir su
comportamiento posterior y así estimar el momento de fallo [38]. En la Figura. 6 se ilustran
los tiempos de mantenimiento convenientes para su planificación.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 27
Fig. 6 Estrategia de mantenimiento.
Nota: Tomado de [37].
Normalmente los operadores y mecánicos perciben señales de la máquina con sus propios
sentidos, pero lo que pretende el monitoreo de condición es amplificar estas señales y
aislarlas para incrementar su percepción por medio de tecnología de medición. Las técnicas
se catalogan de la siguiente manera [1]:
• Inspecciones de la maquinaria.
• Mediciones del desempeño de la maquinaria.
• Monitoreo de las condiciones dinámicas de la maquinaria.
• Monitoreo de fluidos.
• Monitoreo de las partículas de desgaste.
• Monitoreo de vibración y acústica.
Monitoreo de vibración
En términos muy simples una vibración corresponde a un movimiento oscilatorio de pequeña
amplitud. En general todos los cuerpos presentan una señal vibratoria en la cual reflejan cada
una de sus características, al decir esto, comúnmente las máquinas presentan su propia
vibración, que posee información relativa a cada uno de sus componentes. Dicho esto, una
señal de vibración capturada de una máquina se compone de la suma de la vibración de cada
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 28
uno de sus componentes [5]. Entendiendo lo anterior, un concepto principal de las señales de
vibración en el dominio del tiempo corresponde a ondas sinusoidales porque son más simples
y son la representación de las oscilaciones puras [5], [27]. El estudio de vibraciones como
mecanismo para detectar anomalías en máquinas ro tativas, ha generado un fuerte impacto en
la industria por su capacidad para diagnosticar de forma anticipada probables fallos en
sistemas mecánicos empleados en diferentes sectores de la industria [39]. Para el caso
particular en el monitoreo de la condición, el análisis y estudio de vibraciones es la técnica
más usada, debido a su capacidad de identificar con gran precisión (90%) los fallos de
maquinaria por el cambio de sus señales vibratorias, asimismo, el nivel de señal permite
predecir con gran exactitud una futura falla [40].
Existen dos temas de gran importancia para analizar maquinaria rotativa, la vibración provocada
directa o indirectamente por el giro de la máquina y las resonancias estructurales que aumentan
las vibraciones [41]. Para el caso particular de este proyecto, se encamina en las vibraciones
generadas por los rodamientos con y sin fallos. Por otra parte, los factores característicos de las
vibraciones vistas en la Figura. 7 son:
• Frecuencia: Número de ciclos que ocurren en un tiempo determinado.
• Periodo: Tiempo que tarda la masa en realizar un ciclo completo.
• Desplazamiento: Cantidad de movimiento que la masa sufre con respecto a una
posición inicial determinada.
• Velocidad: Es la proporción del cambio del desplazamiento.
• Aceleración: Medida del cambio de la velocidad con respecto al tiempo.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 29
|
Fig. 7 Desplazamiento en función del tiempo.
Nota: Tomado de [1].
En sí, los elementos que conforman una máquina laboran de forma conjunta, donde la
vibración como tal de la máquina es la suma de todas las señales originadas por cada una de
sus piezas y resultan en una señal de tiempo de todos los componentes contenidos en una
sola gráfica, un ejemplo de ello se encuentra en la Figura. 8.
Fig. 8 Señal acústica de vibración de una máquina.
Características de la vibración
El uso del análisis de vibraciones para determinar el estado de salud de la máquina y de
elementos críticos permite impedir fallos futuros. Asimismo, a la hora de realizar el
respectivo análisis, se cuantifican las frecuencias y amplitudes de las señales captadas,
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 30
teniendo en cuenta que la frecuencia permite descubrir el problema de la máquina y la
amplitud indica la severidad del problema. Los 3 tipos de vibración son:
• Vibración armónica
• Vibración aleatoria
• Vibración periódica
Vibración armónica
Como tal, una onda sinusoidal es la representación más simple de la vibración, se le califica
armónica por su siguiente relación [42]:
Donde:
Y: Amplitud.
t: Tiempo.
w: Velocidad angular.
𝜑 : Ángulo de fase de la vibración.
Cuando la velocidad angular (ω) es constante:
𝜔 =2𝜋
𝑇
(2)
Entonces, la frecuencia de oscilación (f) expresada en [Hz]:
𝑓 =𝜔
2𝜋=
1
𝑇
(3)
Sustituyendo (ω) en la ecuación 3, se obtiene el modelo matemático:
y(t) = Y sin(𝜔𝑡 + 𝜑) = 𝑌 sin(2𝜋𝑓 + 𝜑)
(4)
Una onda armónica se puede generar mediante el movimiento de un elemento giratorio que
se repite en un tiempo definido Figura. 9.
y(t) = Y sin(𝜔𝑡 + 𝜑) (1)
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 31
Fig. 9 Generación de una vibración armónica.
Nota: Tomado de [42].
Vibración aleatoria
La vibración aleatoria no cumple con patrones concretos que se repiten constantemente,
además es prácticamente imposible detectar dónde comienza un ciclo y dónde termina [5].
También está constituida por infinitas señales armónicas, una por una con su respectiva
amplitud y frecuencia correspondiente a cada componente de la máquina Figura. 10.
Fig. 10 Espectro de vibración aleatoria de una máquina.
Nota: Tomado de [43].
.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 32
Vibración periódica
Una vibración periódica es aquella que se repite con todas sus características después de un
intervalo de tiempo establecido como periodo de vibración [44]. En la Figura. 11 se puede
ver una vibración que se repite con todas sus características después de un intervalo de tiempo
dado.
Fig. 11 Ejemplo de vibración periódica.
Nota: Tomado de [44].
Monitoreo acústico
Las señales acústicas de por sí, hacen parte de un conjunto de vibraciones que se disipan por
un medio elástico como el aire, pueden ser distorsionadas por los ruidos y dependen en gran
medida de los parámetros del proceso, por lo que se requieren técnicas avanzadas de
procesamiento de señal [45]. Gracias al desarrollo de nuevas técnicas de procesamiento de
señales y talento informático se ha posibilitado que el monitoreo de señales acústicas tengan
una labor importante en el diagnóstico de fallos en máquinas rotativas [46]. Además, el
seguimiento de señales acústicas otorga información valiosa y confiable sobre diferentes
problemas puntuales en elementos mecánicos específicos, ya que al incluir algoritmos de
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 33
aprendizaje automático pueden ser útiles para localizar de manera prematura fallos en un
sistema real [47]. Es de vital importancia entender que de forma semejante a las señales
vibratorias, las señales acústicas varían gradualmente mientras los componentes desarrollan
fallos y cada fallo produce sonidos distintos, al presentarse dichos cambios, se puede
diagnosticar la condición de la máquina [48]. Además, hay que aclarar que las señales
acústicas en campo cercano tienen relación con las señales de vibración de una máquina, ya
que se asegura que la velocidad de partícula generada por el sistema mecánico rotativo, se
perciba por el diafragma del micrófono en campo cercano. Por lo tanto, es posible utilizar
señales acústicas para la caracterización de la condición de los elementos giratorios.
Para distinguir y entender de una forma más clara se presenta una diferenciación entre las
señales acústicas y las emisiones acústicas, todo esto con el fin de establecer qué tipo de
sensor acústico es acorde con la situación a monitorear.
Diferencia entre emisión acústica y señal acústica
Al hablar de emisión acústica, se hace referencia a la propagación de ondas elásticas
transitorias producidas por una rápida liberación de energía de una fuente localizada dentro
del elemento en sí, cuando una estructura es sometida a una carga externa, las fuentes
ubicadas permiten la liberación de energía en forma de ondas de tensión, que viajan a la
superficie, además son fáciles de detectar por sensores. La diferencia principal de las ondas
de emisión acústica es que no se propagan por medio del aire, sino que lo hacen a través de
un material sólido en un rango espectral fuera del audible humano [49]. Por otro lado, las
señales acústicas involucran propagaciones generadas por la liberación de energía de
deformación y que viajan a través del aire, algo a destacar por parte de los sensores que se
usan para monitorear es que no necesitan contacto, dichos sensores se conocen comúnmente
como micrófonos, además estos sensores trabajan sobre el rango de frecuencia audible por
los seres humanos de 20Hz a 20kHz [50]. En la Tabla 3 se muestran factores diferenciales
significativos entre el monitoreo de emisiones acústicas y monitoreo de señales acústicas.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 34
TABLA 3 PRINCIPALES DIFERENCIAS ENTRE SEÑALES ACÚSTICAS Y EMISIÓN ACÚSTICA.
Nota: tomado de [51]
Historia del monitoreo acústico
Para entender la evolución del monitoreo acústico, se presenta en la Figura. 12 una línea de
tiempo hasta ahora [51].
Indicador Señales acústicas Emisiones acústicas
Rango de frecuencias 20Hz~22kHz 1kHz~1MHz
Contacto con la máquina No Si
Medio de propagación Aire Sólidos
Montaje en la máquina Alrededores En la superficie
Sensores empleados Micrófonos de condensador Transductores piezoeléctricos
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 35
Fig. 12 Línea de tiempo del uso de monitoreo acústico.
Nota: Tomado de [51]
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 36
Ventajas y desventajas del monitoreo de señales acústicas
Para hablar de ventajas y desventajas que presentan los sensores acústicos a la hora de
adquirir información necesaria para en el futuro conocer el estado de salud de un elemento
mecánico dentro de un sistema rotativo, se relacionan las diferencias en el análisis de señales
por vibración mecánica [3], [10], [52], [53], [54], [55], [56].
Ventajas:
• Las señales acústicas que propagan son omnidireccionales, dicho esto el micrófono
puede instalarse en cualquier punto alrededor de un campo esférico donde puedan
generarse las señales.
• Los micrófonos pueden adquirir señales propagadas por fuentes sonoras en lugares
donde no es posible el uso de otros sensores. Por ejemplo: acelerómetros,
termógrafos, entre otros.
• Las señales acústicas obtenidas por un micrófono reciben información de diferentes
elementos, esto implica que solo se requieren unos pocos sensores para monitorear
todo el sistema.
• Las señales acústicas se pueden obtener sin tener un contacto directo con la máquina
misma, esto recae en que se elimina la necesidad de utilizar sensores de vibración de
alta temperatura, los cuales son costosos e implican consideraciones de montaje
extras.
• Los micrófonos posibilitan la localización de las fuentes activas y permiten estar al
tanto de procesos de deterioro cambiantes, dependiendo de la velocidad de la máquina
y la geometría de los componentes, teniendo en cuenta una distancia considerable.
Desventajas:
• Las variaciones de temperatura, humedad y corrientes de aire pueden afectar a la
sensibilidad de los micrófonos.
• Existen pocos micrófonos lo suficientemente robustos para laborar en un entorno
industrial, lo que hace su selección limitada.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 37
• La adquisición de señales acústicas puede presentar dificultades, dada la
contaminación acústica que se presenta por el entorno donde se realiza la medición.
• Las fuentes acústicas al estar en un espacio cerrado, las reflexiones pueden perjudicar
las características básicas de la fuente acústica, aumentando las dificultades para el
diagnóstico de fallos.
Señales acústicas
Principio físico de la acústica
En el momento que se le aplica una fuerza externa a un material rígido, este padece una
deformación elástica, dicho de otra manera, se consume energía de deformación. Es por esto
que gran parte de esta energía deformada se disipa en ese instante. Seguidamente, la energía
sobrante se extingue generando ondas acústicas y de calor. Al decir esto, las ondas acústicas
generadas son clasificadas en dos tipos, en emisiones acústicas y en señales acústicas [57].
Se puede entender una señal acústica como una vibración mecánica que viaja a través de un
material elástico y denso (normalmente aire), resultado de la ya mencionada liberación de
energía de deformación de un material [58]. A continuación se muestra que el rango de
frecuencias de estas señales se pueden dividir en:
• Infrasonidos: Corresponden a señales acústicas cuya frecuencia se encuentra por
debajo del rango audible humano.
• Sonidos audibles: Corresponden a señales acústicas cuya frecuencia está entre 20Hz
y 20kHz y son audibles por el oído humano.
• Ultrasonidos: Corresponden a señales acústicas que se posicionan por encima del
rango audible humano, normalmente son superiores a 20kHz.
Para entender de una manera clara el rango de frecuencias para cada tipo de onda, en la
Figura. 13 se muestra el espectro acústico.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 38
Fig. 13 Espectro acústico.
Onda acústica
Velocidad de propagación
Determina la velocidad en la que viaja la onda acústica en un medio elástico y es dependiente
de las características de este. Además, es simbolizado por c y posee unidades de m/s.
También, se puede entender como el desplazamiento de la onda sonora en la unidad de
tiempo en un determinado medio, dicha velocidad es constante a no ser que cambien las
condiciones del medio en que se propaga. La velocidad del sonido en el aire es dependiente
de la temperatura del aire y se representa de la siguiente forma [59]:
𝑐 = 332√1 +𝑡
273.1
(5)
Donde:
c = Representa la velocidad de propagación del sonido.
t = Representa la temperatura absoluta del aire en ºC.
En situaciones normales la velocidad de propagación del sonido en el aire es
aproximadamente 344m/s a 20 ºC [59].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 39
Características del sonido
La presión sonora es una medida que permite cuantificar las deformaciones provocadas en
un espacio mediante la diferencia entre la presión total y una presión sonora de referencia. El
resultado puede ser positivo o negativo, dado que se presentan aumentos de la presión sonora
o atenuaciones respectivamente [60]. Dado que estas variaciones pueden requerir de grandes
rangos, se utiliza una medida logarítmica en vez de lineal y su unidad es en decibeles (dB).
Se calcula a través de la ecuación (10).
𝑁𝑃𝑆(𝑑𝐵) = 10 log10 (𝑃2
𝑃𝑜2)
(6)
Donde (Po) es la presión de referencia.
Potencia sonora
La potencia acústica es la cantidad de energía por unidad de tiempo de una fuente de ruido
(W) y sirve para caracterizar una fuente sonora, dado que es un parámetro intrínseco de la
misma [61]. La potencia acústica se puede expresar en la ecuación (11).
𝐿𝑤 = 10 𝑙𝑜𝑔𝑤
𝑤𝑜
(7)
Donde LW es la potencia sonora (dB).
W0 es la potencia acústica de referencia y corresponde a 1*10−12W.
Intensidad
La energía que sobrepasa una superficie en una unidad de tiempo es conocida como
intensidad. La ecuación (12) se define como 10 veces el logaritmo de la relación entre
intensidad acústica y el umbral auditivo referido a dicha intensidad y es proporcional al
cuadrado de la presión acústica [61].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 40
𝐿𝐼 = 10 𝑙𝑜𝑔𝐼
𝐼𝑜
(8)
Donde:
LI corresponde al nivel de intensidad acústica (dB).
I es la intensidad acústica en la escala lineal (W/m2).
I0 corresponde al umbral de audición (10−12W/m2).
Tono
Se caracteriza por clasificar a los sonidos en bajos (graves) o altos (agudos), con relación a
la frecuencia fundamental de las ondas acústicas [62]. En la Tabla 4 se aclara cómo se
clasifican los tonos de acuerdo con el rango de frecuencias.
TABLA 4 TONOS CLASIFICADOS CON RELACIÓN AL RANGO DE FRECUENCIAS DE ONDAS
SONORAS.
Nota: tomado de [62]
Ruido
Definición de ruido
La definición de ruido correspondiente a la oscilación errática, intermitente o
estadísticamente aleatoria, hace referencia al ruido acústico generado por la combinación de
ondas acústicas con diferentes frecuencias y amplitudes [63]. En dicha combinación se
conjugan las frecuencias fundamentales y los armónicos característicos a distintos niveles de
intensidad acústica. Además, la manifestación gráfica del ruido corresponde a una onda
acústica sin forma y no es periódica [64].
Tono Frecuencias Rango
Grave Bajas 20 - 300 Hz
Medio Medias 300Hz - 2 kHz
Agudo Altas 2 - 20 kHz
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 41
Tipos de ruido y su medición
Los tipos de ruido se clasifican según la forma en que varían en el tiempo. Se encuentran
ruidos de naturaleza estacionaria y existen ruidos impulsivos, los ruidos estacionarios
incluyen ruidos constantes y permanecen dentro de ± 5 dB del nivel medio durante su
permanencia. Por otro lado, se encuentra el ruido intermitente que se origina como ruido
constante y se pausa en un tiempo prolongado. Por último, se encuentra el ruido fluctuante
que varía de forma significativa, pero posee un promedio constante duradero. Sin embargo,
para el caso particular de los ruidos impulsivos sus duraciones son menores a un segundo
[65]. Los tipos de ruidos arriba mencionados, requieren de diferentes tipos de medida y
dependen incluso del tipo de fuente sonora. En la Tabla 5 se resume las mediciones e
instrumentación necesaria para varias fuentes de ruido.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 42
TABLA 5 TIPOS DE RUIDO Y SU MEDICIÓN.
Nota: tomado de [65].
Características Tipo de fuente Tipo de medida Tipo de instrumentación
Ruido constante y continuo Bombas, motores eléctricos, cajas de
engranajes, transportadores
Lectura directa del valor
ponderado A Sonómetro
Ruido constante pero
intermitente
Compresores de aire, Maquinaria
automática durante un ciclo de trabajo
Valor de dB y tiempo de
exposición 𝐿𝐴𝑒𝑞
Sonómetro
Medidor de nivel de sonido integrado
Ruido fluctuante y periódico Producción en masa, rectificado de
superficies
Valor de dB, 𝐿𝐴𝑒𝑞 o dosis de
ruido.
Sonómetro
Medidor de nivel de sonido integrado
Ruido fluctuante no
periódico
Trabajo manual, rectificado, soldadura,
ensamblado de componentes
𝐿𝐴𝑒𝑞 o dosis de ruido, análisis
estadístico.
Dosímetro de ruido Medidor de nivel de
sonido integrado
Impulsos repetidos Prensa automática, taladro neumático,
remachado
𝐿𝐴𝑒𝑞 o dosis de ruido y nivel de
ruido "Impulso" Compruebe el
valor "pico"
Medidor de nivel de sonido de impulso o
sonómetro con retención "pico"
Impulso simple Golpe de martillo, manejo de
materiales, punzadora 𝐿𝐴𝑒𝑞 y valor "pico"
Medidor de nivel de sonido de impulso o
sonómetro con retención "pico"
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 43
Micrófono de condensador
En un micrófono de condensador las ondas acústicas que inciden la superficie de las placas hacen
que cambie con relación a la otra, eso hace que varíe la capacidad del condensador, dicho de otra
manera, una placa actúa como diafragma frontal y la otra placa está inmóvil [1], como se ve en la
Figura. 14. Por otro lado, la plana y fiel respuesta en frecuencia de un micrófono de condensador
proviene de su mecanismo. El hecho de que el condensador posea una excelente respuesta en alta
frecuencia, indica una buena respuesta transitoria [66].
Debido a que un micrófono de condensador exige tener una tensión continua y estable de corriente
continua (DC) para polarizar la membrana, se debe suministrar el voltaje desde la interfaz de
sonido, dicho voltaje se entrega por medio de los cables del micrófono (típicamente 48 voltios).
Fig. 14 Elementos que conforman un micrófono de condensador.
Nota: Tomado de [66].
Instrumentos de adquisición de datos
Micrófono dbx RTA: El micrófono de condensador utilizado para el presente trabajo pertenece al
modelo RTA de la marca “dbx” Figura. 15. Cuenta con una respuesta en frecuencia de 20Hz a
20kHz.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 44
Fig. 15 Micrófono omnidireccional - dbx
Nota: Tomado de https://bit.ly/32gq3cA
Como se puede ver en la Figura. 16, el micrófono de condensador tiene un patrón polar
omnidireccional, esto da a entender que es sensible a todas las propagaciones recibidas por el
entorno, sin discriminación alguna, ya que su respuesta a ondas aleatorias es del 100 %.
Fig. 16 Clasificación del micrófono usado según su patrón de captación y sus principales características.
Nota: Tomado de [67].
Interfaz de audio: La interfaz portátil digital de referencia 744T y de marca Sound Device USBpre-
2 Figura 17. Este instrumento es vital para la adquisición de datos, ya que hace las veces de
preamplificador y es la encargada del módulo de adquisición. También es la responsable de
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 45
suministrar el voltaje necesario para polarizar constantemente la membrana del micrófono de
condensador para obtener las variaciones de capacidad.
Fig. 17 Interfaz de sonido – sound device USBpre-2.
Nota: Tomado de https://bit.ly/2FIAyNY
Análisis gráfico de señales en el dominio del tiempo
El análisis de señales en el dominio del tiempo es una técnica oriunda de análisis de forma de onda
en el tiempo de la señal capturada, eso se le atribuye al elemento receptor (micrófono) que
suministra ondas sonoras en el tiempo. Una ventaja de esta técnica está en el costo computacional
de análisis y solo necesita acondicionar la señal [68]. Los métodos en el dominio temporal muestran
la amplitud y la fase de la señal de vibración para diagnosticar la falla del sistema rotativo. También
presenta una utilidad específica en el análisis de señales acústicas impulsivas con propiedades no
estacionarias e impulsos con pequeña duración para detectar fallos en rodamientos y engranajes
[22].
Para el caso del análisis de señales en el dominio temporal es necesario examinar visualmente
segmentos de la forma de onda y diagnosticar comportamientos anormales. En el caso particular
de las señales de vibración traen consigo diversos componentes y presenta complicaciones para
visualizar posibles fallos generados en un sistema mecánico rotativo, haciendo que la inspección
visual no pueda encargarse de la detección [68].
Análisis gráfico de señales en el dominio de la frecuencia
El análisis de señales en el dominio frecuencial se centra en enseñar las frecuencias que componen
una señal. La transformada rápida de Fourier es el método más usado para pasar las señales de
vibración y acústicas desde el dominio temporal al dominio frecuencial. Además, la amplitud de
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 46
Fourier o usualmente conocida como espectro de frecuencia estudia el análisis espectral y puede
usarse como firma de fallo [68]. Una ventaja importante del análisis en el dominio frecuencial es
que muestra los picos en su espectro, algo útil para detectar y localizar fallos que tienen una
respuesta característica [69].
Transformada rápida de Fourier
La FFT reconocida como transformada rápida de Fourier corresponde a un algoritmo que permite
hallar la Transformada de Fourier Discreta (DFT) y su inversa. Este desarrollo se le atribuye al
matemático francés Jean Baptiste Fourier (1768 - 1830) quien desarrolló e implementó la forma de
reemplazar una señal compleja en el dominio del tiempo a través de series curvas sinusoidales con
valores de amplitud y frecuencias particulares [70], por lo tanto, la función de un analizador de
espectros que labora con la transformada rápida de Fourier es adquirir una señal de vibración
generada por una máquina y calcula todas las señales sinusoidales que contiene una señal compleja
y finalmente se ilustran de forma individual en un gráfico de espectro [5]. También el rango de
frecuencia envuelto por el análisis FFT es dependiente de la cantidad de muestras adquiridas y de
la proporción de muestreo [71]. Por otro lado, al transformar una señal del dominio del tiempo al
dominio de la frecuencia se está teniendo en cuenta la misma información inicial (dominio
temporal), pero se produce una forma de onda diferente [68].
La DFT es característica de la señal en el dominio de la frecuencia, que posteriormente se separa
en una serie de funciones sinusoidales que al ser sumadas conforman la señal original (dominio del
tiempo). Por otro lado, al implementar algoritmos como la FFT, separa las señales en puntos, donde
se presenta una gran utilidad en aplicaciones de tiempo real, ya que este algoritmo trabaja de forma
muy rápida [72].
Análisis en el dominio del tiempo y de la frecuencia
Las vibraciones se adquieren mediante señales para luego visualizarse en el dominio temporal, de
ahí la señal se filtra para analizar meticulosamente cada segmento de la señal en el dominio
frecuencial [5]. En la Figura. 18 se observa una imagen tridimensional de la señal de vibración
compuesta.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 47
Fig. 18 FFT de una onda de vibración compleja.
Nota: Tomado de [5]
Firma de vibración
Generalmente cada máquina mecánica rotativa tiene una vibración característica que la distingue
y se conoce como firma de vibración. Esta señal es dependiente del diseño, fabricación, uso y
desgastes de cada uno de los elementos que conforman al sistema rotativo. El ingeniero o mecánico
que desarrolla tareas de mantenimiento en un equipo industrial se centran en reconocer la
naturaleza de la vibración presentada [70]. La firma de vibración asociada a un rodamiento es útil
para el diagnóstico del mismo, la interpretación de patrones característicos pueden ser estimados
en circunstancias generales, que revelan las frecuencias particulares de los fallos. Las cartas de
Charlotte presentan un manual para monitorear y analizar la presencia de fallos en componentes
del sistema rotativo [73].
Análisis de fallas en rodamientos usando vibraciones mecánicas
Los rodamientos son elementos incluidos en máquinas rotativas que generan vibraciones
características, cuando las balineras que conforman al rodamiento pasan de la zona de carga a la
zona no cargada se producen pequeños impactos que hacen que los rodamientos emitan
vibraciones. Esto pasa tanto para rodamientos en buen estado como para los que presentan fallas
avanzadas [74].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 48
Evolución de la falla de un rodamiento en espectros
El estudio espectral es determinante para tareas de diagnóstico del estado de deterioro de un
rodamiento, permitiendo por comparación de la evolución de las amplitudes espectrales, llegando
a predecir el futuro deterioro y así programar su cambio de forma anticipada [5]. En la tabla de
diagnósticos de vibraciones creada por la asociación de técnicos de Charlotte Figura 19 se muestran
fallas generales en máquinas y el método para su análisis e identificación del defecto.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 49
Fig. 19 Cartas de diagnóstico de los asociados técnicos de Charlotte.
Nota: Tomado de [75].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 50
La Figura 19 presenta 4 etapas o momentos de daño del rodamiento, esto se da gracias al análisis
espectral, pero es importante entender que en las etapas 1 y 2 el micrófono usado no cumple con
las características necesarias para capturar rangos de frecuencias ultrasónicas, para entenderlo de
mejor manera, los micrófonos usados para adquirir las señales acústicas solo cumplen con las
etapas 3 y 4, ya que la zona C y D del panorama de avería dominate Figura 20 se establecen en
frecuencias superiores a 30kHz (emisión acústica), impidiendo de esta manera conocer la
frecuencia natural de un rodamiento en operación [27].
Fig. 20 Etapa 3 de daño de un rodamiento.
Nota: Tomado de [75].
Etapa de daño # 1:
En la etapa inicial del daño de rodamientos se presentan fallas incipientes parecidas a un desgaste
distribuido y se pueden visualizar en el espectro de vibración cuando incrementa la amplitud en
frecuencias elevadas entre 20kHz y 350kHz, a medida que el desgaste progresa se presentan
aumentos de amplitud en frecuencias entre 20kHz y 30kHz [76] [75].
Etapa de daño # 2:
Cuando un rodamiento entra en la etapa 2 se presenta una acentuación de este desgaste, lo cual
origina marcas espectrales de la frecuencia natural del rodamiento (Fn) y aparece en un pico
generalmente entre 20kHz y 120kHz. En esta etapa no es posible reconocer a simple vista algún
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 51
defecto en las partes que componen al rodamiento, instrumentos como el microscopio son útiles
para mirar microgrietas inferiores 40 micras [76].
Etapa de daño # 3:
Al presentarse frecuencias de fallos del componente se está hablando de la forma de observar la
falla en el componente del rodamiento por medio de análisis espectral, dichas frecuencias son
conocidas como:
BPFO (Ball Pass Frequency Outer) corresponde a la frecuencia donde un defecto en la pista
exterior generaría una señal.
BPFI (Ball Pass Frequency Inner) corresponde a la frecuencia de fallo de la pista interna.
BSF (Ball Spin Frequency) corresponde a la frecuencia de fallo en las balineras.
FTF (Fundamental Train Frequency) corresponde a la frecuencia fundamental de giro de la jaula.
Cada rodamiento trae consigo características geométricas propias, a partir de ellas se puede conocer
y determinar las frecuencias de deterioro. Estas frecuencias aparecen como formas espectrales
cuando el rodamiento presenta un fallo. Normalmente estas frecuencias de fallo no serán números
enteros. Dicho esto, es de esperar que un defecto de los componentes del rodamiento se presente
de forma no síncrona (no coincidente con los armónicos de la frecuencia de giro) [5]. Sin embargo,
esto no significa que el defecto sea fácil de visualizar, debido a: dilataciones térmicas,
desalineación, aprietes excesivos, desconchamientos en las pistas, etcétera. Es por esto que se debe
permitir cierto margen de error para calcular las frecuencias de fallo de un rodamiento, más aún
para programas que identifiquen fallos de forma automatizada [7].
Todo rodamiento posee unas características geométricas propias, vitales para establecer sus
frecuencias de fallo. A continuación se presentan las ecuaciones (13) (14) (15) (16) para el cálculo
de las frecuencias de deterioro.
𝐵𝑃𝐹𝑂 =𝑁𝑏
2(1 −
𝐵𝑑
𝑃𝑑) cos(𝜃) × 𝐹𝑔𝑖𝑟𝑜
(13)
𝐵𝑃𝐹𝐼 =𝑁𝑏
2(1 +
𝐵𝑑
𝑃𝑑) cos(𝜃) × 𝐹𝑔𝑖𝑟𝑜
(14)
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 52
Donde:
Nb= Número de balines del rodamiento.
Bd= Diámetro del balín (mm).
Pd= Diámetro medio del rodamiento (mm).
θ= Ángulo de contacto tomado desde la línea central del elemento rodante y el eje del rodamiento
(grados).
Fgiro= Frecuencia de giro del rodamiento en revoluciones por segundo (Hz).
La mayoría de las veces no se contará con la información detallada de los rodamientos, como los
diámetros internos del rodamiento, ángulo de contacto, etcétera. Para esto existen ecuaciones
empíricas bastante aproximadas para determinar las frecuencias de deterioro en las pistas y de la
jaula de un rodamiento [5].
𝐵𝑃𝐹𝑂 = 0.4 × 𝑁𝑏 × 𝐹𝑔𝑖𝑟𝑜 (17)
𝐵𝑃𝐹𝐼 = 0.6 × 𝑁𝑏 × 𝐹𝑔𝑖𝑟𝑜 (18)
𝐹𝑇𝐹 = 0.4 × 𝐹𝑔𝑖𝑟𝑜
(19)
A medida que la falla progresa se visualiza un aumento del pico de la frecuencia de fallo, este
aumento se ve comprometido con la aparición de armónicos del propio, generando una disminución
del pico y no es posible asignar de forma instantánea la severidad de fallo solamente con la altura
del pico en el espectro, pero con la interpretación de la frecuencia de falla del componente y de sus
armónicos, es recomendable reemplazar los rodamientos [27], [75], ya que se espera una vida
residual entre 1-5 % de la vida útil [76].
𝐵𝑆𝐹 = 𝑃𝑑
2𝐵𝑑(1 − (
𝐵𝑑
𝑃𝑑)
2
(𝑐𝑜𝑠𝜃2)) × 𝐹𝑔𝑖𝑟𝑜
(15)
𝐹𝑇𝐹 =1
2(1 −
𝐵𝑑
𝑃𝑑𝑐𝑜𝑠𝜃) × 𝐹𝑔𝑖𝑟𝑜
(16)
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 53
Etapa de daño # 4:
En esta etapa de fallo, se presentan múltiples grietas y se genera el desprendimiento de pequeñas
partículas de la superficie del rodamiento, además las fallas frecuencias de fallo (BPFO, BPFI,
BSF, FTF) tienden a desaparecer [5], [27]. Asimismo, se afecta la amplitud de la frecuencia de
rotación 1x y normalmente se presenta un crecimiento de muchas de sus armónicos [75].
Localización de fallos de tipo BPFI
Es importante fijarse en la frecuencia de fallo de la pista interior y tener un especial cuidado con
ella, ya que acorta de forma exponencial la vida útil de los rodamientos, lo que repercute en el
sistema mismo [7] . Para detectar los defectos de tipo BPFI es importante transformarlos a espectros
para una mejor visualización. Estas señales además de tener información de fallos en los
rodamientos de un sistema rotativo, traen consigo frecuencias naturales de los elementos del
sistema rotativo que van a enmascarar las lecturas de interés [75]. Por otra parte, pero de igual
forma importante, el micrófono empleado para adquirir las señales respectivas responde al 100 %
de las ondas aleatorias que inciden en él, permitiéndole reconocer información de otros
componentes cercanos, lo cual no es bueno porque se contamina la señal de interés, en la Figura.
21 se observa la señal adquirida con frecuencia de fallo tipo BPFI, donde 359.9Hz pertenece al
BPFI medido.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 54
Fig. 21 DFT de la señal acústica.
Los defectos en la pista interior de un rodamiento presentan varios picos armónicos de su
frecuencia de daño (entre 8 y 10 armónicos de BPFI) modulados por bandas laterales a 1xFgiro.
Otra manera de identificar un defecto en la pista interior es la generación de bandas laterales en
torno a los armónicos de BPFI, como se ve en la Figura. 22. Además, otro índice de fallo se presenta
en los armónicos de la frecuencia de rotación del sistema.
Fig. 22 Fallo en la pista interior.
Nota: Tomado de [5].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 55
Localización de fallos de tipo BPFO
Los defectos en la pista exterior se caracterizan por tener picos armónicos de la frecuencia de
fallo de la pista exterior (entre 8 y 10 armónicos), como se ve en la Figura. 23.
Fig. 23 Fallo en la pista exterior.
Nota: Tomado de [5].
Localización de fallos de tipo FTF
Los defectos en la jaula se caracterizan por tener una frecuencia de deterioro (FTF) y sus
respectivos armónicos. Normalmente, una jaula de un rodamiento va acompañado por las pistas
interiores y exteriores, generalmente modula a una de las frecuencias de deterioro de las pistas,
presentado sumas o diferencias de frecuencias Figura. 24 [5].
Fig. 24 Fallo de jaula
Nota: Tomado de [5].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 56
Métodos de procesamiento de señal para mantenimiento predictivo
Los métodos de procesamiento de señal comúnmente utilizados incluyen métodos clásicos de
análisis en el dominio del tiempo, por ejemplo: análisis estadístico, transformada de Hilbert,
análisis de envolvente y filtrado de señal. Asimismo, existen métodos clásicos de análisis en
frecuencia, por ejemplo: transformada rápida de Fourier (FFT), transformada Wavelet, métodos
basados en modelos. En la Figura. 25 se ilustra un flujo lógico sobre cómo son estos métodos y
cómo se utilizan para realizar diferentes funciones. Para el caso del presente trabajo, son de interés
los 3 módulos establecidos por el flujo lógico, que sirven de base para el desarrollo de un algoritmo
capaz de diagnosticar fallas en rodamientos, los módulos se establecen en el siguiente orden:
acondicionamiento de señal, extracción de características y diagnóstico de fallas.
El acondicionamiento de señal generalmente se aplica a señales sin procesamiento para facilitar la
extracción de características relacionadas con las fallas en las señales, entonces las fallas se pueden
detectar a través de un análisis de comparación, por ejemplo: análisis espectral y búsqueda de picos
de la señal. En la comparación de este análisis espectral si los valores de las características de la
falla extraída coinciden con los valores establecidos por las cartas de diagnóstico de Charlotte en
su etapa #3, indicando si una falla se está presentando.
Fig. 25 Procesamiento de señal para métodos de diagnóstico de fallos
Nota: Tomado de [77].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 57
VIII. METODOLOGÍA
Para el desarrollo de este procedimiento es necesario ejecutar de manera adecuada la técnica de
captura del sistema, específicamente para sistemas mecánicos rotativos, y de esta forma obtener
los espectros característicos de los componentes mecánicos. Además, es necesario demostrar
objetivamente que existe una semejanza sobre las condiciones, componentes y las diferentes fases
del sistema medido. Para esto, se consideran pautas iniciales presentadas en BS EN 60034-9:2005
“Rotating electrical machines: Noise limits” [78], esto posibilita que en el montaje en máquina se
establezcan consideraciones como precauciones y condiciones de medición, ya que de esto depende
que las capturas en máquina sean lo más similares posible, también permite establecer los aportes
emitidos por fuentes externas al sistema medido, ya que de una forma directa afecta a la
información que se desea conocer [3].
Para definir el procedimiento de medición, primeramente, se llevaron a cabo una serie de pruebas
en el sistema y el entorno en que este se encuentra, las cuales tenían como propósito determinar las
necesidades tempranas del proyecto. En cuanto a la instrumentación requerida, se adelantó una
inspección al sistema para lograr identificar las fuentes de ruido que en este caso se les atribuyen a
los rodamientos presentes, se identificó que el sistema posee dos juegos de rodamientos de
diferente referencia comercial; el primer juego de rodamientos de características FAG6005-2RSR
y el segundo juego de rodamientos FAG6205-2RSR Figura. 26, distanciados 30 cm uno del otro, al
decir esto, el presente estudio se enfoca en el juego de rodamiento N.° 1
Fig. 26 A) Componente medido B) Rodamientos 1 y 2 en el componente medido
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 58
El sistema mecánico rotativo a medir está compuesto por un motor de inducción trifásico Tabla 6,
que mueve una máquina picadora industrial (carga) y el sistema completo, cuenta con una longitud
total de 87 cm. El sistema tiene exposición laboral alta, ya que funciona de manera continua, por
ende, en su actividad no se contemplan percances ni contratiempos que puedan comprometer de
manera directa su funcionamiento final. A partir de esto, se desarrolló un mecanismo de toma de
medidas que permita determinar el estado actual de un juego de rodamientos del sistema. Las
pruebas que se deben adelantar en el sistema conllevan a que todas las medidas deben desarrollarse
bajo condiciones iguales [78]. A continuación, se muestran las condiciones y los requisitos de
medida generados a partir del desarrollo de pruebas anteriores al sistema
TABLA 6 CARACTERÍSTICAS DEL MOTOR ASÍNCRONO.
Montaje de medida
Para realizar una toma adecuada de señales acústicas a un sistema mecánico tipo rodamiento se
deben tener en cuenta consideraciones iniciales como distancia de los elementos rodantes al
elemento receptor (micrófono), frecuencia de rotación del sistema mecánico, tener en movimiento
la carga respectiva al sistema mecánico, establecer mediciones con fuentes de ruido semejantes, es
decir, para los casos en que no se tiene solamente la fuente de ruido perteneciente al sistema
rotativo, se debe garantizar que las mediciones se adelanten bajo condiciones de ruidos residuales
iguales.
Los requisitos y condiciones de medida tenidos en cuenta para este proyecto fueron generados a
partir del desarrollo de pruebas anteriores al sistema, estas sirvieron para determinar qué tipo de
selección y ajustes son necesarios para registrar de una manera clara y objetiva la situación
presentada. Los instrumentos y materiales utilizados para el procedimiento fueron:
HP (KW) Polos HZ RPM Voltios Amperios Peso (Kg)
4.5 4 60 1700 220/440 5.7/2.85 24
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 59
TABLA 7 INSTRUMENTAL DE MEDIDA.
CANTIDAD INSTRUMENTOS
1 Micrófono omnidireccional (dbx RTA)
1 Interfaz de audio Sound Device (USBPre2)
1 Base de micrófono
1 Cable de señal (XLR)
1 Software de grabación (Protools 12)
1 Software de procesamiento de datos (Matlab)
Nota: El resto de instrumentos usados en el montaje de medida se pueden observar en el Anexo
A.
El montaje de medida establecido consta de un micrófono con patrón polar omnidireccional,
ubicado a una distancia de 10 cm del juego de rodamiento de interés y a 1.1 m del suelo, a su vez
este punto de medida está ubicado a 2.7 m de la superficie reflejante más próxima Figura. 27. El
micrófono de medición posee respuesta en frecuencia plana, esto es muy importante, ya que de esta
forma se garantiza que la toma de datos sea útil para la situación presentada, dado que a
comparación de otros componentes electro acústicos [5], [6], [7], [8], el micrófono utilizado no
trabaja sobre correcciones (curvas de ponderación) o tienen como objetivo caracterizar señales
como la voz humana donde se ve limitada la cantidad de datos lo menos posible [17].
Fig. 27 Punto de medida.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 60
Por otra parte, se determina un tiempo de medida conveniente para generar los respectivos
espectros característicos, puesto que se deben tener en cuenta criterios como aumento de la
disponibilidad del sistema caracterizado y futuro costo computacional, es por esto que se realizan
pruebas in situ para caracterizar las vibraciones generadas por el sistema mecánico rotativo
utilizando un micrófono omnidireccional, las pruebas realizadas previamente al sistema ayudan a
determinar de forma objetiva la dinámica de las propagaciones sonoras de mayor a menor duración,
ya que se puede ver que no poseen diferencias significativas. Se profundizará más adelante en
“mediciones con movimiento de la carga” los registros adelantados a diferentes duraciones.
Seteo del equipo
Al ubicar el micrófono en las distancias anteriormente indicadas, se procede a conectar la señal de
salida del micrófono al canal N.° 1 de la interfaz de audio Figura. 29, se verifica un nivel de línea
aceptable, es decir, se verifica que no sature la señal de entrada de la interfaz, posterior a esto, se
genera una sesión en blanco en el software Protools 12, vale la pena aclarar que este software de
grabación no es indispensable o determinante para que el proceso salga bien, ya que su uso es
costoso, con un programa que pueda muestrear bajo las condiciones que se requiere es suficiente.
En este trabajo, los registros tendrán una frecuencia de muestreo de 48000Hz y una profundidad
de 24 bits.
Fig. 28 Sistema de medida.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 61
Fig. 29 Seteo del equipo.
Mediciones con movimientos de la carga:
Se realizó un registro de 8 minutos de duración, el cual se usa de referencia para estudiar la
dinámica de las propagaciones sonoras presentadas a corto, mediano y largo plazo. Como se
entiende, las propagaciones sonoras que genera normalmente el sistema a caracterizar Figura. 28
traen consigo espectros característicos, ya que el sistema internamente anda cumpliendo labores
periódicas y establecidas, es decir, no es de esperar contribuciones importantes de sus elementos
rotativos a mediano y largo plazo, esto se pudo probar, ya que al usar el registro principal (8
minutos) se establecen diferentes tiempos de medición a (8), (4) y (2) minutos respectivamente,
con el fin de descartar tiempos de medida mayores y que finalmente recaen en un costo
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 62
computacional cuantioso, para este caso el sistema rotativo opera a frecuencia de rotación nominal
[78], lo que implica que se generen contribuciones relevantes por parte de los elementos rodantes,
ya que se busca diferenciarlos del resto de fuentes sonoras.
Para constatar que la duración del registro inicial pueda reemplazarse por una duración menor, se
generaron niveles de presión sonora equivalente (SPLeq) a diferentes registros, como se ve en la
Tabla 8., donde se indica que el SPLeq para cada duración es semejante, ya que no se nota entre
cada valor una diferencia menor a 3 dB, esto da a entender que usar dos minutos de registro es un
tiempo apropiado para capturar las propagaciones sonoras en el punto de medida establecido para
generar las señales acústicas que conformarán el banco de audios.
TABLA 8 SPLeq DE 8, 4, 2, MINUTOS.
SPLeq (dB) Duración (minutos)
78.17 2
77.60 4
77.24 8
Por otra parte, la utilización de espectros normalizados para los registros de 8, 4 y 2 minutos,
permiten visualizar de forma más clara si poseen o no, cambios significativos en su contenido
frecuencial. Por otro lado, en las Figura. 30 se muestra la frecuencia de rotación del sistema y nueve
de sus armónicos. Donde, uno de esos diez (10) armónicos corresponde a un subarmónico de la
frecuencia de giro. Se puede ver detalladamente en la Figura. 31 que las amplitudes para cada
armónico no varían considerablemente por el tiempo de medición. De esta manera se puede
determinar que el registro de dos (2) minutos y el de ocho (8) minutos son estables, por ende es
posible asumir que un registro de dos (2) minutos es apto para generar los respectivos espectros
característicos en los diferentes estados de los elementos rodantes.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 63
a) Espectro normalizados de 8 minutos
a) Armónicos de la frecuencia de rotación para 8 minutos
b) Espectro normalizado de 4 minutos
b) Armónicos de la frecuencia de rotación para 4 minutos
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 64
c) Espectro normalizado de 2 minutos
c) Armónicos de la frecuencia de rotación para 2 minutos
Fig. 30 Espectros normalizados.
Fig. 31 Armónicos de la frecuencia de giro del sistema.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 65
Este proyecto tiene un reto muy importante, puesto que las señales acústicas se van adelantar bajo
ruidos residuales muy presentes, esto quiere decir que dichas mediciones involucran un nivel de
dificultad mayor para el análisis posterior de un componente en particular del juego de rodamiento
seleccionado. A continuación, se muestran tres (3) pruebas realizadas con diferentes tipos de ruido
residual presentes, al desarrollar cada medida se tuvieron en cuenta las fuentes más relevantes que
inciden en el punto de captura Tabla 9.
Medición 1:
Esta prueba consiste en registrar el comportamiento sonoro netamente del sistema mecánico
rotativo Figura. 28, es decir, deben estar apagadas las demás máquinas de la planta y aledañas a
esta.
Nota: La fuente 1 corresponde al sistema mecánico rotativo.
Medición 2:
Esta prueba consiste en registrar las propagaciones emitidas por la planta de producción # 1 Figura.
27 y el sistema mecánico rotativo Figura. 28.
Nota: La fuente 2 corresponde al sistema mecánico rotativo y a la planta de producción # 1.
Medición 3:
Esta prueba consiste en registrar todas las fuentes sonoras que inciden en el punto de medida
establecido, es decir, deben estar accionados el sistema mecánico rotativo, la planta de producción
# 1 Figura. 27 y 28 y la planta de producción # 2, ubicada a 15 metros aproximadamente del punto
de medida, esto se hace para que en el análisis de la señal se pueda diferenciar de una forma más
clara los aportes atribuidos al sistema mecánico rotativo y al resto de fuentes sonoras.
Nota: La fuente 3 corresponde a todas las fuentes sonoras que inciden en el punto de medida (fuente
1, fuente 2, planta de producción # 2).
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 66
TABLA 9 PRUEBAS CON DIFERENTES RUIDOS RESIDUALES.
Nota: Se debe garantizar que el sistema mecánico rotativo tenga en movimiento su respectiva carga
para las pruebas anteriormente descritas.
En todas estas mediciones acústicas están presentes ruidos con características de impulsividad
simple según Tabla 5, atribuidos por labores de operarios cercanos.
Por otra parte, los tiempos planteados para el desarrollo de las tres (3) pruebas pertenecen a un
grupo de cuatro (4) sesiones de captura con una diferencia de intervalos de medida de un (1) minuto
y con una duración de dos (2) minutos respectivamente, es decir, se hacen cuatro (4) registros de
dos (2) minutos y con una pausa entre capturas de un (1) minuto de duración. Por último, se debe
garantizar que el sistema se accione en condiciones nominales, esto se hace para garantizar que las
vibraciones sean notorias y cuantificables [78].
Ensayo para el diagnóstico del rodamiento:
Para generar las respectivas señales acústicas que posteriormente definen el estado del elemento a
monitorear, se han utilizado rodamientos con fallos reales. En la Figura. 32 se puede apreciar los
fallos correspondientes a la pista interior, exterior y jaula del juego de rodamiento caracterizado,
donde el fallo correspondiente a la pista interior figura (A) y (B) posee una longitud de 37.2 mm
y el fallo de la pista exterior figura (C) y (D) 22 mm. En la Figura. 32 (B) se puede apreciar de una
forma más clara el fallo correspondiente a la pista interior. Seguidamente, en la Figura. 32 (E) se
muestran fallos no tan notorios como en (A), (B), (C) y (D), pero que de igual forma existe un
deterioro de los mismos.
Nota: En el Anexo B se puede observar el montaje y desmontaje en el sistema tipo rodamiento.
Fuente 1 Fuente 2 Fuente 3
Medición 1 − −
Medición 2 −
Medición 3
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 67
Fig. 32 Fallas reales del juego de rodamientos FAG6005-2RSR.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 68
Al hacer un análisis posterior a los espectros respectivos de cada componente se debe tener en
cuenta las siguientes consideraciones [5], [7], [79].
• Los fallos suelen originarse en el siguiente orden: pista exterior, pista interior, elementos
rodantes (balineras) y finalmente la jaula. Esto se cumple siempre y cuando el rodamiento
haya sido correctamente montado [5], [7].
• Los rodamientos con fallo en la pista exterior suelen tener una vida útil mayor que los de
pista interior, es por eso que es muy importante determinar la existencia temprana de
defecto en la pista interior [5], [7].
• Se debe asegurar que el transductor (micrófono omnidireccional) se ubique cerca del
rodamiento que se desea analizar, ya que las energías de transmisión debido a los defectos
son pequeños [5], [7].
Los registros para las fallas del rodamiento se lograron efectuar sólo para las condiciones de
medición #3 dada las limitaciones presentadas por la contingencia mundial. Por parte de los
registros adelantados a los rodamientos en buen estado, se pudo cumplir con las condiciones
descritas en la medición 1 y 2 Tabla 9.
Establecimiento de línea base del algoritmo
Consiste en las señales acústicas adquiridas en el banco de señales Tabla 9 de rodamientos en buen
estado. Las señales obtenidas del componte con fallos reales se comprobarán con estas líneas base,
lo cual permitirá detectar el cambio que se presenta en la señales, conforme la falla incrementa.
Al establecer las líneas base del presente trabajo se optó por escoger los audios correspondientes
a la medición # 2 Tabla 9, ya que en términos de fuentes sonoras en propagación es más similar a
la medición # 3, siguiendo la recomendación de establecer la línea base y la línea de fallo lo más
semejantes posible [78].
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 69
Algoritmo de reconocimiento
El algoritmo de reconocimiento de fallas en la pista interna de un rodamiento se ha constituido con
diferentes bloques de trabajo Figura. 33 donde el proceso inicia cuando un audio del banco de
señales acústicas (Anexo C) ingresa al algoritmo. A continuación, se explica con detalle este
proceso de caracterización.
Bloque 1
En la Figura. 33 se puede ver el diagrama usado para desarrollar el algoritmo de reconocimiento,
en primera instancia el bloque correspondiente a las variables de entrada se encarga de seleccionar
un audio perteneciente a una señal del banco de señales acústicas, el cual va diferenciado por el
estado registrado del componente rotativo.
Bloque 2
Se procesa la señal con el fin de adaptar los requerimientos del proyecto y así, despreciar
información sin relevancia para el mismo. Se aplica un filtro de respuesta finita al impulso (FIR)
pasa bajos a la señal con una frecuencia de corte asociada a la frecuencia más alta que establece las
cartas de diagnóstico de Charlotte, correspondiente al décimo armónico de la frecuencia
fundamental de fallo en la pista interior 10xBPFI, este filtro digital tiene las siguiente
características: orden 18, el cual se estableció por medio de prueba y error, luego se aplica una
función ventana con el fin de suavizar las ondulaciones de la señal, ya que las funciones ventana
Fig. 33 Diagrama del algoritmo de reconocimiento.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 70
reducen el ancho del lóbulo y la banda de rechazo del filtro, dicho esto, se usa una ventana tipo
blackman, porque tiene gran atenuación en bandas laterales (-74 dB) y tiene un lóbulo principal
amplio [80].
Bloque 3
En este bloque se usa la transformada discreta de Fourier DFT aplicando una ventana tipo hamming
para suavizar imperfecciones, la ventana posee las mismas muestras que la FFT aplicada a la señal
filtrada. Además, el tamaño de la muestra (espectro característico) y la frecuencia de muestreo
determinan el número de puntos que se usa en la FFT, es decir, el tiempo de la muestra
caracterizada (110 segundos) y la frecuencia de muestreo (48000Hz) determinan el tamaño de la
FFT, ya que al aumentar el número de puntos se aumenta la resolución de la FFT posibilitando
espectros más estables y acordes a la incertidumbre asociada al espectro de frecuencia. En el anexo
E se muestran diferentes pruebas realizadas con diferentes tamaños de la FFT, donde se puede
observar que al bajar la resolución se pierde precisión en el diagnóstico del algoritmo, por esto se
usa el tamaño de la muestra caracterizada. Después se establece una magnitud en dB para una mejor
visualización y mayor control en la amplitud.
Bloque 4
Este bloque se encarga de comparar y establecer el estado de un rodamiento a partir de una línea
base en buen estado, para finalmente proponer un nivel de alarma, esto se hace por medio de la
función findpeaks en el software Matlab, esta función permite conocer los picos existentes en la
FFT, pero que al cambiar su configuración se ordenan dichos picos de mayor a menor amplitud, la
Figura. 34. muestra un ejemplo de selección de picos ordenados de mayor a menor magnitud de un
vector.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 71
Para entender de mejor forma el proceso de selección de las severidades existentes en el rango
espectral por parte del algoritmo implementado, se observa en la Figura. 35. cada variable de
entrada y salida en la función findpeaks.
Donde:
1. Entrega los picos del vector de señal de entrada
2. Entrega los índices en los que se produce los picos
3. DFT en dB con ventana hamming
Fig. 34 Picos ordenados de mayor a menor amplitud en un vector.
Nota: Tomado de https://bit.ly/3jaNURs
Fig. 35 Parámetros de función findpeaks para ordenar picos de mayor a menor amplitud.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 72
4. Se encarga de ordenar los picos de la DFT
5. Orden de mayor a menor.
Es normal que en el espectro aparezcan frecuencias no relacionadas al rango de frecuencias de
fallo, ya que aparte de tener frecuencias de fallo de otros componentes del rodamiento, se
encuentran frecuencias con magnitudes considerables como por ejemplo ruidos externos, sonidos
propios de la máquina, etcétera. En la Figura. 30 y 31 se puede ver con más detalle la alta presencia
de componentes diferentes a las frecuencias de fallo del rodamiento, el filtro pasa bajos permite
atenúar la señal a partir de la frecuencia máxima de interés establecida, la cual varía con relación
al número de balineras del rodamiento y la frecuencia de giro del sistema mecánico.
Para el caso de baja frecuencia aparecen picos en frecuencias que se le pueden atribuir a otros
componentes, en particular, la frecuencia más baja que se establece en el algoritmo para el análisis
de fallos en la pista interior del rodamiento, está dada por la frecuencia de giro del sistema
mecánico rotativo, el estándar BS EN 60034-9:2005 “Rotating electrical machines: Noise limits”
[78], recomienda trabajar con una frecuencia máxima de giro de la máquina. Dicho esto, se fija la
frecuencia de giro en 59.7Hz, lo que indica que se deben ignorar frecuencias menores a la
frecuencia de giro, ya que los espectros correspondientes a cada audio del banco de señales
acústicas, presentan magnitudes considerables en baja frecuencia que impedirían el proceso de
análisis de las frecuencias de fallo y de las severidades de estos deterioros. A partir de lo anterior,
el rango considerado para el análisis de frecuencias de fallo se establece entre 55 – 4000Hz, donde
es de gran interés conocer los picos con mayor magnitud, ya que de esta forma se puede notar si se
está presentando un caso de fallo en la pista interna de un rodamiento.
En cuanto a la incertidumbre asociada al espectro en frecuencia adquirido se debe tener en cuenta
que las frecuencias de fallo del rodamiento a balines teóricas y medidas no son iguales, un ejemplo
de ello lo es BPFI, ya que su valor teórico es de 358.2Hz y medido es de 359.9Hz, lo cual indica
que los valores de incertidumbre que se deben comprender para seleccionar adecuadamente las
frecuencias de fallo características son de al menos ±1.7Hz, dicho valor es comprendido en el
parámetro de entrada del algoritmo “porcentaje de error”, encargado de definir un valor de
incertidumbre preciso por medio de la selección de una frecuencia inferior y otra superior a la
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 73
frecuencia correspondiente, con el fin de escoger las frecuencias características ateniendo de esta
manera la incertidumbre presentada en el espectro en frecuencia.
Para que el algoritmo de reconocimiento tome decisiones, previamente se debe establecer un
porcentaje de error para la frecuencia de fallo de la pista interna del rodamiento teórica y sus
armónicos, la frecuencia de giro del sistema y sus armónicos, y finalmente las bandas laterales
correspondientes al primer y segundo armónico de BPFI. En particular, para BPFI y la frecuencia
de giro de la máquina, se debe considerar un porcentaje de error que le permita al algoritmo
identificar dichas frecuencias con precisión. Por parte del porcentaje de error asociado a los
armónicos de BPFI, Fgiro y las bandas laterales es menor a las fundamentales de las mismas, ya
que al ser múltiplos exactos de estas frecuencias fundamentales es conveniente asociar un
porcentaje bajo. Es por esto que el algoritmo asocia la mitad del porcentaje de error que se
determina en la interfaz principal, para así establecer un rango de selección conveniente.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 74
Fig. 36 Proceso de comparación del algoritmo.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 75
Como se observa en la Figura. 36 el bloque correspondiente a la búsqueda de picos debe contar
con la línea base y un fallo. En primera instancia, se ejecuta para BPFI una comparación de las
posibles severidades existentes en el componente, dicho de otra manera, se comparan las
amplitudes más relevantes en el rango espectral definido (55-4000Hz), para fijar un nivel de alarma
donde se indique el momento oportuno para el cambio del componente. De esta forma, se puede
determinar una diferencia con respecto a la línea base, y así generar un seguimiento específico a
las fallas que pueda presentar el rodamiento. Seguidamente se realiza la respectiva identificación
y comparación de BPFI y sus 10 primeros armónicos, siguiendo la etapa #3 de las cartas de los
asociados técnicos de Charlotte que se puede observar en la Figura. 19, después, se comparan las
bandas laterales de 1xBPFI y 2xBPFI pertenecientes a la etapa #3 de Charlotte y por último, se
compara la frecuencia de giro del sistema y sus 10 primeros armónicos, pertenecientes a la etapa
#4 de Charlotte, donde crece las magnitudes de dichas frecuencias. Ya comparadas todas las
frecuencias de fallo en rodamientos se suman las frecuencias identificadas y se imprimen en la
interfaz gráfica como se ve en la Figura 37.
Interfaz gráfica de algoritmo para mantenimiento predictivo
El algoritmo desarrollado en el software Matlab a partir de caracterización de señales acústicas
cuenta con siete (7) parámetros de ingreso cuatro (4) de ellos son variables y los tres (3) son fijos
Figura. 37.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 76
Fig. 37 Interfaz gráfica del algoritmo.
Para el desarrollo del algoritmo de reconocimiento se han considerado como variables a ciertos
parámetros, con el fin de estudiar la respuesta del algoritmo en función de su variación. A
continuación en la Tabla 10 se observa cuales son y con qué valores se ha trabajado.
TABLA 10 VARIABLES DEL ALGORITMO Y SUS RESPECTIVOS VALORES.
Nota: El número máximo de frecuencias corresponde a la cantidad de frecuencias que entrega la
función findpeaks después de asignar el índice respectivo a cada pico de mayor a menor amplitud.
Porcentaje de error % Número máximo de frecuencias Primeros picos
[1,6,16,32] [32,100,8.000,60.000] [1,2,3,5]
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 77
IX. RESULTADOS
En esta sección del escrito se encuentran los resultados obtenidos del trabajo, estos se han
organizado de la siguiente manera: en primer lugar las frecuencias de fallo teóricas del rodamiento
FAG6005-2RSR, posteriormente se establecen variaciones a las configuraciones de inicio del
algoritmo como se puede ver en la Tabla 16 donde se varía el valor del porcentaje de error del
algoritmo, en la Tabla 17 se prueba la respuesta del algoritmo para distintos niveles de severidad y
en la Tabla 18 se observa la respuesta del algoritmo a diferentes números de frecuencias del
espectro para encontrar las frecuencias de fallo y por último, los diagnósticos hechos por el
algoritmo a cada audio del banco de señales acústicas (Anexo C).
Para realizar la comparación respectiva de las señales adquiridas y de los cálculos teóricos de las
frecuencias de fallo, se deben considerar las dimensiones del rodamiento y la frecuencia de rotación
usada, en la Tabla 11 se muestran las frecuencias de fallo teóricas generadas por medio de las
ecuaciones 17, 18, 19 para el rodamiento FAG 6005-2RSR.
TABLA 11 FRECUENCIAS EMPÍRICAS DE FALLO EN RODAMIENTOS.
Componente de falla Frecuencia (Hz)
BPFO 238,8
BPFI 358,2
FTF 23,88
Al disponer de las frecuencias teóricas de fallas en rodamientos, se calculan los armónicos del
BPFI, producto de los primeros diez múltiplos de la fundamental
TABLA 12 ARMÓNICOS DE BPFI TEÓRICOS.
La frecuencia de giro del sistema mecánico y sus armónicos se deben conocer para modular las
bandas laterales relacionadas con los dos primeros armónicos de BPFI y para conocer sus
amplitudes que son indicio de un fallo en la etapa #3 de un rodamiento en la Figura. 20. A
continuación, se calculan la frecuencia de giro y sus diez (10) armónicos. En la Tabla 13, se
calculan los 10 armónicos de Fgiro, producto de los primeros diez múltiplos de la fundamental.
Número de
armónico 1 2 3 4 5 6 7 8 9 10
BPFI (Hz) 358,2 716,4 1074,6 1432,8 1791 2149,2 2507,4 2865,6 3223,8 3582
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 78
TABLA 13 ARMÓNICOS DE LA FRECUENCIA DE GIRO DEL SISTEMA ROTATIVO.
Seguidamente se calculan las bandas laterales correspondientes al primer armónico de BPFI, donde
las modulaciones que se producen son atribuidas a la frecuencia de giro del sistema mecánico.
TABLA 14 BANDAS LATERALES 1xBPFI
Bandas laterales
(1xBPFI) 358,2 (Hz)
Número armónico
(Fgiro)
Banda lateral inferior
(Hz)
Banda lateral superior
(Hz)
1 298,5 417,9
2 238,8 477,6
3 179,1 537,3
A continuación, se calculan las bandas laterales correspondientes al segundo armónico de BPFI,
donde las modulaciones que se producen son atribuidas a la frecuencia de giro del sistema
mecánico.
TABLA 15 BANDAS LATERALES 2xBPFI
Bandas laterales
(2xBPFI) 716,4 (Hz)
Número armónico
(Fgiro)
Banda lateral inferior
(Hz)
Banda lateral superior
(Hz)
1 656,7 776,1
2 597 835,8
3 537,3 895,5
En la Tabla 16 se observa la respuesta del algoritmo a diferentes porcentajes de error para un audio
del banco de señales acústicas con estado de rodamiento malo y bueno. En la Tabla 17 se percibe
la respuesta del algoritmo en la búsqueda de severidades en la frecuencia de fallo de la pista interior
del rodamiento para los mismos audios usados en la Tabla 16, y finalmente en la Tabla 18 se
observa la respuesta del algoritmo en función de la variación del máximo de frecuencias, para ver
así el comportamiento en la identificación de frecuencias de fallo propuestas por Charlotte, tanto
para los audios de línea base como para los audios con rodamientos en estado de deterioro.
Número de armónico 1 2 3 4 5 6 7 8 9 10
Fgiro (Hz) 59,7 119,4 179,1 238,8 298,5 358,2 417,9 477,6 537,3 597
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 79
TABLA 16 PORCENTAJE DE ERROR PARA ESTADO DE RODAMIENTO BUENO Y MALO.
PORCENTAJE DE ERROR [1,6,16,32%]
Estado del rodamiento: Bueno
Incertidumbre 1% Incertidumbre 6% Incertidumbre 16% Incertidumbre 32%
Audio 1.1 Audio 1.1 Audio 1.1 Audio 1.1
Número de frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32
Primeros picos 3 Primeros picos 3 Primeros picos 3 Primeros picos 3
Diagnóstico total 1 Diagnóstico total 7 Diagnóstico total 7 Diagnóstico total 9
Resultado Puede continuar Resultado Puede
continuar Resultado
Puede
continuar Resultado Para cambio
Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB)
55.20 -13.96 55.20 -13.96 55.20 -13.96 55.20 -13.96
414.95 -15.51 414.95 -15.51 414.95 -15.51 414.95 -15.51
177.75 -15.95 177.75 -15.95 177.75 -15.95 177.75 -15.95
Estado del rodamiento: Malo
Incertidumbre 1% Incertidumbre 6% Incertidumbre 16% Incertidumbre 32%
Audio 1.1 Audio 1.1 Audio 1.1 Audio 1.1
Número de frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32
Primeros picos 3 Primeros picos 3 Primeros picos 3 Primeros picos 3
Diagnóstico total 1 Diagnóstico total 3 Diagnóstico total 4 Diagnóstico total 5
Resultado Para cambio Resultado Para cambio Resultado Para cambio Resultado Para cambio
Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB)
359.86 0 359.86 0 359.86 0 359.86 0
359.73 -9.47 359.73 -9.47 359.73 -9.47 359.73 -9.47
156.69 -14.72 156.69 -14.72 156.69 -14.72 156.69 -14.72
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 80
TABLA 17 PRIMEROS PICOS PARA ESTADO DE RODAMIENTO BUENO Y MALO.
Primeros picos [1,2,3,5]
Estado del rodamiento: Bueno
Incertidumbre 2% Incertidumbre 2% Incertidumbre 2% Incertidumbre 2%
Audio 1.1 Audio 1.1 Audio 1.1 Audio 1.1
Número de frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32
Primeros picos 1 Primeros picos 2 Primeros picos 3 Primeros picos 5
Diagnóstico total 3 Diagnóstico total 3 Diagnóstico total 3 Diagnóstico total 3
Resultado Puede continuar Resultado Puede
continuar Resultado
Puede
continuar Resultado Para cambio
Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB)
55.20 -13.96 55.20 -13.96 55.20 -13.96 55.20 -13.96
414.95 -15.51 414.95 -15.51 414.95 -15.51
177.75 -15.95 177.75 -15.95
414.80 -16.11
355.68 -16.12
Estado del rodamiento: Malo
Incertidumbre 2% Incertidumbre 2% Incertidumbre 2% Incertidumbre 2%
Audio 1.1 Audio 1.1 Audio 1.1 Audio 1.1
Número de frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32 Número de
frecuencias 32
Primeros picos 1 Primeros picos 2 Primeros picos 3 Primeros picos 5
Diagnóstico total 3 Diagnóstico total 3 Diagnóstico total 3 Diagnóstico total 3
Resultado Para cambio Resultado Para cambio Resultado Para cambio Resultado Para cambio
Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB)
359.86 0 359.86 0 359.86 0 359.86 0
359.73 -9.47 359.73 -9.47 359.73 -9.47
156.69 -14.72 156.69 -14.72
159.87 -14.85
159.90 -15.36
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 81
TABLA 18 NÚMERO MÁXIMO DE FRECUENCIA PARA ESTADO DE RODAMIENTO BUENO Y MALO.
Número máximo de frecuencias [32,100,8.000,60.000]
Estado del rodamiento: Bueno
Incertidumbre 2% Incertidumbre 2% Incertidumbre 2% Incertidumbre 2%
Audio 1.1 Audio 1.1 Audio 1.1 Audio 1.1
Número de frecuencias 32 Número de
frecuencias 100 Número de
frecuencias 8.000 Número de
frecuencias 60.000
Primeros picos 3 Primeros picos 3 Primeros picos 3 Primeros picos 3
Diagnóstico total 3 Diagnóstico total 3 Diagnóstico total 24 Diagnóstico total 32
Resultado Puede continuar Resultado Puede
continuar Resultado
Puede
continuar Resultado Puede continuar
Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB)
55.20 -13.96 55.20 -13.96 55.20 -13.96 55.20 -13.96
414.95 -15.51 414.95 -15.51 414.95 -15.51 414.95 -15.51
177.75 -15.95 177.75 -15.95 177.75 -15.95 177.75 -15.95
Estado del rodamiento: Malo
Incertidumbre 2% Incertidumbre 2% Incertidumbre 2% Incertidumbre 2%
Audio 1.1 Audio 1.1 Audio 1.1 Audio 1.1
Número de frecuencias 32 Número de
frecuencias 100 Número de
frecuencias 8.000 Número de
frecuencias 60.000
Primeros picos 3 Primeros picos 3 Primeros picos 3 Primeros picos 3
Diagnóstico total 3 Diagnóstico total 3 Diagnóstico total 24 Diagnóstico total 30
Resultado Para cambio Resultado Para cambio Resultado Para cambio Resultado Para cambio
Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB) Frecuencias (Hz) Picos (dB)
359.86 0 359.86 0 359.86 0 359.86 0
359.73 -9.47 359.73 -9.47 359.73 -9.47 359.73 -9.47
156.69 -14.72 156.69 -14.72 156.69 -14.72 156.69 -14.72
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 82
Fig. 38 Diagnóstico para rodamiento FAG 6005-2RSR en buen estado.
Fig. 39 Diagnóstico para rodamientos FAG 6005-2RSR en mal estado
.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 83
TABLA 19 DIAGNÓSTICO TOTAL DEL BANCO DE SEÑALES ACÚSTICAS
Diagnóstico final 2% error y 32 frecuencias
Audios con rodamientos
defectuosos
Puede
continuar
Para
cambio Suma total Audios con rodamientos
en buen estado
Puede
continuar
Para
cambio Suma total
1.1 − 3 1.1 − 3
1.2 − 3 1.2 − 3
1.3 − 3 1.3 − 2
1.4 − 3 1.4 − 1
2.1 − 3 2.1 − 1
2.2 − 3 2.2 − 3
2.3 − 2 2.3 − 1
2.4 − 3 2.4 − 1 3.1 − 1 3.2 − 3 3.3 − 2 3.4 − 2
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 84
X. DISCUSIÓN
Al observar detalladamente los resultados en las Tablas 16, 17 y 18, es válido afirmar que la
configuración más acertada para el algoritmo es la siguiente: número máximo de frecuencias=32,
porcentaje de error=2 % y primeros picos=3, la cual se establece a partir de la línea base, ya que
dicha línea sirve para ajustar los valores de trabajo del algoritmo, como se puede ver en la Tabla 16,
donde el porcentaje de error es 32%; es evidente que el algoritmo con este valor no genera un
resultado acertado, ya que al momento de comparar la línea base con la línea de fallo no se ubica
a BPFI de forma precisa, esto se debe al gran margen porcentual establecido, donde la presencia
de picos en frecuencias muy cercanas a las de fallo permiten que la selección de la frecuencia y de
su severidad sea errónea. En cambio, al asignar un porcentaje de error más bajo (2%) se asegura
que la selección de BPFI sea precisa. Además en la Tabla 11 y en las Tablas 16, 17 y 18 se puede
ver que la frecuencia de fallo BPFI teórica, es muy próxima a la frecuencia de fallo de medida,
aspecto que refuerza la idea de implementar un porcentaje de error pequeño.
En la Tabla 17 se observa otra forma de diagnóstico erróneo del algoritmo, esta vez para los 5
primeros picos que se analizan de la señal, clasificados de mayor a menor amplitud, donde se
diagnostica el cambio del rodamiento según su severidad , pero el audio analizado fue medido con
los elementos rodantes en buen estado. Es por eso que se establece un valor máximo de primeros
picos igual a 3, porque presenta buenos resultados Tabla 17, ya que entre menor sea la cantidad de
primeros picos que caracterice el algoritmo de la señal acústica, más estricta será la selección del
resultado de la condición del componente. Para el caso específico del primer pico con mayor
amplitud, donde implica que la frecuencia de fallo BPFI debe predominar respecto a los demás
picos para determinar un fallo severo en la pista interior, pero al usar los 3 primeros picos para
caracterizar la línea base Tabla 17, se establece que es un valor oportuno para el monitorear la
condición del rodamiento.
En la Tabla 18 se aprecian 4 configuraciones distintas de frecuencias máximas, para establecer la
relevancia de este parámetro en el proceso de diagnóstico del algoritmo. Las configuraciones de
32, 100, 8.000 y 60.000 frecuencias clasificadas de mayor a menor amplitud Tabla 18, muestran
que el resultado de la condición del rodamiento no se ve comprometido por este parámetro, por el
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 85
contrario, dicho resultado sirve para comparar si se presentan las 32 frecuencias asociadas a las
etapas de fallo 3 y 4 de Charlotte. Se puede ver que al usar 60.000 frecuencias el algoritmo
selecciona las 32 frecuencias en su totalidad Tabla 18. Sin embargo, al fijar este valor se detectan
casi en su totalidad las frecuencias de fallas para un audio con estado defectuoso, pero también se
seleccionan todas las frecuencias de fallo para un audio con componentes en buen estado Tabla 18,
esto se debe a la señal acústica que en este rango espectral posee frecuencias que se le pueden
atribuir a otros elementos o a otros sistemas próximos al punto de medida, distintas de las
frecuencias a caracterizar, lo que hace poco determinante a este parámetro, por esto se recomienda
seleccionar las primeras 32 frecuencias para que el algoritmo compare y finalmente seleccione los
componentes con fallos más significativos.
Al aplicar el filtro digital pasa bajos con una ventana blackman para atenuar frecuencias por encima
de 4kHz, se determina que es de gran utilidad, ya que su gran reducción en bandas laterales
proporciona que los picos correspondientes a la frecuencias superiores de la frecuencia de corte
establecida, afecte el proceso de selección del estado del rodamiento.
Gracias a la discriminación de frecuencias menores a Fgiro, fue posible desarrollar el análisis de
frecuencia y amplitud, ya que en el caso particular de un rodamiento en buen estado Figura. 31, el
subarmónico correspondiente a la fundamental de la frecuencia de giro (0.5xFgiro), muestra una
magnitud sobresaliente del resto de frecuencias, lo cual dificulta en gran medida la selección de la
condición del rodamiento.
En la Figura. 38 y 39 los espectros con los rodamientos en mal estado y buen estado muestran gran
piso de ruido, factor que se le atribuye a la alta actividad que se presenta en el punto de medida y
a su entorno. Es por esto que este trabajo no abarca la etapa # 4 en su totalidad, ya que el piso de
ruido generado por los componentes al presentar fallas severas es fácilmente enmascarado por las
condiciones del entorno de medida.
En la Tabla 19 se puede ver el resultado y la suma total de frecuencias de fallo para los audios
correspondientes al estado bueno y malo del rodamiento FAG 6005-2RSR en el banco de señales
acústicas, mostrando un diagnóstico acertado para los 8 audios correspondientes al estado
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 86
defectuoso del elemento rodante, en cambio, para los audios pertenecientes a la línea base (buen
estado) hay dos audios que presentan diagnósticos errados, lo anterior indica que no siempre los
cuatro (4) audios obtenidos a partir de las mediciones establecidas en la metodología, son garantía
de un diagnóstico acertado, dicho esto, es recomendable para los casos en que el algoritmo genere
más de tres (3) errores en su diagnóstico debido a que en el punto de medida hay gran presencia de
ruidos que afectan al proceso de caracterización del estado del rodamiento, mencionado lo anterior
se debe repetir el proceso de medida, ya que las señales traen consigo frecuencias y magnitudes
que afectan la respuesta del algoritmo, por esto la metodología de medida solicita 4 mediciones
con duraciones de 2 minutos, para corregir justamente eventualidades que alteren el espectro
característico del rodamiento y de esta forma descartar posibles inconvenientes.
Es claro que aparte de BPFI, las demás frecuencias de fallo propuestas en Charlotte no son cruciales
para generar un resultado acertado, ya que se sigue fielmente lo establecido en las cartas de
Charlotte en la etapa de fallo #3, donde al momento de presentarse BPFI es recomendable
reemplazar el elemento, garantizando de esta manera un monitoreo específico del componente con
menor vida útil del rodamiento.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 87
XI. CONCLUSIONES
Al ver los resultados del presente trabajo se puede concluir que al implementar el análisis de
amplitud y de frecuencia en señales acústicas es útil para revisar el estado de rodamientos a balines,
aunque no se cumplan a cabalidad con las frecuencias de fallo establecidas por los asociados de
Charlotte. Sin embargo, es positivo el resultado del algoritmo al caracterizar los 3 picos con más
relevancia de la señal en un rango espectral definido y de esta forma predecir el momento oportuno
para reemplazar el rodamiento.
A raíz de las limitaciones presentadas para establecer un banco de señales acústicas robusto, dada
la baja disponibilidad del sistema mecánico rotativo, no fue posible adquirir más señales con
componentes que presentan fallos reales, debido a la gran exposición laboral que tiene el sistema
rotativo y su entorno, lo que impidió establecer un umbral intermedio entre la amplitud con fallo
severo y la amplitud con el componente en buen estado para fijar una nivel de alarma que indique
un fallo incipiente.
Las acciones de mantenimiento predictivo adelantas en este trabajo están fundamentadas bajo la
etapa # 3 de las cartas de Charlotte, lo que implica que se realiza un monitoreo de variables
definidas y no de parámetros globales comúnmente usados. Por otra parte, el micrófono usado para
adquirir las señales acústicas de los dos estados del rodamiento cuenta con una respuesta a ondas
sonoras aleatorias de 100%, lo que implica que en cada señal del banco se encuentra además de las
frecuencias de fallo del rodamiento, frecuencias atribuidas a la alta presencia de fuentes sonoras
próximas.
A partir de la implantación de equipos portátiles para caracterización de estados de elementos
rodantes de una máquina, y la ayuda de herramientas digitales para procesar, analizar y comparar
las señales acústicas es posible conocer el nivel de severidad actual del componente más crítico del
rodamiento y de esta manera se realiza mantenimiento a través del cambio presentado en los
espectros por medio de mediciones periódicas del sistema.
El análisis espectral de señales acústicas en sistemas mecánicos rotativos es práctico y fructífero,
ya que aparte de caracterizar estados de rodamientos es útil para estudiar otros fallos indicados en
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 88
las cartas de Charlotte, para partes y componentes de sistemas giratorios de tipo mecánico como
engranajes, rotor, holguras mecánicas, problemas en poleas y correas, eje desalineado, entre otros,
lo cual vuelve a esta técnica viable y prometedora para atender la necesidad del sector industrial
por contar con una mayor disponibilidad de sus máquinas.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 89
XII. RECOMENDACIONES
Para futuras investigaciones, se recomienda usar como elemento receptor en la metodología de
medida un micrófono con patrón polar más directivo, dada la contaminación por ruido existente el
punto de medida, micrófonos con patrón polar supercardioide e hipercardioide son útiles para
aplicaciones industriales.
Establecer un nivel de alarma intermedio que indique un fallo incipiente en el rodamiento, esto se
puede lograr al momento de adelantar mediciones más frecuentes al sistema mecánico rotativo y
de esta forma generar un monitoreo periódico para clasificar la amplitud correspondiente a la
frecuencia de fallo BPFI.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 90
XIII. REFERENCIAS
[1] F. J. L. Armijos, «Señales acústicas de vibración: estudio comparaivo para la detección de
severidad de fallos en engranajes rectos,» nº 1, 2019.
[2] A. y. R. W. Starr, «“An introduction to condition based maintenance and its management”,»
pp. 124-134, 1996.
[3] J. C. M. J. C. R. M Vilela, «Machines and Industrial Monitorization System by Analysis of
Acoustic Signatures,» nº 11, May - 12 - 15. 2004.
[4] R. J. R.-T. E. C.-Y. R. A. O.-R. a. J. A. L.-M. Arturo Garcia-Perez, «Application of high-
resolution spectral analysis for identifying faults in induction motors by means of sound,,»
2015.
[5] "Manual análisis de las vibraciones " Power - ML cloud conditioning monitoring.
[6] T. Aastroem, «One hundred and one NDT and machine diagnostic methods for the prevention
of losses in critical machinery. In 16th WCNDT 2004 :World Conference on NDT. CD-ROM
Proceedings.,» 2004.
[7] J. Krzysztof Jedrszczak y I. Alvarez Garcia, «Desarollo de un sistema de mantenimiento
predictivo integrado dentro del protocolo opcua,» 07/2019.
[8] X.-P. R. Modules, «https://bit.ly/2Y21gJa,» 2009. [En línea].
[9] M. R. Carangui Vintimilla, Establecimiento de una base de datos de señales de vibraciones
mecánicas de una caja reductora combinando fallos de rodamientos y engranajes rectos para
fines investigativos en la UPS, Cuenca, 2014.
[10] R. A. Guiracocha Guiracocha , «Establecimiento de una base de datos de señales de
vibraciones acústicas e imagenes termograficas infrarrojas para un sistema mecánico rotativo
con lacombinacion dediferentes tipos de fallos yelaboracióndeguíadeprácticaspara detección
de fallos en engrana,» 2015.
[11] C. E. Muñoz Zumba y A. G. Vera Rodas, Establecimiento de una base de datos de señales de
vibraciones mecánicas y acústcias de un sistema mecánico rotativo con la combinación de
fallos de rodamientos y engranajes helicoidales, y eleboración de guía de práctica para
desbalanceo estaticó., 2015.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 91
[12] C. G. Ortiz Farfan y I. A. Perez Rivera, Adquisición de señales vibracionales y emisiones
acústicas combinando fallo en máquina rotativa y eleboración de guías de práctica sobre
detección de fallos en engranajes por medio de emisiones acústicas., 2016.
[13] E. E. Pacheco Cordova , «Adquisición de señales de vibración y emisión acústica para el
diagnóstico de severidad de fallos en maquinaria rotativa.,» Tesis de Pregrado, Universidad
Politecnica Salesiana, 2018.
[14] O. G. I. M. Fernando. Salazar Villanueva, «Spectral Analysis for Identifying Faults in
Induction Motors by Means of Sound.,» 2013.
[15] A. Garcia Perez , R. J. Romero Troncoso, E. Cabal Yepez, R. A. Osornio Rios y J. A. L.
Martinez , «Application of high - resolution spectral analysis for identifying faults in
induction motor by means of sound,» 2011.
[16] P. A. Delgado Aredondo, D. Moringo Sotelo, R. A. Osorio Rios , J. G. Avina Cervantes , H.
Rostro Gonzales y R. d. J. Romero Troncoso , «Mechanical systems and signal processing,»
de MSSP, Mexico , Science direct , 2016 .
[17] P. Rzeszucinki, M. Orman , C. Pinto , A. Tkaczyk y M. Sulowicz, «Acoustic signal
measurements can be used to test for structural faults in motors,» 20 Abril, 2018, p. 19.
[18] Harman, «dbx RTA-M,» 2012.
[19] A. V. a. A. Z. S.A. Mortazavizadeh, «Detection of Stator Winding Inter-turn Short Circuit In
Induction Motor Using Vibration Specified Harmonic Amplitude, 2nd International
Conference on Acoustics & Vibration (ISAV2012),» 26-27 Dec. 2012.
[20] A. Glowacz., «Diagnostics of DC and Induction Motors Based on the Analysis.,» 2014.
[21] W. G. Z. G. J. K. Adam Glowacz, «Early fault diagnosis of bearing and stator faults of the
singlephase induction motor using acoustic signals,,» 25 de agosto del 2017.
[22] R. V. Sanchez Loja, «Diagnóstico de fallos en engranajes basado en el análisis deseñales de
vibración empleando una red neuronal perceptrón multicapa con retropropagación del error,»
de Tesis de Máster, Universidad Nacional de Educación a Distancia,, 2012.
[23] J. H. Shin y H. B. Jun , ««On condition based maintenance policy»,,» de J. Comput. Des.
Eng.,vol. 2, n.o, 2012 , pp. 119 - 127 .
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 92
[24] a. n. y. c. La medición y análisis de las vibraciones como técnica de inspección de equipos y
componentes, «Fac. Ing-Univ. Concepc,» Chile, 2011.
[25] H. -. E. Kiim, «Machine prognostics based on health state probability estimation,» de Tesis
doctoral, Queensland University of Technology, Queensland, Australia, 2020 .
[26] J. D. Correa Blair, «Micrófonos - Clase Electroacústica, Universidad San Buenaventura,»
Medellin, 2016.
[27] M. E. Moreno, «Diagnóstico de fallas en rodamientos utilizando vibraciones mecánicas,»
Noviembre, 2018.
[28] Huseyin Akc ̧ay y Emin Germen, «Identification of acoustic spectra for fault detection in
induction motors,» Tukey .
[29] W. L. S. y. L. N. E. M. L Sin, «Induction machine on-line condition monitoring and fault
diagnosis - A sur vey,» New Zeland, 2003.
[30] T. P. y. S. G. Z. Medrano, «"A review on detection and fault diagnosis in induction
machines",» de Publicaciones en ciencias y tecnologias vol. 8 n° 1, 2014, pp. 11-30.
[31] C. Mundarain, «Diseño de un programa de manteimiento basado en condición, enfocado a la
mejora de la efectividad de los activos rotativos,» Venezuela , Universidad del norte, puerto
la cruz. , 2009.
[32] Z. Chen , C. Li y R. V. Sanchez , «Gearbox fault identification and classification with
convolutional neutral networks,» Shock Vib, 2015.
[33] G. C. Trujillo , «Monitoreo de condición - Una estrategia de Integración de Tecnologías.,»
en Congreso Mexicano de Confiabilidad y Mantenimiento,, 2003.
[34] F. E. Hernadez Montero , M. L. Ruiz Barrios , J. R. Rodriguez Saurez, A. Rolo Naranjo , N.
Y. G. Samir y Luis Javier de Miguel , ««Sistema de bajo costo para el monitoreo por
condición a aplicar en parques eólicos,» Univ. Republica Cuba, , 2011, p. 10 .
[35] A. K. Jardine, D. Lin y D. Banjevic , ««A review on machinery diagnostics and prognostics
implementing condition-based maintenance|,» de Mech. Syst. Signal Process, vol. 20, n.o 7 ,
2006, pp. 1438 - 1510 .
[36] SKF , «Monitoreo de condición,» Svenska Kullagerfabriken AB (SKF), 2018 .
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 93
[37] L. Amendola , «Diagnóstico de fallos por monitoreo de condición,» Manten. Ing. Ind. n °
167, 2003, pp. 50 - 53 .
[38] A. Vargas, «Monitoreo de condiciones para maximizar el uso de maquinaria crítica,» vol.
Regional Marketing Manager de Latino América y Canadá de National Instruments, 2015 .
[39] V. Sharma y A. Parey , «Frequency domain averaging based experimental evaluation of gear
fault without tachometer for fluctuating speed conditions,» de Mech. Syst. Signal Process,
Vol 85, 2017, pp. 278 - 295 .
[40] S. Devediran y K. Manivannan, «Vibration Based Condition Monitoring and Fault Diagnosis
Technologies For Bearing and Gear Components-A Review,» de Int. J. Appl. Eng. Res, Vol
11 N° 6 , 2016 , pp. 3966- 3975.
[41] M. d. R. Prieto Garcia , «Vibraciones de Máquinas Rotativas; Análisis de Órdenes,» Sevilla,
España, Tesis de Pregrado, Universidad de Sevilla, 2017..
[42] J. A. Jara Jimbo, S. Vivar y J. Gabriel, «Diseño y construcción de un banco didáctico para la
medición de vibraciones mecánicas en los laboratorios de instrumentación de la universidad
politécnica salesiana sede Cuenca,» Tesis de Pregrado,, 2012.
[43] M. Rodriguez Sunico, «Análisis modal operacional: Teoria y Práctica,» Sevilla, España,
Tesis de Pregrado Escuela Superior de Ingenieros, 2005.
[44] J. M. Rico Martinez, «Fundamentos de Vibraciones Mecánicas. Definiciones y
Terminología.,» Departamento de Ingenieria Mecánica, vol. Universidad de Guanajuato.
[45] H. Cao, Y. Yue, X. Chen y X. Zhang , «Chatter detection in milling process based on
synchrosqueezing transform of sound signals,» Adv. Manuf. Technol - Vol 89 n° 9 - 12 ,
2017, pp. 2747 - 2755.
[46] M. Amarnath y I. R. Praveen Krishna, «Empirical mode decomposition of acoustic signals
for diagnosis of faults in gears and rolling element bearings,» IET Sci. Meas. Technol, vol.
6, n.o 4, 2012, p. 279.
[47] S. K. Abraham, V. Sugumaran y M. Amarnath, «Acoustic Signal Based Condition
Monitoring of Gearbox using Wavelets and Decision Tree Classifier,» Indian J. Sci Technol.,
vol. 9, n.o 33 , 2016.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 94
[48] C. Li, V. Sanchez, G. Zurita, M. C. Lozada y D. Cabrera, «Rolling element bearing defect
detection using the generalized synchrosqueezing transform guided by time frequency ridge
enhancement,» ISA Trans., vol. 60, 2016, pp. 274 - 284 .
[49] S M A , A. Obaidi, M. S. Leong, R. I. Hamzah y A. M. Abdelrhman,, «A Review of Acoustic
Emission Technique for Machinery Condition Monitoring: Defects Detection & Diagnostic,»
Applied Mechanics and Materials, 2012 .
[50] Y. Qu, D. He, J. Yoon, B. Van Hecke , E. Bechhoefer y J. Zhu, «Gearbox tooth cut fault
diagnostics using acoustic emission and vibration sensors—A comparative study,» Sensors,
vol. 14, n.o 1 , 2014, pp. 1372 - 1393.
[51] F. D. Cajas Muñoz y F. I. Torres Diaz, «Adquisición de señales acústicas y de vibración para
el diagnóstico de fallos en un compresor reciprocante de doble etapa,» Cuenca , Tesis de
Pregrado, Universidad Politécnica Salesiana, 2018.
[52] A. Ahmaida, D. Zhen, F. Gu y A. Ball, «Gear wear process monitoring using acoustic
signals,» West Yorks. Inglaterra,, 2014.
[53] A. G. Rehorn, J. Jiang y P. E. Orban, «State of the art methods and results in tool condition
monitoring: a review,» Int. J. Adv. Manuf. Technol., vol. 26, N° 7- 8, 2005, pp. 693-710.
[54] N. Baydar y A. Ball , «Detection of gear failures via vibration and acoustic signals using
wavelet transform,» Mech. Syst. Signal Process, vol. 17, n° 4 , 2003, pp. 787- 804 .
[55] N. Tandon y A. Choudhury, «A review of vibration and acoustic measurement methods for
the detection of defects in rolling element bearingsTribol. Int., vol. 32,,» Tribol. Int., vol. 32,
N° 8 , 1999, pp. 469- 480.
[56] A. Singh et al, «Sensing Technologies for Monitoring Intelligent Buildings: A Review,»
India, 2018.
[57] C. U. Grosse y M. Ohtsu, «Acoustic emission testing. Springer Science & Business Media,»
2008.
[58] Y. Mizutani, «Practical acoustic emission testing,» Springer Japan, Tokyo, 2016.
[59] . F. H. Robledo, «Riesgos físicos I: Ruido, vibraciones y presiones anormales.,» Ecoe
Ediciones, 2004.
[60] M. J. Crocker, «Handbook of noise and vibration control. John Wiley & Sons,» 2007.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 95
[61] Sintec, «Conceptos fundamentales de sonido - en Sistemas de insonorización para la industria
y medio ambiente,» 2018.
[62] D. X. Montalvo Echevernía y F. E. Gallegos Guzmán , «Diseños de una camara anecoica y
una cámara reverberante,» Quito , Tesispregrado, escuela Politécnica Nacional , 2008.
[63] ISO 15243, «Rolling bearing - Damage and failures - terms, characteristcas and causes.,»
2017.
[64] O. Hernandez Norberto , M. Leo , D. Enrique y H. F. Ontiveros Cuevas , «Acondicionamiento
acústico del auditorio 2 de la ESIME Zacatenco.,» Tesis doctoral , 2008.
[65] D. A. Bies , C. Hansen y C. Howard , «Engineering noise control,» CRC press, 2017.
[66] M. Olmo y R. Nave . [En línea]. Available: http://hyperphysics.phy-
astr.gsu.edu/hbasees/Audio/mic2.html.
[67] L. L. Beranek y T. J. Mellow , «Acoustics sound fields and transducers, chaper 6. Academic
Press,,» Waltham, Massachusetts, USA , 2012.
[68] R. V. Sanchez Loja, ««Diagnóstico de fallos en engranajes basado en el análisis de señales
de vibración empleando una red neuroal perceptron multicapa con tr».
[69] P. Jayaswal, A. K. Wadhwani y . K. B. Mulchandani, «Machine fault signature Analysis,»
Int. J. Rotating Mach.,, 2008, pp. 1 - 10 .
[70] A. Fernandez , «Formación en análisis de vibraciones,» Power-MI, 2016.
[71] K. Lynch, N. Marchuk y M. Elwin, «Embedded computing and mechatronics with the PIC32
microcontroller.,» Newnes, 2015.
[72] O. C. Morales, «Análisis tiempo-frecuencia de señales de vibraciones mecánicas para la
detección de fallos en máquinas rotativas,» Manizales, Colombia., Tesis de Máster
Universidad Nacional de Colombia-Sede Manizales., 2011.
[73] J. E. Berry , «Illustrated Vibration Diagnostics Chart,» Čes. Překlad Tech. Assoc. Charlotte,
2005.
[74] E. Estupiñan y P. Saavedra, «Técnicas de Diagnóstico para el Análisis de Vibraciones de
Rodamientos,» 2017. [En línea]. Available:
http://www.mantenimientoplanificado.com/artículos .
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 96
[75] SlideShare, [En línea]. Available:
https://www.slideshare.net/SergioEduardoVejarCu/charlotte-espaol.
[76] W. Kruger, «Tracking rolling element bearing failure using mechanical and electrical
vibration testing method,» ALL-TEST Pro, LLC , 2010, p. 14.
[77] W. Quia y D. Lu, «A survey on Wind Turbine Condition Monitoring and Fault Diagnosis,»
nº Part II Signals and Signal Processing Methods, 2015.
[78] British standard, «Rotating eletrical machines,» 2005/2007, p. Part 9: Noise limits.
[79] «Transformada de Hilbert,» 19/12/2019.
[80] Facultad de ingeniería mecánica, eléctrica y electrónica, «Filtrado digital,» nº Lectura 3:
Diseño de Filtros FIR.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 97
XIV. ANEXOS
ANEXO A Instrumentación
a. Base de micrófono hércules
b. Cables de señal XLR
c. Flexómetro
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 98
ANEXO B Montaje y desmontaje en sistemas tipo rodamiento.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 99
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 100
ANEXO C Banco de señales acústicas
El banco de señales acústicas tuvo limitaciones dada la pandemia que se está presentando, dicho
esto, solo fue posible adelantar mediciones del estado de un rodamiento en buenas condiciones y
con un daño considerable de manera limitada. El método de medida establecido solo se logró
cumplir 2 veces para el estado de daño considerable. Además, se debe considerar que las pocas
mediciones que se lograron adelantar para una máquina con una exposición laboral alta, implica
que la disponibilidad de la máquina para generar el banco de señales sea baja.
“C:\Users\soto9\Desktop\TDG\Caracterizacion_Rodamientos_Predictivo_Gomez_2020_Anexos\
Caracterizacion_Rodamientos_Predictivo_Gomez_2020_AnexoC”.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 101
ANEXO D Algoritmo
“C:\Users\soto9\Desktop\TDG\Caracterizacion_Rodamientos_Predictivo_Gomez_2020_Anexos\
Caracterizacion_Rodamientos_Predictivo_Gomez_2020_AnexoD”.
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 102
ANEXO E Diagnósticos con diferentes tamaños de FFT
Potencia de (2) Tamaño de FFT Duración (s)
16 65536 110
Audios con rodamientos
defectuosos
Puede
continuar
Para
cambio Suma total Audios con rodamientos
en buen estado
Puede
continuar
Para
cambio Suma total
1.1 - 3 1.1 - 5
1.2 - 3 1.2 - 4
1.3 - 3 1.3 - 5
1.4 - 2 1.4 - 10
2.1 - 3 2.1 - 6
2.2 - 2 2.2 - 7
2.3 - 3 2.3 - 8
2.4 - 1 2.4 - 2
3.1 - 3
3.2 - 5
3.3 - 8
3.4 - 4
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 103
Potencia de (2) Tamaño de FFT Duración (s)
19 524288 110
Audios con rodamientos
defectuosos
Puede
continuar
Para
cambio Suma total Audios con rodamientos
en buen estado
Puede
continuar
Para
cambio Suma total
1.1 − 2 1.1 − 1
1.2 − 2 1.2 − 2
1.3 − 3 1.3 − 1
1.4 − 2 1.4 − 1
2.1 − 2 2.1 − 1
2.2 − 2 2.2 − 1
2.3 − 2 2.3 − 1
2.4 − 2 2.4 − 2
3.1 − 1
3.2 − 2
3.3 − 1
3.4 − 1
CARACTERIZACIÓN DE SEÑALES ACÚSTICAS EN SISTEMAS MECÁNICOS… 104
Potencia de (2) Tamaño de FFT Duración (s)
22 4194304 110
Audios con rodamientos
defectuosos
Puede
continuar
Para
cambio Suma total Audios con rodamientos en
buen estado
Puede
continuar
Para
cambio Suma total
1.1 − 2 1.1 − 3
1.2 − 3 1.2 − 3
1.3 − 3 1.3 − 2
1.4 − 3 1.4 − 1
2.1 − 3 2.1 − 1
2.2 − 2 2.2 − 2
2.3 − 3 2.3 − 1
2.4 − 3 2.4 − 1 3.1 − 1
3.2 − 3
3.3 − 3
3.4 − 2
Nota: Los diagnósticos realizados en el presente anexo se ejecutaron bajo los parámetros de entrada de la interfaz del algoritmo
establecidos en la discusión de este trabajo.
Top Related