You are on page 1of 253

S.E.P. S.E.I.T. D.G.I.T.

CENTRO NACIONAL DE INVESTIGACIN Y DESARROLLO


TECNOLGICO




cenidet





PROCESAMIENTO DIGITAL
DE SEALES DE VIBRACIN
CON FINES DE DIAGNSTICO


T E S I S
QUE PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS
EN INGENIERA MECATRNICA
P R E S E N T A N:
ING. JULIO RODRGUEZ NAVARRO
ING. JAIME FRANCISCO AVILES VIAS



DIRECTORES:
DR. MARCO ANTONIO OLIVER SALAZAR
DR. DARIUSZ SZWEDOWICZ WASIK



CUERNAVACA, MORELOS NOVIEMBRE 2003

Resumen





El objetivo de este trabajo es el uso de herramientas
poliespectrales para detectar posibles fallas en estructuras
mecnicas. Esto se logra a partir del procesamiento de las seales
de vibracin de una estructura. Se estudi un elemento
estructural base como es el caso de una viga cantiliver. Sin
embargo, esta metodologa se puede extender a otro tipo de
sistemas mecnicos, para diagnosticar y ubicar posibles fracturas
u otras fallas mecnicas. Las herramientas usadas son la funcin
de densidad espectral de potencia (PSD) y la funcin biespectral
(BIS), siendo el uso del BIS en el anlisis de vibraciones una
herramienta an no explotada en el campo. La funciones de la
PSD y del BIS fueron estudiadas y programadas en software
comercial (Matlab). Las rutinas programadas son abiertas a la
incorporacin de nuevas funciones segn las necesidades del
usuario y se pueden adaptar al estudio de seales de vibracin
provenientes de otros equipos, mquinas rotatorias, estructuras, e
incluso al estudio de temas no afines. En las experimentaciones se
usaron acelermetros piezoelctricos convencionales y
acelermetros biaxiales tipo iMEMs. El uso del los sensores
iMEMs es nuevo dentro del campo de investigacin y de la
institucin. Los resultados de las experimentaciones se
comprobaron con modelos creados en elemento finito.

Con el trabajo realizado se encontr una forma para determinar la
presencia de fracturas y un nuevo mtodo para localizar la posible
ubicacin de las fracturas. Se determin que los corrimientos de
las frecuencias naturales encontrados con el PSD y BIS se deben a
la presencia de la fractura. El mtodo para encontrar la posible
ubicacin de la fractura relaciona a los nodos de las frecuencias
naturales y su posicin con respecto a la fractura.
i




Contenido


Agradecimientos
Resumen
Contenido i
Lista de smbolos vii
Lista de figuras xi
Lista de fotografas xiv
Lista de tablas xv


1. Introduccin 1

1.1 Descripcin del problema 3
1.2 Objetivo 4
1.3 Aportacin 4
1.4 Antecedentes 4
1.5 Estado del arte 6
1.6 Estructuracin de la tesis 10



2. Base terica 11

2.1 Procesos aleatorios: panorama general 11

2.1.1 Clasificacin de seales 12
2.1.2 Proceso determinstico 13
2.1.3 Procesos aleatorios - datos aleatorios 14
Proceso estacionario 14
Proceso ergdico 15
2.1.4 Anlisis de datos aleatorios 16

2.2 Propiedades estadsticas 17
2.2.1 Propiedads estadsticas de las variables aleatorias 18
ii
Valor esperado 18
Momentos 18
Funciones de distribucin y densidad de potencia 19
2.2.2 Propiedades estadsticas de los procesos aleatorios 20
Media 20
Correlacin 20
Covarianza 20

2.3 Estadsticas de alto orden 21

2.3.1 Momentos de orden n 21
Funcin caracterstica 21
Funcin generadora de momentos 22
2.3.2 Cumulantes 23
Relacin entre momentos y cumulantes 23
Propiedades de los cumulantes 28

Conclusiones 29



3. Poliespectro 31

3.1 Poliespectro de orden n 31

3.1.1 Uso de cumulantes en lugar de momentos 32
3.1.2 Casos particulares 33

3.2 La funcin de densidad espectral 34

3.3 El biespectro 35
3.3.1 Importancia del uso de biespectro 37
3.3.2 Propiedaddes del biespectro 37

3.4 Periodograma y biperiodograma 42
3.4.1 Periodograma 42
3.4.2 Biperiodograma 43

3.5 Ventanas 44

3.6 Coherencia y bicoherencia 47

3.7 Biespectro cruzado 48
3.8 Biespectro modificado 49

Conclusiones 50

iii
4. Anlisis de vibraciones 53

4.1 Vibraciones mecnicas 53

4.2 Modelo matemtico de una viga en cantilier 57

4.2.1 Vibracin lateral 57
4.2.2 Modelo de la viga en cantiliver 59
4.2.3 Modos de vibracin 61
Valores de 61
Frecuencias naturales 62

Conclusiones 66



5. Simulaciones 67

5.1 Estimacin de momentos y cumulantes 67

5.1.1 Caso seal senoidal 70
5.1.2 Diferencias entre momentos y cumulantes 71

5.2 Estimacin de la PSD y el BIS 75

5.2.1 Formas de obtener la PSD y el BIS 81
5.2.2 Optimizacin de cculos 85

5.3 Estimacin de periodograma y biperiodograma 88

5.4 Uso de ventanas 91

5.5 Ejemplos de procesamiento 96

5.6 Uso del BIS modificado 101

Conclusiones 103




6. Experimentacin y anlisis
de resultados 105

6.1 Condiciones de experimentacin 105

iv
6.1.1 Material usado para la experimentacin 105
6.1.2 Condiciones del banco de pruebas 109
6.1.3 Colocacin de los sensores 111
Posicin de los sensores respecto a los nodos 111
Posicin de los sensores respecto a la longitud de la viga 112
Posicin de los sensores respecto a la sensibilidad 113
6.1.4 Clasificacin de las experimentaciones 114
6.1.5 Esquema general de la experimentacin 116

6.2 Anlisis de datos 117

6.2.1 Clasificacin de los datos adquiridos 117
6.2.2 Resultados de las experimentaciones 120

Conclusiones 141



7. Verificacin de resultados obtenidos 143

7.1 Simulacin en elemento finito 143

7.1.1 Elemento finito tipo viga 144
7.1.2 Elemento finito tipo isotrpico 148
7.1.3 Elemento finito tipo ladrillo 152

7.2 Uso de los iMEMs en el anlisis de vibraciones 157

7.2.1 Caractersticas 158
7.2.2 Condiciones de operacin 158
7.2.3 Condiciones reales 160
7.2.4 Calibracin 163
7.2.5 Mediciones 165

Conclusiones 170



8. Conclusiones 171

8.1 Aportaciones 172

8.2 Recomendaciones a futuros trabajos 173


Referencias 175
v
Anexos 181

Anexo I 183

Anexo II 185

Anexo III 187

Anexo IV 193


vii
Lista de smbolos




A
mp
=amplitud [m]
A = rea transversal [m
2
]
A = operador constante a encontrar
B = operador constante a encontrar
Bi = bicoherencia
Bix = bicoherencia de x
BIS = biespectro
BISmd = biespectro modificado
BIS
x
= biespectro de x
BIS
x
= biespectro de la reign x
BISxxx = biespectro cruzado
C = constante de amortiguamiento [N.s/m]
C = operador constante a encontrar
nx
c = cumulante de x de orden n
Co
x
= coherencia de x
xx
cov = covarianza
cox = correlacin de x
cum
x
= cumulante de x
D = operador constante a encontrar
dif
BIS
= diferencia del biespectro
E = mdulo de Young [N/m
2
]
f = frecuencia [Hz]
f
un
(t) = funcin en el tiempo
f
unO
(t) = funcin original en el tiempo
fc = frecuencia de corte [Hz]
f
0
=frecuencia original (ciclos por unidades de tiempo) [Hz]
f
nat
= frecuencia natural de vibracin [Hz]
fs = frecuencia de muestreo [Hz]
F
0
= magnitud de la fuerza aplicada [N]
F
unO
= funcin original en la frecuencia
G = modulo del esfuerzo cortante [N/m
2
]
G
xx
= razn de cambio de la media cuadrada
i = variable entre 0 ...
I = momento de inercia [m
4
]
IT = regin interior del triangulo
I
x
= vector real aleatorio
( )
x
I =periodograma de x
( )
2 1
,
x
I =biperiodograma de x
( )
x
Iw =periodograma con ventana
viii
( )
2 1
,
x
Iw =biperiodograma con ventana
k = variable, conjunto de puntos
K = constante de rigidez [N/m]
( ) v K = funcin generadora de cumulantes
L = longitud [m]
L
M
= longitud de la muestra
m = masa [Kg]
m = variable entre 0 ...
nx
m = momento de x de orden n
M = conjunto de muestras
M(x,t) = momento flexionante
( ) v M
x
= funcin generadora de momentos
n = variable, conjunto de datos
N = N muestras
OT = regin fuera del triangulo
P
n
= particin n
P(x) = funcin de distribucin acumulada de probabilidad
PSD = funcin de densidad espectral
PSD
x
= funcin de densidad espectral de x
PSDxy, PSDxx, PSDyx, PSDyy = PSD cruzado
= regin
xx
R = correlacin (autocorrelacin)
S
n,x
= espectro de x de orden n
t = variable en el tiempo [s]
T = periodo [s]
T = tensin, fuerza axial [N]
TRI = triespectro
TRI
x
= triespectro de x
U = desbalanceo de masa por la excentricidad
v = numero real
V = fuerza cortante [N]
w =variable aleatoria
w
D
= ventana daniel
w
TH
= ventana Tukey-Hamming
w
H
=ventana von Hann (Hanning)
w
BP
=ventana Bartlett- Priestley
w
P
= ventana Parzen
w
B
=ventana Blackmann
w
K
= ventana Kaiser
w(t) = ventana espectral en tiempo
W() = ventana espectral en frecuencia
x = desplazamiento en direccin del eje x [m]
x
i
= secuencias discreta de datos
x(t) =variable, proceso o seal en el tiempo t
( ) X = variable, proceso o seal en la frecuencia
ix
X
*
= variable x en frecuencia conjugada
y = desplazamiento en direccin del eje y [m]
y = variable aleatoria
z = variable
%f =porcentaje de variacin de la frecuencia



Smbolos griegos

= variable de deflexin [m]
= velocidad angular [rad/s]
= constante lambda

n
= constante lambda n
= funcin delta
f = espaciamiento en frecuencia
x = incremento de x [m]
= media (momento de primer orden)
= masa por unidad de longitud [Kg]
x
= valor medio de x
( ) x
2
=valor cuadrtico medio
= variable de desplazamiento en el tiempo
=defasamiento lineal con respecto al origen
= fase del BIS
= fase de un proceso o seal
2
x
= valor cuadrtico medio

x
2
= varianza
= densidad del material [Kg/m
3
]
(x) = funcin de densidad de probabilidad del proceso aleatorio
= variable
= factor de amortiguamiento
= constante pi

n
(x )= deflexin lateral de x [rad]

x
() = funcin de densidad
= conjunto de particiones

q
=conjunto de particiones de orden q
= variable de frecuencia [rad/s]

n
= variable de frecuencia n [rad/s]
= frecuencia angular [rad/s]

nat
= frecuencia angular natural [rad/s]
n
nat
= frecuencia natural angular n [rad/s]
= constante de proporcionalidad

3x
= skewness
x

4x
= kurtosis


Operadores



d = operador de derivada
= operador de derivada parcial
E[] = esperanza matemtica (valor esperado)
Y = operador de transformada de fourier
n l = logaritmo natural
L() = operador lineal de la funcin (t)




xi
Lista de figuras


Captulo 2

Figura 2.1 Clasificacin de datos
Figura 2.2 Coleccin de datos aleatorios
Figura 2.3 Simetras del cumulante de tercer orden


Captulo 3

Figura 3.1 Simetras del BIS
Figura 3.2 Regin no redundante del BIS
Figura 3.3 Regin IT y OT
Figura 3.4 Regiones del BIS discreto
Figura 3.5 Acoplamiento de fase. (a) Seal independiente y (b) Seal de fase
dependiente


Captulo 4

Figura 4.1 Seal peridica
Figura 4.2 Modelo de vibracin masa y resorte
Figura 4.3 Modelo con amortiguamiento viscoso
Figura 4.4 Diagrama de cuerpo libre de una viga
Figura 4.5 Viga en cantiliver
Figura 4.6 Grfica de la ecuacin cosh cos + 1 = 0
Figura 4.7 Ejemplo de viga
Figura 4.8 Modos de vibracin del ejemplo de viga
Figura 4.9 Primeros siete modos de vibracin.


Captulo 5

Figura 5.1 Seal x(t) y cumulante de 2do orden c
2x
(t).
Figura 5.2 Seal x(t) y cumulante de 2do orden c2x(t).
Figura 5.3 Seales x(t), m2x(t) y c2x(t).
Figura 5.4 Grficas del momento (a) y cumulante (b) de tercer orden de x.
Figura 5.5 Grfica de x(t), m2x(t) y c2x(t).
Figura 5.6 Comparacin entre: (a) m
3x
(t) y (b) c
3x
(t).
Figura 5.7 Vista de planta de: (a) m
3x
(t) y (b) c
3x
(t).
Figura 5.8 Seal aleatoria uniforme x(t) y seal aleatoria Gaussiana y(t).
Figura 5.9 Comparacin entre m2x(t) y c2x(t).
xii
Figura 5.10 Comparacin entre m2y(t) y c2y(t).
Figura 5.11 Grfica de psdx(f).
Figura 5.12 Grfica de psdy(f).
Figura 5.13 Momento de 3er orden (a) y cumulante de 3er orden de x(t).
Figura 5.14 Momento de 3er orden (a) y cumulante de 3er orden de y(t).
Figura 5.15 Biespectro de x(t), bisx.
Figura 5.16 Biespectro de y(t), bisy.
Figura 5.17 Comparacin de los tres mtodos de obtencin del PSD para x(t).
Figura 5.18 Comparacin de los tres mtodos de obtencin del PSD para y(t).
Figura 5.19 Comparacin de los tres mtodos de obtencin del BIS para x(t).
Figura 5.20 Comparacin de los tres mtodos de obtencin del BIS para y(t).
Figura 5.21 Acercamiento de bis0x (a) y bis2x (b)
Figura 5.22 Vista superior del momento (a) y cumulante (b) de 3er orden de x
Figura 5.23 Comparacin del cumulante (a) con el cumulante optimizado (b)
Figura 5.24 Biespectro (a) y biespectro en la regin no redundante (b)
Figura 5.25 Periodograma de x con dos particiones
Figura 5.26 Periodograma de x sin particiones
Figura 5.27 Biperiodograma de x con dos particiones
Figura 5.28 Biperiodograma de x sin particiones
Figura 5.29 Periodograma con ventana Daniel de x sin particiones
Figura 5.30 Periodograma con ventana Parzen de x sin particiones
Figura 5.31 Periodograma con ventana Tukey-Hamming de x sin particiones
Figura 5.32 Periodograma con ventana Kaiser de x sin particiones
Figura 5.33 Biperiodograma con ventana Daniel de x sin particiones
Figura 5.34 Biperiodograma con ventana Parzen de x sin particiones
Figura 5.35 Biperiodograma con ventana Tukey-Hamming de x sin particiones
Figura 5.36 Biperiodograma con ventana Kaiser de x sin particiones
Figura 5.37 Grfica de la intensidad de las manchas solares
Figura 5.38 Periodograma de las manchas solares con ventana Daniel
Figura 5.39 Periodograma de las manchas solares con ventana Blackmann
Figura 5.40 Biperiodograma de las manchas solares con ventana Daniel
Figura 5.41 Grfica de la migracin del lince canadiense
Figura 5.42 Periodograma de la migracin del lince canadiense con ventana
Tukey-Hamming
Figura 5.43 Biperiodograma de la migracin del lince canadiense con ventana
Kaiser
Figura 5.44 Vista de planta del Biperiodograma de la migracin del lince
canadiense con ventana Kaiser
Figura 5.45 Biperiodograma de las manchas solares con ventana Daniel
Figura 5.46 Biespectro modificado de las manchas solares


Captulo 6

Figura 6.1 Viga de las experimentaciones
Figura 6.2 Caractersticas de la fractura
xiii
Figura 6.3 Viga de longitud normalizada y ubicacin de los nodos
Figura 6.4 Posicin de los acelermetros
Figura 6.5 Esquema general de experimentacin
Figura 6.6 Caso V530NHG, corrimiento de las frecuencias naturales
Figura 6.7 Caso V870NHRM, corrimiento de las frecuencias naturales
Figura 6.8 Ubicacin de las fracturas en la viga de longitud normalizada para el
caso V530NHG (a) y el caso V870NHRM (b).
Figura 6.9 Vista de planta del BIS para: caso V530NHG sin fractura (a) y con
fractura (b), y caso V870NHRM sin fractura (c) y con fractura (d).
Figura 6.10 Variacin de la magnitud del acoplamiento de BIS para el caso
V530NHG. Donde el acoplamiento sin fractura (391.9, 391.9) es (a) y
el acoplamiento con fractura (393.9, 393.9) es (b)
Figura 6.11 Biespectro del caso V530NHG sin fractura (a1) y con fractura (a2),
y del caso V870NHRM sin fractura (b1) y con fractura (b2)
Figura 6.12 Biespectro de planta para el caso V870NHRM sin fractura
Figura 6.13 Biespectro de planta para el caso V870NHRM con fractura
Figura 6.14 Fase del BIS del caso V530NHG. (a) sin fractura y (b) con fractura
Figura 6.15 PSD y BIS de la viga de 600mm usando el excitador:
viga sin fractura (a) y con fractura (b)
Figura 6.16 Biespectro del acelermetro tres (a) y biespectro modificado (b), caso
V530NHGM sin fractura
Figura 6.17 Biespectro del acelermetro tres (a) y biespectro modificado (b), caso
V530NHGM con fractura
Figura 6.18 Regin diagonal
Figura 6.19 BISxxy del acelermetro tres del caso V530NHG
Figura 6.20 BISxyy del acelermetro tres del caso V530NHG
Figura 6.21 Corrimiento de los acoplamientos. (a) 3ra f
nat
: 392Hz sin fractua y
394Hz con fractura (b) 2da f
nat
: 134Hz con fractura y 140Hz sin
fractura


Captulo 7

Figura 7.1 Viga de 870mm
Figura 7.2 Editor de vigas con sus principales valores
Figura 7.3 Modelo discreto de la viga en elemento finito
Figura 7.4 Acercamiento del mallado de la fractura
Figura 7.5 Modelo discreto en elemento finito de la viga sin fractura
Figura 7.6 Modelo discreto en elemento finito de la viga con fractura
Figura 7.7 Ejes de medicin del ADXL210E desde una vista superior.
Figura 7.8 Vista inferior del ADXL210E y sus terminales.
Figura 7.9 Perodo de trabajo.
Figura 7.10 Capacitores de filtro para designar el ancho de banda.
Figura 7.11 Circuito bsico de funcionamiento del ADXL210E
Figura 7.12 Salida X
out
del acelermetro
Figura 7.13 Salidas X
out
y Y
out

Figura 7.14 Pistas de la tarjeta: (a) superior, (b) inferior
xiv
Figura 7.15 Componentes de la tarjeta.
Figura 7.16 Rango de operacin del eje paralelo al eje de accin de la gravedad.
(a) rango normal, (b) rango actual.
Figura 7.17 Circuito de filtrado
Figura 7.18 Colocacin del sensor respecto a la gravedad
Figura 7.19 Variacin del ancho del pulso debido a la gravedad. (a) condicin
normal de operacin, (b) gravedad actuando en contra, (c) gravedad
actuando a favor del eje de medicin.
Figura 7.20 Colocacin de la placa en la viga
Figura 7.21 Frecuencias naturales de la viga de 870mm
Figura 7.22 Comparacin de la 4ta y 5ta frecuencia natural
Figura 7.23 La 1ra frecuencia torsional
Figura 7.24 Eje x y y del iMEM
Figura 7.25 Frecuencias con excitacin horizontal.





Lista de fotografas


Captulo 6

Fotografa 6.1 Analizador de espectros y cumputadora
Fotografa 6.2 Martillo de impacto
Fotografa 6.3 Excitador electromecnico
Fotografa 6.4 Acondicionadores de seal
Fotografa 6.5 Banco de pruebas
Fotografa 6.6 Fijacin de la viga: (a) vista superior, (b) vista frontal
Fotografa 6.7 Viga instrumentada
Fotografa 6.8 Banco de la experimentacin y sistema de adquisicin de datos


Captulo 7

Fotografa 7.1 Tarjeta del iMEM. (a) Tarjeta original, (b) Tarjeta instrumentada.
Fotografa 7.2 Placa con cubierta aislante.

xv
Lista de tablas


Captulo 3

Tabla 3.1 Ventanas espectrales usadas en el procesamiento digital de datos


Captulo 4

Tabla 4.1 Casos de vibracin dependientes de [15].
Tabla 4.2. Casos particulares de la ecuacin de onda [19].
Tabla 4.3. Modos de vibracin en una viga cantiliver (longitud normalizada) [19].
Tabla 4.4. Modos de vibracin, para una viga de longitud normalizada.


Captulo 6

Tabla 6.1 Caractersticas de los acelermetros
Tabla 6.2 Caractersticas del sensor de fuerza
Tabla 6.3 Posicin normalizada de los nodos de los primeros siete modos de
vibracin
Tabla 6.4 Resumen de experimentaciones
Tabla 6.5 Resumen de los resultados del procesamiento de los datos
experimentales
Tabla 6.6 Biespectro modificado de los datos experimentales
Tabla 6.7 Biespectro cruzado para el acelermetro tres de los datos experimentales
Tabla 6.8 Diferencias de los biespectros de los datos experimentales


Captulo 7

Tabla 7.1 Frecuencias del elemento finito tipo viga
Tabla 7.2 Formas de las frecuencias naturales tipo viga
Tabla 7.3 Comparacin de frecuencias naturales
Tabla 7.4 Frecuencias naturales elemento finito 2D sin fractura
Tabla 7.5 Frecuencias naturales del elemento finito tipo 2D sin fractura.
Tabla 7.6 Frecuencias naturales de la viga de elemento finito 2D con fractura
Tabla 7.7 Formas de frecuencias naturales del elemento finito en 2D
Tabla 7.8 Frecuencias naturales del elemento finito tipo 2D.
Tabla 7.9 Formas de frecuencias naturales para el elemento finito tipo ladrillo 3D
sin fractura.
Tabla 7.10 Formas de frecuencias naturales del elemento finito tipo ladrillo 3D
con fractura
xvi
Tabla 7.11 Frecuencias naturales del elemento finito tipo ladrillo
Tabla 7.12 Porcentajes de variacin de las frecuencias obtenidas en elemento finito
tipo ladrillo 3D
Tabla 7. 13 Frecuencias y variaciones reales
Tabla 7. 14 Comparacin de las frecuencias naturales obtenidas de los diferentes
modelos de elemento finito
Tabla 7.15 Descripcin de las terminales del ADXL210E
Tabla 7.16 Frecuencias naturales de la viga de 870mm obtenidas con los iMEM's.


Captulo 8

Tabla 8.1 Comparacin de frecuencias obtenidas por varios mtodos para una viga
de 870mm
1




1. Introduccin




El procesamiento digital de seales provenientes de diversos procesos ha mostrado
ser una buena alternativa comparado con el procesamiento analgico. Entre otros
aspectos por los que se tienen esta preferencia se encuentran la modularidad en la
programacin de funciones, versatilidad en la creacin y modificacin de
algoritmos, adaptacin a diferentes plataformas de procesamiento y soporte
tecnolgico avanzado de arquitecturas basado en microprocesadores.

No obstante sus ventajas, tambin existen limitaciones en el procesamiento digital
de seales comparadas con su contraparte, el procesamiento por hardware. La
principal desventaja es el tiempo de procesamiento requerido en aplicaciones de
tiempo real. Sin embargo, los avances en microelectrnica hacen al procesamiento
digital una alternativa cada vez ms usada con una tendencia generalizada de
sustituir el procesamiento analgico por uno digital en diferentes procesos fsicos.

El estudio de estos algoritmos y tcnicas de procesamiento digital se ha venido
desarrollado durante muchos aos y sigue desarrollndose de una manera
importante; su desarrollo tiene la finalidad de hacer cada vez mejor procesamiento
de las seales. Tal es el caso de las estadsticas de alto orden conocidas como
poliespectro. Su estudio data desde hace tres dcadas y son capaces de revelar ms
informacin como la periodicidad de los fenmenos, por ejemplo, los perodos de
las manchas solares que se ha demostrado ocurren cada once aos [16]. Un ejemplo
o caso particular del poliespectro es el biespectro, con el cual Raghuveer y Nikias
[35] han demostrado que se puede detectar acoplamientos cuadrticos. Adems el
poliespectro puede discriminar las no linealidades, lo cual se ha demostrado en
estudios como el de las mareas ocenicas [8].

Las estadsticas de alto orden (HOS - Higher Order Statistics) usan los cumulantes,
que son los momentos acumulados de un proceso aleatorio. Los cumulantes son
2
ciegos a todos los tipos de procesos Gaussianos [36]. A la Transformada de Fourier
de las estadsticas de alto orden (HOS) se les conoce como poliespectro, el cual
contiene informacin en amplitud y fase [35]. El poliespectro se puede aplicar para
detectar procesos no Gaussianos, ya que los cumulantes de estos procesos son
idnticos a cero. Los cumulantes son usados para las mediciones de ruido blanco y
de color, adems, pueden discriminar las no linealidades. Este hecho, mas la
ventaja de que las HOS proporcionan informacin en amplitud y fase, son de gran
utilidad para el procesamiento de seales.

El poliespectro que es la transformada de Fourier de estadsticas de n orden, se
convierte en funciones particulares dependientes de n. Un caso particular es la
Funcin de Densidad Espectral de Potencia (PSD), que es la transformada de
Fourier de la funcin de autocorrelacin y es esencialmente, aquella que es
presentada en las estadsticas de segundo orden [41]. La PSD es la funcin ms
usada en el procesamiento de las seales, suprime el ruido aditivo y elimina la
informacin de fase. Un caso especial del espectro de alto orden es el Biespectro
(BIS), que es por definicin, la transformada de Fourier bidimensional de
estadsticas de tercer orden y contiene la informacin de fase de las seales [41].

La versatilidad de aplicacin de los mismos es muy amplia y depende de la
habilidad e ingenio de los desarrolladores para su uso. Su aplicacin abarca el
procesamiento de voz, imgenes, datos, estudio de fenmenos fsicos, sonar, radar,
identificacin de sistemas, etc.

El requisito indispensable para hacer este tipo de procesamientos son las
computadoras, sistemas de procesamiento que van desde microcontroladores,
microprocesadores, hasta DSP's capaces de procesar las secuencias de nmeros
(seales digitales) obtenidas de un proceso o fenmeno.

Un fenmeno fsico sumamente interesante son las vibraciones mecnicas, tanto en
estructuras como en maquinaria. Se conoce que el 80% de los problemas de la
maquinaria son atribuidos al desbalance, desalineamiento, y la resonancia
estructural. Ambas, el desbalanceo y desalineamiento, generan fuerzas que
provocan respuestas vibratorias dainas al equipo. Las estructuras normalmente
son excitados por estas fuerzas, causando niveles de amplitud de vibracin
amplificados, que podran llevar a la destruccin de la misma [30].

Todas las estructuras presentan sus propios modos naturales de vibracin, sin
olvidar las imperfecciones que stas puedan presentar como las fracturas. Las
fracturas son causadas principalmente por fatiga, efectos mecnicos externos, e
internos debido a su manufactura. Cuando no se detectan a tiempo, estas fracturas
crecen y ocasionan la fractura en el elemento mecnico [65]. De aqu la
importancia de detectarlas y caracterizarlas.

Los cambios en los niveles de vibracin son indicadores valiosos del estado general
de la estructura y la maquinaria, el monitoreo de las condiciones de ambas da la
informacin para decidir si necesita reparacin, mantenimiento o cambio
3
definitivo. De esta manera el monitoreo de la vibracin est dedicado a observar la
integridad mecnica de la estructura o de la maquinaria y su meta principal es
reducir los costos de tiempos muertos, mantenimiento, reparacin y accidentes.

Las seales de vibracin obtenidas de las estructuras, en algunos casos, revelan la
presencia de fallas (grietas o fisuras) en la misma. Pero estas seales pueden
revelar aun ms informacin dependiendo del anlisis al que sean sometidas. La
aplicacin de tcnicas y algoritmos avanzados como el poliespectro en dichas
seales de vibracin se justifica para obtener ms informacin de las mismas, que
ayude a su interpretacin y as poder detectar y corregir los problemas de grietas y
fisuras en estructuras.


1.1 Descripcin del Problema

El monitoreo de las seales de vibracin es necesario en el ramo industrial ya que
stas son la causa de la mayora de fallas en las estructuras y mquinas. Estas fallas
se transforman en prdidas directas para la empresa, ya sea por reparacin,
tiempos muertos, reposicin de equipo y maquinaria, y accidentes.

El problema se ha tratado de solucionar mediante diversos sistemas de monitoreo.
Uno de los principales es el anlisis de las seales de vibracin de la maquinaria,
equipos o estructuras. En los sistemas actuales de monitoreo la tcnica ms usada
para el anlisis de las seales de vibracin es la funcin de densidad espectral
(PSD).

Actualmente en el mercado existen diferentes tipos de equipos para el anlisis de
vibraciones; aparatos comerciales y sistemas de procesamiento no comerciales.
Ellos pueden dar resultados numricos, grficos (en algunos casos), y en lnea. Las
opciones son amplias pero tienen la inconveniencia de que son equipos cerrados y a
la mayora no se les puede modificar ni el software (funciones programadas) ni los
sensores (acondicionadores), segn necesidades de usuario. Las funciones de cada
equipo vara segn sus especificaciones y sobre todo en su precio. Los factores ms
comunes en contra de estos equipos son :

- Alto costo
- Software propietario (no corren bajo plataformas comerciales)
- Cerrados (no verstiles)
- Acotacin de funciones (y de posibles anlisis)
- Anlisis simple de seales

Estos sistemas han mostrado sus ventajas y sus alcances en el diagnstico
preventivo y correctivo de las estructuras y mquinas. Sin embargo, la creacin de
nuevos sistemas de monitoreo basados en tcnicas de procesamiento ms eficaces
es necesaria con el fin de obtener mejores resultados.

La industria requiere de sistemas modernos de monitoreo de vibraciones para
4
solucionar sus problemas con las estructuras y mquinas rotatorias. La utilizacin
de tcnicas poliespectrales ha emergido en otras aplicaciones donde ha mostrado
tener buenos resultados. Surge entonces la idea de aprovechar las ventajas del
anlisis poliespectral para el estudio de vibraciones en sistemas mecnicos.

Una forma de realizar nuevos estudios es basarse en elementos estructurales
simples como las vigas y extrapolar los anlisis y resultados a sistemas ms
complejos. Las vigas tienen modelos que describen su comportamiento, pero para
una viga fracturada no existen en general modelos precisos. De ah la necesidad de
usar algoritmos de procesamiento avanzados.


1.2 Objetivo

Anlisis de las seales de vibracin de una viga en cantiliver, a travs del
procesamiento digital, para detectar la presencia de fracturas.



1.3 Aportacin

Se crearn herramientas de procesamiento digital para seales de vibracin en
estructuras mecnicas con posible presencia de fracturas, estas herramientas sern
la funcin de densidad espectral (PSD) y el biespectro (BIS), siendo el uso del BIS
una funcin poco explotada en el anlisis de vibraciones que proporciona la
magnitud y fase de las seales, mientras que la PSD solo proporciona la
informacin en magnitud. El sistema ser abierto y adaptable al procesamiento de
diferentes seales.
Con las herramientas programadas se espera encontrar parmetros que ayuden a
detectar la presencia de fracturas en vigas en cantiliver.


1.4 Antecedentes


Dentro del ceni det se han tratado temas sobre procesamiento digital de seales y
anlisis de las seales de vibracin de vigas para los Departamentos de Ingeniera
Electrnica y Mecnica.

En el estudio de las vigas se han realizado trabajos de tesis seriados. Primero se
hizo el anlisis de vibraciones libres y forzadas por medio de mtodos analticos as
como numricos empleando el mtodo de elemento finito [54]. El principal
objetivo fue el anlisis del problema de impacto mediante el uso de un sistema de
mltiples grados de libertad. Como resultados se elabor un banco experimental de
5
vibraciones para pruebas de impacto en vigas con vibracin; se dise y construy
un sensor que permite medir la fuerza de impacto; se realizaron las primeras
lecturas en el banco experimental de vibraciones con el analizador Hewlett Packard
en combinacin con extensometra; se desarroll un programa computacional
basado en el mtodo de elemento finito; y se compararon los resultados de la fuerza
de impacto experimentales con los tericos obteniendo una aproximacin
aceptable (5%-11% de variacin) en este tipo de experimentos.

Debido a que los resultados experimentales obtenidos concordaron adecuadamente
con los propuestos por el modelo matemtico y el programa de cmputo, validando
ambos, en consecuencia se cre una base para el desarrollo de estudios posteriores
ms complejos.

Para realizar las pruebas de vibraciones forzadas bajo los efectos del
amortiguamiento se adapt al banco experimental un sistema de amortiguamiento
y un sistema de excitacin en el estudio [14], debido a una de las maneras de evitar
la resonancia es el amortiguamiento. Se dise un sistema de amortiguamiento por
friccin seca con lo que se estudia la influencia de la friccin como forma de
amortiguamiento en sistemas vibratorios. El sistema de amortiguamiento es capaz
de proporcionar una fuerza normal a un costado de la viga experimental, con tres
diferentes tipos de contacto: lineal, superficial y puntual. Adems, este sistema
cuenta con un sensor de fuerza el cual transmite la seal del valor sensado y la de
excitacin al sistema de adquisicin de datos, permitiendo que se puedan leer los
parmetros de excitacin y amortiguamiento simultneamente. En general las
seales obtenidas fueron semejantes a las esperadas y los valores de los distintos
parmetros ledos fueron congruentes.

En el trabajo [65] el objetivo fue encontrar parmetros indicativos de la presencia
de grietas en vigas con vibraciones transversales. Se analiz la deflexin a lo largo
de la viga mediante el conocimiento de los modos de vibracin, as como las
frecuencias naturales que pueden dar informacin referente a la existencia y
magnitud de grietas, adems de un anlisis de la viga con grieta en un programa de
elemento finito (Algor). Los resultados obtenidos mostraron que los efectos de
inercia de rotacin y de deformacin de cortante proporcionan cambios
significativos en las frecuencias naturales y modos de vibracin cuando la longitud
en las vigas es menor de 500mm, cuando la longitud es mayor no influyen de
manera considerable.

Para el estudio [5] se plante el desarrollo de un mtodo experimental que
permitiera conocer la existencia de la fractura en dispositivos o elementos
mecnicos que estn en operacin en su sistema mediante la aplicacin de
vibraciones forzadas o aprovechando la propia vibracin a la que se encontrara
sometido. La experimentacin fue la principal meta del trabajo por lo que se
redise el banco experimental, en los resultados de la experimentacin se
encontr que en general si es posible detectar la existencia de fracturas en una viga
voladiza. Dentro del anlisis de los resultados se encontr que se tienen que tomar
en cuenta los cambios que se presentan tanto en las frecuencias naturales como en
6
los desplazamientos de los modos de vibracin. Para establecer claramente la
presencia de fractura debido a las seales obtenidas se deben presentar indicativos
claros en cuanto al desplazamiento y cambio de frecuencias.

El trabajo [62] es una tesis dedicada al procesamiento de las seales de vibracin.
En este trabajo se implement un mdulo de anlisis de vibraciones hardware-
software basado en un DSP. Se hace un anlisis de la seal de vibracin, obtenida
mediante sensores y una etapa de acondicionamiento, mediante un filtrado
sncrono que consiste en tomar la seal de vibracin junto con otra seal de
referencia. Eliminando el ruido de ambas seales, se obtiene la informacin de
amplitud, frecuencia y defasamiento de la seal de vibracin respecto a la seal de
referencia. El anlisis de la seal de vibracin se hace mediante un sistema abierto
para los usuarios, pero de una manera simple. Se presentan unos ejemplos donde
se utiliza la informacin procesada para balancear una mquina rotatoria
reduciendo considerablemente la vibracin.



1.5 Estado del arte

Dentro de las investigaciones que se han desarrollado actualmente en relacin al
tema de tesis se encuentran trabajos diversos, algunos especializados en su ramo de
estudio y otros con convergencia para el desarrollo de sistemas de monitoreo. En
las investigaciones con respecto al anlisis de seales mediante tcnicas avanzadas
de procesamiento se presentan los siguientes trabajos, por mencionar algunos.

Las estadsticas de alto orden (HOS - Higher Order Statistics) se han desarrollado y
se ha probado su potencial en diversos ramos [36], e. g. , codificacin , ecualizacin
adaptiva. Estas tcnicas tienen un valor agregado al tratar procesos no gaussianos
siendo las seales ms comunes en la realidad.

Se ha aplicado exitosamente el biespectro en diferentes campos como en la
deteccin de periodicidades [16] y no linealidades [8]. Tambin en el modelado de
sistemas como el caso de [21], donde se busca el modelado de un sistema no lineal
de un proceso de neutralizacin de pH usando HOS, el biespectro de la salida se
usa para seleccionar las diferentes estructuras de modelos dinmicos lineales en
cascada a bloque.

Otro ejemplo, en el que se usa la propiedad ciego a ruido del biespectro, es el
reconocimiento de voz [38]. Se usa el biespectro (BIS) y triespectro (TRI), por su
inmunidad a ruido; presentando claras ventajas cuando el SNR decrece abajo de
20dB.

En el caso particular de la recuperacin de la fase de fenmenos se encuentra el
trabajo [61]. En la recepcin de seales /4 DQPSK (conmutacin diferencial de
fase en cuadratura)se presenta distorsin en magnitud y fase. El problema de la
magnitud se puede solucionar con un sistema automtico de control de ganancia y
7
en la fase se usa conocimiento de diferencia instantnea de fase pero no satisface la
condicin de fase mnima por los cambios bruscos. Esto se resuelve con el BIS,
pues los cumulantes restauran la informacin de la fase.

Dentro de los estudios relacionados con las vigas que presentan fractura, a travs
de trabajos de tesis seriados (dentro del cenidet) se ha revisado ampliamente los
modelos de la viga con y sin fractura, los mtodos de deteccin y localizacin de la
fractura, y los efectos de las fracturas en el comportamiento de la viga. Se presenta
una secuencia y panorama de trabajos, basado en las investigaciones de las tesis,
para asentar las bases y comprender la direccin y meta de la propuesta de
investigacin.

El anlisis y el estudio de las vigas (cantiliver) sometidas a vibracin puede hallarse
en muy diversos libros de texto mencionados en [65] y [5]; el estudio especializado
y de investigacin se puede encontrar en los diferentes trabajos de publicaciones.

Un estudio detallado del movimiento recto de la viga se enfoc a encontrar las
frecuencias y modos de vibracin de manera terica sin considerar el
amortiguamiento, por lo que presenta poca utilidad real [5]. Al igual que el estudio
anterior, se han usado mtodos numricos para el anlisis esttico y dinmico de la
viga (cantiliver) con una fractura en su parte media y se encontr que la fractura
caus un incremento en la deflexin esttica y una reduccin en su primera
frecuencia natural, y que los cambios dependen no solo de la profundidad de la
fractura sino tambin de la fraccin de volumen y ngulo de posicin de las fibras
internas de la viga [65]. Mediante el mtodo de Rayleigh-Ritz se han determinado
las frecuencias naturales y los modos de vibracin de una viga simplemente
apoyada con fracturas en su seccin transversal dando como resultado dos
funciones para la deflexin transversal de la viga (derecha e izquierda) [65]. En [14]
y [5] se presentaron los estudios para vigas de seccin cuadrada constante basados
en el elemento finito (FEM - Finite Element Method), con el objetivo de describir
con precisin el comportamiento de la viga debido a sus condiciones para
determinar cargas crticas, modos de vibracin y frecuencias naturales. Se analiz
el modelo de una viga fracturada con FEM introduciendo la vibracin de forma
senoidal y se establecieron los efectos de la localizacin y tamao de las fracturas
sobre el comportamiento dinmico con lo que se obtuvo una ecuacin de
movimiento, la cual fue resuelta numricamente encontrando una relacin entre
profundidad y localizacin de la fractura as como las amplitudes de vibracin con
los que fue posible localizar la fractura por medio de la deflexin en la viga [65].
Las fracturas pueden cambiar las frecuencias y modos de vibracin, los cuales son
tiles para determinar el tamao y posicin de la fractura debido a los cambios
significativos del 1
er
y 3
er
modo de vibracin [5]. Se propusieron modelos de
elemento finito de una viga fracturada y sin fractura, con la comparacin de ambos
se estableci un mtodo basado en la relacin de la fractura con la pareja de
eigenvalores y eigenvectores de la viga [65]. Otros trabajos han derivado mtodos
para la deteccin de fracturas, en [65] se menciona que se midi la vibracin de la
viga cantiliver fracturada en su seccin transversal, los resultados fueron
analizados para relacionar los modos de vibracin con la posicin y profundidad de
8
la fractura y un mtodo fue desarrollado; tambin menciona que un mtodo
experimental y numrico se us para el anlisis del efecto de dos fracturas sobre las
frecuencias naturales en una viga cantiliver, con lo que se obtuvo una relacin entre
la posicin, la magnitud de la fractura y la primera frecuencia de la viga
concluyendo que la fractura de mayor profundidad tiene mayor efecto y que su
posicin relativa afecta significativamente el cambio de las frecuencias naturales.
Se present un mtodo para determinar la localizacin y tamao de las fracturas en
una viga apoyada basado en la diferencia de mnimos cuadrados de valores medios
y se separaron las vibraciones en longitudinales (modelo de 2do orden) y
flexionantes (modelo de 4to orden) [5]. Tambin se desarroll un mtodo que
aproxima una ecuacin algebraica relacionando las frecuencias naturales y las
caractersticas de la fractura para despus usarlo inversamente en la identificacin
y localizacin de una fractura a partir de la medicin de sus frecuencias naturales,
concluyendo que la nica informacin requerida para la identificacin precisa de
las fracturas es la variacin de las primeras frecuencias naturales [65].

Por ltimo en los trabajos de monitoreo de las seales de vibraciones y su anlisis
se encontr que el uso de la transformada rpida de Fourier (FFT, Fast Fourier
Transform) como herramienta de anlisis de las seales de vibracin es la ms
usada, sin embargo, presenta deficiencias por su naturaleza [20]. La FFT es para
procesos o fenmenos estacionarios, mientras que las seales de vibracin son no
estacionarias. Se puede usar la transformada rpida de Fourier para eventos
transitorios (STFT, Short Time Fourier Transform), pero se obtiene informacin
con limitada precisin, la cual est determinada por el tamao de la ventana. Es
decir, existe un derramamiento espectral inherente a la ventana de las secuencias
finitas de datos, el cual se disminuye usando diferentes tipos de ventanas
espectrales pero a costa de disminuir la resolucin. Para esto se usa los Wavelets,
que en tiempos largos estudia la informacin en bajas frecuencias y en tiempos
cortos estudia a las altas frecuencias. Los wavelets dan ventaja en el estudio de
fallas durante los transitorios [20].

Otras de las maneras en que los sistemas expertos detectan nueva informacin en
las seales de vibracin es observando el espectro del espectro [67]. A este proceso
se le llama anlisis cepstrum. En las vibraciones existen una serie de armnicos,
separadas en grupos de frecuencias. Con el cepstrum se extrae la periodicidad del
espectro, el cual reconoce picos en la seal de vibracin correspondientes a los
armnicos que pueden ser identificados con una serie de reglas y pueden ser
comparados con otros comportamientos.

El uso de mtodos de elasticidad compleja, respuesta al impulso, y tcnicas de
anlisis de elemento finito quita los requerimientos de datos de falla previos por la
prediccin del comportamiento de la maquinaria o estructuras bajo ciertas
condiciones de operacin [3]. Mientras que estas tcnicas son vlidas, son
especficas para determinado diseo de maquinaria o estructura.

Recientes trabajos basados en ANN (Artificial Neural Networks) se usan para
diagnosticar la maquinaria (CM, Condition Monitoring) [3]. Con estas tcnicas se
9
han demostrado logros en la identificacin de fallas incipientes en mquinas
inductivas. Un prerrequisito para su operacin es a priori obtener datos de la falla.
Claramente esto impide una prctica operacin de estos mtodos, y en dado caso,
es inusual tener datos de fallas comprensivos.

Los sistemas modernos tratan de que el sistema experto de monitoreo por si solo
identifique las fallas y decida la solucin mediante el mantenimiento predictivo
(PdM) [23]. Se ha usado IA (Inteligencia Artificial) y ANN para respaldar al sistema
experto como su base de conocimiento y reconocimiento. Sin embargo, la IA tiene
un nmero finito de reglas por lo que no se usa para aplicaciones dinmicas que
requieren capacidad de aprendizaje continua. Para solucionar esto se us el
reconocimiento estadstico de patrn que crea reglas de conocimiento de una
manera dinmica, pero requiere de grandes habilidades para actualizar el sistema.
La ANN ha solucionado este problema, pero requiere igualmente grandes
habilidades computacionales pero, sobre todo, un gran nmero de muestras lo que
se traduce en un largo tiempo de aprendizaje. Estos sistemas se siguen
desarrollando actualmente para simplificarse.

El uso de las HOS para el monitoreo de fallas, con fines de deteccin, clasificacin y
diagnstico est emergiendo [11]. Se basa en el anlisis de seales de vibracin,
dejando atrs el uso de la PSD, usando el TOH (Third-Order Spectra) para obtener
la informacin de la seal en magnitud y fase. Se presenta un aprovechamiento y
uso de modelado paramtrico y no paramtrico. Siendo una investigacin de la
aplicacin de la herramienta en el campo de las seales de vibracin, los resultados
son muy promisorios en el estudio y anlisis de las seales y enfatiza que las HOS
comprueban dar nuevas alternativas para la deteccin e identificacin de fallas.

De hecho, ya existen trabajos donde usa el BIS para detectar fallas, anlisis de
vibraciones, anlisis de seales bajo el agua, procesamiento de voz, caos y
monitoreo de estado de maquinaria (CM) [51].

Es bien conocido que las fallas de fatiga son asociadas a no linealidades, las
tcnicas de las HOS se desarrollaron para el estudio de seales transitorias,
suprimir ruido gaussiano y detectar no linealidades [51]. Las seales de vibracin
son seales no gaussianas, de esta manera las HOS pueden ser usadas para extraer
la informacin de seales y sistemas que no se puede obtener con estadsticas
convencionales como la PSD.

Incluso se hizo un anlisis de los resultados de diversas herramientas para pruebas
experimentales de fallas de fatiga en una viga [50]. Se usa un acelermetro para
medir las vibraciones y se estima la PSD, respuesta frecuencial, bicoherencia y el
BIS para ser comparadas y discutidas. Por la naturaleza no lineal de las
vibraciones, el anlisis frecuencial no da buenos resultados, consecuentemente las
HOS obtienen mejores resultados. Aunque con la PSD se obtienen buenos
resultados de anlisis, es limitado en comparacin con el BIS o la bicoherencia. Con
las ltimas se puede detectar la presencia de dao estructural y no son afectadas
por los factores ambientales.
10
1.6 Estructuracin de la tesis

El trabajo se divide en ocho captulos, siendo siete pertenecientes a la investigacin
y desarrollo del tema. En los captulos se presenta la informacin progresivamente,
empezando por el estudio terico, pasando a la programacin y experimentacin, y
posteriormente el anlisis, comprobacin y conclusiones.

En el captulo dos tiene el objetivo de introducir a los lectores en el tema de los
datos aleatorios, presentando su clasificacin y propiedades estadsticas. Adems
de introducirles al estudio de las estadsticas de alto orden.

Para el captulo tres se estudia la representacin espectral de las estadsticas de alto
orden (poliespectro), siendo el poliespectro la herramienta principal dentro de la
investigacin. Las funciones que se estudian son la funcin de densidad espectral y
el biespectro, adems, sus estimados y algunas modificaciones de las mismas.

Dentro del captulo cuatro se hace un breve anlisis y resumen de la teora de
vibraciones en las vigas en cantiliver. Se estudian las frecuencias naturales y los
modos de vibracin de la viga en cantiliver.

La programacin de las rutinas de procesamiento se estudia en el captulo cinco. Se
comprueban las propiedades tericas y se validan las herramientas con casos de
estudio.

El trabajo de experimentacin y anlisis se encuentra en el captulo seis. En este
captulo se plantean las condiciones de experimentacin y la clasificacin de las
experimentaciones. Los datos obtenidos de las experimentaciones se procesan y
analizan para encontrar parmetros que ayuden a detectar la presencia de fracturas
en las vigas cantiliver.

El captulo siete se dedica a la simulacin de una viga en elemento finito, as como
para el estudio y uso de los acelermetros tipo iMEMs con el fin de validar los
resultados obtenidos en las experimentaciones.

Por ltimo, en el captulo ocho se encuentran las conclusiones del trabajo as como
las aportaciones del mismos y las recomendaciones para trabajos futuros.
11




2. Base terica




Habiendo definido en el captulo anterior los objetivos del trabajo de tesis, resulta
indispensable familiarizarse con los conceptos fundamentales con los que se
trabajar a lo largo de este trabajo.

Una de las formas ms comunes de analizar un sistema es mediante la aplicacin
de una seal de excitacin, la adquisicin de la seal de salida resultante y el
procesamiento de las seales en el dominio del tiempo y/o de la frecuencia.

Resulta conveniente presentar aqu todos aquellos conceptos que permitan el
anlisis de sistemas o estructuras de vibracin a partir del procesamiento de las
seales correspondientes.




2.1 Procesos aleatorios: panorama general

Un papel muy importante en el estudio y clasificacin de los diferentes datos que
constituyen las seales, lo forman las herramientas de procesamiento de las seales
de vibracin.

En esta seccin se presentan las descripciones bsicas y las propiedades de los
datos, as como su clasificacin para poder tener un entendimiento fsico del
fenmeno que ellos representan. Las funciones estadsticas fundamentales son
definidas a continuacin.
12
2.1.1 Clasificacin de seales

Un fenmeno fsico de inters en ingeniera es normalmente medido en trminos
de amplitud contra el tiempo, refirindose como un registro en el tiempo. A estos
registros de n muestras por simplicidad se les conoce como datos.

Cualquier dato observado de un fenmeno puede ser clasificado como
determinstico y no determinstico, los cuales se definen como [4]:

Determinstico : aquel que puede ser descrito por una relacin matemtica
explicita.

No-Determinstico : no puede ser descrito por relaciones matemticas
explcitas.

De manera que para los datos determinsticos, teniendo su relacin matemtica, es
posible conocer un valor en cualquier tiempo. En cambio con los datos no-
determinsticos no hay manera de predecir el valor exacto en un instante especfico
de tiempo.

Los datos no-determinsticos son de carcter aleatorio, conocidos tambin como
datos aleatorios, y pueden ser descritos en trminos de postulados, relaciones de
probabilidad, y medias estadsticas.

Se dice que la clasificacin de datos determinsticos y aleatorios es una descripcin
nica; pero se ha reconocido recientemente otra clasificacin donde los datos
aparentemente aleatorios son controlados por un proceso determinstico, y se les
conoce como caticos [34]. En la prctica, ningn dato fsico es completamente
determinstico y ningn dato puede ser totalmente aleatorio [4].

Los datos determinsticos y aleatorios a su vez se dividen en diferentes subgrupos
que han sido estudiados ampliamente en [4].

Un panorama general se muestra en la Figura 2.1, algunos de estos subgrupos
sern brevemente estudiados en las secciones posteriores, sobre todo los que se
refieren al estudio de esta tesis.


13
Figura 2.1 Clasificacin de datos



2.1.2 Proceso determinstico

Un proceso determinstico es aquel que sus datos tienen un comportamiento
determinstico. Los datos determinsticos pueden categorizarse como peridicos o
no peridicos.
Los datos peridicos consisten de una forma bsica de dimensin finita, que es
reproducida infinitamente.

Para una seal

( ) ( ) + = t f A t x
0
2 sen (2.1)

donde:
A =amplitud
f
0
=frecuencia (ciclos por unidades de tiempo)
=defasamiento lineal con respecto al origen
x(t) =valor instantneo en el tiempo t

El intervalo requerido para una fluctuacin completa o ciclo se le llama perodo T.
El perodo est ligado a la frecuencia como:

T = 1 / f
0
(2.2)

Generalmente para una funcin x(t) que repite sus valores a lo largo del tiempo por
una constante T se llama funcin peridica.

x(t) = x(t + n); n = 1,2,3, (2.3)
14
2.1.3 Procesos aleatorios - datos aleatorios

Para un fenmeno aleatorio se define su funcin como una muestra en tiempo
finito, y es su representacin en un perodo de tiempo. El conjunto de todas las
muestras o coleccin, es un proceso aleatorio.

El proceso aleatorio hipotticamente puede ser descrito en cualquier instante de
tiempo si la media de la coleccin de valores lo describe.

El proceso aleatorio puede ser categorizado como estacionario o no. Los procesos
aleatorios estacionarios pueden ser ergdicos o no. Los procesos no estacionarios
pueden ser categorizados en trminos de sus propiedades no estacionarias
especficas.

Proceso estacionario

Sea un proceso aleatorio con valor medio (primer momento) en cualquier instante
de tiempo t
1
en la coleccin de datos de la Figura 2.2 dado como [4]:

=

=
N
k
k
N
x
t x
N
t
1
1 1
) (
1
lim ) ( (2.4)


y con una correlacin (auto correlacin) dada por:

( )

=

+ = +
N
k
k k
N
xx
t x t x
N
t t R
1
1 1 1 1
) ( ) (
1
lim , (2.5)

Entonces, el proceso aleatorio {x(t)} es estacionario bajo las siguientes condiciones.

1 Si
x
(t
1
) y R
xx
(t
1
,t
1
+) varan, mientras t
1
vara, ( ) { } t x es no estacionario.

2 Si
x
(t
1
) y R
xx
(t
1
,t
1
+) no varan mientras t
1
vara; el proceso es estacionario en
un sentido amplio. Para este proceso el valor medio es una constante,
x
(t
1
)
=
x
, y la funcin de auto correlacin depende solo del desplazamiento,
R
xx
(t
1
,t
1
+) = R
xx
().

3 Para una coleccin infinita de momentos de alto orden (ver seccin 2.3) y de
momentos acoplados del proceso aleatorio {x(t)}; si todos ellos son
invariantes en el tiempo entonces ( ) { } t x es fuertemente estacionario o
estacionario en un sentido estricto.
15

Figura 2.2 Coleccin de datos aleatorios


Proceso ergdico

Un proceso ergdico se define como sigue [4].
Para la k-sima funcin muestra de {x(t)}, su valor medio y la correlacin estn
dados por:
( )


=
T
k
T
x
dt t x
T
k
0
1
lim ) ( (2.6)

( ) ( ) ( )

+ =

T
k k
T
xx
dt t x t x
T
k R
0
1
lim , (2.7)

Si {x(t)} es estacionario y
x
(k) y R
xx
(,k) no difieren cuando se calculan para
diferentes funciones muestra, el proceso aleatorio se dice que es ergdico, esto es:

x
(k) =
x
y R
xx
(, k ) = R
xx
( )
16
Solo un proceso estacionario puede ser ergdico, pero un proceso estacionario no
necesariamente es ergdico. Para procesos ergdicos todas sus propiedades pueden
ser descritas por medias de tiempo de una funcin muestra.


2.1.4 Anlisis de datos aleatorios

Aunque no pueden escribirse ecuaciones matemticas explicitas para las historias
de tiempo producidas por un proceso aleatorio, relaciones de entrada-salida bien
definidas existen y son fundamentales para una amplia gama de aplicaciones. Para
estos datos o procesos, procedimientos estadsticos deben de ser usados para
obtener propiedades y comportamientos estadsticos.

Las propiedades estadsticas bsicas de importancia para la descripcin de una
muestra aleatoria estacionaria definidas por Bendant y Piersol son [4]:

-Media y media cuadrada
valor medio
x
: representa la tendencia central de una
coleccin de datos.
varianza
x
2
: es la media de los cuadrados de la desviacin de
el valor medio de una coleccin de datos medida.

x
2
+
x
2
=
x
2
representa una medida de la combinacin de la
tendencia central y la dispersin

-Funciones de densidad de probabilidad
P(x): representa la razn de cambio de probabilidad

-Funciones de autocorrelacin
R
xx
() : medida de las propiedades de relacin de tiempo en los
datos, separados por un intervalo.

-Funciones de densidad autoespectral ( o funcin de densidad
espectral, PSD)
G
xx
( f ) : son cantidades medidas en la prctica directamente
con procedimientos de filtrado que representa la razn de
cambio de la media cuadrada con la frecuencia entre (-,).

Para pares de muestras aleatorias de dos procesos estacionarios aleatorios
diferentes; las propiedades estadsticas acopladas de importancia son:

-funciones de densidad de probabilidad acoplada
-funciones de correlacin cruzada
-funciones de densidad espectral cruzada
-funciones de respuesta a la frecuencia
-funciones de coherencia
17
Las primeras tres funciones miden las propiedades fundamentales en amplitud,
tiempo y frecuencia. Con la funcin de respuesta a la frecuencia se pueden tratar
problemas relacionados con entrada/salida. Con la funcin de coherencia se mide
la exactitud del modelo de entrada/salida.

Las aplicaciones comunes de las funciones de densidad de probabilidad y
distribucin son:

-Evaluacin de la normalidad
-Deteccin de errores en adquisicin de datos
-Indicacin de los efectos no lineales
-Anlisis de valores extremos

Las aplicaciones principales de las mediciones de correlacin son

-Deteccin de periodicidades
-Prediccin de seales en ruido
-Medicin de retrasos en tiempo
-Localizacin de fuentes de disturbio
-Identificacin de rutas de propagacin y velocidades

Las aplicaciones tpicas de las funciones de densidad espectral son:

-Determinacin de las propiedades del sistema a partir de los datos de
entrada/salida
-Prediccin de los datos de salida a travs de los datos de entrada y las
propiedades del sistema.
-Identificacin de los datos de entrada a travs de los datos de salida y
las propiedades del sistema.
-Especificaciones de los datos dinmicos para programas de prueba.
-Identificacin de fuentes de energa y ruido
-Filtrado y produccin lineal ptimo.


2.2 Propiedades estadsticas

En la seccin anterior se definieron las clasificaciones de los datos aleatorios, en
trminos de propiedades estadsticas que sern explicadas a continuacin. Estas
propiedades son fundamentales para analizar datos y procesos aleatorios, pues
mediante ellas stos pueden ser descritos. Adems sern la base para el desarrollo y
estudio de las estadsticas de alto orden en la seccin 2.3.



18
2.2.1 Propiedades estadsticas de las variables
aleatorias


Bsicamente son dos propiedades fundamentales; el valor esperado (E[]), y el
momento ().



Valor esperado

El smbolo E es usado como operador en las variables aleatorias. Es llamado
esperanza, valor esperado, o valor promedio. La expresin E[f(x)] es usada para
denotar el valor esperado de una funcin f( ) aplicado a los valores que toma la
variable aleatoria x [27] [46]. Se define como [4]:

( ) [ ] ( )


= dx x x k x E (2.8)

donde (x) es la funcin de densidad de probabilidad del proceso aleatorio.


Momentos

El n-simo momento de la variable aleatoria x con densidad de probabilidad (x) es
definido como:

( ) [ ] ( )

= = dx x x x E x
n n
n
(2.9)

El primer momento es llamado media:

( ) [ ] ( )
x
dx x x x E x = = =


(2.10)

el segundo valor se llama valor cuadrtico medio y es

( ) [ ] ( )


= = =
2 2 2
2 x
dx x x x E x (2.11)

La varianza es una relacin entre la media y el valor cuadrtico medio de la
forma [52]:

2 2 2
x x x
= (2.12)

19
( ) [ ]
[ ]
[ ] [ ] [ ]
[ ] [ ]
[ ]
[ ]
2 2
2 2 2
2 2
2 2
2 2
2 2

2
2
2
2






=
+ =
+ =
+ =
+ =
=
x E
x E
x E x E
E x E x E
x x E
x E
x


Para una secuencia discreta de datos x
i
, su momento se puede expresar como

( )

=
=
1
0
N
i
i i x
x x (2.14)

para los N datos, la probabilidad de cada dato individual es 1/N, entonces

=
=
1
0
1
N
i
i x
x
N
(2.15)

Los momentos de primer orden son simplemente escalares (o vectores)
dependiendo de la funcin. Los momentos de alto orden tienen forma y
propiedades matriciales [27].



Funciones de distribucin y densidad de probabilidad

Sea x(k) la variable aleatoria de inters. La funcin de distribucin acumulada de
probabilidad P(x) se define como la probabilidad que es asignada al conjunto de
puntos de k que satisface la desigualdad deseada x(k) x [52].

P(x) = Prob [x(k) x ] (2.16)

De la ecuacin 2.16 se puede ver claramente que:

P(a) P(b) si a b
P(-) = 0 P() = 1

Si la variable aleatoria se asume en un rango contnuo, entonces la funcin de
densidad de probabilidad (x) puede ser definida como la relacin diferencial [52]:

( )
( ) [ ]

+ < <
=

x
x x k x x Prob
im x
x 0
l (2.17)
esto da
(2.13)
20
( ) ( )


= 1 ; 0 dx x x

2.2.2 Propiedades estadsticas de los procesos
aleatorios

Un proceso aleatorio tiene tres funciones principales usadas para su anlisis y
caracterizacin; la media, la correlacin y la covarianza.


Media

Sea x(t) un vector de un proceso aleatorio de N datos, su media se define como [4]:

[ ] ( )
x
dx x t x t x E = =


) ( ) ( (2.19)



Correlacin

La correlacin de un vector de valores x(t) de un proceso aleatorio es definida
como [4]:
( ) ( ) ( ) [ ]
2 1 2 1
, t x t x E t t R
xx
= (2.20)

donde

( ) ( ) [ ] ( ) ( ) ( ) ( ) [ ] ( ) ( )
2 1 2 1 2 1 2 1
, t dx t dx t x t x t x t x t x t x E



= (2.21)

y [x(t
1
), x(t
2
)] es la funcin de densidad de probabilidad conjunta de x(t
1
) y x(t
2
).


Covarianza

La covarianza de x(t) se define como [4]:

( ) ( ) ( ) [ ] ( ) ( ) ( ) [ ] ( ) [ ]
( ) ( ) ( ) ( ) [ ] ( ) [ ] ( ) ( ) [ ] ( ) [ ] [ ]
( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) [ ] ( ) [ ] ( ) [ ]
2 1 2 1
2 1 2 1 2 1 2 1
2 1 2 1 2 1 2 1
2 2 1 1 2 1



, cov
t x E t x E t x t x E
t x E t x E t x E t x E t x E t x E t x t x E
t x E t x E t x t x E t x E t x t x t x E
t x E t x t x E t x E t t
xx
=
+ =
+ =
=


(2.18)
(2.22)
21
en el caso que t
1
= t
2
= t , cov
xx
(t,t) representa la varianza de {x(t)}

( ) ( ) ( ) ( ) [ ] ( ) t t t x E t t
x x xx
2 2
, cov = = (2.23)

Para valores arbitrarios de
x
, la funcin de covarianza se relaciona con la funcin
de correlacin por la funcin.

( )
2
) ( cov
x xx xx
R = (2.24)

Cuando el proceso {x(t)}, tiene media cero, su correlacin y covarianza son iguales
[4] [27]. Los valores de la media y covarianza son los mismos para todos los valores
de t, esto quiere decir que son independientes de las transiciones en el tiempo.
Cuando todas las distribuciones de probabilidad son independientes de las
relaciones en el tiempo, el proceso aleatorio es estacionario.




2.3 Estadsticas de alto orden



Como se plante anteriormente, los procesos o datos aleatorios a pesar de no tener
un modelo exacto que los describan, es posible estudiar dichos procesos
conociendo sus propiedades estadsticas.
Las estadsticas hasta ahora descritas pueden describir bien los procesos, sin
embargo, puede obtenerse aun ms informacin acerca de ellos con estadsticas de
orden superior. A estas estadsticas se les conoce como estadsticas de alto orden
(HOS, Higher Order Statistics).


2.3.1 Momentos de orden n

Pueden definirse dos funciones que permitan calcular los momentos de una
variable aleatoria, estas son la funcin caracterstica y la funcin generadora de
momentos [46].


Funcin caracterstica

La funcin caracterstica de una variable aleatoria x se define como [44]

( ) [ ]
x j
x
e E

= (2.25)

22
Es una funcin del numero real - < < . Si la ecuacin 2.25 se escribe en
trminos de la funcin de densidad,
x
() es la transformada de Fourier de f
x
(x)

( )

= dx e x f
x j
x x

) ( (2.26)

por este hecho, si
x
() es conocida, f
x
(x) puede ser conocida por la transformada
inversa de Fourier

( ) ( )


d e x f
x j
x x
2
1
(2.27)

por una diferenciacin de
x
(), n veces con respecto a y haciendo = 0 en la
derivada, se puede mostrar que el n-simo momento de x est dado por

( )
( )
0 =

n
x
n
n
n
d
d
j
(2.28)

La mayor ventaja de usar
x
() para encontrar los momentos es que
x
() siempre
existe [46]. Entonces los momentos pueden ser encontrados si
x
() es conocida.
Los momentos de alto orden son una generalizacin natural de las
correlaciones [60].



Funcin generadora de momentos

Un promedio estadstico relacionado fuertemente con la funcin caracterstica es la
funcin generadora de momentos, definida como

( ) [ ]
vx
x
e E v M = (2.29)

donde v es un nmero real de - < v < . As, M
x
(v) est dado por

( ) ( ) dx e x f v M
vx
x x


= (2.30)

La mayor ventaja de la funcin generadora de momentos se deriva de su habilidad
de dar momentos [46]. Los momentos se relacionan con M
x
(v) por la expresin

( )
0 =
=
v
n
x
n
n
dv
v M d
(2.31)

Su desventaja principal, a diferencia de la funcin caracterstica, es que sta puede
23
no existir para todas las variables aleatorias. De hecho M
x
(v) existe solo si todos los
momentos existen [46].

Una propiedad importante de la funcin generadora de momentos es que la
funcin generadora de momentos de la suma de variables aleatorias
independientes es justamente el producto de las funciones individuales
generadoras de momentos [52].

( )
( )
[ ]
[ ]
[ ] [ ]
( ) ( ) v M v M
e E e E
e e E
e E v M
y x
vy vx
vy vx
y x v
y x
=
=
=
=
+
+






2.3.2 Cumulantes

Las estadsticas de alto orden, en particular los cumulantes, proporcionan
informacin de alto orden de los datos o seales [25].
Los cumulantes dan la cantidad de correlacin de alto orden y la medida de la
desviacin de la gaussianidad de un proceso [37]. Ya que los momentos son la
generalizacin de las correlaciones, los cumulantes son las combinaciones no
lineales especficas de estos momentos [60].

Sean v = col ( v
1
, v
2
, ....., v
k
) y x = col ( x
0
, x
1
, ...., x
k-1
), colecciones de variables
aleatorias. El cumulante de k-simo orden de esas variables aleatorias es definido
como los coeficientes de ( v
1
, v
2
, ....., v
k
) en la expansin de la serie de Taylor de la
funcin generadora de cumulantes [47].

( ) { }
x v j
e E v K

= ln (2.33)

El cumulante del k-simo orden de esta manera se define en trminos de los
momentos acoplados de orden mayor a k [37]. De tal forma que los cumulantes
pueden relacionarse con los momentos, esto es una herramienta til para
encontrarlos.


Relacin entre momentos y cumulantes

Los cumulantes pueden ser encontrados de los momentos y viceversa.

Sea x = ( x
1
, x
2
, ......, x
k
)
T
un vector real aleatorio y I
x
= { 1, 2 , ... , k }. Para cada
subconjunto de I
x
, I = { i
1
, i
2
,.....i
m
}, el vector x
I
= ( x
i
,....., x
im
)
T
y

x
( I ) = E [ x
i1
; x
i2
..... ; x
im
], cum
x
( I ) = cum [ x
i1
, ., x
im
]
(2.32)
24
los cumulantes y momentos respectivamente de las variables aleatorias [25] .

La particin de I
x
es una coleccin de conjuntos no intersectados, no vacos de I,
cuya unin forma I
x
.

Por ejemplo el conjunto de particiones correspondientes a k = 3 consta de las
particiones { (1,2,3)}, {(1), (2,3)}, {(2),(1,3)}, {(3),(1,2)}, {(1),(2),(3) } representando a
cada conjunto de particiones como .
q
ser el conjunto de particiones de I
x
de
orden q . As
1
ser la particin sencilla de {(1, 2, 3)},
2
constara de tres
particiones P
1
: { (1),(2,3)}, P
2
: {(2),(1,3)}, P
3
: {(3),(1,2)} mientras que
3
consistir
de la particin individual de {(1),(2),(3)}. As el cumulante de orden k es obtenido
de los momentos de orden menores a k [37], por la frmula

[ ] ( ) ( ) ( )

= =
q
P
x
P I
k
q
q
k
I m q x x x cum I ! 1 1 , , ) ( c
1
1
2 1 x
L (2.34)

e inversamente los momentos pueden ser obtenidos de los cumulantes por la
frmula

( ) [ ] ( )


=
= =
k
q
x
P P I
k x
I cum x x x E I m
q
1
2 1
, , L (2.35)


Usando estas ecuaciones se calculan los cumulantes de 1, 2, 3 y 4 orden.

Para el cumulante de primer orden:

Sea I = {1} y k = 1 = {1}

( ) ( ) ( ) ( ) ( ) { }
1
0
! 0 1 x E I m I m I c
x x x
= = =

(2.36)

El cumulante de segundo orden es:

I = {1, 2} y k = 2 = {(1,2)}, {(1), (2)}

( ) ( ) ( ) ( )
( ) ( )( ) ( )
{ } { } { }
2 1 2 1
2
1
1
2

1 1
! 1 1
2
x E x E x x E
I m I m
I m q I c
x
I
x
q P
x
P I
q
x
q
=
+ =
=






(2.37)
25
Para el cumulante de tercer orden:

I = {1, 2, 3} y k = 3 = { (1,2,3)}, {(1), (2,3)}, {(2),(1,3)}, {(3),(1,2)}, {(1),(2),(3) }

( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
{ } { } { } { } { } { } { } [ ] { } { } { }
3 2 1 2 1 3 3 1 2 3 2 1 3 2 1
2
3
1
1
3
2
! 2 1
! ) 1 ( 1
3 2 2
x E x E x E x x E x E x x E x E x x E x E x x x E
I m I m I m
I m q I c
x
I P
x
I
x
P
x
P I q
q
x
q
+ + + =
+ =
=




{ } { } { } { } { } { } { } { } { } { }
3 2 1 2 1 3 3 1 2 3 2 1 3 2 1
2 , , , , , x E x E x E x x E x E x x E x E x x E x E x x x E + =

(2.38)

El cumulante de cuarto orden es:

I = {1, 2, 3, 4} y k = 4
={(1,2,3,4)}, {(1),(2,3,4)}, {(2),(1,3,4)}, {(3),(1,2,4)}, {(4),(1,2,3)}
{(1,2),(3,4)}, {(1,3),(2,4)}, {(1,4),(2,3)}, {(1),(2,3),(4)}, {(2),(1,3),(4)}
{(3),(1,2),(4)}, {(2),(1,4),(3)}, {(1),(2,4),(3)}, {(1),(3,4),(2)}, {(1),(2),(3),(4)}

( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) I m I m I m I m
I m q I c
x
I
x
P I P
x
I
x
q P
x
P I
q
x
q
q

+ + =
=
4 3 3 2
! 3 1 2
! 1 1
3
4
1
1
4

{ } { } { } { } [ { } { } { }
{ } { } { } { } { } { } { } { }]
{ } { } { } { } { } { } { } { } { } { } { } { } [
{ } { } { } { } { } { }] { } { } { } { } [ ]
4 3 2 1 1 4 2 3 1 4 3 2
2 4 1 3 4 2 1 3 4 3 1 2 4 3 2 1
2 3 4 1 4 2 3 1 4 3 2 1 3 2 1 4
4 2 , 1 3 4 3 1 2 4 3 2 1 4 3 2 1
6 , ,
, , , , 2
, , , , , , , ,
, , , , , , , ,
x E x E x E x E x E x x E x E x E x x E x E
x E x x E x E x E x x E x E x E x x E x E x E x x E x E
x x E x x E x x E x x E x x E x x E x x x E x E
x x x E x E x x x E x E x x x E x E x x x x E
+ +
+ + + +
+ + + +
+ + =
(2.39)


Igualmente calculando momentos a travs de los cumulantes.


El momento de primer orden es:

( ) ( )
( ) ( )
1
1
1
x c I c
I cum I m
x
q P
x
I
x
= =
=

=
(2.40)



26
El momento de segundo orden es:

( ) ( )
( ) ( )
( ) ( ) ( )
2 1 2 1
2
1
2


2
x c x c x x c
I cum I c
I cum I m
x
I
x
q P
x
I
x
+ =
+ =
=


=
(2.41)

Para el momento de tercer orden se tiene:

( ) ( )
( ) ( ) ( ) I c I c I c
I cum I m
x
I P
x
I
x
q P
x
I
x


=
+ + =
=
3 2 2
3
1
3



( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( ) ( )
3 2 1 2 1 3 3 1 2 3 2 1 3 2 1
, , , , , x c x c x c x x c x c x x c x c x x c x c x x x c + + + + =

(2.42)

El momento de cuarto orden entonces ser:

( ) ( )
( ) ( ) ( ) ( ) I c I c I c I c
I cum I m
x
I P
x
I P
x
I
x
q P
x
I
x


=
+ + + =
=
4 3 3 2 2

4
1
4


( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [
( ) ( ) ( ) ( ) ( ) ( )]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )]
( ) ( ) ( ) ( )
4 3 2 1
1 4 2 3 1 4 3 2 3 4 1 2
4 2 1 3 4 3 1 2 4 3 2 1
3 2 4 1 4 2 3 1 4 3 2 1
3 2 1 4 4 2 1 3 4 3 1 2 4 3 2 1
4 3 2 1

, , ,
, , ,
, , , , , ,
, , , , , , , ,
, , ,
x c x c x c x c
x c x x c x c x c x x c x c x c x x c x c
x c x x c x c x c x x c x c x c x x c x c
x x c x x c x x c x x c x x c x x c
x x x c x c x x x c x c x x x c x c x x x c x c
x x x x c
+
+ + + +
+ + +
+ + +
+ + + +
=

(2.43)

Una propiedad importante y muy usada en la mayora de los trabajos de
estadsticas de alto orden para variables aleatorias de media cero, gaussianos, es
que los cumulantes de segundo y tercer orden son idnticos a los momentos de su
orden respectivo

( ) ( ) { }
2 1 2 1 2 2 1 2
x x E x x m x x c
x x
= = (2.44)
( ) ( ) { }
3 2 1 3 2 1 3 3 2 1 3
x x x E x x x m x x x c
x x
= = (2.45)

En un caso particular, para un proceso aleatorio estacionario de media cero, las
variables aleatorias x(t), x(t+
1
) ..., x (t+
k-1
) dependen o estn en funcin de
1
,
2
,
.....,
k-1
, entonces se podr escribir como

( ) ( ) ( ) ( ) { } + = = t x t x E m c
x x 2 2
(2.46)
27
( ) ( ) ( ) ( ) ( ) { }
2 1 2 1 3 2 1 3
, , + + = = t x t x t x E m c
x x
(2.47)

Los cumulantes de alto orden son invariantes al corrimiento de la media [60]. Para
estos procesos, el cumulante de primer orden es la media, c
1x
= E{x(t)}, y el
cumulante de segundo orden es la covarianza.

Los cumulantes con retraso cero tienen nombres especiales: c
2x
(0) es la varianza

x
2
; c
3x
(0,0) y c
4x
(0,0,0) se conocen como
3x
y
4x
, valores que normalizados son la
asimetra (skewness) y la curtosis.
Si el proceso est sistemticamente distribuido la asimetra es cero, pero no
viceversa. Y si el proceso tiene una distribucin gaussiana la curtosis es cero pero
no viceversa [60] [37], siendo el cumulante de cuarto orden para una muestra de
media cero:

( ) ( ) ( ) ( ) ( ) { } ( ) ( ) { } ( ) ( ) { }
( ) ( ) { } ( ) ( ) { } ( ) ( ) { } ( ) ( ) { }
2 1 3 3 1 2
3 2 1 3 2 1 3 2 1 4

, ,


+ + + + + +
+ + + + + + =
t x t x E t x t x E t x t x E t x t x E
t x t x E t x t x E t x t x t x t x E c
x
(2.48)

Sin embargo, no todos los procesos son gaussianos, de hecho la mayora de los
procesos reales no lo son. Por lo cual definir de esta manera a los cumulantes puede
resultar prctico a la hora de su desarrollo computacional pero no se obtendra
toda la informacin generada por los procesos o fenmenos que se desean
investigar.

Los cumulantes, entonces, de un proceso aleatorio de segundo y tercer orden seran

( ) ( ) ( ) { } ( ) { } ( ) { } + + = t x E t x E t x t x E c
x 2
(2.49)

( ) ( ) ( ) ( ) { } ( ) { } ( ) { } ( ) { }
( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } [ ]
1 2 2 1 2 1
2 1 2 1 2 1 3

2 ,


+ + + + + + + +
+ + + + + =
t x t x E t x E t x t x E t x E t x t x E t x E
t x E t x E t x E t x t x t x E c
x
(2.50)

y el de cuarto

( ) ( ) ( ) ( ) ( ) { } ( ) { } ( ) ( ) ( ) { }
( ) { } ( ) ( ) ( ) { } ( ) { } ( ) ( ) ( ) { }
( ) { } ( ) ( ) ( ) { } ( ) ( ) { } ( ) ( ) { }
( ) ( ) { } ( ) ( ) { } ( ) ( ) { } ( ) ( ) { }
( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) { } ( ) ( ) { }
( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) { } ( ) ( ) { }
( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) { } ( ) ( ) { }
( ) { } ( ) { } ( ) { } ( ) { }
3 2 1
1 3 2 2 3 1
3 2 1 2 1 3
3 1 2 3 2 1
2 1 3 3 1 2
3 2 1 2 1 3
3 1 2 3 2 1
3 2 1 3 2 1 3 2 1 4
6
2 2
2 2
2 2



, ,








+ + +
+ + + + + + + +
+ + + + + + + +
+ + + + + + + +
+ + + + + +
+ + + + + +
+ + + + + +
+ + + + + + =
t x E t x E t x E t x E
t x t x E t x E t x E t x t x E t x E t x E
t x t x E t x E t x E t x t x E t x E t x E
t x t x E t x E t x E t x t x E t x E t x E
t x t x E t x t x E t x t x E t x t x E
t x t x E t x t x E t x t x t x E t x E
t x t x t x E t x E t x t x t x E t x E
t x t x t x E t x E t x t x t x t x E c
x
(2.51)

28
Para aprovechar la propiedad de los cumulantes de ser invariantes a los
corrimientos de la media; y no hacer todos los clculos que computacionalmente
representarn un tiempo grande de clculo, a los procesos de media no cero, se les
convierte en procesos de media cero restndoles su media, y as se puede aplicar las
definiciones ms sencillas de los cumulantes [60].


Propiedades de los cumulantes

Los cumulantes de un proceso estacionario tienen muchas simetras demostradas
por Brillinger y Rosemblat [7], algunas de ellas son para cumulantes de segundo,
tercero y cuarto orden:

( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) k m k l k c l m k c m k l c m l k c
k l k c k l c l k c
k c k c
x x x x
x x x
x x
= = =
= =
=
, , , , , , , ,
, , ,
4 4 4 4
3 3 3
2 2


donde la regin fundamental no es el plano k-l entero. Por ejemplo para c
2x
(k), la
regin k 0 especifica a c
2x
(k) en todo momento; para c
3x
(k,l) la regin es 0 l k
(Figura 2.3) dando seis simetras, y para c
4x
(k,l,m) es el cono 0 m l k
[60]. Conociendo el cumulante en una regin, puede conocerse el cumulante en
todas las regiones. Es importante notar que las simetras no se conservan para los
procesos no estacionarios.

n : nmero de datos
Figura 2.3 Simetras del cumulante de tercer orden

Las propiedades importantes de los cumulantes son [37]:

Si
i
, i = 1, , k son constantes y x
i
, i = 1,,k variables aleatorias

( ) ( )
k i
k
i
k k
x x cum x x cum , ,
1
1
1 1
K K

=

=


29
Los cumulantes son simtricos en sus argumentos

( ) ( )
k
i i k
x x cum x x cum , ,
1
1
K K =

donde (i
1, ... ,
i
k
) es una permutacin de (1, ..., k)

Los cumulantes son aditivos en sus argumentos

( ) ( ) ( )
k k k
z z y cum z z x cum z z y x cum , , , , , , , ,
1 0 1 0 1 0 0
K K K + = +


Si es constante, entonces

( ) ( )
k k
z z cum z z z cum , , , ,
1 2 1
K K = +


Si las variables aleatorias {x
i
} y {y
i
} son independientes y i = 1 , .... k entonces

( ) ( ) ( )
k k k k
y y cum x x cum y x y x cum , , , , , ,
1 1 1 1
K K K + = + +


Si un subconjunto de k variables aleatorias {x
i
} son independientes del resto,
entonces
( ) 0 ,
1
=
k
x x cum K


Los cumulantes de un proceso aleatorio independiente idnticamente distribuido
son funciones delta, esto es, si w(t) es un proceso independiente idnticamente
distribuido entonces c
k,w
(
1
,
2
, ...,
k-1
) =
k,w

1
,....,
k-1
, donde
k,w
es el cumulante
de k orden de la variable aleatoria w.

Para profundizar ms en el tema, los trabajos [60] [37] [7] [59][43] contienen
desarrollos detallados sobre momentos y cumulantes de alto orden.




Conclusiones


De acuerdo a lo presentado en este captulo, se puede determinar fcilmente que
las estadsticas de alto orden son ms robustas que las estadsticas convencionales,
por lo cual se estn empleando cada vez ms en los estudios de fenmenos o
sistemas. Su ventaja principal es dar ms informacin de un proceso usando la
misma secuencia de datos. El uso de los cumulantes da ventajas sobre el uso de los
momentos por sus caractersticas de simetra, inmunidad al ruido y su uso como
operador lineal. Este tipo de estadsticas son las que se emplearn en el desarrollo
de las herramientas de procesamiento de los siguientes captulos.
31





3. Poliespectro



En el captulo anterior se presentaron las propiedades fundamentales de los
procesos aleatorios y las herramientas usadas para describirlos y estudiarlos. Las
estadsticas de alto orden (HOS) presentaron propiedades adicionales a las
estadsticas convencionales en el estudio de los procesos aleatorios. Sin embargo,
una herramienta fundamental para el estudio de dichos procesos es obtener sus
componentes frecuenciales y armnicas para ver la aportacin que tiene cada uno
de estos al proceso o fenmeno.

A la representacin en frecuencia de las HOS se le conoce como espectro de alto
orden o simplemente poliespectro. El poliespectro, a diferencia de las
representaciones espectrales convencionales revela ms informacin como
presencia de armnicos y acoplamientos frecuenciales, lo que lo vuelve una
herramienta ms amplia para el estudio de procesos o fenmenos.

En este captulo se estudia el poliespectro y sus propiedades, herramienta que es la
base de estudio en esta tesis.



3.1 Poliespectro de orden n


Sea {x
t
} un proceso aleatorio estacionario real con E[x
t
n
]<. Para la existencia del
espectro de alto orden, se necesita asumir la existencia de los momentos de alto
32
orden [59]. Si c
n,x
(
1
, ... ,
n-1
)

es el cumulante de orden n del conjunto de variables
aleatorias {x(t'),x(t',
1
), ... , x(t',
n-1
)}, el espectro de alto orden o poliespectro de
orden n se define como la transformada de Fourier (Y ) de dimensin n-1 de los
cumulantes de orden n.

[ ]
x n
n
x n
c S
,
1
, Y

=
(3.1)

Esto es
( ) ( )
( )
dx e c S
n
i
i i
j
n x n n x n




=

=

1
1
1 1 , 1 1 ,
, , , ,

K L K (3.2)

de manera discreta
( ) ( )
( )


=

=


1
1
1 1
1 1 , 1 1 ,
, , , ,
n
i
i i
n
j
n x n n x n
e c S


K L K
(3.3)

Una descripcin matemtica ms detallada puede encontrarse en [7] [59] y [37].



3.1.1 Uso de cumulantes en lugar de momentos

El poliespectro de orden n puede ser definido en trminos de los cumulantes o
momentos de orden n [59]. Entonces la pregunta es Porqu definir el poliespectro
de orden n en trminos de los cumulantes y no de los momentos de orden n?. La
razn se da por su propio peso, de acuerdo a la seccin 2.3 los cumulantes
presentan propiedades estadsticas ms completas que los momentos; de hecho se
considera a la funcin de cumulante como un operador lineal. Derivado de estas
propiedades se generan propiedades importantes que resaltan los beneficios de
definir el poliespectro en trminos de cumulantes. Una lista de estos beneficios
descritos en [37] [43] [44] se presenta a continuacin.

1) La funcin de covarianza del ruido blanco es una funcin impulso y su
espectro es plano.
2) El cumulante de alto orden del ruido blanco son funciones
multidimensionales de impulsos y su poliespectro es plano
multidimensionalmente.
3) El cumulante es una funcin simtrica y multilineal en sus argumentos.
4) El cumulante de dos procesos aleatorios estadsticamente independientes, es
igual a la suma de los cumulantes individuales, mientras que para los
momentos no es igual. El cumulante, entonces, puede usarse como
operador.
5) Si x(k) es un proceso aleatorio Gaussiano estacionario, todos sus momentos
de orden n, para n 3 , no dan ninguna informacin adicional perteneciente
33
al proceso. La funcin espectral del cumulante muestra esto explcitamente,
pues para n 3 es cero en un proceso Gaussiano.
6) Si las variables aleatorias {x
1
,..... x
n
} se pueden dividir en grupos que sean
estadsticamente independientes, sus cumulantes de orden n son idnticos a
cero, lo que da al espectro del cumulante el grado de herramienta para
medir la dependencia estadstica.
7) Los requerimientos de ergodicidad se encuentran ms fcilmente con los
cumulantes que con los momentos.
8) En general la transformada de Fourier de cum[x( t ), x( t +
1
),....., x( t +
n-1
)]
es una funcin natural, por el contrario, la transformada de Fourier de
E[ x( t ), x( t + t
1
),....., x( t + t
n-1
) ] no lo es.



3.1.2 Casos particulares


El poliespectro, tiene casos particulares que han sido estudiados ampliamente en
muchas publicaciones. Tal es el caso de la funcin de densidad espectral (PSD), el
biespectro (BIS) y el triespectro (TRI). Entre estas tres funciones la PSD es la ms
estudiada y es la herramienta mas utilizada en el campo de anlisis de seales.

De acuerdo a la ecuacin (3.3) :

Si n = 2

( ) ( )
( )
1 1
1
1 , 2 1 , 2


j
x x
e c S

= (3.4)

es conocido como funcin de densidad espectral o simplemente PSD. Para hacer
una clara diferenciacin entre las funciones, la PSD se denotar como:

( ) ( )
( )


j
x x
e c PSD

=
, 2
(3.5)

si n = 3

( ) ( )
( )
2 2 1 1
2 1
2 1 , 3 2 1 , 3
, ,



+

=

=
j
x x
e c S (3.6)

esta funcin es conocida como el biespectro o simplemente BIS, igualmente se
definir como :

( ) ( )
( )
2 2 1 1
2 1
2 1 , 3 2 1
, ,



+

=

=
j
x x
e c BIS (3.7)

34
si n = 4

( ) ( )
( )
3 3 2 2 1 1
3 2 1
3 2 1 , 4 3 2 1 , 4
, , , ,



+ +

=

=
j
x x
e c S
(3.8)

esta funcin es conocida como el triespectro o simplemente TRI

( ) ( )
( )
3 3 2 2 1 1
3 2 1
3 2 1 , 4 3 2 1
, , , ,



+ +

=

=
j
x x
e c TRI
(3.9)




3.2 La funcin de densidad espectral


Como se haba mencionado anteriormente, la funcin de densidad espectral (PSD)
es la herramienta ms usada actualmente para el anlisis de las seales en
frecuencia. La PSD mide la potencia promedio de una seal contra la frecuencia,
adems es bien conocido que muestra las periodicidades de los procesos o sistemas
[64], [37].

De acuerdo a la definicin de la PSD (3.5) y retomando la definicin del cumulante
de segundo orden, substrayendo la media del proceso para su simplificacin en
(2.46) y para un proceso estacionario, su PSD se definir como

( ) ( )
( )


j
x
e c PSD

=
, 2
(3.10)

donde c
2,x
() = E{x(t)x(t+)}. Acotando a las N muestras entonces se tiene

( ) ( )
N
m
j
x
N
m
e m c PSD

=
, 2
1
0
(3.11)

( ) ( ) ( )
N
m
j
N
i
N
m
e m i x i x
N
PSD

=
+ =

1
0
1
0
1
(3.12)

( ) ( ) ( ) k X k X
N
k PSD

=
1
(3.13)

( ) ( ) ( )
2
1
k X
N
k PSD =
(3.14)

35
el desarrollo completo puede verse en [53]. Este resultado muestra que el PSD
siempre es positivo y es un nmero real (una magnitud). Ntese que aunque X(k) es
una funcin compleja, la PSD(k) es una funcin real.

Algunas propiedades importantes son [46]:

1) La PSD es positiva, PSD
x
() 0.
2) La PSD es simtrica, PSD
x
(-) =PSD
x
(), si x(t) es real.
3) La PSD siempre es real.
4) La PSD de la derivada de x(t) es
2
veces la PSD de x(t); PSD
x'
() =
2
PSD
x
().
5) Para un proceso estacionario : PSD
x
() = Y [R
xx
()] y R
xx
() = Y
-1
[PSD
x
()].

Una propiedad adicional es que el rea bajo la curva de la PSD, representa el valor
cuadrtico medio del proceso (teorema de Parseval) [40].

[ ] ( )


= d PSD x E
x
2
(3.15)




3.3 El biespectro


El biespectro (BIS) es la funcin a la que se le dedicar mayor nfasis, pues es la
herramienta base de la investigacin. Muchos estudios han dedicado su estudio a
esta funcin, acerca de sus propiedades y aplicaciones. Entre los ms importantes
se encuentran [37] [43] [59] [7] [42] [48]y [60].

El biespectro, en trminos de estudio de aplicacin se encuentra en una etapa
madura, actualmente se aplica exitosamente en diferentes campos de investigacin
como deteccin de periodicidades [16] y no linealidades [8]; en modelado de
sistemas [21]; reconocimiento de voz [38]; recuperacin de fase de una seal [61];
procesamiento de imgenes, radar, sonar e identificacin de sistemas [37]; y
adems en el estudio de seales de vibracin [51].

Existen varias formas para calcular el BIS, se clasifican bsicamente en mtodos
paramtricos y no paramtricos. La forma paramtrica se basa en ecuaciones o
modelos del tipo MA (Moving Averange), AR (Auto Regresive) y ARMA (Auto
Regresive Moving Averange) que describan adecuadamente al proceso a estudiar.
La forma no paramtrica o directa se basa en funciones estadsticas aplicadas a los
datos muestreados. El mtodo que se usar en el trabajo ser el no paramtrica.

El problema principal del clculo del BIS se da cuando se tiene una muestra finita
de datos (obtenidos de una medicin) [43]. Sin importar cual haya sido la forma de
36
clculo escogida, el clculo del BIS siempre es a partir de secuencias finitas de
datos. En [48] se describe como Huber et al resumieron los tres mtodos ms
importantes para la estimacin del BIS a partir de secuencias finitas de datos. Estos
son:

- Promediado sobre muestras sucesivas
- Promediado en el dominio del tiempo
- Demodulacin compleja y promediado en el tiempo

Como se present en la seccin 3.1.2, el Biespectro es un caso particular del
poliespectro y por definicin es la transformada de Fourier bidimensional de
estadsticas de tercer orden, definindose especficamente en cumulantes, y
contiene la informacin de amplitud y fase de las seales [46].

De acuerdo a la definicin del BIS (3.7) y retomando la definicin del cumulante de
tercer orden, substrayendo la media del proceso para su simplificacin (2.47) y
para un proceso estacionario, el BIS se definir como:

( ) ( )
( )
2 2 1 1
2 1
2 1 , 3 2 1
, ,



+

=

=
j
x x
e c BIS (3.16)

donde c
3,x
(
1
,
2
) = E{x(t)x(t+
1
)x(t+
2
). Acotando a las N muestras entonces

( ) ( )


=

=
=
1
0
, 3
1
0
2 1
2 1
, ,
N
m
N
m n
j
x
N
n
x
e m n c BIS


(3.17)

( ) ( ) ( ) ( )


=

=
+ + =
1
0
1
0
1
0
2 1
2 1
1
,
N
i
N
m n
j
N
m
N
n
x
e m i x n i x i x
N
BIS

(3.18)

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + =

X X X BIS
x
(3.19)

donde es una constante de proporcionalidad, del cual su magnitud ser

( ) ( )
2 1 2 1
, , BIS BIS =
(3.20)

y la fase ser

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + + =
(3.21)

Este resultado indica que el biespectro tiene magnitud y fase, la cual no se
encontraba con la PSD. Esta es una de las razones por las que el uso de esta
herramienta se hace ms interesante que las herramientas convencionales pues se
obtiene ms informacin del mismo proceso, adems de otras propiedades que se
37
describen en las siguientes secciones.


3.3.1 Importancia del uso del biespectro

Existen muchas razones que motivan al uso de la funcin BIS en el estudio de
seales. Una de ellas, mencionada anteriormente, es la estimacin de la fase de las
seales [43] [37].

Otra razn de su uso es la deteccin de Gaussianidad de las seales a pesar de sus
alteraciones [43]. En la deteccin y caracterizacin de las propiedades no lineales
de mecanismos (procesos) que generan series (datos) [43], el BIS se emplea como
una prueba de Gaussianidad y linealidad [47]. Adems, el biespectro es la forma
ms simple de anlisis espectral de alto orden que se puede hacer de un proceso
[59].


3.3.2 Propiedades del biespectro

El BIS tiene muchas propiedades importantes, algunas como las mencionadas en la
seccin anterior (3.3.1), demuestran la potencialidad de la herramienta; y otras
ayudan a la simplificacin del proceso de clculo.

El BIS representa la contribucin del producto medio de tres componentes de
Fourier, donde una frecuencia es igual a la suma de las otras dos [43]. Esto se pude
ver en la ecuacin (3.19).

El biespectro tiene simetras, las cuales pueden usarse para conocer una regin y al
conocer una regin se conocen las dems. Las propiedades que se derivan de la
definicin del BIS y de las propiedades de los cumulantes de 3er orden [43]:


i. BIS(
1
,
2
) es generalmente complejo; tiene magnitud y fase

( ) ( )
( )
2 1
,
2 1 2 1
, ,


B
j
e BIS BIS

=

ii. BIS(
1
,
2
) es doblemente peridico; con periodo 2

( ) ( ) 2 , 1 ,
2 1 2 1
+ + = BIS BIS .

iii. El biespectro tiene doce simetras (ver Figura 3.1), las cuales son [22]:

38

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
2 1 12
1 2 11
2 2 1 10
2 1 2 9
1 2 1 8
2 1 1 7
2 1 1 6
1 2 1 5
2 1 2 4
2 2 1 3
1 2 2
2 1 1
12 6 1
,
,
,
,
,
,
,
,
,
,
,
,












=
=
+ =
+ =
+ =
+ =
=
=
=
=
=
=
= = = =


B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
B BIS
BIS BIS BIS K K


donde BIS
x
: BIS de la regin x


Figura 3.1 Simetras del BIS


As conociendo el BIS en la regin triangular
2
0 ,
1

2
,
1 +

2
es
suficiente para hacer una completa descripcin (Figura 3.2). A esta regin se le
conoce tambin como IT (Inner Triangle). Conociendo una de las doce regiones,
para un proceso de banda limitada, se puede obtener las once regiones restantes y
ahorrar cada uno de los dems clculos.

39

Figura 3.2 Regin no redundante del BIS

Sin embargo, en un proceso digital (muestreado) depende de la frecuencia de corte
f
C
. Donde la f
C
estar dada por:

2
S
C
f
f =
(3.22)
donde : f
C
: frecuencia de corte
f
S
: frecuencia de muestreo

y su espaciamiento en frecuencia por:

M
S
L
f
f = (3.23)

donde : f
S
: frecuencia de muestreo
L
M
: longitud de la muestra

As como se establece la regin IT como rea no redundante, en los procesos
muestreados tambin existe la regin OT (Outer Triangle), y la presencia de la
regin OT est determinada por la frecuencia de muestreo (Figura 3.3). De esta
forma para un proceso estacionario, sea B su ancho de banda, si f
S
=2B implica que
OT0 debido al traslape (no igual al conocido); y por otra parte, para un proceso
estacionario o no, muestreado a f
S
=3B siempre es 0 la regin OT [12].

Figura 3.3 Regin IT y OT
40
De esta manera la nueva regin triangular IT+OT ser f
2
0, f
1
f
2,
f
2
+2f
1
f
C
. Con
esta nueva regin se pueden obtener igualmente las once regiones restantes que
para una secuencia finita de datos provenientes del muestreo de un proceso son
como se muestra en la Figura 3.4 [22]. En este trabajo esta ser la regin a
considerar en los anlisis.


donde : LM : Longitud de la muestra
m : vector dato de f1
n : vector dato de f2

Figura 3.4 Regiones del BIS discreto


El BIS tiene las siguientes propiedades adicionales, [43].

1. Proceso Gaussiano: si {x(k)} es un proceso Gaussiano estacionario de
media cero, su momento de 3er orden R(m,n) = 0 para todo (m,n) y de esta
forma su biespectro BIS(
1
,
2
) es cero.

2. Corrimiento de fase lineal: dado {x(k)} con PSD, PSD
x
(), y BIS,
BIS(
1
,
2
); el proceso y(k) = x(k-N), donde N es una constante integral,
tiene sus espectros PSD
y
() = PSD
x
() y BIS
y
(
1
,
2
) = BIS
x
(
1
,
2
). Los
momentos de segundo y tercer orden suprimen la informacin lineal de
fase, pero la PSD suprime toda la informacin de fase.

3. Ruido blanco no Gaussiano: si {(k)} es un proceso estacionario no
Gaussiano con E{(k)}=0, E{(k)(k+)}= Q (),
E{(k)(k+)(k+)}=(,); su PSD y BIS son ambos planos.
PSD() = Q y BIS(
1
,
2
) = .

4. Acoplamiento de fase cuadrtico: en la prctica se presentan situaciones
donde existe interaccin de dos componentes armnicos de un proceso y
su contribucin al mismo, sea aumentando o disminuyendo la potencia.
Esta acoplamiento se puede investigar con el BIS.

41
Por ejemplo:


( ) ( ) ( ) ( )
3 3 2 2 1 1 1
+ + + + + = k Cos k Cos k Cos k x

y ( ) ( ) ( ) ( ) ( )
2 1 3 2 2 1 1 11
+ + + + + + = k Cos k Cos k Cos k x

donde
3
=
1
+
2
, i.e., (
1
,
2
,
3
) son armnicos relacionados y
1
,
2
y

3
son variables aleatorias independientes uniformemente distribuidas
entre [0,2]. Es aparente que
3
en x
1
es independiente porque
3
es
independiente, mientras que
3
en x
11
es el resultado del acoplamiento de
fase entre
1
y
2
.

Se puede identificar fcilmente que x
1
(k) y x
11
(k) tienen la misma PSD,
PSD
x1
() = PSD
x11
(), consisten en impulsos en
1
,
2
y
3
(Figura 3.5 (a)).

Pero en el BIS el BIS
x1
(k) es idntico a cero, mientras que el BIS
x11
(k)
muestra un impulso en la regin triangular
1
0 ,
1

2
,
1 +

2
. El
impulso es localizado en
1
=
1
,
2
=
2
si
1

2
(Figura 3.5 (b) ).


(a) (b)
Figura 3.5 Acoplamiento de fase. (a) Seal independiente y
(b) Seal de fase dependiente

As se muestra la propiedad del acoplamiento cuadrtico de fase.

5. ndice de bicoherencia: se le han encontrado muchas aplicaciones.
42
Combinando dos entidades completamente diferentes BIS y PSD, se
defina la funcin de la bicoherencia.

( )
( )
( ) ( ) ( )
2 1 2 1
2 1
2 1
,
,



+
=

PSD PSD PSD


BIS
Bi

Con la bicoherencia se puede encontrar el grado en que se acoplan las
fases en casos donde se detectan picos armnicos dentro del BIS.



3.4 Periodograma y biperiodograma


Existen varios problemas en la estimacin del espectro de una seal, sin embargo,
son dos las dificultades principales [29] . La primera es que el grupo de datos con el
que se trabaja nunca son ilimitados y, en la mayora de los casos, son muy
pequeos. La segunda se debe a que los datos normalmente se encuentran
corrompidos por ruido o contaminados por una seal de interferencia.

En algunas ocasiones la estimacin se puede facilitar teniendo un conocimiento a
priori del proceso que genera los datos. Pero en la mayora de los procesos reales
esto no es posible y mucho menos cuando no se tiene un modelo preciso del
proceso a investigar, como en el caso de esta tesis.

Para remediar estos problemas mediante mtodos no paramtricos se han
desarrollado tcnicas conocidas como periodograma y biperiodograma capaces de
minimizar estas dificultades. Estos mtodos se basan en la idea de estimar las
secuencias de correlacin de los procesos aleatorios de un grupo de datos medidos,
sacar su transformada de Fourier y obtener el estimado de su espectro [37]. Aqu se
examinarn modificaciones al periodograma, como el uso de ventanas para
mejorar sus propiedades estadsticas (seccin 3.5).



3.4.1 Periodograma

La PSD de un proceso aleatorio estacionario es la transformada de Fourier de los
cumulantes de 2 orden, definido en (3.3). Para un nmero finito de datos la PSD
se define como:

( ) ( ) ( )
N
m
j
N
i
N
m
x
e m i x i x
N
PSD

=
+ =

1
0
1
0
1
(3.24)
43
El objetivo del periodograma es hacer un promedio de los datos estimados y de
hecho la definicin anterior (3.24) se define como periodograma, donde se hace un
promedio de los datos obtenidos.

Adems del periodograma existe el periodograma promedio o promediado donde a
partir de diferentes muestras se obtiene el periodograma y se promedia en tiempo o
en frecuencia. El periodograma promedio se define entonces como:

( ) ( )
l
x
M
l
x
PSD
M
I

=
=
1
1
(3.25)

( ) ( ) ( )

+ =

= =

N
m
j
l l
N
i
N
m
M
l
x
e m i x i x
N M
I

1
0
1
0 1
1 1
(3.26)

que es el periodograma promedio, de promedios en frecuencia, para las
conjuntos de muestras. Las muestras usadas pueden ser conjuntos de datos
obtenidos del mismo proceso (en las mismas condiciones y considerando que es un
proceso estacionario) en diferentes instantes de tiempo o segmentos de igual
longitud de una muestra de datos obtenidos de una sola adquisicin [57].

Para el estudio de esta tesis el periodograma promedio ser simplemente
periodograma y el periodograma definido en (3.24) ser un caso particular del
periodograma promedio (3.26) cuando no existan divisiones del segmento de datos
adquiridos.

Un estudio completo del periodograma y la forman en que se segmentan las
muestras puede encontrarse en [29] [53] [57].



3.4.2 Biperiodograma


El BIS para un segmento de datos se define como:

( ) ( ) ( ) ( )


=

=
+ + =
1
0
1
0
1
0
2 1
2 1
1
,
N
i
N
m n
j
N
m
N
n
x
e m i x n i x i x
N
BIS

(3.27)

Al igual que el periodograma se definir directamente el biperiodograma como:

( ) ( )
2 1
1
2 1
,
1
,
x
M
l
x
BIS
M
I

=
= (3.28)

44
( ) ( ) ( ) ( )

+ + =

= =

N
m n
j
l l l
N
i
N
m
N
n
M
l
x
e m i x n i x i x
N M
I
2 1
1
0
1
0
1
0 1
2 1
1 1
,

(3.29)


que ser un biperiodograma promediado en frecuencia, para las conjuntos de
muestras. Y de igual forma, la definicin del BIS en (3.27) de un segmento de datos,
ser un caso particular de (3.29). El biperiodograma tambin es conocido como
periodograma de tercer orden, ver Subba Rao [59].

Para el estudio de esta tesis, estas definiciones son con las que se trabajar. Para
ver los pasos o recetas para encontrar el biespectro de una serie de datos o
diferentes tipos de promedio para el periodograma y biperiodograma se
recomienda ver los trabajos de [43] [44].



3.5 Ventanas


Aunque el periodograma y el biperiodograma son estimados asintticamente
imparciales, no son estimados consistentes del PSD
x
() y BIS
x
(
1
,
2
) [59] [44].

La inconsistencia se debe principalmente a que la varianza es proporcional al
tamao de la muestra. Una proposicin obvia es dividir la muestra N en J
submuestras de longitud L menores, estimar la PSD o el BIS de cada submuestra y
promediar los resultados, razn por la que se usa el periodograma y
biperiodograma. As la varianza del promediado es proporcional a L/J. Su principal
desventaja es que su resolucin en frecuencia se reduce de 1/N a 1/L [63].

Conforme el nmero de datos N se hace ms grande, el estimado es mejor, y se
reducen las apariciones de frecuencias no propias del proceso o fenmeno
agregadas por el algoritmo de la transformada de Fourier (FFT). Pero N nunca es
lo suficientemente grande para reducir el derrame espectral (spectral leakage) [58];
las componentes no peridicas de f
un
(t) sobre el intervalo NT aparecen para
sobreponerse en porciones del espectro adyacentes al valor espectral correcto. Es el
resultado discreto de la truncacin [58].

Para obtener un estimado consistente de PSD
x
() y BIS
x
(
1
,
2
), se suaviza el
periodograma y biperiodograma mediante una funcin de peso, w(), que es
conocida como ventana espectral.

De hecho la truncacin o porcin de datos muestreados, es una ventana del tipo
rectangular w
R
(t). Una manera de reducir ese derramamiento es simplemente
45
redondear las esquinas afiladas de w
R
(t). El procesamiento es multiplicar la funcin
original f
un0
(t) por la ventana w(t) antes de la FFT [32],

( ) ( ) ( ) t w t f t f
un un
=
0
(3.30)

en el dominio de la frecuencia el producto se convierte en una convolucin,

( ) ( ) ( ) ( ) ( )

W F d W F F
un un un
= =

0 0
2
1
(3.31)

Existen muchas formas de ventanas, las cuales han sido estudiadas y propuestas
por muchos autores. Cada una de las ventanas tienen sus propias caractersticas
por lo que la decisin de cul ventana usar depender del desarrollador y de su
aplicacin.

En la Tabla 3.1, se presentan las ecuaciones de las ventanas espectrales ms
importantes usadas en el procesamiento digital de seales. Para profundizar en el
desarrollo de cada una de las ventanas se recomiendan los trabajos de [2] [29]
[59].

Todas estas ventanas son funciones de una sola variable unidimensional, lo que
significa que pueden aplicarse directamente para el periodograma. Pero para el
biperiodograma se necesitan ventanas bidimensionales, y para ello lo nico que hay
que hacer es convertir las ventanas de una sola variable a dos, para todos los casos
de la Tabla 3.1, i.e. w(n) w(n,m) n, m.

Por lo tanto el periodograma con ventana se define como:

( ) ( )

=
M
l
x x
A
w c
M
Iw
l
1
, 2
1
Y (3.32)

( ) ( ) ( )

+ =


=

=
1
0
1
0 1
1 1
N
m
N
i
N
m
j
l l
M
l
x
e
A
m
w m i x i x
N M
Iw

(3.33)

mientras que el biperiodograma es

( ) ( )

=

=
A A
w c
M
Iw
l
x
M
l
x
2 1
2 1 , 3
1
2 1
, ,
1
,


2
Y (3.34)

( ) ( ) ( ) ( )

+ + =


=

=
1
0
1
0
1
0 1
2 1
2 1
,
1 1
,
N
n
N
m
N
i
N
m n
j
l l
M
l
x
e
A
m
A
n
w m i x n i x i x
N M
Iw

(3.35)


46
Tabla 3.1 Ventanas espectrales usadas en el procesamiento digital de datos

Ventana espectral Ecuacin

Daniel ( )
( )

n
n Sen
n w
D


Tukey-Hamming ( )
( )

+
=
valor otro para 0
1 46 . 0 54 . 0 n n Cos
n w
TH




von Hann (Hanning) ( )
( )

+
=
valor otro para 0
1 5 . 0 5 . 0 n n Cos
n w
H




Bartlett- Priestley ( )
( )

= n Cos
n
n Sen
n
n w
BP

2
3



Parzen ( )
( ) ( )
( )

>
<
+
=
1 , 0
1 5 . 0 , 1 2
5 . 0 , 6 6 1
3
3 2
n
n n
n n n
n w
P



Blackmann ( )
( ) ( )

+
=
valor otro para , 0
5 . 0 , 4 08 . 0 2 5 . 0 42 . 0 n n Cos n Cos
n w
B




Kaiser ( )
[ ] { }
( )


=
otro para
0
5 . 0 ,
2 1
0
2
1
2
0
n
I
n I
n w
k



donde I
0
(x) es una funcin de Bessel de orden cero
modificada del primer tipo y puede ser evaluada para
cualquier grado de exactitud
( )
2
1
0
2 !
1
1

+ =

=
k
L
k
x
k
x I

empricamente L<25.
47
siendo w(m/A) y w(n/m,m/A) la ventana que se haya escogido (donde A es un factor
de la ventana dependiente de N). A debe ser escogida tal que N y A pero
con la restriccin de que A/N0. En trminos prcticos A es el factor que controla
el ancho de la ventana [44].




3.6 Coherencia y bicoherencia


Aunque la PSD y el BIS, o sus estimados, periodograma y biperiodograma, son las
herramientas de anlisis de las seales para estudiar el contenido frecuencial y
otras propiedades, en muchas ocasiones se usan de manera normalizada. A la PSD
y al BIS normalizados se les conoce como coherencia y bicoherencia. La razn
principal de esta normalizacin es comparar los picos frecuenciales resultantes con
respecto a una magnitud unitaria, de los datos o procesos a estudiar.

Por otro lado, estas funciones pueden tener otras utilidades. En el caso de la
coherencia, se vuelve una medida de linealidad del sistema donde la salida del
sistema se relaciona linealmente con la entrada [50].

Una de las razones para normalizar el biespectro es el hecho de que ste tiene una
varianza que es proporcional al triple producto de la potencia espectral, resultando
en que las propiedades de segundo orden de la seal dominen y por lo tanto puede
existir una interpretacin errnea del BIS [50]. La ventaja de la normalizacin es
hacer la varianza aproximadamente plana a travs de todas las frecuencias.

La coherencia se define como:

( )
) ( ) (
) (
f PSD f PSD
f PSD
f Co
yy xx
xy
xy
=
(3.36)

donde la PSD
xx
es la PSD cruzada del vector x, PSD
xy
es la PSD cruzada del vector x
y el vector y, y PSD
yy
es la PSD cruzada de el vector y; y la bicoherencia se define
como:

( )
( )
2 1 2 1
2 1
, ) ( ) (
,
) (
f f PSD f PSD f PSD
f f BIS
f Bi
zz yy xx
xyz
xyz
= (3.37)

donde el BIS
xyz
es el BIS cruzado de los vectores x, y y z.

Es importante sealar que estas funciones se definen para dos o tres mediciones,
por lo que hacer estos estimados de una sola seal carece de sentido. Para las
48
mediciones de una sola muestra la coherencia y bicoherencia se podrn calcular
dividiendo el estimado de la PSD y el BIS entre su mximo valor


( )
( )
( ) [ ]

x
x
x
I Max
I
Co =
(3.38)


( )
( )
( ) [ ]
2 1
2 1
,
,

x
x
x
I Max
I
Bi =
(3.39)





3.7 Biespectro cruzado


En la seccin anterior se defini la Bicoherencia a partir del BIS
xyz
(3.37), al cual se
le conoce como biespectro cruzado. El biespectro cruzado es la transformada de
Fourier bidimensional del cumulante cruzado de tercer orden de tres seales o
secuencias de datos. A los cumulantes y momentos se les defini y us para una
sola secuencia de datos (2.49, 2.50 y 2.51). La forma ms general de estas
estadsticas son los cumulantes y momentos de n orden de n secuencias de datos
(2.37, 2.38 y 2.39). As para diferentes secuencias de datos, asumiendo que son
estacionarios, los cumulantes cruzados de segundo y tercer orden son:

( ) ( ) { } { } { } y E x E xy E c c
xy x
= =
2
(3.40)

( ) ( ) { } { } { } { } { } { } { } [ ]
{ } { } { } z E y E x E
xy E z E xz E y E yz E x E xyx E c c
xyz x
2
, ,
2 1 2 1 3
+
+ + = =
(3.41)

Al igual que los de solo una secuencia o vector de datos, si se hacen de media cero,
para cada una de las secuencias su simplificacin ser:

( ) { } ( ) ( ) { } + = = t y t x E xy E c
xy 2 1
,
(3.42)

( ) { } ( ) ( ) ( ) { }
2 1 2 1
, + + = = t z t y t x E xyx E c
xyz
(3.43)

La principal razn de hacer uso de estadsticas de cualquier orden de diferentes
secuencias de datos es obtener informacin de la relacin que existe entre esas
secuencias. El BIS
xyz
entonces es:

49
( ) ( )
( )
2 2 1 1
2 1
2 1 2 1
, ,



+

=

=
j
xyz xyz
e c BIS
(3.44)

de manera discreta:

( ) ( ) ( ) ( )


=

=
+ + =
1
0
1
0
1
0
2 1
2 1
1
,
N
i
N
m n
j
N
m
N
n
xyz
e m i z n i y i x
N
BIS

(3.45)

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + =

Z Y X BIS
xyz
(3.46)

donde es una constante de proporcionalidad.

De tal forma que el BIS (3.4 y 3.7) es una forma particular de (3.22 y 3.23), donde
x=y=z.





3.8 Biespectro modificado


Una de las razones principales por las que es alentador el uso del BIS en lugar de la
PSD es la presencia de fase, como se puede ver en la seccin 3.3. Al calcular el BIS
se obtiene un nmero complejo del cual es posible obtener su magnitud y fase. El
estudio de ambas informaciones ha servido para diferentes anlisis como en
reconstruccin de seales a travs de la fase del BIS [45], estimar la fase de seales
moduladas en presencia de ruido [61], o construir (reconstruir) la fase de una seal
muestreada por medio de la fase del BIS [18].

De hecho se han estudiado y desarrollado formas de asociar la magnitud del BIS y
su fase, y se han creado mtodos para asociarlos. Tal es el caso de [56] donde se
desarroll el BPI (Bispectral Phase Index) usando la fase del BIS. Al investigar las
no linealidades de las seales provenientes de los latidos del corazn, se desarroll
una prueba al BIS y se aceptaba su magnitud solo si la bi-fase (fase de la
bicoherencia) era menor a un nivel de umbral predefinido. Tambin en [24] se
desarrolla un nuevo detector QPC (Quadratic Phase Coupling) para determinar si
las seales son producidas por fuentes no lineales; este mtodo se basa en la bi-
fase. El detector QPC es mejorado creando una serie de pasos para su identificacin
donde primero se examina la magnitud de la bicoherencia y despus la bi-fase,
creando una regin de aceptacin para el detector QPC.

En [3] se propone una forma sencilla pero til para hacer esta relacin de magnitud
y fase del BIS. A su relacin le llamaron biespectro realzado, en este trabajo se
50
llamar simplemente BIS modificado (BIS
md
), modificado por su fase. El BIS
md
es
una funcin real y se define como:

( ) ( )
( )



2 1
2 1 2 1
,
, ,
BIS
BIS BIS
md

=
(3.47)

para un rango de fase de - a . As a la magnitud del BIS se le multiplica por una
mscara normalizada debido a su propia fase.

La funcin de esta mscara se basa en las propiedades fundamentales del BIS.
Como se vio en la seccin 3.3, la fase del BIS est definida por:

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + + =
(3.48)

y si

( ) ( ) ( ) ( )
2 1 2 1 2 1
0 , + = + =
(3.49)

es decir, alguna forma de acoplamiento de fase ha ocurrido si (
1
,
2
) = 0 [56]. De
tal forma que si la fase del BIS es cero, el valor de la mscara ser

1
0
=



dejando el valor de la magnitud del BIS idntico. Pero si es diferente de cero, el
valor de la mscara siempre ser menor a uno,

( )
1
,
0
2 1

BIS


variando la magnitud del BIS, donde, en lugar de resaltar la informacin debida al
acoplamiento de fase, se atena la informacin que no resulta de ningn
acoplamiento de fase y haciendo cero a la informacin que tiene fases
independientes.




Conclusiones


La representacin en frecuencia de las estadsticas de alto orden, poliespectro,
presenta nueva informacin comparada con aquella obtenida de los mtodos
convencionales, como el PSD. En particular el BIS, la forma ms sencilla del
51
poliespectro, ayuda a identificar las no linealidades de un sistema o proceso a
travs de acoplamientos cuadrticos entre sus componentes en frecuencia, y
muestra inmunidad al ruido.

Por ser el BIS un nmero complejo, se obtiene de l magnitud y fase que pueden
ser estudiados en el anlisis de sistemas, otorgando ms informacin que el PSD.

A pesar de que el clculo del BIS requiere muchas operaciones, pude hacerse uso de
sus simetras para ahorrar clculos y obtener solo la parte del BIS necesaria para
estudiar las secuencias de datos.

El uso del periodograma y biperiodograma con ventanas ayuda a reducir el ruido
que puedan contener las secuencias de datos, mejora las propiedades estadsticas
del PSD y BIS, y reduce el derrame espectral de los clculos.

Nuevos trabajos como el biespectro modificado pueden ayudar en el estudio de
sistemas o procesos, sobre todo en los casos que se pretenda investigar los
acoplamientos cuadrticos de fase.
53




4. Anlisis de vibraciones


En este captulo se presentan bases tericas de vibraciones de vigas en cantiliver,
sus frecuencias naturales y los modos de vibracin, lo cual ayudar a hacer una
adecuada interpretacin de los resultados de las experimentaciones.

Las vigas son elementos estructurales base de varios estudios con los cuales se
forman estructuras mas complejas. Un ejemplo son los labes de turbinas.


4.1 Vibraciones mecnicas


A continuacin se presentan los conceptos bsicos relacionados con el tema, los
cuales son fundamentales para el estudio de las vibraciones y sus respectivas
seales de vibracin.

Las vibraciones son oscilaciones peridicas o no peridicas que afectan a
estructuras, mquinas o sistemas mecnicos. Estas vibraciones se deben a factores
externos o por el propio trabajo de las mquinas. La frecuencia de vibracin de las
estructuras y mquinas depende de la excitacin, pero estos sistemas tienen
frecuencias naturales particulares que dependen de sus propiedades estructurales.

Las vibraciones forzadas pueden excitar el sistema y cuando la respuesta de
excitacin iguala a la respuesta natural se produce la resonancia [28]. Debido a la
resonancia en algunos casos las estructuras pueden fracturarse o colapsarse y las
mquinas rotatorias destruirse.
54
Una seal peridica, como las vibraciones, se muestra en la Figura 4.1 [19] y se
define en las ecuaciones 4.1 y 4.2.













Figura 4.1 Movimiento peridico.


; ... , 2 , 1 ; ) ( ) ( = + = n nT t x t x (4.1)


donde :
T
f
1
= (4.2)

f : frecuencia
T : perodo

Por otro lado, para una estructura mecnica su frecuencia natural de vibracin esta
definida como [19].

2
nat
nat
f = (4.3)
y
m
K
nat
= (4.4)
donde

f
nat
: frecuencia natural de vibracin

nat
: frecuencia angular natural de vibracin
m : masa del sistema
K : rigidez del sistema



Un modelo comn de vibracin es el que se presenta en la Figura 4.2, modelo masa
y resorte y se describe por la ecuacin 4.5 [49]:
T 2T
t
x(t)
55




0 = + Kx x m& & (4.5)

donde:
m : masa
K : constante de rigidez
x : desplazamiento
x& & : aceleracin

Un modelo ms complejo de un sistema es el que se presenta en la Figura 4.3. En
este caso es un modelo con amortiguamiento viscoso que esta definido por la
ecuacin 4.6.





0 = + + Kx x C x m & & & (4.6)

donde:
C : constante de amortiguamiento
x& : velocidad


Con el factor de amortiguamiento
nat
m
C

2
= y frecuencia natural angular
m
K
nat
= , su ecuacin de movimiento se puede rescribir como [19]:

0 2
2
= + + x x x
nat nat
& & & (4.7)

Figura 4.3 Modelo con amortiguamiento viscoso
Figura 4.2 Modelo de vibracin masa y resorte
56
donde: : factor de amortiguamiento

nat
: frecuencia angular natural

Dependiendo del valor de , se dan tres diferentes tipos de comportamientos los
cuales se describen en la tabla 4.1.

Tabla 4.1 Casos de vibracin dependientes de [15].

Casos Ejemplos grficos





1 = Amortiguamiento crtico

















1 < Sub amortiguado

















1 > Sobre amortiguado













Para el sistema amortiguado de la ecuacin 4.6 su vibracin forzada (armnica) se
define como [19] :

( ) t sen F Kx x C x m
0
= + + & & & (4.8)

donde:
F
o
: magnitud de la fuerza aplicada

57
4.2 Modelo matemtico de una viga en
cantiliver


4.2.1 Vibracin lateral

Sea la viga de la Figura 4.4, aplicando la ecuacin de Euler-Bernoulli en la
direccin y, la fuerza F
y
se define como sigue [28]:

Figura 4.4 Diagrama de cuerpo libre de una viga




dx
x
y
EI
x
dx
x
M
F
y


=
2
2
2
2
2
2


2
2
2
2
2
2
t
y
x
y
EI
x

EI
c
t
y
c x
y
=

;
1
2
2
2 4
4
(4.9)

donde : ( )
2
2
,
x
y
EI t x M

= , y
x
t x M
t x V

=
) , (
) , (

V : fuerza cortante
M : momento flexionante
E : mdulo de Young
I : momento de inercia
y : desplazamiento vertical
c : constante de amortiguamiento
x : desplazamiento horizontal
: masa por unidad de longitud
dx
x
V
V dx
x
V
V F
y


= +

+ =
58
A la ecuacin 4.9 se le conoce como ecuacin de onda y tiene una solucin que
satisface a todas las condiciones de frontera [28].

(x,0)=
o
(x) (4.10)
y
) (
0
x Vo
t
t
=

(4.11)

La ecuacin de onda se modela para diferentes materiales y tipos de vibraciones ya
que sta tiene siempre el mismo comportamiento. Por tal motivo se generaliza la
ecuacin para diferentes valores de la constante de amortiguamiento c y de
desplazamiento y por los valores que se encuentra en la Tabla 4.2 para obtener el
modelo adecuado que se desee satisfaciendo la ecuacin [28].

2
2
2
1
) (
t c
L

=

(4.12)

Una vez que se sustituye la deflexin lateral y la constante de amortiguamiento c
en la ecuacin 4.12 por las variables adecuadas al problema en cuestin, es
necesario determinar las condiciones de frontera del caso a resolver para poder
encontrar la solucin.


Tabla 4.2. Casos particulares [19].

Caso c L()


2
1

T
y
2
2
x
y




2
1

E
u
2
2
x
u





2
1

EI
y
2
4
y
y





2
1

G

2
2
x



Vibraciones
Laterales cuerda
tensa.
Vibraciones
Longitudinales
de una barra.
Vibraciones
Laterales de
vigas.
Vibracin
Torsional de
Una barra.
donde:
T = tensin, fuerza axial
= densidad del material
G = modulo del esfuerzo cortante
= ngulo de rotacin
= deflexin lateral
59
4.2.2 Modelo de la viga en cantiliver

El modelo matemtico Euler-Bernoulli de una viga cantiliver, puede obtenerse
sustituyendo las condiciones de frontera adecuadas para el tercer caso de la
Tabla 4.2. En la Figura 4.5 se presenta un esquema de la viga en cantiliver.


Figura 4.5 Viga en cantiliver


La ecuacin diferencial de vibraciones laterales se define como [15]:

0
2
2
4
4
=

t
y
m
x
y
EI (4.13)

Una propuesta de solucin de 4.13 es la presentada en la ecuacin 4.14.

y(x,t)=
n
(x)e
j

nt
(4.14)

Sustituyendo la ecuacin 4.14 en 4.13 se tiene:


2
2 2
4 4
4
4
donde 0 ) (
) (
c EI
A
x
dx
x d
t
n
n n n
n

= = = (4.15)


Se definen las condiciones iniciales como:

(extremo empotrado) x=0: =0 0 =
dx
d
(4.16)

(extremo libre) x=L: M =0
0
0
3
3
2
2
=
=
dx
d
dx
d

(4.17)
V =0
60
tomando la transformada de Laplace y resolviendo por sustitucin se tiene


n
(x)=e
sx
;
4
=s
4
s = j ,

La ecuacin de desplazamiento de la viga es entonces [15]:

n
(x) = Acosh(x) + Bsenh(x) + Ccos(x) + Dsen(x) (4.18)

donde: A,B,C,D =operadores constantes a encontrar
= velocidad angular

n
(x) =deflexin lateral de x

con las condiciones de frontera
A =-C y B =-D

la ecuacin 4.18 se convierte en:

n
(x)=C[cos(x)-cosh(x)]+D[sen(x)-senh(x)] (4.19)

Reduciendo la ecuacin 4.19 se puede llegar a la expresin :

cosh() cos() + 1 = 0 (4.20)

donde : =L

Los valores de que las satisfacen ayudan a calcular las frecuencias naturales.

... , 2 , 1 ; ) (
4
2
= = n
AL
EI
n n

(4.21)

Como corresponde a n, se escribe como n y as la ecuacin 4.19 se puede
expresar en trminos de Dn :

( ) ( )
( ) ( )

+
+
=
n n
n senh n sen
Dn Cn


cosh cos
(4.22)

dando como resultado

n
(x)=Dn[sen(x)-senh(x)] + Dn
( ) ( )
( ) ( )

+
+
n n
n sen n senh


cos cosh
[cosh(x)-cos(x)] (4.23)

La variable multiplicadora desconocida Dn simplemente escala el modo. Una
normalizacin es haciendo Dn =1. En esta forma se pueden obtener los modos de
vibracin de una viga.
61
4.2.3 Modos de vibracin


Las vigas al ser sistemas continuos, tienen n modos de vibracin. Sin embargo, al
igual que las frecuencias de vibracin los primeros son los ms importantes. En la
Tabla 4.3, Se presentan un ejemplo de los tres primeros nodos de vibracin de una
viga cantiliver.



Tabla 4.3. Modos de vibracin en una viga cantiliver (longitud normalizada) [19].

Viga Modos naturales de vibracin ()
2

Ecuacin para


1.875 3.52


4.694 22.03 f() = 1 + cosh() cos() = 0



7.855 61.70






Valores de


Los valores que satisfacen a la ecuacin 4.20 pueden encontrarse al graficarse. La
interseccin de la funcin con el eje x da los valores de .

Graficando la funcin hasta =8 se ven tres cruces por cero correspondientes a los
tres primeros coeficientes () como se presenta en la Figura 4.6.

Se pueden encontrar, entonces, los primeros valores que satisfacen la ecuacin:

1
=1.875,
2
=4.694,
3
=7.854,
4
=10.995,
5
=14.137,
6
=17.278,
7
=20.420


1er modo
2do modo
3er modo
62

Figura 4.6 Grfica de la ecuacin cosh cos + 1 = 0



Frecuencias naturales


Cada modo de vibracin corresponde a una frecuencia natural, dando como
resultado las frecuencias naturales del sistema. Por tanto, los valores anteriores de
se pueden sustituir en (4.21), tal y como se muestra a continuacin:

... , 2 , 1 ;
4
2
= = n
AL
EI
n nat
n

(4.24)

donde A : rea transversal
I : momento de inercia
L : longitud
: masa longitudinal

n
: constante lambda n
E : mdulo de Young

n
nat
: frecuencia natural angular n

y con las relaciones (4.2), (4.3) y (4.4), se puede obtener las frecuencias naturales
de una viga cantiliver.

Con los valores de y las frecuencias naturales (f
nat
) obtenidas, se puede encontrar
los modos de vibracin de cualquier viga, sustituyndolos en (4.23).

En la Figura 4.7 se presenta ejemplo de una viga de 870mm de longitud, rea
transversal de 504.19mm
2
, densidad del material = 7800 Kg/m
3
y un mdulo de
f()

63
Young = 200 x 10
9
N/m
2
. Esta viga tiene las caractersticas de la viga que se
usar en las experimentaciones (ver seccin 6.1.1), solo que en las
experimentaciones se variar la longitud de la misma. Para esta viga en Matlab se
program la ecuacin 4.21 para encontrar sus frecuencias naturales, y en
Mathematica se program la ecuacin 4.23 de desplazamiento de la viga. En esta
forma se obtuvieron las primeras cuatro frecuencias naturales y sus respectivos
modos de vibracin.

Figura 4.7 Ejemplo de viga

Las frecuencias naturales para la viga son los siguientes :

f
1
=8.68 Hz
f
2
=54.40 Hz
f
3
=152.32 Hz
f
4
=298.49 Hz

Sus respectivos modos de vibracin se muestran en la Figura 4.8,


Figura 4.8 Modos de vibracin del ejemplo de viga
x

n
(x)
64
donde cada curva los modos de vibracin de la viga del primero al cuarto de la
siguiente manera:

1
ro
corresponde al primer modo de vibracin
2
do
corresponde al segundo modo de vibracin
3
ro
corresponde al tercer modo de vibracin
4
to
corresponde al cuarto modo de vibracin

Debido a que en este trabajo se considera hasta la sptima frecuencia natural, los
valores de los coeficientes de , sus modos de vibracin y respectivos nodos se
presentan en la Tabla 4.4, los cuales fueron obtenidos con ayuda de los programas
del Anexo II.

Los nodos de los modos de vibracin (n
ab
), se presentan en la tabla 4.4 y pueden
identificarse con los subndices a y b que indican el modo al que pertenecen (a) y
el nmero de nodo de ese modo (b).

Como se puede ver en la Taba 4.4, el modo n de vibracin debido a la frecuencia
f
n
, tiene n-1 nodos. Una frecuencia natural mayor tiene un mayor nmero de
nodos y por tanto mayor nmero de valles y crestas donde tenga su mayor efecto.


Por ejemplo, para los primeros siete modos de vibracin su comportamiento a lo
largo de una viga de longitud normalizada es el que se muestra en la Figura 4.9.

0. 2 0. 4 0. 6 0. 8 1
-2
-1
1
2


Figura 4.9 Primeros siete modos de vibracin.

De acuerdo a la Figura 4.9, se puede observar que solo con estos modos se obtiene
un variado y representativo comportamiento de las vibraciones de la viga para su
estudio.

n
(x)
x
65

Tabla 4.4. Modos de vibracin, para una viga de longitud normalizada.






1
2
3
4
5
6
7
66

Conclusiones



Conocer los conceptos bsicos de vibraciones, as como con los modelos de
comportamiento de las vibraciones laterales en una viga en cantiliver, apoyarn al
estudio e interpretacin de resultados del procesamiento de las seales de
vibracin con el PSD y BIS, adems de identificar las variables involucradas en las
vibraciones para realizar correctamente los experimentos.

Los parmetros ms importantes en el estudio de las seales de vibracin son las
frecuencias naturales y los modos de vibracin de un sistema.

Se hicieron dos programas en diferentes plataformas los cuales es posible modificar
para encontrar fcilmente las frecuencias naturales y modos de vibracin de una
viga en cantiliver. Estos programas se usarn para calcular los mismos datos para
las vigas a usarse en la experimentacin.
67




5. Simulaciones




El clculo de la PSD y el BIS en diferentes plataformas como C, MatLab, etc..., se
basan en mtodos paramtricos o no paramtricos mediante momentos,
cumulantes o de forma directa. Algunos de estos programas son de uso exclusivo
de sus desarrolladores y otros, como el Higher-Order Spectral Analysis Toolbox
de MatLab (HOSA) estn disponibles al pblico. Algunos otros programas para el
clculo de espectros de alto orden estn muy orientados a la aplicacin para la que
fueron desarrollados. Por lo anterior, es necesario desarrollar los propios
algoritmos para llevar a cabo la presente investigacin.

Como ya se ha mencionado anteriormente, el BIS es la herramienta principal de
estudio de esta tesis. En el Captulo 2 se presentaron las bases del estudio
(estadsticas de alto orden) y en el Captulo 3 se present su representacin en la
frecuencia (poliespectro). En ese ltimo captulo se desglos cada una de las
definiciones de la PSD y del BIS discretos con la intencin de dejar en claro la
forma en que pueden ser calculados a partir de secuencias finitas de datos. El
objetivo principal de este captulo es la simulacin y validacin de las
herramientas a usar en este trabajo.


5.1 Estimacin de momentos y
cumulantes

El objetivo es probar las rutinas programadas que estiman las medidas
estadsticas importantes a usarse; medias, corrimientos, momentos y cumulantes.
68
De acuerdo a las frmulas estadsticas para secuencias finitas de datos
provenientes de un proceso estacionario definidas en la seccin 2.3.2, los
momentos , y cumulantes c, de segundo y tercer orden son:

( ) ( ) ( ) { } + = t x t x E
x 2
(5.1)

( ) ( ) ( ) ( ) { }
2 1 2 1 3
, + + = t x t x t x E
x
(5.2)


( ) ( ) ( ) { } ( ) { } ( ) { } + + = t x E t x E t x t x E c
x 2
(5.3)

( ) ( ) ( ) ( ) { } ( ) { } ( ) { } ( ) { }
( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } [ ]
1 2 2 1 2 1
2 1 2 1 2 1 3

2 ,


+ + + + + + + +
+ + + + + =
t x t x E t x E t x t x E t x E t x t x E t x E
t x E t x E t x E t x t x t x E c
x

(5.4)

donde el valor esperado de una seal discreta es igual a su media.

[ ]

=
= =
1
0
1
N
i
i x
x
N
x E (5.5)

Para una secuencia de nmeros, las funciones creadas para calcular los momentos
y cumulantes son :

x=[1,4,5]; secuencia de nmeros
t=1:3; vector de tiempo
m2x=mom2(x); momento 2do orden
c2x=cumu2o(x); cumulante 2do orden
m3x=mom3(x); momento 3er orden
c3x=cumu3r(x); cumulante 3er orden

Las funciones que calculan los cumulantes (cumu2o() y cumu3r()) y momentos
(mom2() y mom3()) se encuentran en el Manual de funciones de esta tesis, en el
Anexo IV.

Los resultados de estas funciones para la secuencia anterior de nmeros, x, son :

m2x =[14.0000 9.6667 9.6667]
c2x =[2.8889 -1.4444 -1.4444]

m3x =

63.3333 36.3333 40.3333
36.3333 40.3333 20.0000
40.3333 20.0000 36.3333
69
c3x =

-2.5926 -0.7037 3.2963
-0.7037 3.2963 -2.5926
3.2963 -2.5926 -0.7037

Para comprobar los resultados se hacen las operaciones manualmente para
obtener algunos de los valores de los momentos y cumulantes.

( ) ( ) ( ) { } ( )
( ) ( ) ( ) { } ( ) ( ) ( ) ( ) 6666 . 9 4 5 1 4 5 1
3
1
2 2
14 5 4 1
3
1
0
2
2 2 2
2
= + + = + =
= + + = =
t x t x E
t x t x E
x
x



( ) ( ) ( ) ( ) { } ( ) 3333 . 63 5 4 1
3
1
0 , 0
3 3 3
3
= + + = = t x t x t x E
x



( ) ( ) ( ) ( ) { } ( ) ( ) ( ) ( ) 3333 . 40 1 5 5 4 4 1
3
1
1 1 1 , 1
2 2 2
3
= + + = + + = t x t x t x E
x



( ) ( ) ( ) { } ( ) { } ( ) { } ( ) ( ) 8888 . 2 5 4 1
9
1
5 4 1
3
1
0
2 2 2 2
2
= + + + + = = t x E t x E t x t x E c
x


( ) ( ) ( ) { } ( ) { } ( ) { } ( ) ( ) ( ) ( ) ( ) 4445 . 1 5 4 1
9
1
4 5 1 4 5 1
3
1
2 2 2
2
2
= + + + + = + + = t x E t x E t x t x E c
x


( ) ( ) ( ) ( ) { } ( ) { } ( ) { } ( ) { }
( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } [ ]
( ) ( ) ( )( ) 5926 . 2 5 4 1 5 4 1
3
1
5 4 1
27
2
5 4 1
3
1


2 0 , 0
2 2 2 3 3 3 3
3
= + + + + + + + + + =
+ +
+ =
t x t x E t x E t x t x E t x E t x t x E t x E
t x E t x E t x E t x t x t x E c
x



( ) ( ) ( ) ( ) { } ( ) { } ( ) { } ( ) { }
( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
2962 . 3
1 5 5 4 4 1 2 1 5 4
9
10
5 4 1
27
2
1 5 5 4 4 1
3
1

1 1 1 1 1 1
1 1 2 1 1 1 , 1
2 2 2 3 2 2 2
3
=
+ + + + + + + + + + =
+ + + + + + + +
+ + + + + =
t x t x E t x E t x t x E t x E t x t x E t x E
t x E t x E t x E t x t x t x E c
x


Comparando los resultados de las funciones y los obtenidos manualmente, se
puede observar que son iguales, y as se validan las funciones que calculan los
momentos y cumulantes.
70
5.1.1 Caso de seal senoidal

Un ejemplo de un proceso paramtrico es una seal senoidal definida como:

x(t) = Asen(t)

donde A es la amplitud y es la frecuencia en rad/seg ( = 2f). Su cumulante de
segundo orden se obtiene aplicando la ecuacin 5.3, donde as:

c
2x
(t)= A
2
/2 cos(t)

simulando para c
2x
(t) se obtiene :

t=0:32; vector de tiempo
f=(1/16); frecuencia
x=sin(2*pi*f*t); seal senoidal
c2x=cumu2o(x); cumulante 2do orden


los resultados se presentan en la Figura 5.1.


Figura 5.1 Seal x(t) y cumulante de 2do orden c
2x
(t)

Para x=3sin(t) , su cumulante entonces ser c
2x
=3
2
/2 cos(t), y simulando para
x(t) y c
2x
(t) se obtienen los resultados de la Figura 5.2.

71
t=0:32; vector de tiempo
f=(1/16); frecuencia
x=3*sin(2*pi*f*t); seal senoidal
c2x=cumu2o(x); cumulante 2do orden


Figura 5.2 Seal x(t) y cumulante de 2do orden c2x(t)

Con estas simulaciones queda demostrado que la secuencia funciona
correctamente.




5.1.2 Diferencias entre momentos y cumulantes

Una pregunta natural en la estimacin de estas funciones estadsticas es si se
deben emplear momentos o cumulantes. La razn principal en el manejo de
cumulantes es que stos son funciones que se constituyen por la combinacin de
momentos. De aqu el nombre de cumulantes.

Para encontrar grficamente las diferencias entre momentos y cumulantes, se
simula una seal seno y se obtienen los respectivos momentos de segundo y tercer
orden, as como los cumulantes de segundo y tercer orden.


72
Para x=sin(t) :

t=0:16; vector de tiempo
f=(1/16); frecuencia
x=sin(2*pi*f*t); seal senoidal
m2x=mom2(x); momento de 2do orden
m3x=mom3(x); momento de 3er orden
c2x=cumu2o(x); cumulante de 2do orden
c3x=cumu3r(x); cumulante de 3er orden


Los resultados de las simulaciones son los que se muestran en la figura 5.3



Figura 5.3 Seales x(t), m2x(t) y c2x(t)


Se observa que para esta seal los momentos y los cumulantes son iguales debido
a que su media es cero.

El momento y cumulante de tercer orden son los que se muestran en la Figura 5.4,
donde se observa de igual forma que el momento y cumulante de 3er orden son
iguales.

73
(a) (b)

Figura 5.4 Grficas del momento m3x(t) (a) y cumulante c3x(t) (b) de
tercer orden de x



Considrese ahora una seal aleatoria x(t), los momentos y cumulantes de 2do y
3er orden se calculan segn:


t=0:49; vector de tiempo
N=length(t); tamao de muestra
x=rand(1,N); variable aleatoria
m2x=mom2(x); momento de 2do orden de y
c2x=cumu2o(x); cumulante de 2do orden de x
m3x=mom3(x); momento de 3er orden de x
c3x=cumu3r(x); cumulante de 3er orden de x



La Figura 5.5 muestra el momento y cumulante de 2do orden, junto a la seal x(t),
de donde se ve que el cumulante y momento de segundo orden son diferentes. Sin
embargo, ambos tienen la misma forma y se puede observar que los cumulantes
actan como filtro de una seal de offset, debido a la resta de una constante.

74

Figura 5.5 Grfica de x(t), m2x(t) y c2x(t)


La comparacin entre el momento y cumulante de 3er orden para la misma seal
se muestra en la Figura 5.6, adems de una vista de planta en la Figura 5.7.
(a) (b)

Figura 5.6 Comparacin entre: (a) m
3x
(t) y (b) c
3x
(t)
75
(a) (b)

Figura 5.7 Vista de planta de: (a) m
3x
(t) y (b) c
3x
(t)

De las grficas 5.6 y 5.7 se ve que el momento y el cumulante no son iguales y
adems hay una clara diferencia de magnitud y forma. El cumulante es mucho
ms pequeo en amplitud. En este caso la diferencia no es solo una constante y el
filtrado que realiza el cumulante de tercer orden tiene implicaciones de
acoplamientos cuadrticos tal y como se ve en su definicin.



5.2 Estimacin de la PSD y el BIS

Sean dos seales aleatorias; una con una funcin de densidad de probabilidad
Gaussiana, y(t), y otra con una funcin de densidad de probabilidad uniforme, x(t),
como se muestra en la Figura 5.8. Usando Matlab se tiene:

t=0:49; vector de tiempo
N=length(t); tamao de muestra
x=rand(1,N); variable aleatoria uniforme
y=randn(1,N); variable aleatoria Gaussiana


La media de las seales es :

mean(x)=0.5013 , mean(y)=0.0602

como se puede ver, para la seal Gaussiana y(t) su media se aproxima a cero.
76

Figura 5.8 Seal aleatoria uniforme x(t) y seal aleatoria Gaussiana y(t)


Debido a que la seal Gaussiana no fue de media cero, dado el error del algoritmo
generador de Matlab, se fuerza la seal y(t) a media cero quitndole el offset. El
objetivo es estudiar el comportamiento de ambas seales y ver las diferencias
entre dos seales, una Gaussiana de media cero y otra de media no cero.

As se define y como :

y=y-mean(y);

y se calculan los momentos y cumulantes :

m2x=mom2(x); momento de 2do orden de x
m2y=mom2(y); momento de 2do orden de y
c2y=cumu2o(y); cumulante de 2do orden de y
c2x=cumu2o(x); cumulante de 2do orden de x
m3x=mom3(x); momento de 3er orden de x
m3y=mom3(y); momento de 3er orden de y
c3x=cumu3r(x); cumulante de 3er orden de x
c3y=cumu3r(y); cumulante de 3er orden de y


los momentos y cumulantes de segundo orden para x(t) y y(t) se muestran en las
Figuras 5.9 y 5.10 respectivamente.

77

Figura 5.9 Comparacin entre m2x(t) y c2x(t)


Figura 5.10 Comparacin entre m2y(t) y c2y(t)

Se puede observar para y(t) que cuando los procesos son de media cero, los
momentos son iguales a los cumulantes.

Tomando la transformada de Fourier de los cumulantes de x y y, se obtiene la PSD
78
de cada uno, respectivamente.

psdx=fft(c2x); PSD de x
psdy=fft(c2y); PSD de y

Los resultados se presentan en las figuras 5.11 y 5.12, respectivamente.
0 0.1 0.2 0.3 0.4 0.5
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
A
f

Figura 5.11 Grfica de psdx(f)
0 0.1 0.2 0.3 0.4 0.5
0
1
2
3
4
5
6
A
f

Figura 5.12 Grfica de psdy(f)

Los momentos y cumulantes de tercer orden son los que se muestran en las
Figuras 5.13 y 5.14.
79
(a) (b)

Figura 5.13 Momento m3x(t) (a) y cumulante c3x(t) de 3er orden de x(t)
(a) (b)

Figura 5.14 Momento m3y(t) (a) y cumulante c3y(t) de 3er orden de y(t)

Los momentos y cumulantes de 3er orden son iguales para procesos Gaussianos.
Tomando la transformada de Fourier bidimensional para calcular el BIS se
obtiene:

bisx=fft2(c3x); BIS de x
bisy=fft2(c3y); BIS de y
80
las correspondientes grficas se presentan en las figuras 5.15 y 5.16, siendo el BIS
calculado a travs de los cumulantes de las seales.

Figura 5.15 Biespectro de x(t), bisx

Figura 5.16 Biespectro de y(t), bisy

El contenido frecuencial de los biespectros muestra los acoplamientos de sus
diferentes frecuencias, esto se estudiar detalladamente en la seccin 5.5.
81
5.2.1 Formas de obtener la PSD y el BIS

Existen tres mtodos para obtener la PSD y el BIS desde una secuencia de datos.
El objetivo de esta seccin es presentar las diferencias entre estos mtodos.

Definiendo psd0 a la obtenida directamente de la Y (transformada de Fourier) de
la seal, psd1 a la que se obtiene de la Y de los momentos y psd2 a la que se
obtiene de la Y de los cumulantes.

psd0
x
= Y [x] Y *[x] ; psd1
x
= Y [m
2x
] ; psd1
x
=Y [c
2x
]

Para las variables aleatorias x(t) y y(t) de los ejemplos anteriores, las PSD son:

N=length(x);
psd0x=1/N * fft(x) .* conj(fft(x));
psd1x=fft(m2x);
psd2x=fft(c2x);
psd0y=1/N * fft(y) .* conj(fft(y));
psd1y=fft(m2y);
psd2y=fft(c2y);

los resultados son presentados en las Figuras 5.17 y 5.18:



(a) (b) (c)

Figura 5.17 Comparacin de los tres mtodos de obtencin de la PSD para x(t)
(a) psd0x, (b) psd1x, y (c) psd2x


82

(a) (b) (c)

Figura 5.18 Comparacin de los tres mtodos de obtencin de la PSD para y(t)
(a) psd0y, (b) psd1y, y (c) psd2y

De los resultados se puede ver que la PSD es la misma, tiene el mismo
comportamiento y que solo en el caso de x (proceso aleatorio de media no cero),
presenta un pico grande en su inicio derivado de su valor medio.

Con base a la teora y los resultados obtenidos, la PSD de un proceso Gaussiano o
de media cero es la misma indistintamente el mtodo que se haya elegido.
La PSD obtenida directamente de la Y de la seal es igual a la PSD obtenida
desde la Y de los momentos.

Definiendo bis0 al obtenido directamente de la Y de la seal, bis1 al que se
obtiene de la Y de los momentos y bis2 al que se obtiene de la Y de los
cumulantes,

bis0
x
= Y [t
1
] Y [t
2
] Y *[t
1
+t
2
] ; bis1
x
= Y [m
3x
] ; bis1
x
=Y [c
3x
]

igualmente se calculan para las variables aleatorias x y y:

bis0x=bie(x);
bis1x=fft2(m3x);
bis2x=fft2(c3x);
bis0y=bie(y);
bis1y=fft2(m3y);
bis2y=fft2(c3y);

los resultados son presentados en las Figuras 5.19 y 5.20.
83

(a) (b) (c)

Figura 5.19 Comparacin de los tres mtodos de obtencin del BIS para x(t)
(a) bis0x, (b) bis1x, y (c) bis2x




(a) (b) (c)

Figura 5.20 Comparacin de los tres mtodos de obtencin del BIS para y(t)
(a) bis0y, (b) bis1y, y (c) bis2y


Al igual que en la PSD, el bis0x y bis1x de la seal aleatoria de media no cero,
existe un pico muy grande debido a la seal de baja frecuencia (valor medio).
Haciendo un acercamiento para ambos casos en la Figura 5.21 para verificar si
cierta regin del bis0x y bis1x corresponde o es igual a la del bis2x , se encuentra:

84

(a) (b)
Figura 5.21 Acercamiento de bis0x (a) y bis2x (b)

se puede ver que adems del pico debido a la seal de offset, la grfica muestra
que no solo la magnitud es diferente, sino tambin la forma.

Existen varias conclusiones de estos resultados que avalan lo que se esperaba de
acuerdo a la teora. Primero, el BIS obtenido directamente de la Y de la seal es
igual al BIS obtenido desde la Y de los momentos :

bis0 = bis1, para x y y

Segundo, que el BIS obtenido de la Y de los cumulantes no es igual a los
obtenidos desde la Y de la seal o de los momentos :

bis2 bis1, para x y y

Tercero, la excepcin es cuando se calculan para procesos Gaussianos o de media
cero y as :

bis0 = bis1 = bis2, para procesos de media cero

Como se puede ver, el estimado del BIS proveniente de los cumulantes es
invariante a cualquier proceso (actuando como filtro), dando informacin
relevante del proceso. Por tal motivo y por otros explicados en las secciones 2.3.2
y 3.1.1 de la tesis, es conveniente definir el BIS desde los cumulantes. La funcin
bie() se encuentra en el Manual de funciones (Anexo IV) y los valores del los
vectores x y y se pueden encontrar en el Anexo I.
85
5.2.2 Optimizacin de los clculos

El clculo de los cumulantes y su espectro es un proceso largo, y si adems se hace
para secuencias largas el mismo proceso se hace ms tardado y su tiempo de
clculo crece geomtricamente (caso de los de 3er orden). El objetivo es tratar de
hacer optimizaciones de clculo de los cumulantes y su espectro usando sus
simetras.

En los momentos como en los cumulantes existen simetras que ayudan a reducir
el nmero de operaciones. De acuerdo a la teora se puede hacer el clculo de la
mitad de ellos y formar el resto con los datos ya obtenidos. Esta simetra se puede
observar en las figuras 5.13 y 5.14 para mometos y cumulantes.

Por ejemplo, para el caso de la seal senoidal, una vista superior se muestra en la
Figura 5.22.

(a) (b)
Figura 5.22 Vista superior del momento m3x (a) y cumulante c3x (b)
de 3er orden de x

Se puede ver que una mitad de estos datos se refleja en la otra. En realidad, en el
plano que se observa, solo se pueden ver dos de las seis regiones de simetra con
las que se cuentan (ver seccin 2.3.2).

La funcin de inters son los cumulantes de 3er orden y se calcularn solo para la
regin 0 l k, donde k y l son variables de tiempo. Para el programa de
cumulantes de 3er orden antes usado (cumu3r()), se hacen las modificaciones de
rango de operacin y se crea el programa de clculo de cumulante de 3er orden
optimizado cumu3rop().

Para el mismo ejemplo de la seal senoidal, se calculan la matriz de cumulantes y
86
la matriz optimizada y se comparan en la Figura 5.23.

t=0:16; vector de tiempo
f=(1/16); frecuencia
x=sin(2*pi*f*t); seal senoidal
N=length(t); longitud de la muestra
c3x=cumu3r(x); cumulante de 3er orden
c3xop=cumu3rop(x); cumulante de 3er orden optimizado
(a) (b)

Figura 5.23 Comparacin del cumulante c3x (a) con el cumulante optimizado
c3xop (b) de tercer orden

Se puede ver que la versin ptima o reducida tiene solo la mitad de los datos y
que la otra mitad es exactamente igual. Para poder obtener la matriz completa de
cumulantes desde los obtenidos ptimamente solo hace falta reflejar la matriz de
87
esta forma :

c3x =c3xop+transpose((ones(N,N)-eye(N,N)).*c3xop);

Por otro lado, en el dominio de la frecuencia el BIS presenta 12 simetras (ver
seccin 3.3.2). Estas se pueden aprovechar para calcular solo una pequea parte
del BIS. Para la misma seal se calcula el BIS y el BIS de la regin reducida u
optimizada. Ntese que el BIS de la regin optimizada da la informacin necesaria
para estudiar una seal, pues lo dems es informacin redundante.

Calculando ambos para la misma seal anterior, los resultados se presentan en la
Figura 5.24.

bisx=fft2(c3x); BIS de x
bisxop=bsop(c3x); BIS optimizado de x

(a) (b)

Figura 5.24 Biespectro bisx (a) y biespectro en la regin no redundante bisxop (b)

De la Figura 5.24 (b) se puede ver que solo se presenta una parte del biespectro
(que es representativa) y contiene la informacin necesaria para su anlisis.

La forma de calcularlo es haciendo uso de la formula del BIS desde sus
cumulantes y para la regin w
1
0 , w
1
w
2
, 2w
1
+ w
2
, mediante la funcin
desarrollada bsop(). No obstante, esta no es la manera ms adecuada para calcular
el BIS. Las sumas y multiplicaciones acumuladas dentro del programa hacen del
algoritmo un proceso lento, as que lo ideal es usar la propia herramienta del
sistema (fft2) que es un algoritmo rpido y recortar la parte de inters. Para esto se
usa un programa de recorte biop() para obtener solo la parte necesaria.

bisx2=biop(c3x);

Este programa se aprovechar para hacer los estudios de las diferentes seales en
88
captulos posteriores.

Si el hecho se haber optimizado los clculos de los cumulantes y BIS, calculando
solo la regin no redundante, ahorra tiempo computacional, aun as estas rutinas
son muy lentas. Las rutinas se basan en la definicin general de cumulantes (5.3 y
5.4). Una manera prctica de simplificar el clculo de los cumulantes es forzar las
secuencias de datos de forma que tengan media cero. De esta forma los
cumulantes sern iguales a los momentos (ver seccin 2.3.2), dando como
resultado expresiones sencillas.

( ) ( ) ( ) ( ) { } + = = t x t x E m c
x x 2 2
(5.5)

( ) ( ) ( ) ( ) ( ) { }
2 1 2 1 2 2 1 3
, , + + = = t x t x t x E m c
x x
(5.6)

Para ahorrar ese tiempo computacional se optimizan las rutinas creadas
anteriormente y se crean nuevas rutinas que son ms rpidas. Los programas que
se usarn en el procesamiento de las seales de vibracin sern cumu2() y cumu3()
para ahorrar tiempo de clculo computacional, estos programas dan los mismos
resultados que los antes estudiados.


5.3 Estimacin del
periodograma y biperiodograma

La forma de estimar la PSD y el BIS que se propusieron, son las formas directas de
clculo. En procesamientos reales se usan los estimados llamados periodograma y
biperiodograma. Estos estimados se basan en las definiciones de la PSD y el BIS
para secuencias finitas de datos haciendo primero particiones de los datos,
despus el clculo de la PSD y el BIS, y finalmente tomando promedios, ya sea en
tiempo o en frecuencia, de las PSD y los BIS calculados. Los programas de estos
estimados pueden encontrarse en el Manual de funciones (las funciones son peri()
y biperi() ).

Uno de los problemas que presentan estos estimados es que para una secuencia
finita de datos, el nmero de particiones que se decida hacer de la misma
repercutir en la resolucin de la PSD o el BIS. Esto quiere decir que a menor
nmero de particiones existe ms resolucin y a mayor nmero de particiones
existe menos resolucin de los estimados (ver seccin 3.5). As mismo, para
menos particiones el tiempo de cmputo es mayor y con ms particiones el tiempo
de cmputo es menor. El usuario debe de elegir cual es la mejor opcin para su
conveniencia y aplicacin.

Como ejemplo se puede usar la variable aleatoria x usada en los anlisis
anteriores. Se obtiene su periodograma y biperiodograma para diferentes
particiones.
89
El periodograma con dos particiones de la variable aleatoria x se muestra en la
Figura 5.25.
periodog=peri(x,2);

0 0.1 0.2 0.3 0.4 0.5
0
0.05
0.1
0.15
0.2
0.25
A
f

Figura 5.25 Periodograma de x con dos particiones

En contraste, la Figura 5.26 muestra el periodograma sin particiones de x.

periodog=peri(x,1);



Figura 5.26 Periodograma de x sin particiones

El biperiodograma con dos particiones de la variable aleatoria x se presenta en la
Figura 5.27.
90
biperiodog=biperi(x,2);

Figura 5.27 Biperiodograma de x con dos particiones

Mientras que el biperiodograma sin particiones de x se muestra en la Figura 5.28.

biperiodog=biperi(x,1);

Figura 5.28 Biperiodograma de x sin particiones
91
Con este ejemplo se puede ver que al hacer particiones se puede perder
resolucin, tanto en la PSD como en el BIS, pero esto no quiere decir que sea un
resultado incorrecto. El nmero de segmentaciones de las muestras de datos por
hacerse depender de la aplicacin, es decir, si es necesario hacer un anlisis entre
frecuencias muy cercanas, la segmentacin no es una opcin. En cambio si las
frecuencias a estudiarse no son cercanas, la segmentacin actuar como un filtro y
borrar picos innecesarios en el estudio, haciendo el estimado ms suave y ms
fcil de interpretar.

Los programas peri() y biperi() tampoco son la mejor manera de calcular el
periodograma y biperiodograma. Las secuencias per() y biper() usan los
cumulantes optimizados hacindolas ms eficientes. El objetivo de estos
programas es usar las herramientas bsicas como son los cumulantes. Pero puede
reducirse an ms el tiempo de clculo si se hace de media cero a las seales a
procesar, y obtener su BIS o biperiodograma de forma directa. Ya se ha
demostrado que solo en estos casos (procesos Gaussianos o de media cero), el BIS
de forma directa es igual al obtenido a travs de los cumulantes.

Los programas que se usarn en el procesamiento de las seales de vibracin
sern pe() y bi() para ahorrar tiempo de clculo computacional.


5.4 Uso de ventanas

Debido a que los estimados tanto de la PSD y del BIS no son totalmente correctos
(seccin 3.5), se usan funciones de peso para corregir los problemas asociados a
los procesos de clculo. Estas funciones son llamadas ventanas y su principal
objetivo es eliminar el derramamiento espectral generado por la truncacin de la
serie datos y las frecuencias adicionales producidas por el propio algoritmo de
FFT. El objetivo principal de las ventanas es mejorar las propiedades estadsticas
de los estimados.

Existen muchos tipos de ventanas en la literatura, en las funciones creadas para la
herramienta de esta tesis se programaron las ms populares: Daniel, Parzen, von
Hann, Blackman, Kaiser, Tukey-Hamming, y Bartlett-Priestley. Las funciones
pueden encontrarse en el Manual de las funciones (ver las funciones perw() y
biperw() ).

Como ejemplo, sea la misma serie de datos aleatorios x a la que se le aplica el
periodograma y biperiodograma con diferentes ventanas del mismo ancho, M=50,
y se observan sus diferencias.

El periodograma de la variable x con ventana Daniel sin particiones se muestra en
la Figura 5.29.

periodogw=perw(x,1,'d',50);
92

Figura 5.29 Periodograma con ventana Daniel de x sin particiones


El periodograma con ventana Parzen de la variable x sin particiones se muestra en
la Figura 5.30.

periodogw=perw(x,1,'p',50);


Figura 5.30 Periodograma con ventana Parzen de x sin particiones


El periodograma de x con ventana Tukey-Hamming sin particiones se muestra en
la Figura 5.31.

periodogw=perw(x,1,'t',50);
93

Figura 5.31 Periodograma con ventana Tukey-Hamming de x sin particiones


En la Figura 5.32 se muestra periodograma con ventana Kaiser de x sin
particiones se muestra.

periodogw=perw(x,1,'k',50);


Figura 5.32 Periodograma con ventana Kaiser de x sin particiones


Los biperiodogramas de la variable x con ventana Daniel y Parzen sin particiones
se presentan en las Figuras 5.33 y 5.34 respectivamente.

biperiodogw=biperw(x,1,'d',50);
94

Figura 5.33 Biperiodograma con ventana Daniel de x sin particiones


biperiodogw=biperw(x,1,'p',50);

Figura 5.34 Biperiodograma con ventana Parzen de x sin particiones

El biperiodograma con ventana Tukey-Hamming y ventana Kaiser de x se
muestran en las Figuras 5.35 y 5.36 respectivamente.

biperiodogw=biperw(x,1,'t',50);
95

Figura 5.35 Biperiodograma con ventana Tukey-Hamming de x sin particiones


biperiodogw=biperw(x,1,'k',50);

Figura 5.36 Biperiodograma con ventana Kaiser de x sin particiones

Se puede ver claramente como cada una de las ventanas tiene un diferente
comportamiento, algunas disminuyeron la magnitud ya sea de la PSD o del BIS,
96
otras discriminaron algunos picos muy cercanos y otras suavizaron ms el
estimado. La eleccin de la ventana con la que se debe trabajar una serie de datos
se basar en las propiedades de las mismas como tamao de rizo en la banda de
paso, tamao de rizo en la banda de rechazo y tamao de la banda de transicin.
El ancho de la ventana se escoge a base de prueba y error.

La rutina de biperiodograma con ventana biperw() se usa para ejemplificar el
procesamiento con el uso de los cumulantes. Para ahorrar tiempo de clculo, se
usar para el anlisis de las seales de vibracin la rutina biw() que estima el
biperiodograma con ventana en forma directa.



5.5 Ejemplos de procesamiento


En el tema del estudio de las herramientas espectrales PSD y BIS existen casos
abordados que son clsicos en el estudio de las mismas, estos son las manchas
solares y la migracin del lince canadiense. Estos casos se analizan con las
herramientas aqu programadas para comparar los resultados obtenidos con los
de otros autores.

Manchas solares : estos datos se muestran en la Figura 5.37 y se encuentran en el
Anexo I, son mediciones anuales de intensidad solar de 1700 a 1955 [59].

Figura 5.37 Grfica de la intensidad de las manchas solares

El periodograma de estos datos sin segmentacin y ventana Daniel de ancho 80 es
97
el que se muestra en la Figura 5.38.

psd=perw(sunspot,1,'d',80);

Figura 5.38 Periodograma de las manchas solares con ventana Daniel

Se observa un mximo en 0.0859 f en la Figura 5.38 (sus unidades de frecuencia
son 1/aos). Este dato indica una periodicidad de 11.6414 aos y en 0.0156 f
dando otra periodicidad de 63.954 aos.

El periodograma de estos datos con dos particiones y ventana Blackmann de
ancho 120 es el de la Figura 5.39.

psd=perw(sunspot,2,'m',120);

Figura 5.39 Periodograma de las manchas solares con ventana Blackmann
98
Para la Figura 5.39 se observa un mximo en 0.0938 f, este dato indica una
periodicidad de 10.661 aos.

En la literatura se establece una periodicidad de 11 aos, con estos resultados se
puede ver que la herramienta funciona correctamente y que el tipo de ventana, as
como su ancho, y nmero de particiones repercutirn directamente en los
resultados obtenidos. Tambin puede verse de los resultados que existen otros
tipos de picos que podran marcar diferentes periodicidades.

Aplicando el biperiodograma sin particiones y ventana Daniel de ancho 80 se
tiene la grfica de la Figura 5.40.

bis=biperw(sunspot,1,'d',80);


Figura 5.40 Biperiodograma de las manchas solares con ventana Daniel
99
El resultado de la Figura 5.40 muestra un acoplamiento entre las frecuencias
f1=0.0937 f y f2=0.0156 f. La frecuencia f1 da una periodicidad de 10.6755 y f2 una
periodicidad de 64.1041, periodicidades que se encontraron con la PSD, con la
misma ventana, mismo ancho y mismas particiones. El acoplamiento revela una
no linealidad del sistema acoplando ambas frecuencias. Otro acoplamiento
importante se da en la frecuencia f1=f2=0.0859 f dando una periodicidad de
11.6418 aos, este acoplamiento es del tipo cuadrtico lo cual indica que prevalece
la periodicidad de 11 aos.



Lince canadiense: los datos que se muestran en la Figura 5.41 se encuentran en el
Anexo I, son mediciones anuales de la migracin del lince de 1821 a 1934 [59].




Figura 5.41 Grfica de la migracin del lince canadiense


El periodograma de estos datos sin segmentacin y ventana Tukey-Hamming de
ancho 80 es el que se presenta en la Figura 5.42.


psd=perw(lynx,1,'t',80);


Se observa un mximo en 0.1052 f (sus unidades de frecuencia son 1/aos), este
dato indica una periodicidad de 9.5057 aos. En la literatura se establece una
periodicidad de 9.63 aos, con estos resultados se consolida el funcionamiento de
la herramienta.
100

Figura 5.42 Periodograma de la migracin del lince canadiense
con ventana Tukey-Hamming


Aplicando el biperiodograma con dos particiones y ventana Kaiser de ancho 120
se tienen las grficas de las Figuras 5.43 y 5.44.


bis=biperw(lynx,2,'k',120);



Figura 5.43 Biperiodograma de la migracin del lince canadiense
con ventana Kaiser
101

Figura 5.44 Vista de planta del Biperiodograma de la migracin del lince
canadiense con ventana Kaiser


Aqu se muestra un acoplamiento muy fuerte de las frecuencias f1=0.105 f y
f2=0.105 f, lo que muestra un acoplamiento cuadrtico entre las dos frecuencias
correspondientes a 9.5238 aos. Y solo esta es la informacin ms importante
para estos datos.



5.6 Uso del BIS modificado


Como se ha mencionado anteriormente (seccin 3.8), existe una forma novedosa
de relacionar la magnitud y fase del BIS con el objetivo de hacer resaltar los
acoplamientos de fase. La funcin de BIS
md
se program, bmodif(), para ayudar a
la investigacin. Un ejemplo se presenta a continuacin.

Usando los datos de las manchas solares, se calcula el BIS con dos particiones,
ventana Kaiser y un ancho de 40, los resultados se muestran en la Figura 5.45.

bis=biperw(sunspot,2,'k',40);
102

Figura 5.45 Biperiodograma de las manchas solares con ventana Daniel


Por otro lado, calculando el BIS
md
se obtiene la grfica de la Figura 5.46.

bism=bmodif(bis);

Figura 5.46 Biespectro modificado de las manchas solares


El comportamiento del BIS es parecido al calculado anteriormente, los picos
importantes persisten solo que ahora es ms suave la superficie del BIS, originado
por la particin y el ancho de ventana. Con el BIS
md
se obtiene casi el mismo
resultado en forma, la variacin de la modificacin prcticamente no afecta la
magnitud del pico (acoplamiento) principal, pero si disminuye el segundo pico de
importancia lo que indica que solo el primero tiene acoplamiento de fase
cuadrtico.

103
Conclusiones




Con los resultados obtenidos a travs de las simulaciones se validan las funciones
programadas, que fue el objetivo principal de este captulo.

La programacin de las herramientas ayud a entender mejor cada una de las
funciones; cmo trabajan, cules son sus ventajas y desventajas, y experimentar el
compromiso computacional que requiere cada una de las herramientas. Tambin
se pudieron comprobar sus propiedades estudiadas en los captulos 2 y 3 de esta
tesis.

Los resultados revelaron que el uso del BIS en el procesamiento de seales da ms
informacin acerca del fenmeno comparado con los mtodos convencionales
como la PSD.

Se demostr porqu es mejor definir el BIS a partir de los cumulantes de una
seal, en vez de sus momentos o directamente con la transformada de Fourier de
la seal. Una vez estudiado y entendido las ventajas de usar cumulantes, se
aprovecha su equivalencia para procesos o seales de media cero con la finalidad
de reducir el tiempo computacional de clculo originado por el BIS. Por lo que se
usar el mtodo directo de clculo del BIS, haciendo a las seales de media cero,
que es equivalente al BIS obtenido a partir de los cumulantes.

El desarrollo de los ejemplos de procesamiento para casos de estudio clsicos, dio
las bases del anlisis que se aplicar para el diagnstico de la seales de vibracin
provenientes de las vigas en cantiliver.

El manual de las rutinas de procesamiento programadas se encuentran en el
Anexo IV, y los programas en el CD de esta tesis.
105




6. Experimentacin
y anlisis de resultados





El objetivo principal de la investigacin es aplicar las rutinas de procesamiento,
usadas en el captulo 5, en el anlisis de las seales de vibracin con el fin de
detectar la existencia de fallas en las vigas. Para ello, se realizaron
experimentaciones en el Laboratorio de Diseo Mecnico del cenidet, usando los
recursos y materiales con los que cuenta el mismo. Se hicieron diferentes pruebas a
una viga cantiliver tomando en cuenta variables como tamao de viga, forma de
excitacin, colocacin de los sensores, y resolucin en frecuencia de las seales. Las
condiciones de experimentacin se presentan primero y despus el anlisis de
datos.


6.1 Condiciones de experimentacin


6.1.1 Material usado para la experimentacin


En el Laboratorio de Diseo Mecnico se cuenta con el equipo necesario para la
adquisicin y procesamiento de seales de provenientes de sensores de aceleracin
(acelermetros) y de fuerza, as como los dispositivos necesarios para producir la
excitacin deseada a la experimentacin.

106
Se usaron dos vigas en las experimentaciones, las cuales cuentan con las siguientes
caractersticas (ver Figura 6.1):

Material Acero 1018
Modulo de Elasticidad 200GPa
Masa 4.29kg



Figura 6.1 Viga de las experimentaciones

Una de las vigas cuenta con una fractura, las caractersticas de la misma se pueden
observar en la Figura 6.2 (vista lateral).

Figura 6.2 Caractersticas de la fractura


Dentro de la experimentacin se usaron tres acelermetros piezoelctricos de la
marca Kistler, sus caractersticas principales se muestran en la Tabla 6.1.


Tabla 6.1 Caractersticas de los acelermetros






107
Continuacin Tabla 6.1 Caractersticas de los acelermetros



Para la adquisicin de seales se us un analizador de espectros, el HP 3566A. Este
analizador sirve para adquirir las seales en el dominio del tiempo y mostrarlas en
la frecuencia. El analizador HP 3566A consiste de un mainframe HP 35650 A, ste
a su vez consta de un mdulo de procesamiento de seal HP-IB/Signal Processor
module, un mdulo de entradas de ocho canales, y un mdulo fuente. El mdulo de
procesamiento de seal sirve para dos propsitos: es el enlace entre la
computadora y los instrumentos de medicin, y facilita el procesamiento de las
seales a altas velocidades, como FFT y ventanas. Tiene la capacidad de guardar los
datos adquiridos para su procesamiento posterior. El mdulo de entradas hace la
adquisicin de las seales de 0 a 128kHz, y tiene un rango dinmico de 72dB. Tiene
ocho canales los cuales usan el mismo span de frecuencia aunque operen
independientemente. El mdulo fuente tiene la capacidad de generar seales
aleatorias, tipo burst, senoidales y funciones de escaln. Tambin puede generar
seales de calibracin.

Una computadora se usa como enlace entre el usuario y el analizador. Esta
computadora cuenta con el software donde se puede elegir las funciones que
realizar el analizador. Puede hacer estimacin de PSD, respuesta en frecuencia,
Octane, Time/linear spectrum, correlacin, histograma, orbita, y anlisis espectral
RPM. Los modos de desplegado de los datos pueden ser tiempo real, tiempo
imaginario, frecuencia, cascada (waterfall), y espectograma. Este software
comercial no cuenta con la funcin BIS. Una foto del analizador y la computadora
se muestra en la Fotografa 6.1.

108

Fotografa 6.1 Analizador de espectros y cumputadora

Para excitar las vigas se usa un martillo de impacto (ver Fotografa 6.2) y un
excitador electromecnico (ver Fotografa 6.3). El martillo proporciona un impulso
de excitacin para la viga y excita un rango de frecuencias dependiendo de la
rigidez de la punta de golpeo. Adems, cuenta con diferentes puntas de golpeo para
excitar diferentes frecuencias.


Fotografa 6.2 Martillo de impacto

El excitador electromecnico (shaker) se utiliza para producir una excitacin
forzada. La excitacin producida por el excitador tiene una frecuencia constante
(ajustable) y fuerza constante (ajustable). El excitador actuar sobre el extremo
libre de la viga. El propio analizador HP 3566A es el generador de la seal de
excitacin, producida mediante su mdulo fuente.


Fotografa 6.3 Excitador electromecnico

109
Junto con el excitador electromecnico se us un sensor de fuerza para observar la
fuerza aplicada. Este sensor puede medir fuerzas dinmicas a tensin y a
compresin. Sus caractersticas se presentan en la Tabla 6.2.

Tabla 6.2 Caractersticas del sensor de fuerza


Para el acondicionamiento de las seales de vibracin se usaron amplificadores de
seal (ver Fotografa 6.4), los cuales se encargan de eliminar el ruido que se haya
generado en las seales de vibracin y la amplifican para que pueda ser adquirida
por analizador de espectros.


Fotografa 6.4 Acondicionadores de seal


6.1.2 Condiciones del banco de pruebas

Para iniciar la experimentacin fue necesario acondicionar un banco de pruebas
dentro del laboratorio al cual se le acondicion una base para el excitador
electromecnico.

El banco de pruebas se muestra en la Fotografa 6.5. En este banco, una mquina
fresadora sirve como masa de la experimentacin donde se sujetar la viga.
Adems de dar el soporte necesario para la experimentacin, ofrece otro tipo de
ventajas que facilitan y ayudan a realizar los diferentes tipos de experimentos. Una
de esas ventajas son los canales con los que cuenta la mesa de trabajo, donde es
posible hacer el empotramiento de la viga sin ninguna complicacin y tener la
110
posibilidad de moverla a lo largo de los canales para conveniencia de la
experimentacin. La mesa de trabajo, como en la mayora de estas mquinas, est
dotada de movimiento por medio de palancas, las cuales se pueden aprovecha para
las experimentaciones. Para este banco se fij una base para el excitador
electromecnico con el cual se pudiera excitar las vigas.


Fotografa 6.5 Banco de pruebas

La fijacin de la viga a la base (fresadora), se logr con cuatro sujetadores
atornillados a los canales de la mesa y dos placas haciendo funcin de un
empotramiento (Fotografa 6.6). El momento aplicado a los tornillos fue de 60Nm
de apriete, fuerza lograda y calibrada con el torqumetro, haciendo as una presin
necesaria para la fijacin de la viga.


(a) (b)
Fotografa 6.6 Fijacin de la viga: (a) vista superior, (b) vista frontal
111
6.1.3 Colocacin de los sensores

La colocacin de los sensores es de vital importancia, ya que su posicin es una
variable que trascender en los resultados obtenidos a travs de las
experimentaciones. Para este trabajo se consideraron dos tipos de colocacin, una
con respecto a los nodos de los modos de vibracin y otra con respecto a las
dimensiones de la viga, adems de la colocacin con respecto a la sensibilidad de
los sensores.


Posicin de los sensores respecto a los nodos

Para ubicar los sensores respecto a los nodos de los modos de vibracin es
necesario saber donde se encuentran dichos nodos. De acuerdo al capitulo 4, se
conocen los nodos de los primeros siete modos de vibracin. Para construir un
croquis de posibles puntos de colocacin de los sensores con respecto a estos nodos
se muestra la Figura 6.3 considerando una viga de longitud normalizada a la
unidad, es decir, adimensional para as obtener las posiciones para cualquier
longitud de viga.

n : modo de vibracin
Figura 6.3 Viga de longitud normalizada y ubicacin de los nodos

La Figura 6.3 muestra la viga de longitud unitaria y por debajo una regla que marca
los lugares donde se encuentran cada uno de los nodos a los cuales se les relaciona
con su modo de vibracin que se encuentra dentro de los crculos. En el captulo 4
se obtuvieron los nodos de los primeros siete modos de vibracin los cuales se
muestran en la Tabla 4.3, un resumen de la posicin de los nodos de los modos de
vibracin se presenta en la Tabla 6.3.
112
Tabla 6.3 Posicin normalizada de los nodos de los
primeros siete modos de vibracin


Modo de
vibracin

Nodo

Posicin
(normalizada)
1ro - -
2do n
21
0.783445
3er n
31
n
32

0.503548
0.867678

4to
n
41
n
42
n
43

0.358383
0.644088
0.905564

5to
n
51
n
52
n
53
n
54

0.278752
0.499915
0.723224
0.926547


6to
n
61
n
62
n
63
n
64
n
65

0.228068
0.409058
0.590876
0.773545
0.939902


7mo
n
71
n
72
n
73
n
74
n
75
n
76

0.192980
0.346124
0.500001
0.653813
0.808382
0.949146

De a la Figura 6.3, se puede entonces seleccionar la posicin de los sensores segn
sea la conveniencia. Por ejemplo, para tratar de que cada sensor detecte un modo
en especial se debe colocar en su cresta o valle pues es ah donde tendr el mayor
movimiento (amplitud), y por el contrario si no se desea ver un modo en especfico
bastara con ponerlo en uno de sus posible nodos. De esa forma un sensor
difcilmente detectar todas las frecuencias, pues en su posicin seguramente habr
un nodo o uno muy cercano, y a la vez estar en una cresta o valle de otro modo
debido a que existen n modos de vibracin.


Posicin de los sensores respecto a la longitud de la viga

Otra posibilidad para colocar los sensores es respecto a la longitud de la viga. Este
tipo de colocacin se basa en designar una posicin de un sensor como un
porcentaje de la longitud de la viga y conservar ese porcentaje para las diferentes
longitudes de las vigas debido a las diferentes experimentaciones. El objetivo
principal es poder hacer un estudio comparativo de las diferentes
experimentaciones. A esta posicin de los sensores se le denomina posicin en
113
forma normalizada.


Posicin de los sensores con respecto a la sensibilidad

La sensibilidad de los sensores afecta directamente a las mediciones que se realizan
en una experimentacin. Los resultados de los datos (seales de vibraciones) estn
ligados a esta sensibilidad y directamente con su posicin. Un sensor de muy pocas
g's (9.81m/s
2
) es muy sensible y uno de muchas g's es menos sensible. As en una
experimentacin, el sensor ms sensible ser colocado donde se requiera hacer una
medicin ms exacta y el de menos sensibilidad en una posicin donde se registre
solo el fenmeno.

Como se vio anteriormente, se cuenta con tres sensores diferentes para la
experimentacin, es decir, de diferente sensibilidad. Las sensibilidades de los
sensores son de los rangos 10g, 50g y 500g. Para el caso de este trabajo el sensor de
10g ser colocado en el punto ms cercano a el empotramiento, el de 50g en el
punto intermedio escogido y el de 500g en la punto ms extremo escogido respecto
al empotramiento, esto debido a que conforme se acerca al empotramiento existe
menor movimiento y conforme se aleja del empotramiento existe mayor
movimiento. Los sensores en esta posicin darn los mejores resultados y se evitar
el exceder el rango de operacin de los sensores de mayor sensibilidad. En la
Fotografa 6.7 se muestra una viga instrumentada para su experimentacin.


Fotografa 6.7 Viga instrumentada
(a1)
(a2)
(a3)
114
6.1.4 Clasificacin de las experimentaciones

Para este trabajo se realizaron diferentes tipos de experimentaciones, las cuales
pueden ser clasificadas para el mejor entendimiento de los resultados.

La primera forma de clasificar las experimentaciones es la longitud de las vigas. La
longitud de las vigas se vara para estudiar el comportamiento del experimento en
diferentes longitudes y poder validar los resultados obtenidos.

Otra clasificacin es el tipo de excitacin. Bsicamente son dos tipos de excitacin
usadas, el martillo y el excitador electromecnico. La excitacin con el martillo
puede subdividirse en otras clasificaciones debido a los aditamentos usados con el
mismo. Por ejemplo, las puntas usadas en el martillo para golpear a la viga
funcionan como filtros para la excitacin de las frecuencias debido a su rigidez. As
bsicamente se cuentan con cuatro puntas diferentes las cuales son punta roja,
verde, blanca y metlica; aumentando su rigidez respectivamente. Adems, se
puede usar una masa adicional en el martillo para golpear la viga y as poder excitar
otras frecuencias ms (las bajas sobre todo).
Para el excitador tambin existen subclasificaciones las cuales dependern de la
frecuencia de excitacin. Con los diferentes tipos de excitacin, se estudian los
diferentes tipos de comportamientos.

La condicin de fractura es tambin una clasificacin. Los experimentos son
repetidos en las mismas condiciones para vigas con y sin fractura con el objeto de
tener datos de comparacin para realizar el estudio.

El ltimo tipo de clasificacin para este trabajo es el tipo de colocacin de los
sensores. El tipo puede ser en puntos no especficos, tomados as para ubicarlos en
posiciones respecto a los nodos, y su colocacin de forma normalizada, es decir,
puestos en puntos que guarden relacin para las diferentes longitudes de las vigas.

Una clasificacin importante que desafortunadamente no fue posible explotar es la
de la profundidad de la fractura y su colocacin. La profundidad de la fractura ya
est determinada y no es posible variarla, la nica forma de hacerlo es teniendo
ms vigas y cada una de ellas con fracturas de diferentes profundidades. La
posicin de la fractura se vara (aparentemente) a medida que se vara la longitud
de una viga, sin embargo, al estar a una distancia predeterminada de uno de sus
dos extremos no es posible hacer una repeticin de un fenmeno en trminos
proporcionales.

Como se puede observar, el nmero de experimentaciones que pueden realizarse es
grande si se combinan cada una de estas variables. Un resumen de las
experimentaciones se muestran en la Tabla 6.4. La colocacin de los sensores es la
principal clasificacin, de ah se da la longitud de la viga que es la base de la
experimentacin. Aunque se vara la longitud de la viga, la posicin de los
acelermetros es de forma adimensional. A cada viga se le puede relacionar con el
tipo de excitacin usada y la existencia de fractura o no.
115
Tabla 6.4 Resumen de experimentaciones



donde : La longitud de la viga se encuentra en milmetros [mm]
HR =Martillo y punta roja
HG =Martillo y punta verde
HRM =Martillo, punta roja y masa adicional
HGM =Martillo, punta verde y masa adicional
SHK =Excitador electromecnico (shaker)


La posicin de los sensores en forma normalizada (adimensional) se toma con
respecto a la base de la viga. Las distancias de los acelermetros (dax), que se
muestran en la Figura 6.4, son porcentajes de la longitud de la viga. Los
porcentajes son da1 = 34.48%, da2 = 71.26% y da3 =88.5%. Las vigas pueden tener
una longitud de 530, 600 y 870mm.




Figura 6.4 Posicin de los acelermetros

La posicin de la fractura para cada caso se puede obtener simplemente restando
270mm a la longitud total de la viga L.

116
6.1.5 Esquema general de la experimentacin


De acuerdo al material mencionado y las condiciones de experimentacin, se
presenta un esquema general de la experimentacin en la Figura 6.5.


















Figura 6.5 Esquema general de experimentacin

El objetivo de este diagrama es dar un panorama general al lector de las
condiciones de la experimentacin, as como una gua de la relacin que existe
entre los diferentes dispositivos usados. Una foto del banco de experimentacin y el
sistema de adquisicin de datos se muestra en la Fotografa 6.8.


Fotografa 6.8 Banco de la experimentacin y sistema de adquisicin de datos


117
6.2 Anlisis de datos


6.2.1 Clasificacin de los datos adquiridos

Cada experimentacin se realiz y se almacen como mnimo en cinco ocasiones,
para tener una muestra de la respuesta de la viga.

Los datos estn agrupados en carpetas conforme a la longitud de la viga y cada uno
de los datos tiene un nombre de identificacin. El nombre de identificacin
contiene la longitud de la viga, sealizacin si los sensores fueron colocados en
forma normalizada (la ausencia de esta sealizacin es lo contrario), tipo de
excitacin y su respetiva caracterstica, y por ltimo el nmero del dato.
Por ejemplo para el dato 530NHGMF01.MAT su especificacin es :

as para algunos casos :

530NHGM01.MAT :
Dato 01 de la viga sin fractura de 530mm, normalizada, excitada con martillo con
punta verde y masa adicional.

1000HW10.MAT:
Dato 10 de la viga sin fractura de 1000mm, excitada con martillo con punta blanca.

118
600NS100F05.MAT:
Dato 05 de la viga con fractura de 600mm, normalizada, excitada con shaker a
100Hz.

Dentro de estos datos existen muchas variables generadas por el propio analizador
HP, los datos de importancia son :

c1: seal del acelermetro uno
c2: seal del acelermetro dos
c4: seal del acelermetro tres
c5: seal del sensor de fuerza del martillo

Para poder procesar los datos primero fue necesario obtener un promedio en el
tiempo de los diferentes datos. Para esto solo se usan tres muestras significativas,
por lo cual se pudo escoger entre los mejores datos, observando su comportamiento
tanto en el tiempo como en frecuencia, para sacar su promedio y obtener un
conjunto de datos representativos del fenmeno.

Una vez obtenidas estas muestras, se procesan obteniendo su PSD y BIS, en
algunos casos tambin sus BISxyz (BIS cruzados) y Bismd (BIS modificado). Estos
datos se guardan en archivos que representan a una viga (con y sin fractura), y se
especifica su tipo de excitacin. Por ejemplo para una muestra de datos procesados,
el archivo que se almacena se llama V530NHGM.MAT, su especificacin es:


Dentro de estos datos se encuentra un conjunto de variables que representan los
datos promediados, su procesamiento PSD y BIS, en algunos casos tambin BISxyz
y BISmd, y los vectores de tiempo y frecuencia. Estas variables tiene las siguientes
designaciones:

119

de ese dato se obtiene





vector de tiempo : t
vector de frecuencia : f

Por ejemplo, algunos de los datos procesados de V530NHGM.MAT son:

V530NHGM : Viga de 530mm con acelermetros ubicados de forma normalizada,
excitada con martillo, punta verde y masa adicional.
d12 : datos del acelermetro dos, caso sin fractura.
d23 : datos del acelermetro tres, caso con fractura.
psd12 : PSD del los datos del acelermetro dos, caso sin fractura.
psd23 : PSD del los datos del acelermetro tres, caso con fractura.
bis12 : BIS del los datos del acelermetro dos, caso sin fractura.
bis23 : BIS del los datos del acelermetro tres, caso con fractura.
bismd12 : BIS modificado de los datos del acelermetro dos, caso sin fractura.
bisxyz1_xxy : BIS cruzado del acelermetro uno, forma xxy.
120
6.2.2 Resultados de las experimentaciones

Una vez especificados los datos a travs de la nomenclatura presentada, se
procesan con las rutinas creadas en Matalb para este trabajo. El anlisis de los
resultados obtenidos es el que a continuacin se presenta.

Para hacer el procesamiento de los datos, es necesario especificar que el tiempo de
muestreo del analizador HP es de 0.4883x10-3seg. Por lo tanto, su espaciamiento en
frecuencia estar en funcin de la longitud de los datos obtenidos tal y como se
especific en el captulo 3, seccin 3.3.2.

Las primeras experimentaciones fueron aquellas en las cuales se coloc a los
sensores en posiciones respecto a los nodos, estos datos cuentan con un
espaciamiento mnimo de frecuencia de 8Hz. El espaciamiento (resolucin) en
frecuencia no es adecuado, pues es necesario que el espaciamiento registre
claramente los detalles del comportamiento de cada una de las frecuencias
naturales de la viga (mayor resolucin). Con estas experimentaciones se pudo
observar que las diferencias en las magnitudes de las distintas frecuencias de la
PSD estn en funcin de la colocacin de los sensores en la viga y la excitacin. Si
un sensor se encuentra en una cresta o valle de un modo, este modo tendr una
amplitud grande, pero si est en un nodo, este modo tendr una magnitud muy
pequea o nula. Por esta razn para algunas frecuencias sus picos son muy grandes
y para otros pequeos. Adems, la fuerza de la excitacin puede producir el
aumento de determinados modos, y est directamente en funcin de las puntas
usadas y la masa de golpeo. La masa agregada excita las bajas frecuencias, la punta
roja es suave y filtra el golpe excitando frecuencias bajas, la punta verde es poco
suave y excita a las bajas y medianas frecuencias, mientras que la blanca excita las
altas frecuencias, la metlica excita las muy altas.

Para mejorar la resolucin de los datos se programaron nuevas experimentaciones
donde los sensores fueron ubicados en forma normalizada y la resolucin espectral
fue aumentada para obtener mejores resultados. Estas experimentaciones se
resumen en la Tabla 6.4. Un estudio detallado se presenta en la Tabla 6.5.
Posteriormente se analizan los resultados obtenidos.

Tabla 6.5 Resumen de los resultados del procesamiento de los datos
experimentales

121

donde:
d
xy
=dato del caso de viga (x) del acelermetro nmero y.
f

=frecuencia obtenida experimentalmente [Hz]
f
1
=frecuencia 1 del BIS [Hz]
f
2
=frecuencia 2 del BIS [Hz]
Amplitud

=amplitud del pico de frecuencia [adimensional]
fase =fase del acoplamiento de f
1
y f
2
[rad]
0
0
%
f
f f
f

= =porcentaje de variacin
La continuacin de la Tabla 6.5 se puede ver en el Anexo III y la completa en el CD de la tesis.


De acuerdo a los resultados de la Tabla 6.5, se encontr que la magnitud de los
picos no puede ser una referencia de comparacin para evaluar los resultados
obtenidos, ya que dependen no solo de la posicin respecto a la viga sino tambin
de la fuerza de excitacin. Con el martillo no es posible tener un golpe exactamente
igual a otro; aunque se acerque en su magnitud su contenido espectral es diferente.

Con la resolucin en frecuencia de 1Hz, se determinaron con precisin las
frecuencias naturales de las vigas y se encontraron diferencias entre los resultados
obtenidos de las vigas con y sin fractura. Estudiando casos particulares, se pueden
observar estas diferencias a continuacin.

Para los datos V530NHG, viga normalizada de 530mm de longitud y excitada con
martillo y punta verde, las grficas del PSD con y sin fractura del acelermetro tres
muestran el corrimiento de las frecuencias naturales hacia la izquierda debido a la
fractura, como se en la Figura 6.6.

El corrimiento de la frecuencia natural (f
nat
) de 391.51Hz a 393.1Hz es un caso en
particular de todas las experimentaciones realizadas. Es la nica frecuencia que se
recorre hacia el lado derecho del plano. Las dems frecuencias de la misma
experimentacin se recorren hacia la izquierda, lo que afirma que los corrimientos
de las frecuencias se dan hacia esa direccin. En todas las experimentaciones las
frecuencias se recorren a la izquierda sin importar el tipo de excitacin e incluso la
colocacin de los sensores. Estos corrimientos en Hertz indican el desplazamiento
de las frecuencias naturales del sistema debido a la fractura, es decir, al cambio de
rigidez del sistema. La manera en que pueden ser estudiados estos corrimientos de
los datos con y sin fractura es a travs de porcentajes.
Continuacin Tabla 6.5 Resumen de los resultados del procesamiento de los
datos experimentales
122

donde : f
nat
= frecuencia natural
Figura 6.6 Caso V530NHG, corrimiento de las frecuencias naturales


Sacando la cantidad de variacin individual de cada corrimiento se pueden estudiar
tanto individual como grupalmente. La forma de obtenerlo es restarle a la
frecuencia natural original, la nueva frecuencia obtenida con la fractura y dividirlo
entre la original :

0
0
%
f
f f
f

= (6.1)

donde: %f : porcentaje de variacin de la frecuencia
fo : frecuencia original (sin fractura)
f : frecuencia medida (con fractura)
123
Los porcentajes de variacin para el caso V530NHG son :

2da f
nat
: 4.54%, 3ra f
nat
: 0.4%, y 4ta f
nat
: 4.29%

Obteniendo los porcentajes de variacin de cada frecuencia se puede ver que la
fractura no afecta de la misma forma a las diferentes frecuencias naturales, pero si
a cada frecuencia natural en un porcentaje que es repetitivo para los diferentes
tipos de excitacin como se puede observar en la Tabla 6.5.

Otro caso V870NHRM, viga normalizada de 870mm excitada con martillo y punta
roja y masa adicional, las grficas del PSD con y sin fractura del acelermetro tres
muestran el corrimiento de las frecuencias naturales hacia la izquierda debido a la
fractura, como se muestra en la Figura 6.7.



Figura 6.7 Caso V870NHRM, corrimiento de las frecuencias naturales



124
Los porcentajes de variacin para este caso son :

2da f
nat
: 2.9%, 3ra f
nat
: 4.1%, 4ta f
nat
: 1%,
5ta f
nat
: 0.6%, 6ta f
nat
: 3.1%, y 7ma f
nat
:1.6%.

Igualmente, se puede observar que la fractura no afecta de la misma forma a las
diferentes frecuencias naturales, pero si cada frecuencia natural presenta un
porcentaje que es repetitivo para los diferentes tipos de excitacin como puede
observarse en la Tabla 6.5.

Observando los porcentajes de variacin de cada frecuencia y su comportamiento a
lo largo de la viga se puede observar que las frecuencias que menos varan son
aquellas en las que uno de sus nodos se encuentra cercano o muy cercano a la
fractura. Si se ubica la fractura en la viga de longitud normalizada de la Figura 6.4
es posible observar lo que est ocurriendo. Para ambos casos se muestra la
localizacin de la fractura en una viga de longitud normalizada en la Figura 6.8.



Figura 6.8 Ubicacin de las fracturas en la viga de longitud normalizada para el
caso V530NHG (a) y el caso V870NHRM (b).


Las posiciones de las fracturas (en forma adimensional) muestran los nodos ms
cercanos. Para el caso V530NHG los nodos ms cercanos pertenecen a la tercera,
quinta y sptima frecuencias naturales (ver Figura 6.8). Para este caso es la tercera
frecuencia natural la que tiene menor porcentaje de variacin. Para el caso
V870NHRM, es el quinto modo de vibracin, adems tambin se puede observar
(a)
(b)
125
que a medida que se alejan los nodos de las frecuencias naturales aumenta su
variacin. El porcentaje de variacin es sensitivo al ms pequeo cambio de
distancia de los nodos respecto a la frecuencia. Esto se observa claramente para el
caso V870NHRM donde se encuentran tres modos involucrados, uno de los nodos
del cuarto, quinto y sptimo modo, respectivamente, est muy cerca de la fractura.
La diferencia son de micrmetros y sin embargo el porcentaje alcanza a diferenciar
las separaciones de estos nodos con la fractura. Tanto en la Figura 6.4 como en la
Figura 6.8 las posiciones de los nodos son aproximadas, incluso los nodos
involucrados del cuarto y el sptimo modo estn en la misma posicin. Si se
obtienen las posiciones ms precisas de la Tabla 6.3 , la ubicacin de los nodos
relacionados son el segundo nodo del cuarto modo (n42=0.644088), tercer nodo
del quinto modo (n53=0,723224) y el cuarto nodo del sptimo modo
(n74=0.653813), la diferencia ser entonces :

nodo del ubicacin fractura la de ubicacin = x (6.2)
045562 . 0 644088 . 0 68965 . 0
1
= = x
033574 . 0 723224 . 0 68965 . 0
2
= = x

035837 . 0 653813 . 0 68965 . 0
3
= = x


donde : x = distancia absoluta entre la fractura y el nodo

siendo x
2
la ms pequea, la que pertenece al nodo del quinto modo. De aqu que
con estos porcentajes de variacin, es decir, los corrimientos de las frecuencias
naturales pueden ayudar a obtener la posible ubicacin de las fracturas.

La razn que puede justificar el comportamiento de la frecuencia de 391.51Hz a
393.1Hz en el caso V530NHG (nico corrimiento a la derecha) es que uno de los
nodos de esa frecuencia natural se encuentra muy cercano a la fractura;
prcticamente en la fractura. No es posible saber exactamente donde se ubica dicho
nodo porque, tal y como se mencion anteriormente, la fractura cambia la rigidez
del sistema y es la causa del desplazamiento de las frecuencias naturales. Este
desplazamiento de la frecuencia tambin afecta a su modo de vibracin, es decir, a
su desplazamiento. Por tanto los nodos de las frecuencias naturales de una viga con
fractura tambin se desplazarn como las frecuencias y se ubicarn en una nueva
posicin.

Para los mismos casos de las vigas V530NHG y V870NHRM se analiza el BIS. La
comparacin de los picos de las magnitudes del BIS en los casos con fractura y sin
fractura muestran diferencias tal y como se observa en la Tabla 6.5.
Especficamente para el acelermetro tres en la Figura 6.9, se pueden observar ms
acoplamientos en el caso sin fractura que en el caso con fractura.

126

Figura 6.9 Vista de planta del BIS para: caso V530NHG sin fractura (a) y con fractura (b),
y caso V870NHRM sin fractura (c) y con fractura (d).

La variacin frecuencial del BIS no es un indicador que pueda ayudar a determinar
explcitamente la presencia de las fracturas. En otros casos en contraste, el
contenido de acoplamientos de la magnitud del BIS con fractura contiene ms
picos (acoplamientos) o el mismo nmero, y no varan en forma comn.

La magnitud de los acoplamientos de frecuencias especficas, vara en los datos con
y sin fractura como se ve en la Figura 6.10. Con estas variaciones no se puede
determinar explcitamente la presencia o la magnitud de la fractura. La magnitud
de los picos de acoplamientos del BIS est en relacin directa con las magnitudes
de los picos de las frecuencias de la PSD de la misma seal y, como se explic
anteriormente, las variaciones en las magnitudes de la PSD estn en funcin de la
colocacin de los sensores en la viga y la excitacin.

127

Figura 6.10 Variacin de la magnitud del acoplamiento de BIS para el caso
V530NHG. Donde el acoplamiento sin fractura (391.9, 391.9) es (a) y
el acoplamiento con fractura (393.9, 393.9) es (b)

Las magnitudes de los picos importantes en la magnitud del BIS dan la
informacin de los acoplamientos que existen entre las frecuencias de las vigas. Si
una frecuencia tiene una magnitud grande (observada desde el PSD), sta tendr
picos de acoplamiento grandes. Magnitudes pequeas tendrn acoplamientos
pequeos.

Observando los acoplamientos para determinar cuales de ellos dominan en los
diferentes casos, en la Figura 6.11 se puede observar que la magnitud de los
acoplamientos vara para cada sensor, mostrando un comportamiento no comn
para cada experimentacin y tampoco muestra tendencias de aumento o
decremento de los mismos a causa de la presencia de la fractura.

Por lo tanto las magnitudes de los picos de acoplamiento en el BIS, en este trabajo,
no pueden ser tomados en cuenta para determinar la presencia explcita de fractura
o indicaciones de posicin o tamao de la misma.

f
1

f
1

f
1

f
1

f
2

f
2

f
2

f
2

|BIS|
|BIS|
128

Figura 6.11 Biespectro del caso V530NHG sin fractura (a1) y con fractura (a2),
y del caso V870NHRM sin fractura (b1) y con fractura (b2)


Lo que si es importante de estos resultados es el anlisis los acoplamientos que
surgen entre las diferentes frecuencias y en algunos casos las descomposiciones de
las mismas en otras. Por ejemplo, para el caso V870NHRM los acoplamientos de
importancia se dan entre las diferentes frecuencias naturales de la viga y algunos
son descomposiciones de las mismas frecuencias naturales (ver Figura 6.12).

Del BIS de la Figura 6.12, se observan tres tipos de acoplamientos importantes; los
que se dan entre diferentes frecuencias naturales del sistema, los que una
frecuencia natural se acopla consigo misma (cuadrtico), y los que una frecuencia
natural se descompone en dos diferentes frecuencias que sumadas dan el valor de
esa frecuencia natural.
f
1

f
1

f
1
f
1
f
2
f
2

f
2
f
2

|BIS|
|BIS|
|BIS| |BIS|
129

(146,146) : 146+146=292 4ta f
nat

(148, 144) : 148+144=292 4ta f
nat

(148, 148) : 148 cuadrtico 3ra f
nat

(292, 148) : acoplamiento entre la 4ta y 3ra f
nat

(292, 190) : 292+190=482 5ta f
nat

(292, 292) : 292 cuadrtico 4ta f
nat

(426, 292) : 426+292=718 6ta f
nat

(482, 292) : acoplamiento entre la 5ta y 4ta f
nat

(482, 482) : 482 cuadrtico 5ta f
nat

(718, 292) : acoplamiento entre la 6ta y 4ta f
nat


Figura 6.12 Biespectro de planta para el caso V870NHRM sin fractura


Estos acoplamientos dan informacin de cuales frecuencias son las que se acoplan
entre s para diferentes sistemas, diferentes vigas, dando informacin sobre su
comportamiento dinmico. El comportamiento en general de estos acoplamientos
no muestra patrones de reconocimiento para la posible deteccin de fracturas, pues
las variaciones de estos para los casos con y sin fractura depende de las frecuencias
naturales del sistema en particular. Por ejemplo, para el mismo caso el BIS de la
viga con fractura es el que se muestra en la Figura 6.13.

En el BIS de la viga con fractura se puede observar menos acoplamientos que en el
caso sin fractura. Pero para otros casos se presentan los mismos acoplamientos,
mientras que en otros ms.

f
1
f
2

130

(144, 144) : 144 cuadrtico 3ra f
nat

(288,190) : 288+190=478 5ta f
nat

(288, 288) : 288 cuadrtico 4ta f
nat


Figura 6.13 Biespectro de planta para el caso V870NHRM con fractura


Cabe sealar que esta informacin de acoplamientos entre pares de frecuencias
obtenidos con el BIS, no se puede obtener con el PSD. La informacin generada por
estos acoplamientos requiere ms estudios.

La fase el BIS es una informacin adicional que aporta el uso de esta herramienta.
Estudiando las diferentas fases del BIS obtenido se encontr que no es posible
usar la informacin de la fase para su estudio. La fase del BIS de las seales de
vibracin muestra patrones que varan para cada acelermetro, para cada
experimentacin y para la condicin de fractura o no. Las variaciones la fase del
BIS se pudieron comprender debido a su comportamiento complejo y no muestra
tendencias para los diferentes casos. Por ejemplo, para el caso V530NHG la fase
del BIS forma tringulos aleatorios, como la de todos los casos, de diferentes
magnitudes para los diferentes sensores y tambin son diferentes esas magnitudes
con la presencia de fractura o no (ver Figura 6.14).

Si se desea hacer un anlisis respecto a los acoplamientos cuadrticos de fase,
regiones donde la magnitud de la fase es cero, los resultados indican que estos
acoplamientos varan en forma aleatoria para los diferentes casos, siendo imposible
detectar la presencia de fracturas mediante los acoplamientos cuadrticos de fase.
En un estudio particular, si se obtiene la fase del los picos (acoplamientos)
importantes de la magnitud del BIS (ver Tabla 6.5), se muestra que la fase vara en
forma no comn. Algunas veces se disminuye la fase, otras aumenta y en otras
ocasiones cambia de signo. Por lo que tratar de estudiar la fase solo para los puntos
importantes de la magnitud no da informacin trascendente para este estudio.


f
1
f
2

131

Figura 6.14 Fase del BIS del caso V530NHG. (a) sin fractura y (b) con fractura


Dentro de las experimentaciones tambin se us el excitador electromecnico, el
cual puede proporcionar una fuerza constante de excitacin. Con el excitador se
hizo oscilar a la viga en diferentes frecuencias para estudiar su comportamiento.

Los resultados no dieron nueva informacin del sistema con la cual se pudieran
detectar fracturas. En general en las experimentaciones, como ocurre en la teora,
la viga vibra a la frecuencia de excitacin y no se presenta ninguna otra frecuencia,
tampoco existen variacin de la magnitud o corrimiento de la frecuencia como se ve
en la Figura 6.15.

El uso del BIS en el procesamiento de las seales de vibracin da resultados que
necesitan ser estudiados detalladamente, la intencin de poder obtener resultados
solo de las seales de vibracin de la viga fracturada que revelaran la presencia de
las fracturas no fue posible. En los anlisis siempre se requiere de informacin a
priori, ya sea de datos de experimentaciones iniciales, datos de modelos tericos o
numricos.
f
1
f
1
f
1
f
1
f
1
f
1
f
2
f
2
f
2

f
2
f
2
f
2

132

Figura 6.15 PSD y BIS de la viga de 600mm usando el excitador:
viga sin fractura (a) y con fractura (b)


De este hecho surge la idea de hacer un estudio del BIS relacionando los datos
obtenidos de las vigas ntegras y de las fracturadas, adems de usar una
modificacin del BIS para resaltar la informacin de la fase.

Para estos nuevos estudios solo se requiere la informacin obtenida de las
experimentaciones anteriores. Primero con los biespectros obtenidos se obtuvieron
los biespectros modificados (BIS
md
). El BIS
md
es una herramienta ayuda a estudiar,
cuando es necesario, el acoplamiento de fase de las dos frecuencias del BIS.
Aplicando el BIS
md
a los BIS obtenidos anteriormente, se obtienen los resultados
que se muestran en la Tabla 6.6.

En algunos casos el BIS
md
no vari respecto al BIS excepto por la magnitud de los
picos existentes (ver Figura 6.16), en otros resalt ms algunos picos de unos
acoplamientos y disminuy algunos (ver Figura 6.17), pero no dio informacin
adicional al estudio y tampoco ayud a formar parmetros para la deteccin de
fracturas.
f
2
f
2
f
1
f
1

f
f
|PSD|
|PSD|
133
Tabla 6.6 Biespectro modificado de los datos experimentales


donde:
f
1
=frecuencia 1 del BIS
md
[Hz]
f
2
=frecuencia 2 del BIS
md
[Hz]
Amplitud

=amplitud del acoplamiento de f
1
y f
2
[adimensional]

La continuacin de la Tabla 6.6 se puede ver en el Anexo III y la completa en el CD de la tesis.

Figura 6.16 Biespectro del acelermetro tres (a) y biespectro modificado (b), caso
V530NHGM sin fractura
f
1
f
1
f
2

f
2

134

Figura 6.17 Biespectro del acelermetro tres (a) y biespectro modificado (b), caso
V530NHGM con fractura


Seguidamente, para relacionar los datos de las vigas con y sin fractura se usa la
funcin del BIS cruzado (BIS
xyz
). Como en general el BIS
xyz
se define como BIS
xyz
(),
siendo x, y y z los vectores de datos, para este estudio solo se utilizan dos vectores
de datos, los de vigas con y sin fractura. Para distinguir los datos se define a x como
el vector de datos de la viga sin fractura y y el de la viga con fractura. Las
posibilidades son : BIS
xyy
, BIS
xyx
, BIS
xxy
, BIS
yyx
, BIS
yxy
y BIS
yxx
. Los vectores de
datos de vibracin de las vigas con y sin fractura se relacionan en el BIS
xyz
para
obtener las variaciones y relaciones entre ellos. Para poder relacionarlos de forma
correcta es necesario que la excitacin sea la misma para ambos casos y que los
sensores tengan las mismas caractersticas. Como esto no es posible, lo que se hace
es normalizar los datos en el tiempo obtenidos por los sensores, as la mxima
amplitud en el tiempo de los datos ser uno. Debido a que el acelermetro tres es el
que mejor muestra el contenido frecuencial de las experimentaciones, un resumen
de los resultados solo para el acelermetro tres se muestra en la Tabla 6.7.


f
2

f
2

f
1
f
1
135
Tabla 6.7 Biespectro cruzado para el acelermetro tres de los datos experimentales
donde:
f
1
=frecuencia 1 del BIS
xyz
[Hz]
f
2
=frecuencia 2 del BIS
xyz
[Hz]
Amplitud

=amplitud del acoplamiento de f
1
y f
2


La continuacin de la Tabla 6.7 se puede ver en el Anexo III y la completa en el CD de la tesis.

Observando los resultados de la Tabla 6.5, el comportamiento en general del BIS
xyz

no es comn para las diferentes experimentaciones. Las formas del BIS
xyz
, producto
de las amplitudes de los acoplamientos, varan aleatoriamente por lo que no se
puede hacer uso de ellas para su estudio. Sin embargo, pueden hacerse estudios
particulares de los diferentes acoplamientos surgidos entre las frecuencias. La
regin que interesa del BIS
xyz
ser solo la franja diagonal donde surgen los
acoplamientos cuadrticos (ver Figura 6.18).


Figura 6.18 Regin diagonal
136
La principal razn por la que se estudia solo esta regin radica en la informacin
que dan los diferentes tipos de acoplamientos. Como se explic anteriormente, son
tres tipos de acoplamientos los que nos dan la informacin del comportamiento de
las vigas. Para todos ellos no fue posible hacer uso de su magnitud; tampoco se ha
podido explicar porqu se asocian diferentes frecuencias naturales de la viga o
porqu algunas se descomponen en otras. As solo queda estudiar las frecuencias
naturales del sistema solas, que en el BIS se encuentran asociadas consigo mismas
(o acoplamiento cuadrtico), que se encuentran solo en la regin diagonal.
Por ejemplo para el caso V530NHG, el BIS
xxy
tiene acoplamientos solo entre las
frecuencias del vector x (ver Figura 6.19), mientras que para el BIS
xyy
los
acoplamientos se dan entre las diferentes frecuencias naturales de los vectores x y y
(ver Figura 6.20).

Acoplamientos . (392, 392) : cuadrtico de 392 3ra f
nat

(140, 140) : cuadrtico de 140 2da f
nat


Figura 6.19 BIS
xxy
del acelermetro tres del caso V530NHG


Acoplamientos . (394, 392) : cuadrtico entre la 3ra f
nat
de x y y
(134, 140) : cuadrtico entre la 2da f
nat
de y y x

Figura 6.20 BIS
xyy
del acelermetro tres del caso V530NHG
f
2

f
1
f
2

f
1
137
Con estos resultados se puede observar que las frecuencias naturales de los
diferentes casos se acoplan entre s, siendo posible identificar las frecuencias
naturales de los casos con y sin fractura. Para los resultados de los BIS
xyz
se obtiene
que :

BIS
xxy
: dominan las frecuencias del vector x, produciendo acoplamientos
cuadrticos solo entre sus frecuencias.
BIS
yyx
: dominan las frecuencias del vector y, produciendo acoplamientos
cuadrticos solo entre sus frecuencias.
BIS
xyy
, y BIS
xyx
: Acoplan las frecuencias de ambos vectores produciendo
acoplamientos cuadrticos, entre las originales (sin fractura) y las desplazadas (con
fractura), de las frecuencias naturales. Para estos dos casos en el eje de frecuencias
f1 se encuentran las frecuencias de la viga fracturada y en el eje f2 las frecuencias de
la viga sin fractura.
BIS
yxy
y BIS
yxx
: Acoplan las frecuencias de ambos vectores produciendo
acoplamientos cuadrticos, entre las originales (sin fractura) y las desplazadas (con
fractura), de las frecuencias naturales. Para estos dos casos en el eje de frecuencias
f1 se encuentran las frecuencias de la viga sin fractura y en el eje f2 las frecuencias
de la viga con fractura.

Es as que con el uso del BIS
xyz
, si se puede detectar la presencia de las fracturas,
adems, estos acoplamientos indican directamente las diferentes frecuencias (los
desplazamientos) de las experimentaciones encontrados con el PSD. Esto muestra
explcitamente que los desplazamientos ocurren debido a la presencia de la
fractura,

Otra forma de relacionar los datos de los casos con y sin fractura es obteniendo su
BIS, restarlos y obtener su diferencia. Esta relacin es muy sencilla pero en
concepto se trata de comparar los resultados de ambos BIS. Si no existiera ninguna
fractura el resultado de la resta se aproximara a cero, lo que indicara que no
existen diferencias en las experimentaciones. Por el contrario, si no resulta en cero,
indicar que existen variaciones entre las experimentaciones. La forma de calcular
la diferencia es la siguiente:

b a
BIS BIS
dif
0
BIS
= (6.3)
donde:

( ) ( )
0
BIS max max = a


( ) ( ) BIS max max = b


dif
BIS
: diferencia del biespectro
BISo : Biespectro original (sin fractura)
BIS : Biespectro medido (con fractura)

Los resultados que arrojan estas diferencias revelan que existen picos, por lo tanto
son diferentes de cero (ver Tabla 6.8), estos resultados se esperaban pues se
138
comparan los datos con y sin fractura.

Tabla 6.8 Diferencias de los biespectros de los datos experimentales

donde:
f
1
=frecuencia 1 de la diferencia [Hz]
f
2
=frecuencia 2 de la diferencia [Hz]
Amplitud

=amplitud del acoplamiento de f
1
y f
2
[adimensional]
fase =fase del acoplamiento de f
1
y f
2
[Hz]

La continuacin de la Tabla 6.8 se puede ver en el Anexo III y la completa en el CD de la tesis.


A pesar de haber normalizado el BIS, las magnitudes no pueden ser una
caracterstica comparativa; pero pueden analizarse los resultados en particular. Al
igual que en el BIS
xyz
, la regin de inters ser la diagonal de la Figura 6.18, pues en
ella se encontrarn las frecuencias naturales de cada viga. Por ejemplo, para el caso
V530NHG se pueden encontrar la frecuencias naturales de la viga a lo largo de la
diagonal, pero no se encuentran solas, se encuentran pares de acoplamientos
cuadrticos como se ve en la Figura 6.21. Unos acoplamientos pertenecen a los
datos originales (sin fractura) y otros a los medidos (con fractura).

Estas diferencias indican el desplazamiento de las frecuencias. A media que los
picos estn ms retirados, ms desplazamiento habr ocurrido, y viceversa.



139

(a) (b)
Figura 6.21 Corrimiento de los acoplamientos.
(a) 3ra f
nat
: 392Hz sin fractua y 394Hz con fractura
(b) 2da f
nat
: 134Hz con fractura y 140Hz sin fractura


De acuerdo al procesamiento de los datos de las experimentaciones, se obtienen las
siguientes conclusiones:

- Las diferencias en las magnitudes de las distintas frecuencias de la PSD estn en
funcin de la colocacin de los sensores en la viga y la excitacin.

- El acelermetro tres muestra un mayor contenido frecuencial en comparacin con
los otros (ver Tabla 6.5). Su posicin, que es la ms lejana al empotramiento, le
permite registrar mejor los movimientos debido a las vibraciones.

- La diferencia entre las frecuencias naturales calculadas tericamente y las
obtenidas experimentalmente es de 2.4%.

- Las magnitudes del PSD y BIS en estas experimentaciones no proporcionan
informacin que ayude a determinar la presencia de fracturas en las vigas, para ello
es necesario un excitador capaz de golpear a la viga a una fuerza determinada.

- Los resultados del excitador no proporcionaron informacin valiosa al estudio a
pesar de poder excitar a la viga a una frecuencia y magnitud constante.

- Tomando como referencia las frecuencias obtenidas de las vigas sin fractura, su
comparacin con los resultados de las vigas con fractura muestran que existen
corrimientos en la frecuencia en estos datos. Los corrimientos en general son hacia
la izquierda del plano, esto debido a la disminucin de la rigidez del sistema y por
tanto disminucin del valor de las frecuencias naturales. Con esto se puede detectar
explcitamente la fractura.

- El comportamiento de la primera frecuencia natural es errtico. A pesar de ser la
frecuencia que da la informacin ms general del comportamiento del sistema por
f
1
f
1
f
2
f
2
140
ser la ms baja, sus variaciones porcentuales no obedecen el comportamiento de las
dems; razn por lo que el estudio de su comportamiento es omitido en este
trabajo, para la formulacin de los patrones que ayuden a la identificacin de las
fracturas. La ausencia de nodos, puede ser la razn de que su comportamiento no
sea del todo parecido al de las dems.

- Los corrimientos medidos en forma porcentual muestran que la fractura se
relaciona directamente con los nodos de las frecuencias naturales. A medida que un
nodo de una frecuencia natural se aleja de la fractura, el porcentaje de
desplazamiento es mayor; y a medida que se acerca un nodo a la fractura, la
frecuencia natural presenta menores variaciones o es cero.

- Los picos mostrados por el BIS son debidos a los acoplamientos entre las
diferentes frecuencias naturales del sistema (la viga), y en algunos casos es la
descomposicin de una frecuencia natural en particular en otras. La razn por la
que algunas frecuencias naturales se descomponen en ciertas frecuencias en
particular no se ha podido explicar claramente.

- La variacin en el contenido frecuencial (acoplamientos) del BIS y la forma en que
se acoplan las diferentes frecuencias naturales, no ayud a formar patrones de
reconocimiento para la deteccin de fracturas de manera explcita en este trabajo.
Sin embargo requiere ms estudio.

- Las variaciones de la fase del BIS y los acoplamientos cuadrticos de fase no
muestran un comportamiento comn. La forma en que varan muestra patrones
que no ha sido posible explicar.

- Los anlisis de PSD y BIS requieren informacin a priori de las condiciones
iniciales, es decir, tener un historial de datos, los cuales puedan ser comparados.

- El uso del BIS modificado en este trabajo no dio nuevos resultados para el estudio
y no ayud a formar parmetros para detectar las fracturas.

-En el estudio particular, solo la franja diagonal correspondiente a los
acoplamientos cuadrticos, del BIS cruzado ayud a identificar los acoplamientos
entre las frecuencias de los casos con y sin fractura. Dos formas son las que
muestran en f1 las frecuencias de los datos con fractura (xyy y xyx), dos formas
muestran en f1 las frecuencias de los datos sin fractura y en dos formas prevalecen
los datos de un vector (x en xxy y y en yyx). Con esto se puede detectar
explcitamente la fractura y los corrimientos de las frecuencias naturales.

- Igualmente, el estudio particular de la diferencia propuesta ayuda a identificar las
frecuencias naturales de cada caso, viga con y sin fractura, y sus desplazamientos.



141
Conclusiones



En base a este captulo, tanto de la experimentacin como del procesamiento y
anlisis de resultados, se pueden dar las siguientes conclusiones.

En las experimentaciones existen muchas variables implicadas que afectan
directamente los resultados. La clasificacin de cada una de ellas es vital para el
anlisis de resultados.

Una de las variables que afecta ms a los resultados del estudio es la posicin de los
acelermetros. Para determinar la posicin de los acelermetros es necesario
establecer primero las necesidades del estudio, entidades a comparar o estudiar de
los diferentes casos de experimentacin.

La excitacin de la viga es la segunda variable ms importante. Una variacin en la
excitacin, un golpe doble, irregular o en distinto sitio, puede cambiar
radicalmente los resultados del procesamiento.

EL uso del PSD y BIS en el anlisis de las seales de vibracin de una viga en
cantiliver ha mostrado las ventajas y desventajas de cada uno. Por ejemplo, con el
PSD es muy sencillo encontrar los corrimientos de frecuencia debido a la presencia
de la fractura, el BIS los detecta pero comparando su proceso de clculo con el PSD
tiene desventaja. En cambio, el BIS a diferencia del PSD mostr acoplamientos
entre diferentes frecuencias dando informacin adicional del proceso, motivo
principal por el cual fue propuesto el uso de esta herramienta.

Los corrimientos de frecuencia de las seales de vibracin detectados por el PSD,
BIS cruzado y la diferencia del BIS sirvieron para detectar la presencia de fractura.
Con estos corrimientos fue posible relacionar los nodos de las diferentes
frecuencias naturales con la fractura, dando parmetros de su posible ubicacin.

143




7. Verificacin de
resultados obtenidos




El objetivo principal de este captulo es validar los resultados obtenidos en el
captulo 6. Para ello se hacen simulaciones en elemento finito de un caso de estudio
y sus resultados se comparan con los obtenidos experimentalmente. Adems, se
presenta el uso de acelermetros micro-electromecnicos integrados (iMEMs)
para el estudio. Se estudia el comportamiento de los iMEMs y se obtienen las
frecuencias naturales longitudinales y torsionales de las vigas que no fue posible
obtener con los acelermetros piezoelctricos usados en las experimentaciones del
captulo 6.

7.1 Simulacin en elemento finito


Como parte del estudio dentro de este trabajo de tesis se llev a cabo la simulacin
de un caso de experimentacin para corroborar los resultados obtenidos
experimentalmente. Las simulaciones se hicieron en un programa comercial de
simulacin de elemento finito (Algor).

Primeramente se elabor una simulacin de la viga experimental usando el
elemento finito tipo viga (beam). Posteriormente se procedi a elaborar una
simulacin usando elemento finito tipo isotrpico de dos dimensiones (2D), para la
viga con y sin fractura. Finalmente se realiz la simulacin en tres dimensiones
(3D) de la viga con un elemento finito tipo ladrillo (brick), el cual tambin se
144
simul con y sin fractura. Todas las simulaciones se llevaron acabo utilizando el
caso de la viga experimental de 870mm de longitud (caso V870NHRM), la cual se
muestra en la Figura 7.1.

Figura 7.1 Viga de 870mm



7.1.1 Elemento finito tipo viga

Para este caso se uso el elemento finito tipo viga (beam). La viga se dibuj en el
paquete Superdraw, el cual esta incluido en el software de Algor, como una lnea
de 870mm y se le dio sus primeras caractersticas, las cuales fueron el sistema de
unidades a utilizar, Sistema Internacional (SI). Se defini la vista predefinida YZ-
derecha, la cual se usa para posteriormente dibujar el elemento finito tipo viga,
adems, se dividi la lnea en 20 elementos. Este modelo discreto de la viga
creado, con el nombre de beamelement.esd, se guarda para posteriormente
transferir el mismo al editor de objetos de elemento finito en Algor.

Con el modelo discreto de la viga en elemento finito se procedi a fijar el mismo en
un extremo agregndole condiciones de frontera. En este caso se fij en un extremo
para simular el empotramiento de la viga en cantiliver. Se seleccion el tipo de
anlisis a realizar, el cual fue formas modales lineales y frecuencias naturales
(Linear Mode Shapes and Natural Frequencies). Los principales parmetros de la
simulacin fueron el nmero de frecuencias o modos a calcular en el modelo y para
este caso se seleccionaron diez.

Se define el tipo de elemento finito viga, se calculan y capturan sus propiedades en
el editor de vigas (beam editor), como se muestra en la Figura 7.2.

Estas propiedades estn definidas como:

h b A = (7.1)

1.177
A
S , S
a3 a2
= (7.2)

( ) ( )
( )
3
4
4
1
12
1
21 .
3
1
J hb
h
b
h
b


= (7.3)

12
hb
I
3
2
= (7.4)
145

12
bh
I
3
3
= (7.5)


( )
2
b
I
S
2
2
= (7.6)


( )
2
h
I
S
3
3
= (7.7)

donde :

A =Seccin de rea cruzada
S
a2
, Sa3 =reas de corte en las direcciones z y x.
J
1
=constante torsional
I
2
=momento de inercia respecto del eje z.
I
3
=momento de inercia respecto del eje x.
S
2
=modulo seccional respecto del eje z.
S
3
=modulo seccional respecto del eje x.
h =altura de la viga
b =base de la viga


Figura 7.2 Editor de vigas con sus principales valores

Despus de salvar las propiedades capturadas en el editor de vigas se defini el tipo
de material, que de acuerdo a las vigas experimentales es acero (4130).
Una vez salvado el modelo se lleva acabo la simulacin, la cual se despliega en
Superview. Los resultados de las frecuencias naturales y sus formas obtenidas de la
simulacin se muestran en la Tabla 7.1 y en la Tabla 7.2 respectivamente.
146
Tabla 7.1. Frecuencias del elemento finito tipo viga
Frecuencia
natural
Frecuencias naturales
elemento finito tipo
viga [Hz]
1 8.98
2 56.00
3 69.22
4 156.08
5 304.26
6 420.29
7 500.09
8 742.29
9 1029.21
10 1124.91


Tabla 7.2. Formas de las frecuencias naturales tipo viga

Frecuencia naturales de las viga con elemento finito tipo beam (viga)


1 8.98Hz

2 56.00Hz

3 69.22Hz

4 156.08Hz

5 304.26Hz

6 420.29Hz
147

7 500.09Hz

8 742.29Hz

9 1029.21Hz

10 1124.91Hz

De acuerdo a los resultados obtenidos de las Tablas 7.1 y 7.2, con el elemento finito
tipo viga solamente se obtienen las frecuencias laterales y las longitudinales. Si se
comparan las frecuencias laterales con las obtenidas experimentalmente y
tericamente, Tabla 7.3, se puede observar variaciones cuantitativas pero los
valores corresponden cualitativamente.

De la simulacin, las frecuencias naturales 1, 2, 4, 5, 7, 8 y 9 obtenidas del
elemento finito pertenecen a las frecuencias laterales 1, 2, 3, 4, 5, 6 y 7. Las
frecuencias naturales 3, 6 y 10 pertenecen a las frecuencias naturales
longitudinales 1, 2 y 3.


Tabla 7.3 Comparacin de frecuencias naturales
Frecuencias
naturales
Frecuencias
naturales
elemento finito
tipo viga [Hz]
Frecuencias
naturales
tericas
[Hz]
Frecuencias
naturales
experimentales
[Hz]
1 lateral 8.98 8.7 7.9
2 lateral 56.00 54.4 52.99
3 longitudinal 69.22 - -
4 lateral 156.08 152.3 148.88
5 lateral 304.26 298.5 291.91
6 longitudinal 420.29 - -
7 lateral 500.09 493.4 481.90
8 lateral 742.29 737.1 717.95
9 lateral 1029.21 1029.5 1002.9
10 longitudinal 1124.91 - -

Nota: el smbolo indica que esas frecuencias no se determinaron.
Continuacin Tabla 7.2. Formas de las frecuencias naturales tipo viga
148
7.1.2 Elemento finito tipo isotrpico


El segundo elemento finito usado fue el tipo isotrpico 2D. Se hicieron modelos
estructurales con y sin fractura. Su forma bsica fue un rectngulo con origen en
(0, 0, 0) y extremo opuesto en (0, 0.87, 0.0082), donde (x, y, z) son las
coordenadas usadas. El rectngulo creado, que representa a la viga, fue mallado
automticamente y se dividi en 400 x 4 elementos (longitud x ancho), Figura 7.3.
El modelo estructural se salv como viga4002d.esx para pasarlo a el editor de
objetos de elemento finito de Algor.


Figura 7.3 Modelo discreto de la viga en elemento finito

El modelo se fij en un extremo agregndole condiciones de frontera. El tipo de
anlisis es el mismo que en el elemento finito tipo viga. En el anlisis se tomaron en
cuenta sus principales parmetros como el nmero de frecuencias o modos a
calcular, en este caso diez. Se defini el tipo de elemento finito isotrpico 2D, al
cual solamente hay que agregarle el ancho del elemento finito que fue 0.0635m.
Por ltimo se selecciona el tipo de material que en este caso es acero (4130).
Con el modelo completo, de nombre viga4002d.esx, se llev acabo la simulacin y
sus resultados se muestran a continuacin en la Tabla 7.4 y en la Tabla 7.5.

Tabla 7.4 Frecuencias naturales elemento finito 2D sin fractura

Frecuencias
naturales
Frecuencias
naturales elemento
finito tipo 2D
[Hz]
1 8.99
2 56.37
3 157.75
4 308.83
5 509.89
6 760.53
7 1060.32
8 1408.76
9 1477.79
10 1805.25
Acercamiento
de la malla
149
Tabla 7.5. Frecuencias naturales del elemento finito tipo 2D sin fractura.


Frecuencia naturales de elemento finito tipo 2D sin fractura

1 8.99Hz

2 56.37Hz

3 157.75Hz

4 308.83Hz

5 509.89Hz

6 760.53Hz

7 1060.32Hz

8 1408.76Hz

9 1477.79Hz

10 1805.25Hz


De la misma manera en que se llev acabo el modelo sin fractura, se construy el
elemento estructural de la viga con fractura. Pero en la regin donde se ubica la
fractura ya no se usa mallado automtico. Es necesario un mallado ms fino y
construir manualmente la fractura, es decir, mallar alrededor del hueco generado
por la fractura. En la Figura 7.4 se muestra acercamiento al mallado de la fractura.



150

Figura 7.4 Acercamiento del mallado de la fractura

Una vez que el mallado de la fractura no tenia errores, se salv el modelo como
vigafrac4002d.esx. Con el modelo en elemento finito se utilizaron las mismas
caractersticas que en el modelo sin fractura y los resultados se muestran en la
Tabla 7.6 y la Tabla 7.7.

Tabla 7.6 Frecuencias naturales de la viga de elemento finito 2D con fractura

Frecuencias
naturales
Frecuencias
naturales elemento
finito tipo 2D
[Hz]
1 8.98
2 55.32
3 152.60
4 306.60
5 506.96
6 740.20
7 1048.65
8 1405.87
9 1469.76
10 1764.32

Tabla 7.7 Formas de frecuencias naturales del elemento finito en 2D

Frecuencia naturales de la viga de elemento finito tipo 2-D con fractura

1 8.98Hz

2 55.32Hz
0.3 mm
3mm
151

3 152.60Hz

4 306.60Hz

5 506.96Hz

6 740.20Hz

7 1048.65Hz

8 1405.87Hz

9 1469.76Hz

10 1764.32Hz


De acuerdo a los resultados se puede observar de las Tablas 7.5 y 7.7 que las
frecuencias obtenidas por este modelo son solo las frecuencias naturales laterales,
frecuencias que se obtuvieron con el elemento finito tipo viga y su comportamiento
es equivalente. Comparando las frecuencias de la viga con y sin fractura, Tabla 7.8,
las frecuencias de la viga fracturada se recorren hacia la izquierda, es decir,
disminuyen su valor en Hertz. Estos resultados tambin se encontraron en las
experimentaciones, por lo que ambos casos se justifican.


Tabla 7.8 Frecuencias naturales del elemento finito tipo 2D

Frecuencias
naturales
Frecuencias naturales
elemento finito tipo
2D sin fractura
(Hz).
Frecuencias naturales
elemento finito tipo
2D con fractura
(Hz)
1 8.99 8.98
2 56.37 55.32
3 157.75 152.60
4 308.83 306.60
Continuacin Tabla 7.7 Formas de frecuencias naturales del elemento finito en 2D
152
5 509.89 506.96
6 760.53 740.20
7 1060.32 1048.65
8 1408.76 1405.87
9 1477.79 1469.76
10 1805.25 1764.32




7.1.3 Elemento finito tipo ladrillo

A partir del modelo en 2D se cre el nuevo modelo estructural en 3D. Los modelos
originales con y sin fractura creados en 2D dentro de Superdraw se seleccionaron y
se copiaron uniendo los elementos de un punto a otro para que formen un solo
bloque. Para este caso el punto de origen fue (0, 0, 0) y el lugar final de su
desplazamiento fue (0.0635, 0, 0) dando como resultado la viga en 3D. Se salvaron
los modelos y se exportaron al editor de objetos de elemento finito de Algor. Ambas
vigas en 3D se muestran en la Figura 7.5 y 7.6.

Figura 7.5 Modelo discreto en elemento finito de la viga sin fractura

Con el modelo en el editor de elemento finito se seleccion el tipo de anlisis
formas modales lineales y frecuencias naturales (Linear Mode Shapes and Natural
Frequencies). El anlisis se realiz tomando en cuenta sus principales parmetros
como el nmero de frecuencias o modos, en este caso diez. Se selecciono el tipo de
elemento finito ladrillo isotrpico y se seleccion el material acero (4130).
Continuacin Tabla 7.8 Frecuencias naturales del elemento finito tipo 2D
153

Figura 7.6 Modelo discreto en elemento finito de la viga con fractura


Teniendo definidas todas las propiedades de los modelos se simula para ambos
casos. Los resultados se muestran en las Tablas 7.9, 7.10 y 7.11.



Tabla 7.9 Formas de frecuencias naturales para el elemento finito
tipo ladrillo 3D sin fractura.

Modos de vibracin de la viga en 3D con elemento finito tipo Brick (ladrillo) sin fractura.
9.03Hz (1)
56.62Hz (2)
154
69.48Hz (3)
158.49Hz (4)
228.97Hz (5) 310.51Hz (6)
425.13Hz (7)
513.21Hz (8)
688.79Hz (9)
766.47Hz (10)



Tabla 7.10 Formas de frecuencias naturales del elemento finito
tipo ladrillo 3D con fractura


Modos de vibracin de la viga en 3D con elemento finito tipo Brick (ladrillo) con fractura
9.02Hz (1) 55.65Hz (2)
Continuacin Tabla 7.9 Formas de frecuencias naturales para el elemento finito
tipo ladrillo 3D sin fractura.
155
69.44Hz (3) 152.74Hz (4)
228.73Hz (5) 308.48Hz (6)
421.21Hz (7) 510.30Hz (8)
685.16Hz (9)
747.34Hz (10)


Tabla 7.11 Frecuencias naturales del elemento finito tipo ladrillo


Frecuencias
naturales
Frecuencias naturales
elemento finito tipo
ladrillo 3D
sin fractura
[Hz]
Frecuencias naturales
elemento finito tipo
ladrillo 3D
con fractura
[Hz]
1 lateral 9.03 9.02
2 lateral 56.62 55.65
1 longitudinal 69.48 69.44
3 lateral 158.49 153.74
1 torsional 228.97 228.73
4 lateral 310.51 308.48
2 longitudinal 425.13 421.21
Continuacin Tabla 7.10 Formas de frecuencias naturales del elemento finito
tipo ladrillo 3D con fractura
156
5 lateral 513.21 510.39
2 torsional 688.79 685.16
6 lateral 766.47 747.34


De acuerdo a estos resultados, el anlisis en 3D es el ms completo ya que con ste
es posible obtener las frecuencias naturales laterales, longitudinales y torsionales.
Los resultados tanto de las frecuencias naturales laterales corresponden a los
obtenidos en los modelos de elemento finito tipo viga y 2D, a las frecuencias
obtenidas tericamente y a las frecuencias obtenidas experimentalmente. Las
frecuencias longitudinales obtenidas con el modo lineal y tridimensional son
iguales. Las frecuencias naturales torsionales no se haban encontrado
anteriormente. Los desplazamientos de las frecuencias naturales hacia la izquierda
que fueron encontrados experimentalmente, se encontraron con los modelos en
elemento finito justificando as los resultados obtenidos.
Si para las frecuencias laterales obtenidas del modelo de 3D en elemento finito se
obtienen las variaciones porcentuales de cada frecuencia, los porcentajes de
variacin son cualitativamente iguales a los obtenidos experimentalmente, como se
ve en la Tabla 7.12.

Tabla 7.12 Porcentajes de variacin de las frecuencias obtenidas en elemento finito
tipo ladrillo 3D


Frecuencias
naturales
Frecuencias naturales
elemento finito tipo
ladrillo 3D
sin fractura (f
0
)
[Hz]
Frecuencias naturales
elemento finito tipo
ladrillo 3D
con fractura (f)
[Hz]
% de variacin

0
0
%
f
f f
f

=

2 lateral 56.62 55.65 1.71
3 lateral 158.49 153.74 2.99
4 lateral 310.51 308.48 0.65
5 lateral 513.21 510.39 0.54
6 lateral 766.47 747.34 2.49

donde : %f : porcentaje de variacin de la frecuencia
fo : frecuencia original registrada
f : frecuencia medida

Las variaciones porcentuales de las frecuencias laterales confirman las
conclusiones presentadas en las experimentaciones, las cuales se encuentran en la
Tabla 7.13. Las variaciones de las frecuencias naturales laterales dependen de la
posicin de sus respectivos nodos con la fractura. Al igual que en el captulo 6,
seccin 6.2.2, no se hace el anlisis de la primera frecuencia natural debido que
tiene un comportamiento errtico.

Una comparacin de las frecuencias naturales obtenidas por los diferentes modelos
de elemento finito se muestra en la Tabla 7.14.
Continuacin Tabla 7.11 Frecuencias naturales del elemento finito tipo ladrillo
157
Tabla 7. 13 Frecuencias y variaciones reales


Tabla 7. 14 Comparacin de las frecuencias naturales obtenidas de los diferentes
modelos de elemento finito


Frecuencias
naturales
Frecuencias naturales
elemento finito tipo
viga [Hz]
Frecuencias naturales
elemento finito tipo
isotrpico 2D [Hz]
Frecuencias naturales
elemento finito tipo
ladrillo 3D [Hz]
1 lateral 8.98 8.99 9.03
2 lateral 56.00 56.37 56.62
1 longitudinal 69.22 - 69.48
3 lateral 156.08 157.75 158.49
1 torsional - - 228.97
4 lateral 304.26 308.83 310.51
2 longitudinal 420.29 - 425.13
5 lateral 500.09 509.89 513.213
2 torsional - - 688.79
6 lateral 742.29 760.53 766.4705

Nota: el smbolo indica que esas frecuencias no determinaron.



7.2 Uso de los iMEMs en el
anlisis de vibraciones


Para el desarrollo del trabajo de tesis se consiguieron acelermetros tipo iMEMs
de Analog Devices. Dos acelermetros tipo ADXL210 y cuatro tipo ADXL202. Los
modelos de ADXL202 no es recomendable usarlos para este trabajo ya que es muy
pequeo su rango de operacin y se puede exceder fcilmente ( 2g). Los
acelermetros usados son del tipo ADXL210 ( 10g), su hoja de datos se encuentra
en el CD de esta tesis.


158
7.2.1 Caractersticas

Sensor de aceleracin de 2 ejes en un solo circuito integrado.
Sensibilidad : 10g.
Salidas digitales.
Resolucin de 2mg a 60Hz.
Interfase directa va el ciclo de trabajo de la salida.
Ultra pequeo: 5mm x 5mm x 2mm.
Ancho de banda ajustable con capacitores.
Alimentacin de 3V a 5.25V.
Tolerancia de 1000g de choque.
Bajo consumo de potencia < 0.6mA.
Peso : < 1.0 gramos



7.2.2 Condiciones de operacin

El ADXL210E es un acelermetro de 2 ejes, en las direcciones que se muestra en la
Figura 7.7. Tiene un rango de escala de 10g, y puede ser usado para medir tanto
aceleracin dinmica como vibracin y aceleracin esttica como gravedad.


Figura 7.7 Ejes de medicin del ADXL210E desde una vista superior.

Fsicamente el ADXL210E cuenta con ocho terminales como se ve en la Figura 7.8,
las cuales se describen el la Tabla 7.15.


Figura 7.8 Vista inferior del ADXL210E y sus terminales.



159
Tabla 7.15 Descripcin de las terminales del ADXL210E


Las salidas son por naturaleza digitales aunque pueden ser convertidas a
analgicas. El ciclo de trabajo (CT) de las salidas es proporcional a la aceleracin, y
el perodo de trabajo se ajusta de 0.5ms a 10ms por medio de un solo resistor
(Rset), ver Figura 7.9, en la terminal T
2
.


T2 : Perodo de trabajo
T1 : Ancho del pulso
Ciclo de trabajo (CT) : Razn T1/T2
Figura 7.9 Perodo de trabajo.

La variacin de la resistencia cambia el valor de T
2
, el perodo de trabajo de ambos
canales, obteniendo su valor por medio de la expresin:
( )
( )

=
M
R
s T
SET
125
2
(7.8)

con un rango de operacin de 0.5ms a 10ms.

El valor nominal del CT es de 50% para 0g. Con estas variables, la aceleracin se
puede obtener por la siguiente expresin:
( )
04 . 0
5 . 0
2
1

=
T
T
g A (7.9)

donde a cada variacin del CT se le convierte a gs, debido a que por cada g, vara
4% el CT.
160
El ancho de banda del acelermetro se puede ajustar por medio de los capacitores
C
x
y C
y
en las terminales X
Filt
y Y
Filt
(ver Figura 7.10).


Figura 7.10 Capacitores de filtro para designar el ancho de banda.


El ancho de banda deseado puede ser calculado mediante la expresin:

( ) y x
dB
C
F
F
,
3
5
=

(7.10)

para cada uno de los canales de salida, donde C
(x,y)
> 1000pF. Una salida analgica
se puede obtener filtrando el ciclo de trabajo de las salidas X
out
y Y
out
mediante un
circuito RC simple.



7.2.3 Condiciones reales

Se construy una tarjeta para el ADXL210E con los elementos mnimos necesarios
para su funcionamiento. El circuito bsico para el acelermetro de la tarjeta se
muestra en la Figura 7.11.


Figura 7.11 Circuito bsico de funcionamiento del ADXL210E


El circuito se design para que el ADXL210E operara a la frecuencia mxima de
perodo de trabajo (0.5ms), por medio de R
set
= 64.4k. El ancho de banda para
cada canal se design de 500Hz con C
(x, y)
= 0.01F. Y se us un capacitor de 0.1F
161
para disminuir las variaciones de alimentacin al acelermetro. La seal de salida
del acelermetro X
out
(Figura 7.12) muestra el tren de pulsos generado, alcanzando
1.9997kHz y un ciclo de trabajo de 48.1% cuando no hay ninguna accin en el eje.


Figura 7.12 Salida X
out
del acelermetro

Ambas salidas, X
out
y Y
out
, se muestran en la Figura 7.13. Ambas seales tienen la
misma frecuencia y el mismo inicio de pulso variando as solo el ancho de cada
pulso positivo segn sea la accin de aceleracin en cada eje.


Figura 7.13 Salidas X
out
y Y
out


Las medidas de la tarjeta del acelermetro son de 22mm x 29mm, las pistas se
muestran en la Figura 7.14 y los componentes se distribuyen en la placa como se
162
muestra en la Figura 7.15.


(a) (b)
Figura 7.14 Pistas de la tarjeta: (a) superior, (b) inferior



Vcc : Alimentacin 5V.
Gnd : Tierra
Yout : Salida digital del eje y
Xout : Salida digital del eje x
C : Capacitor de filtrado de la alimentacin
Cx : Capacitor para designar el ancho de banda del eje x
Cy : Capacitor para designar el ancho de banda del eje y
RSET : Resistencia reguladora del perodo de trabajo

Figura 7.15 Componentes de la tarjeta.

La tarjeta que se construy se plane con la finalidad de tener las dimensiones ms
pequeas y con funcionalidad pues se le agreg una terminal de cuatro lneas que
puede ser conectada a un cable, tambin de cuatro lneas, para proporcionarle la
alimentacin necesaria y las salidas del propio acelermetro. Una foto de la tarjeta
terminada se muestra en la Fotografa 7.1.


(a) (b)

Fotografa 7.1 Tarjeta del iMEM. (a) Tarjeta original, (b) Tarjeta instrumentada.

Las salidas proporcionadas por la tarjeta son digitales. Es un tren de pulsos cuyo
ancho de pulso variar de acuerdo a la aceleracin medida. Por tener un eje en
163
direccin paralela a la accin de la gravedad el rango de operacin en ese eje se
desplaza una g reduciendo el rango positivo de medicin (Figura 7.16), sin embargo
no afecta a las necesidades de medicin para este trabajo.

(a) (b)
Figura 7.16 Rango de operacin del eje paralelo al eje de accin de la gravedad.
(a) rango normal, (b) rango actual.

Las seales de salida de la tarjeta fueron adquiridas con el mismo equipo usado en
la experimentacin; el analizador de espectros. Para ello fue necesario que las
seales de salida de la tarjeta fueran filtradas, convertidas a seales analgicas, y se
verific que los rangos de la seal analgica producida entrara en los rangos
permisibles de los canales de adquisicin del analizador de espectros. El circuito
usado para filtrar las seales de salida de la tarjeta es un filtro simple RC y la salida
del circuito es conectada directamente al canal de adquisicin del analizador de
espectros (Figura 7.17).


R
fltr
= 120k
C
fltr
= 0.3F
Figura 7.17 Circuito de filtrado



7.2.4 Calibracin

Las salidas X
out
y Y
out
se calibraron con la aceleracin esttica, gravedad. Cada eje
fue colocado hacia o en contra la accin de la gravedad, como se muestra en la
Figura 7.18, para comparar la variacin del ciclo de trabajo con la de las
especificaciones.
164

Figura 7.18 Colocacin del sensor respecto a la gravedad

Los resultados demostraron el buen funcionamiento del acelermetro,
disminuyendo el ancho del pulso (T
1
) cuando el eje de medicin se encontraba
paralelo a la accin de la gravedad y aumentando en ancho del pulso cuando el eje
de medicin se encontraba en posicin opuesta a la accin de la gravedad como se
ve en la Figura 7.19.

Figura 7.19 Variacin del ancho del pulso debido a la gravedad. (a) condicin normal
de operacin, (b) gravedad actuando en contra, (c) gravedad actuando a favor del eje de medicin
165
El porcentaje de variacin por cada g fue de 4.2%, lo cual indica que el circuito
funciona correctamente y que el 0.2% de diferencia puede ser ocasionado por
errores tanto de medicin como de colocacin del eje de medicin del acelermetro
con respecto al eje de accin de la gravedad.



7.2.5 Mediciones

A la placa del acelermetro se le cubri con material aislante para que al colocarla
en la viga no existiera la posibilidad de provocar un corto circuito, tal y como se
muestra en la Fotografa 7.2.


Fotografa 7.2 Placa con cubierta aislante.

El sensor fue colocado en una viga para comparar su funcionalidad con respecto a
los acelermetros usados normalmente (piezoelctricos). El lugar de la colocacin
fue en un costado de la viga debido a las dimensiones de la placa y a la ubicacin de
los ejes de medicin del acelermetro (Figura 7.20).

Figura 7.20 Colocacin de la placa en la viga

Un acelermetro piezoelctrico de la misma sensibilidad (10g) fue colocado junto
con el acelermetro tipo iMEM, a diferentes distancias debido a que las cintas
adhesivas usadas para la fijacin de la placa no permitan poner el acelermetro
piezoelctrico en el mismo lugar. Las distancias fueron: 300mm para el
piezoelctrico y 350mm para el iMEM, medidas desde el empotramiento.

166
Se us una viga con longitud de 870mm, la viga fue excitada con el martillo como
se realiz normalmente en las experimentaciones del trabajo (golpeo vertical) y se
adquirieron las seales de ambos acelermetros. Los resultados, en el eje x,
muestran que los acelermetros reproducen las mismas frecuencias naturales (f
nat
),
ms otras diferentes por parte del iMEM (Figura 7.21).



donde: f
nat
= frecuencia natural

Figura 7.21 Frecuencias naturales de la viga de 870mm

Una aproximacin en la Figura 7.22 muestra la diferencia de magnitudes de las
frecuencias debido a la diferente colocacin, pero el valor de las frecuencias
naturales es el mismo.

En todas las experimentaciones con los sensores piezoelctricos, los datos
obtenidos en su contenido frecuencial muestran solo las vibraciones laterales
debido a su eje de medicin y su colocacin en la viga. El eje de medicin que se
compar en ambos acelermetros es el mismo en consecuencia deben tener el
mismo contenido frecuencial, sin embargo, en la colocacin del iMEM estn
influyendo no solo las frecuencias naturales laterales, sino tambin las torsionales.
167


Figura 7.22 Comparacin de la 4ta y 5ta frecuencia natural

De tal forma que la nueva frecuencia mostrada por el iMEM pertenecen a las
vibraciones torsionales, correspondiendo a las obtenidas en las simulaciones en
elemento finito, como se vio anteriormente en la Tabla 7.11. La frecuencia adicional
mostrada es de 222Hz correspondiente a la primera frecuencia natural torsional de
la viga (Figura 7.23).


Figura 7.23 La 1ra frecuencia torsional

168
Con estos resultados se puede validar el funcionamiento correcto tanto del circuito
como del mismo acelermetro iMEM. El iMEM adems del eje x tiene el eje y,
ventaja sobre los piezoelctricos usados. Los resultados de la misma
experimentacin en el eje y muestran el mismo contenido frecuencial que el del eje
x (Figura 7.24).



Figura 7.24 Frecuencias naturales de los ejes x y y del iMEM


De acuerdo a la figura anterior ambas seales tienen el mismo contenido
frecuencial y excepto por las magnitudes de algunas frecuencias naturales son
idnticas. Teniendo el mismo contenido frecuencial ambas seales, indican la
presencia de las frecuencias laterales y una torsional, lo que significa que por la
forma de golpeo prcticamente no se excita a las vibraciones longitudinales.

Excitando la viga con el martillo, golpeando a la viga en el extremo libre de forma
horizontal (en el eje de accin de y) se obtienen las primeras vibraciones
longitudinales de la viga, la Figura 7.25 muestra los resultados de ambos ejes.



169


donde: Lat = lateral
Tor = torsional
Long = longitudinal
f
nat
= frecuencia natural

Figura 7.25 Frecuencias con excitacin horizontal.


Con este tipo de excitacin fue posible encontrar las frecuencias naturales
longitudinales y adems se excitaron algunas laterales y la primera torsional. Las
frecuencias longitudinales obtenidas corresponden a las obtenidas en las
simulaciones hechas con elemento finito, Tabla 7.11. La Tabla 7.16 muestra las
frecuencias naturales obtenidas con los acelermetros iMEM's.



170
Tabla 7.16 Frecuencias naturales de la viga de 870mm
obtenidas con los iMEM's.




Conclusiones


Con las simulaciones en elemento finito se validaron los resultados de las
experimentaciones. Las simulaciones en elemento finito mostraron los
corrimientos hacia la izquierda de las frecuencias naturales para el caso de la viga
con fractura. Los porcentajes de variacin de los corrimientos de las simulaciones
con elemento finito son cualitativamente iguales a las de las experimentaciones.

Los resultados obtenidos con los acelermetros tipo iMEM's demuestran que
tienen la misma capacidad que los piezoelctricos y sus ventajas radican en ser
biaxiales, posibilidad de analizar dos ejes de vibracin, y su bajo costo, en
comparacin con los piezoelctricos. Estos dispositivos pueden ser usados en los
futuros trabajos de adquisicin y anlisis de vibraciones u otras aplicaciones que se
les quiera dar.

171




8. Conclusiones




La aplicacin de nuevas herramientas de procesamiento en el campo del anlisis de
vibraciones y el estudio detallado de las ya usadas aportan informacin que
anteriormente no se encontraba o simplemente no haba sido observada. La
informacin y conocimiento generado en el trabajo es nuevo en el campo de
anlisis de vibraciones para vigas en cantiliver, teniendo la ventaja de ser
reproducible tanto terica como experimentalmente, y no solo servir para
condiciones determinadas de experimentacin o modelo.

En el estudio se comprobaron los resultados de las experimentaciones junto a los
modelos creados en elemento finito (ver Tabla 8.1). Se verific que en general si es
posible detectar la presencia de las fracturas en las vigas cantiliver a travs de los
corrimientos de las frecuencias naturales de sus seales de vibracin. Adems, se
comprob que los corrimientos de las frecuencias naturales son diferentes entre si,
y que estn directamente relacionados con la posicin de la fractura y los nodos de
dichas frecuencias naturales, con lo que es posible obtener la informacin de la
posible ubicacin de las fracturas.

El uso de la PSD mostr tener la informacin necesaria para deducir lo anterior, la
presencia de fracturas, y por ende los corrimientos de cada una de las frecuencias
naturales.

El uso del BIS arroj ms informacin que la obtenida con la PSD. Adems de la
informacin obtenida con la PSD, como las frecuencias naturales y sus
corrimientos, con el BIS se encontraron las magnitudes de los acoplamientos que
existen entre las diferentes frecuencias naturales. Son tres diferentes tipos de
acoplamientos; los que se dan entre las mismas frecuencias naturales (cuadrticos),
los que se dan entre diferentes frecuencias naturales, y los acoplamientos entre
frecuencias que sumadas dan una frecuencia natural. Esta informacin pertenece al
172
comportamiento dinmico de la estructura requiriendo un estudio ms profundo
en trabajos posteriores. Aunque la nueva informacin generada (obtenida tanto en
magnitud y fase con el BIS) no se ha entendido por completo, no se descarta que
contenga la informacin necesaria para formar parmetros que ayuden a detectar y
ubicar a las fracturas. Se deja un antecedente para futuras investigaciones sobre
diagnstico y deteccin de fracturas o para estudio del comportamiento dinmico
de las vigas.

Las frecuencias naturales encontradas con los diferentes mtodos son muy
parecidas, como se muestra en la Tabla 8.1. Las diferencias son cuantitativas pero
cualitativamente tienen el mismo comportamiento, de esta forma las variaciones
porcentuales de los corrimientos fueron las mismas tanto en la experimentacin
como en la simulacin.

Tabla 8.1 Comparacin de frecuencias obtenidas por varios mtodos
para una viga de 870mm

Nota: el smbolo indica que esas frecuencias no se determinaron.


8.1 Aportaciones


Se programaron rutinas de procesamiento digital en la plataforma comercial
Matlab para seales de vibracin en estructuras mecnicas con posible
deteccin de la presencia de fracturas.

Las rutinas programadas tienen las caractersticas de ser abiertas al usuario
173
ya que pueden ser modificadas con la posibilidad de agregarle o quitarle
funciones.

Con estas herramientas se tiene un sistema abierto de monitoreo de seales
de vibraciones, pues los futuros usuarios podrn adaptarlo al estudio de
seales de vibracin provenientes de otros equipos, mquinas rotatorias,
estructuras, etc., e incluso al estudio de temas no afines.

Con los resultados obtenidos y el anlisis efectuado, se ha obtenido una
primera metodologa para detectar la presencia de fracturas en vigas
cantiliver, ya sea con la PSD o el BIS.

Se encontr una forma de relacionar los corrimientos de las frecuencias
naturales con los nodos de los modos de vibracin, ayudando a obtener la
posible ubicacin de la fractura.

Se crearon modelos en elemento finito de la viga con y sin fractura que
pueden ser usados y modificados para estudios posteriores.

Se hizo un primer estudio y se us sensores de vibraciones tipo iMEM's. Se
construy e instrument una tarjeta para el iMEM. Adems se calibr y se
us adquirir las seales de vibracin. Estos sensores presentan importantes
ventajas sobre los piezoelctricos convencionales como son bajo costo, fcil
calibracin, biaxiales y digitalizacin de las seales sensadas.

Se deja una base a estudios posteriores sobre procesamiento digital usando
herramientas poliespectrales.


8.2 Recomendaciones a futuros trabajos


Con el BIS se encontraron los acoplamientos de las diferentes frecuencias naturales
de las seales de vibracin con y sin fractura. Esta informacin requiere de un
planteamiento de las estrategias de estudio de vibraciones en vigas cantiliver donde
no solo se consideren los componentes armnicos asociados, sino tambin el efecto
de los acoplamientos entre dichos componentes espectrales en la dinmica de la
viga.

Un procedimiento de estudio sera el analizar las seales de vibracin y sus
acoplamientos solo y exclusivamente para el caso de vigas sin fractura con el fin de
comprender el significado de esta nueva informacin. Una segunda etapa sera el
estudio de cmo se modifica esta informacin poliespectral cuando se presenta la
fractura.

Para este trabajo de investigacin se desarroll una serie de experimentos
174
buscando tener consistencia en la informacin proporcionada por las herramientas
poliespectrales en cuanto a la dinmica de la estructura se refiere. Sin embargo, se
observ que el efecto de todas las variables involucradas en la experimentacin
haca muy complicado el estudio del efecto aislado de cada variable sobre la
dinmica de la estructura. Por ello, se sugiere como trabajo futuro desarrollar
experimentaciones sistematizadas con :

vigas de la misma longitud y misma geometra de la fractura, variando solo la
posicin de la fractura,
vigas de la misma longitud, fractura en la misma posicin y variando la
profundidad de la fractura y/o su espesor,
variar el tipo de fractura: diagonal, transversal, irregular,
vigas con mltiples fracturas.


Los resultados de las experimentaciones y simulaciones que se realizaron en este
trabajo mostraron que las variaciones (corrimientos) de las frecuencias naturales se
relacionan directamente con la posicin de la fractura y los nodos de los modos de
vibracin. Es necesario encontrar una relacin de esta informacin con las
caractersticas de la viga, de manera que sea posible ubicar exactamente la fractura
con un porcentaje de error permitido. Para ello se debe realizar un estudio
matemtico o numrico detallado de dicha informacin.

El uso de los iMEMs mostr tener ventajas sobre el uso de los piezoelctricos, por
lo que es muy recomendable preparar las futuras investigaciones con dichos
dispositivos, lo cual podr servir para analizar las frecuencias naturales laterales,
torsionales y longitudinales.

El uso del BIS en el estudio puede extenderse a diferentes mtodos para la
estimacin del mismo. En el estudio se us un mtodo no paramtrico, adems de
algunas modificaciones del mismo, con el cual se estudia detalladamente a las
frecuencias naturales y sus acoplamientos. Adicionalmente, es posible aplicar
mtodos paramtricos donde los resultados ya no sern el estudio de
acoplamientos de frecuencias naturales, sino de una regin espectral que
representar el comportamiento del sistema. Las variaciones de la misma pueda
dar la informacin necesaria para detectar la fractura, ubicarla y determinar su
magnitud. Este tipo de estudio abrira la posibilidad de usar mtodos de
identificacin de sistemas, control, sistemas inteligentes o redes neuronales para
caracterizar cada uno de los comportamientos y adems de crear nuevos modelos
representativos de la viga y fracturas.
175




Referencias




[1] Adn, Oscar. Deteccin de fracturas en rotores a travs de vibraciones
mecnicas, Tesis de Maestra en Ingeniera Mecnica, cenidet, Mxico,
1986.

[2] Antoniou, Andreas. "Digital Filters: Analysis, design, and applications", 2da
edicin, McGraw-Hill, USA, 1993.

[3] Arthur, Neil ; Penman, Jim. Induction Machine Condition Monitoring with
Higher Order Spectra, IEEE Transactions on Industrial Electronics, Vol. 47,
No. 5, 2000.

[4] Bendat, Julius ; Piersol, Allan. "Random Data Analysis and Measurement
Procedures", Third Edition, John Wiley & Sons, USA, 2000.

[5] Bedolla, Jorge. "Prueba Experimental de Deteccin de Incisiones en Vigas de
Seccin Rectangular Sometidas a Vibracin Forzada", Tesis de Maestra en
Ingeniera Mecnica, cenidet, Mxico, 1999.

[6] Boletin IIE, "Investigacin en torno a equipos Rotatorios, Entrevista con el Dr.
Andrs Rothirsch, jefe del Departamento de Equipos Mecnicos, Vol. 10,
Num. 5, Mxico, 1986

[7] Brillinger, David R. ; Rosenblatt, Murray. "Computation and Interpretation of
k-Th Order Spectra", From B. Harris : Spectral Analysis of Time Series,
1967.
176
[8] Brockett, Patrick L. ; Hinich, Melvin ; Wilson, Gary R. "Bispectral
Characterization of Ocean Acoustic Time Series: Nonlinearity and Non-
Gaussianity", Journal on Acoustics Soc. Amer., Vol. 82, No. 4, 1987

[9] Crdenas, Victor. Filtros Activos Hbridos Para Compensacin Armnica de
Corriente y Correccin de Factor de Potencia en Sistemas Trifsicos,
Doctorado en Ingeniera Electrnica, cenidet, Mxico, 2000.

[10] Chvez, Martn V. ; Poujol Francisco C. ; Snchez, Edgar N. Sistema
computarizado para adquisicin de datos y anlisis dinmico en maquinas
rotatorias, IV Congreso Latinoamericano de Control Automtico, Mxico,
Vol.1, 1990.

[11] Chow, Tommy W. S. ; Tan, Hong-Zhou. HOS-Based Nonparametric and
Parametric Methodologies for Machine Fault Detection, IEEE
Transactions on Industrial Electronics, Vol. 47, No. 5, 2000.

[12] Colas, M. ; Gelle, G. ; Delaunay, G. "Some new results on the discrete
Bispectrum", 2000.

[13] Coln, Jorge. Balanceo de Rotores Asimtricos, Tesis de Maestra en
Ingeniera Mecnica, cenidet, Mxico, 1996.

[14] Corts, Claudia. "Diseo y Construccin de un Sistema de Excitacin
Mecnico para Pruebas de Vibraciones Forzadas con Aplicacin en Pruebas
de Amortiguamiento por Friccin Seca", Tesis de Maestra en Ingeniera
Mecnica, cenidet, Mxico, 1997.

[15] De Silva, Clarance W. "Vibrations Fundamentals and Practice", CRC, 2000

[16] DeGroat, R. D. ; Hunt, L. R. ; Linebarger, D. A. "Nonlinear State Space
Modeling of Sunspot Data", 24
th
ASI Lomar Conference on Signals,
Systems and Computers, vol.1, 1990.

[17] Development Engineering International, "Vibration and process data point
to compressor's problem", 1998,
http://www.coxmoor.com/images/pdfs/vibrationdei.pdf

[18] Dianat, S. A. ; Raghuveer, M. R. "Bispectrum Phase Transformation for
Non-Minumum Phase Signal Reconstruction", IEEE, 1989.

[19] Dimaragonas, Andrew. Vibration for Engineers, Second Edition, Prentice
Hall, 1996.


177
[20] El Hachemi, Mohamed. A Review of Induction Motors Signature Analysis
as a Medium for Faults Detection, IEEE Transactions on Industrial
Electronics, Vol. 47, No. 5, 2000.

[21] Emara-Shabaik, Hosam E. ; Bomberger, John ; Seborg, Dale E.
"Cumulant/Bispectrum Models Structure Identification Applied to a pH
Neutralization Process", UKACC International Conference on Control,
Conference Publication No. 427, 1996.

[22] Erdem, A. T. "A Nonredundant Set for the Bispectrum of 2-D Signals",
IEEE, 1993.

[23] Flanagan, Michael. "Innovative tools for automatic vibration analysis and
diagnosis", Part I & II, 1998,
http://www.coxmoor.com/images/pdfs/vibrationbk.pdf & vibrationbkb.pdf

[24] Fackrell, J. W. ; McLaughlin, S. "Quadratic Phase Coupling Detection
Using Higher Order Statistics", IEE, UK, 1995.

[25] Gatt, George; Kalouptsidis, Nicholas. "Identification of discrete-time state
affine state space models using cumulants", Elsevier Science, Automatica
No.38, 2002.

[26] Gutirrez, Enrique. Influencia de la variacin de la frecuencia de excitacin
sobre la deteccin de parmetros modales de sistemas vibratorios, Tesis
de Maestra en Ingeniera Mecnica, cenidet, Mxico, 1995

[27] Grewal, Mohinder; Andrews, Angus. "Kalman Filtering : Theory and
Practice", Prentice Hall, USA, 1993.

[28] Hartog, J.P. Den. Mecanica de las Vibraciones, 5 Impresin, C.E.C.S.A.,
1964.

[29] Hayes, Monson H. "Stastistical Digital Signal Processing and Modeling",
John Wiley & Sons, USA, 1996.

[30] Komninos, Nick. "Inspeccin ultrasnica de los rodamientos", 1999
http://www.alcion.es/DOWNLOAD/ArticulosPDF/gai/gratis/03articulo.pdf

[31] Linding, Michael. A Single-Chip Digital Phase Meter for Vibration Analysis
of Rotating Machinery, Proceedings of the 40th Midwest Sysposium on
Circuits and Systems, Volume 2, USA, 1997.

[32] Ludeman, Lonneie. "Fundamentals of Digital Signal Processing", John
Wiley & Sons, USA, 1986.
178
[33] Martinez, Eladio. Anlisis del Impacto en Vigas de Seccin Rectangular
Sometidas a Vibracin Forzada, Maestra en Ingeniera Mecnica, cenidet,
Tesis de Mxico, 1999.

[34] Mcconnell, Kenneth. G. "Vibration Testing: Theory and Practice", John
Wiley & Sons, USA, 1995.

[35] Mendel, Jerry M. "Introduction Special Issue on Higher Order Statistics in
System Theory and Signal Processing", IEEE Transactions on Automatic
Control, Vol. 35, No. 1, 1990.

[36] Mendel, Jerry M. "Prolog to : Tutorial on Higher-Order Statistics (Spectra)
in Signal Processing and System Theory: Theoretical Results and Some
Applications", Proceedings of the IEEE, Vol. 79, No. 3, 1991.

[37] Mendel, Jerry M. "Tutorial on Higher-Order Statistics (Spectra) in Signal
Processing and System Theory: Theoretical Results and Some
Applications", Proceedings of the IEEE, Vol. 79, No. 3, 1991.

[38] Moreno, Asuncin ; Rutlln, Miquel. " Integrated Polispectrum on Speech
Recognition", http://www.asel.udel.edu/icslp/cdrom/vol2/775/a775.pdf,
Proc. ICSLP'96, USA, 1996.

[39] Muoz, Rodolfo. Metodologa de construccin de pesos modales para
balanceo de rotores, Tesis de Maestra en Ingeniera Mecnica, cenidet,
Mxico, 1992.

[40] Newland, D. E. "An introduction to Random Vibrations, Spectral & Wavelet
Analysis", 3ra Edicin, Longman, Singapore, 1993.

[41] Nikias, Chrysostomos L. ; Mendel, Jerry M. "Introduction Special Section
on Higher Order Spectral Analysis", IEEE Transactions on Acustics,
Speech, and Signal Processing, Vol. 38, No. 7, 1990.

[42] Nikias, C. L. ; Mendel, J. "Signal Processing with Higher-Order Spectra",
IEEE Signal Processing Magazine, 1993.

[43] Nikias, Chrysostomos L. ; Raghuveer, Mysore. "Bispectrum Estimation: A
Digital Signal Processing Framework", Proceedings of the IEEE, Vol. 75,
No.7, 1987.

[44] Oliver, Marco. "Parametric Higher-Order Spectral Representation Based on
Non-Linear Models", PhD Thesis, University of Sheffield, 1994.

179
[45] Petropulu, A. P. ; Nikias, C. L. "Signal Reconstruction from the Phase of the
Bispectrum", IEEE Transactions on Signal Processing, Vol. 40, No. 3, 1992.

[46] Peyton, Peebels. "Probabibility, random variables, and random signal
principles", McGraw-Hill, Japan, 1980.

[47] Priestley, M. B. "Spectral Analysis and Time Series", Vol. 2, Multivariate
Series, Prediction and Control., Academis Press. Eds., UK, 1981

[48] Raghuveer, M. R. ; Nikias, C. L. "Bispectrum Estimation: A Parametric
Approach", IEEE Transactions on Acoustics, Speech and Signal Processing,
Vol.ASSP-33, No. 4, 1985.

[49] Rao, Singiresu S. "Mechanical Vibrations",Third Edition, Addison-
Wesley,1995.

[50] Rivola, Alessandro. Comparison Between Second and Higher Order Spectra
Analysis in Detecting Structural Damages. Proceedings of Seventh
International Conference on Recent Advances in Structural Dynamics, UK,
2000.

[51] Rivola, Alessandro. Crack Detection by Bispectral Analysis, XIII
Congresso Nazionale Associazione Italiana di Meccanica Teorica ed
Applicata - AIMETA'97, Italia, 1997.

[52] Ross, Sheldom. "Introduction to Probabibility and Statistics for engineers
and scientists", John Wiley & Sons, USA, 1987.

[53] Schwartz, Mischa ; Shaw, Leonard. "Signal Processing : Discrete spectral
analysis, detection, and estimation", McGraw-Hill, USA, 1975.

[54] Sotelo, Carlos. "Anlisis Numrico y Experimental de Impacto en Vigas con
Vibracin Transversal", Tesis de Maestra en Ingeniera Mecnica, cenidet,
Mxico, 1993.

[55] SKF, Programa de Mantenimiento Proactivo (PRM),
http://www.skf.com.mx/servicios/balanceo.htm

[56] Spaargaren, A. ; English, M. J. "Late Potential Detection using the Phase of
the Bispectrum", IEEE, Computers in Cardiology, Vol. 25, 1998.

[57] Stearns, Samuel; David, Ruth. "Signal processing algorithms in MatLab",
Prentice Hall, USA, 1996.
180
[58] Stearns, Samuel. "Digital Signal Analysis", Hayden Book Company, USA
1975.

[59] Subba Rao, T. ; Gabr, M. "An introduction to Bispectral Analysis and
Bilinear time Series Models", Springer - Verlag, Berlin, 1984.

[60] Swami, A; Mendel, J; Nikias, C. "Higher-Order Spectral Analysis Toolbox :
For Use with MatLab", User's Guide Version 2, MathWorks, 1998.

[61] Takaya, Kunio ; Dodds, David E. "Bispectrum Phase Estimation for /4
DQPSK Signals Under Flat Fading", ISPACS99 Phuket, Tailandia, 1999.

[62] Tellez, Adriana del Carmen. "Desarrollo de algoritmos basados en DSP para
el procesamiento de seales de vibracin", Tesis de Maestra en Ingeniera
Electrnica, cenidet, 1998.

[63] Thomson, D. J. "Multi-Window Bispectrum Estimates", Proc. IEEE
Workshop on Higher-Order Spectral Analisys, 1989.

[64] Toledo, E. ; Pinhas, I. ; Aravot, D. ; Akselrod, S. "Bispectrum and
Bicoherence for the Investigation of Very High Frecuency Peaks in Heart
Rate Variability", Proceedings of the IEEE, Computers in Cardiology,
No. 28, 2001.

[65] Vzquez, Jaime. "Deteccin Terica de Grietas en Vigas con Vibracin
Transversal", Tesis de Maestra en Ingeniera Mecnica, cenidet, Mxico,
1998.

[66] Vibro-Meter SA, "Vibration and performance monitoring unite to reveal
more", 1998,
http://www.coxmoor.com/images/pdfs/vibrationperformance.pdf

[67] White, Glenn. "Cepstrum Analysis", 1998,
http://www.predict-dli.com/Articles/cepstrum.html


















Anexos
183
Anexo I



Vectores resultantes de las variables aleatorias x(t) y y(t), creados en Matlab (ver
seccin 5.2).

Variable aleatoria x(t) con funcin de densidad de probabilidad uniforme:

x =[ 0. 6154 0. 7919 0. 9218 0. 7382 0. 1763 0. 4057 0. 9355 0. 9169
0. 4103 0. 8936 0. 0579 0. 3529 0. 8132 0. 0099 0. 1389 0. 2028 0. 1987
0. 6038 0. 2722 0. 1988 0. 0153 0. 7468 0. 4451 0. 9318 0. 4660 0. 4186
0. 8462 0. 5252 0. 2026 0. 6721 0. 8381 0. 0196 0. 6813 0. 3795 0. 8318
0. 5028 0. 7095 0. 4289 0. 3046 0. 1897 0. 1934 0. 6822 0. 3028 0. 5417
0. 1509 0. 6979 0. 3784 0. 8600 0. 8537 0. 5936] ;

Variable aleatoria y(t) con funcin de densidad de probabilidad Gaussiana :

y =[ - 0. 1867 0. 7258 - 0. 5883 2. 1832 - 0. 1364 0. 1139 1. 0668 0. 0593
- 0. 0956 - 0. 8323 0. 2944 - 1. 3362 0. 7143 1. 6236 - 0. 6918 0. 8580
1. 2540 - 1. 5937 - 1. 4410 0. 5711 - 0. 3999 0. 6900 0. 8156 0. 7119
1. 2902 0. 6686 1. 1908 - 1. 2025 - 0. 0198 - 0. 1567 - 1. 6041 0. 2573 -
1. 0565 1. 4151 - 0. 8051 0. 5287 0. 2193 - 0. 9219 - 2. 1707 - 0. 0592 -
1. 0106 0. 6145 0. 5077 1. 6924 0. 5913 - 0. 6436 0. 3803 - 1. 0091 -
0. 0195 - 0. 0482] ;



Datos de los ejemplos de procesamiento (ver seccin 5.5).


Mediciones anuales de la intensidad de las manchas solares de 1700 a 1955.

sunspot =[ 5 11 16 23 36 58 29 20 10 8 3 0 0 2 11 27 47 63
60 39 28 26 22 11 21 40 78 122 103 73 47 35 11 5 16 34
70 81 111 101 73 40 20 16 5 11 22 40 60 80. 9 83. 4 47. 7
47. 8 30. 7 12. 2 9. 6 10. 2 32. 4 47. 6 54 62. 9 85. 9 61. 2 45. 1 36. 4
20. 9 11. 4 37. 8 69. 8 106. 1 100. 8 81. 6 66. 5 34. 8 30. 6 7 19. 8 92. 5
154. 4 125. 9 84. 8 68. 1 38. 5 22. 8 10. 2 24. 1 82. 9 132 130. 9 118. 1
89. 9 66. 6 60 46. 9 41 21. 3 16 6. 4 4. 1 6. 8 14. 5 34 45 43. 1
47. 5 42. 2 28. 1 10. 1 8. 1 2. 5 0 1. 4 5 12. 2 13. 9 35. 4 45. 8 41. 1
30. 1 23. 9 15. 6 6. 6 4 1. 8 8. 5 16. 6 36. 3 49. 6 64. 2 67 70. 9 47. 8
27. 5 8. 5 13. 2 56. 9 121. 5 138. 3 103. 2 85. 7 64. 6 36. 7 24. 2 10. 7
15 40. 1 61. 5 98. 5 124. 7 96. 3 66. 6 64. 5 54. 1 39 20. 6 6. 7 4. 3
22. 7 54. 8 93. 8 95. 8 77. 2 59. 1 44 47 30. 5 16. 3 7. 3 37. 6 74
139 111. 2 101. 6 66. 2 44. 7 17 11. 3 12. 4 3. 4 6 32. 3 54. 3 59. 7
63. 7 63. 5 52. 2 25. 4 13. 1 6. 8 6. 3 7. 1 35. 6 73 85. 1 78 64 41. 8
26. 2 26. 7 12. 1 9. 5 2. 7 5 24. 4 42 63. 5 53. 8 62 48. 5 43. 9 18. 6
5. 7 3. 6 1. 4 9. 6 47. 4 57. 1 103. 9 80. 6 63. 6 37. 6 26. 1 14. 2 5. 8
16. 7 44. 3 63. 9 69 77. 8 64. 9 35. 7 21. 2 11. 1 5. 7 8. 7 36. 1 79. 7
111. 4 109. 6 88. 8 67. 8 47. 5 30. 6 16. 3 9. 6 33. 2 92. 6 151. 6 136. 3
134. 7 83. 9 69. 4 31. 5 13. 9 4. 4 38] ;
184

Mediciones anuales de la migracin del lince canadiense de 1821 a 1934.

l ynx=[ 269 321 585 871 1475 2821 3928 5943 4950 2577 523 98
184 279 409 2285 2685 3409 1824 409 151 45 68 213 546 1033
2129 2536 957 361 377 225 360 731 1638 2725 2871 2119 684
299 236 245 552 1623 3311 6721 4245 687 255 473 353 784 1594
1676 2251 1426 756 299 201 229 469 736 2042 2811 4431 2511
389 73 39 49 59 188 377 1292 4031 3495 587 105 153 387 758
1307 3465 6991 6313 3794 1836 345 382 808 1388 2713 3800 3091
2985 3790 674 81 80 108 229 399 1132 2432 3574 2935 1537 529
485 662 1000 1590 2657 3396] ;
185
Anexo II



Programa en MatLab para calcular las frecuencias naturales de una viga en
cantiliver.


%- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - %
% %
% Pr ogr ama : f r eqn %
% %
% Cal cul o de l as f r eq nat l at er al es %
% de una vi ga en cant i l i ver %
% %
%- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - %


b=i nput ( ' Base : ' ) ; %I nt r odoci r l as
h=i nput ( ' Al t ur a : ' ) ; %var i abl es necesar i as.
L=i nput ( ' Longi t ud : ' ) ;

E=2. 06e11; %Modul o de Young
I =b*h*h*h/ 12; %Cal cul o de momde i ner ci a.
p=7850; %Masa l ongi t udi nal
A=b*h; %Ar ea secci on t r ansver sal

l ( 1) =1. 875404; %Val or es de l ambda
l ( 2) =4. 694091;
l ( 3) =7. 854757;
l ( 4) =10. 99554;
l ( 5) =14. 137168;
l ( 6) =17. 27876;
l ( 7) =20. 4204;

s=sqr t ( E*I / ( p*A*L*L*L*L) ) ; % Cal cul o de l as
% f r ecuenci as nat ur al es
f or i =1: 7 % angul ar es.
wn( i ) =( l ( i ) ^2) *s;
end

f n = wn/ ( 2*pi ) ; %Fr ec. Nat ur al es.
[ f n]

En el programa anterior se piden las caractersticas de la viga como son su espesor,
ancho y longitud. El mdulo de Young y la masa longitudinal pueden ser
modificados directamente en el programa.

Programa en Mathematica para calcular las frecuencias naturales de una viga y sus
modos de vibracin.


186
Nombre del Programa : Modos_de_Vib.nb







Este programa tambin calcula las frecuencias naturales de la viga en cuestin,
pero su uso principal es obtener los desplazamientos de los primeros siete modos
de vibracin. El rea transversal, la longitud de la viga, su momento de inercia y la
masa longitudinal son las variables que se deben modificar para calcular los
desplazamientos de la viga deseada. Para graficar los modos deseados solo es
necesario borrar los que no se quieran ver en la funcin Pl ot .
187
Anexo III

Resumen de los resultados del procesamiento de los datos experimentales




donde :
d
xy
=dato del caso de viga (x) del acelermetro nmero y.
f

=frecuencia obtenida experimentalmente [Hz]
Amplitud

=amplitud del pico de frecuencia [adimensional]
0
0
%
f
f f
f

= =porcentaje de variacin
Nota : La Tabla 6.5 completa se puede ver en el CD de la tesis.
Tabla 6.5 PSD de viga de longitud 530mm con y sin fractura, con sensores
en ubicacin normalizada, excitada con martillo y punta verde.
188


donde: d
xy
=dato del caso de viga (x) del acelermetro nmero y.
f
1
=frecuencia 1 del BIS [Hz]
f
2
=frecuencia 2 del BIS [Hz]
Amplitud

=amplitud del pico de frecuencia [adimensional]
fase =fase del acoplamiento de f
1
y f
2
[rad]

Nota : La Tabla 6.5 completa se puede ver en el CD de la tesis.
Tabla 6.5 BIS de viga de longitud 530mm con y sin fractura, con sensores
en ubicacin normalizada excitada con martillo y punta verde.
189



donde: d
xy
=dato del caso de viga (x) del acelermetro nmero y.
BIS
md
=biespectro modificado
f
1
=frecuencia 1 del BIS
md
[Hz]
f
2
=frecuencia 2 del BIS
md
[Hz]
Amplitud

=amplitud del acoplamiento de f
1
y f
2
[adimensional]

Nota : La Tabla 6.6 completa se puede ver en el CD de la tesis.

Tabla 6.6 BIS
md
de viga de longitud 530mm con y sin fractura, con sensores
en ubicacin normalizada, excitada con martillo y punta verde.
190


donde: f
1
=frecuencia 1 del BIS
xyz
[Hz]
f
2
=frecuencia 2 del BIS
xyz
[Hz]
Amplitud

=amplitud del acoplamiento de f
1
y f
2
[adimensional]
fase =fase del acoplamiento de f
1
y f
2
[rad]

Nota : La Tabla 6.7 completa se puede ver en el CD de la tesis.
Tabla 6.7 Biespectro cruzado (BIS
xyz
) de viga de longitud 530mm con y sin fractura,
con sensores en ubicacin normalizad, excitada con martillo y punta verde.
191




donde:
dif
BIS
=diferencia del BIS
f
1
=frecuencia 1 de la diferencia [Hz]
f
2
=frecuencia 2 de la diferencia [Hz]
Amplitud

=amplitud del acoplamiento de f
1
y f
2
[adimensional]
fase =fase del acoplamiento de f
1
y f
2
[rad]


Nota : La Tabla 6.8 completa se puede ver en el CD de la tesis.

Tabla 6.8 Diferencia de BIS (dif
BIS
) de viga de longitud 530mm con y sin fractura,
con sensores en ubicacin normalizada, excitada con martillo y punta verde.
193
Anexo IV


Manual de funciones




de la tesis:



"Procesamiento digital de seales de vibracin
con fines de diagnstico"









Jaime F. Aviles V.
Julio Rodrguez N.






Gua de usuarios.
Funciones para MatLab.



194
































Manual de funciones de la tesis : "Procesamiento digital de seales
de vibracin con fines de diagnstico".
Suplemento de la tesis para los lectores y usuarios que utilicen las
funciones creadas para la investigacin y comprensin de la misma.
Este documento no pretende ser una gua terica de las estadsticas
de alto orden o del poliespectro. La tesis, para le que fue creado este
manual, debe ser la base de estudio y las funciones de esta manual
sern solo las herramientas de trabajo.

Agosto 2003
195



ndice




Especificaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196

Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197

bi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
bie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
biop. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
biper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
biperi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
biperw. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
biperzxy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
biw. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
bixyz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
bmodif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
bsop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
corri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
cumu2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
cumu2o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
cumu2xy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
cumu3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
cumu3r. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
cumu3rop. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
cumu3xyz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
mom2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
mom3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
pe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
per. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
peri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
perw . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
perxy. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
pew . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
pexy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231

Ventanas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
196
Especificaciones



Las funciones de este manual fueron creadas en el MatLab v.5.3. Pueden ser
usadas en versiones ms avanzadas e incluso en versiones anteriores, gracias a
que usan solo comandos bsicos de programacin en MatLab.

Para usar las funciones deben estar en la carpeta de trabajo de MatLab:


c: \ mat l abr xx\ wor k


Es preferible copiar todas las funciones ya que algunas de ellas usan otras de esas
mismas funciones creadas.

Las funciones que se recomiendan para el procesamiento de datos son :

En el dominio de la frecuencia :

pe() para obtener el periodograma de una seal,
pew() para obtener el periodograma con ventana de una seal,
pexy() para obtener el periodograma cruzado de 2 seales,
bi() para obtener el biperiodograma de una seal,
biw() para obtener el biperiodograma con ventana de una seal,
bixyz() para obtener el biperiodograma cruzado de 2 3 seales.

En el dominio del tiempo :

mom2() para obtener el momento de 2do orden de una seal,
mom3() para obtener el momento de 3er orden de una seal,
cumu2() para obtener el cumulante de 2do orden de una seal,
cumu3() para obtener el cumulante de 3er orden de una seal,
cumu2xy() para obtener el cumulante cruzado de 2do orden de una seal,
cumu3xyz() para obtener el cumulante cruzado de 3er orden de una seal.

En el caso de usar una rutina que tenga ventana si no se pone adecuadamente el
mtodo, no se calcular la ventana y ser una ventana rectangular.

Para calcular la PSD y BIS de una seal se debe usar simplemente pe() y bi() sin
hacer particiones.
197
bi( )




Propsito : Funcin del biperiodograma optimizado.


bi(x,n) calcula el biperiodograma del vector x haciendo n particiones. Se obtiene
solo la regin no redundante del biperiodograma.
El mtodo usado es el directo y se promedia en frecuencia.


Sintaxis :

bi s=bi ( x, n) ;

donde

x : es el vector de datos
n : es una constante


Descripcin :

Al vector de datos x se le quita su media. Se hacen n particiones del vector x sin
agregar ceros. A cada particin se le quita la media y se obtiene su transformada
de Fourier.
Con los vectores de X en el dominio de la frecuencia se obtiene el producto triple
para obtener el BIS de cada particin de acuerdo a la siguiente expresin:

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + =

X X X BIS
x


A los BIS obtenidos se les divide entre la longitud de la muestra y se les promedia
en frecuencia para obtener el biperiodograma resultante.
198
bie( )




Propsito : Funcin del BIS completo.


bie(x) calcula el BIS del vector x del primer cuadrante del plano f1-f2.
El mtodo usado es el directo.


Sintaxis :

bi s=bi e( x) ;

donde

x : es el vector de datos


Descripcin :

Del vector de datos x se obtiene el BIS en la regin f1>0, f2>0, sin hacer al vector
de datos de media cero. Se obtiene la transformada de Fourier del vector x para
obtener su forma en el dominio de la frecuencia X.
Con el vector de X en el dominio de la frecuencia se obtiene el producto triple para
obtener el BIS de acuerdo a la siguiente expresin:

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + =

X X X BIS
x


A los BIS obtenido se le normaliza dividiendolo entre la longitud de la muestra.

199
biop( )




Propsito : Funcin del BIS para la regin no redundante.


biop(x) calcula el BIS del vector x solo en la regin no redundante.
El BIS se obtiene a travs de la matriz de cumulantes de tercer orden.

Sintaxis :

bi s=bi op( x) ;

donde

x : es la matriz de cumulantes de tercer orden

Descripcin :

De la matriz de cumulantes de tercer orden se obtiene su transformada de Fourier
bidimensional con lo que se obtiene el BIS completo. Despus al BIS se le recorta
dejando solo la regin no redundante que se encuentra en :

f
2
0, f
1
f
2,
f
2
+2f
1
f
C


siendo fc la frecuencia de corte.

200
biper( )




Propsito : Funcin del biperiodograma.


biper(x,n) calcula el biperiodograma del vector x haciendo n particiones. Se
obtiene solo la regin no redundante del biperiodograma. El biperiodograma se
obtiene de los cumulantes y se promedia en frecuencia.

Sintaxis :

bi s=bi per ( x, n) ;

donde

x : es el vector de datos
n : es una constante


Descripcin :

Del vector de datos x se hacen n particiones sin agregar ceros. De cada particin
se obtiene su matriz de cumulantes de tercer orden. A las matrices de cumulantes
se les saca su transformada de Fourier bidimensional

( ) ( )
( )
2 2 1 1
2 1
2 1 , 3 2 1
, ,



+

=

=
j
x x
e c BIS


y solo se obtiene la parte no redundante. A los BIS obtenidos se les promedia en
frecuencia para obtener el biperiodograma.

( ) ( ) ( ) ( )

+ + =

= =

N
m n
j
l l l
N
i
N
m
N
n
M
l
x
e m i x n i x i x
N M
I
2 1
1
0
1
0
1
0 1
2 1
1 1
,



Rutinas usadas:

cumu3() Para obtener los cumulantes de 3er orden de las
particiones.

biop() Para obtener el BIS de cada particin en la regin no
redundante.
201
biperi( )




Propsito : Funcin del biperiodograma.


biperi(x,n) calcula el biperiodograma del vector x haciendo n particiones. Se
obtiene solo la regin no redundante del biperiodograma. El biperiodograma se
obtiene de los cumulantes usando su definicin completa y se promedia en
frecuencia.

Sintaxis :

bi s=bi per i ( x, n) ;

donde

x : es el vector de datos
n : es una constante


Descripcin :

Del vector de datos x se hacen n particiones sin agregar ceros. De cada particin
se obtiene su matriz de cumulantes de tercer orden. A las matrices de cumulantes
se les saca su transformada de Fourier bidimensional

( ) ( )
( )
2 2 1 1
2 1
2 1 , 3 2 1
, ,



+

=

=
j
x x
e c BIS


y solo se obtiene la parte no redundante. A los BIS obtenidos se les promedia en
frecuencia para obtener el biperiodograma.

( ) ( ) ( ) ( )

+ + =

= =

N
m n
j
l l l
N
i
N
m
N
n
M
l
x
e m i x n i x i x
N M
I
2 1
1
0
1
0
1
0 1
2 1
1 1
,



Rutinas usadas:

cumu3r() Para obtener los cumulantes de 3er orden de las
particiones.

biop() Para obtener el BIS de cada particin en la regin no
redundante.
202
biperw( )




Propsito : Funcin del biperiodograma con ventanas.


biperw(x,n,'met',A) calcula el biperiodograma del vector x haciendo n particiones,
con una ventana de ancho A. Se obtiene solo la regin no redundante del
biperiodograma. El biperiodograma se obtiene de los cumulantes y se promedia
en frecuencia.

Sintaxis :

bi sw=bi per w( x, n, ' met ' , A) ;

donde

x : es el vector de datos
n : es una constante
met : es la opcin (mtodo) de la ventana a aplicar.

opciones :
d = Daniel
p = Parzen
k = Kaiser
t = Tukey-Hamming

A: el ancho de la ventana


Descripcin :

Del vector de datos x se hacen n particiones sin agregar ceros. Se calcula la
ventana correspondiente, para la longitud de las particiones, de ancho A.
De cada particin se obtiene su matriz de cumulantes de tercer orden. A las
matrices de cumulantes se les multiplica por la ventana calculada y al producto se
le saca su transformada de Fourier bidimensional

( ) ( )
( )
2 2 1 1
2 1
2 1
2 1 , 3 2 1
, , ,




+

=

j
x x
e
A A
w c BISw

y solo se obtiene la parte no redundante. A los BIS obtenidos se les promedia en
frecuencia para obtener el biperiodograma.

203
( ) ( )

=

=
A A
w c
M
Iw
l
x
M
l
x
2 1
2 1 , 3
1
2 1
, ,
1
,


2
Y

Las definiciones de las ventanas pueden verse en la pgina 232.

Rutinas usadas:

cumu3() Para obtener los cumulantes de 3er orden de las
particiones.

biop() Para obtener el BIS de cada particin en la regin no
redundante.

204
biperxyz( )




Propsito : Funcin del biperiodograma cruzado.


biperxyz(x,y,z,n) calcula el biperiodograma cruzado de los vectores x, y, y z
haciendo n particiones.
El BIS se obtiene a travs de la transformada de Fourier bidimensional de las
matrices de cumulantes cruzados de tercer orden, y se promedia en frecuencia.


Sintaxis :

bi sxyz=bi per xyz( x, y, z, n) ;

donde

x : vector de datos
y : vector de datos
z : vector de datos
n : una constante

Descripcin :

De los vectores de datos x, y, y z se hacen n particiones sin agregar ceros. De cada
particin de cada vector de datos se obtiene la matriz de cumulantes de tercer
orden. A las matrices de cumulantes se le saca su transformada de Fourier
bidimensional

( ) ( )
( )
2 2 1 1
2 1
2 1 2 1
, ,



+

=

=
j
xyz xyz
e c BIS


A los BISxyz obtenidos se les promedia en frecuencia para obtener el
biperiodograma cruzado.

( ) ( ) ( ) ( )

+ + =

= =

N
m n
j
l l l
N
i
N
m
N
n
M
l
xyz
e m i z n i y i x
N M
I
2 1
1
0
1
0
1
0 1
2 1
1 1
,



Para obtener las diferentes formas de cruzar los vectores de datos solo es
necesario cambiar el orden de la entrada de los vectores,


205
e.g.


bi syzx=bi per xyz( y, z, x, n) ;
bi sxyx=bi per xyz( x, y, x, n) ;
bi sxxx=bi per xyz( x, x, x, n) ;


Para el caso bisxxx = bis3x puede usarse cualquier funcin de : bi(), biper(),
biperi() o bie(), obteniendo los mismos resultados.

Rutinas usadas:

cumu3xyz() Para obtener los cumulantes de 3er orden cruzados de
las particiones.


206
biw( )




Propsito : Funcin del biperiodograma con ventanas.


biw(x,n,'met',A) calcula el biperiodograma del vector x haciendo n particiones,
con una ventana de ancho A. Se obtiene solo la regin no redundante del
biperiodograma. El biperiodograma se obtiene por el mtodo directo y se
promedia en frecuencia.

Sintaxis :

bi sw=bi w( x, n, ' met ' , A) ;

donde

x : es el vector de datos
n : es una constante
met : es la opcin (mtodo) de la ventana a aplicar.

opciones :
d = Daniel
p = Parzen
h = von Hann
m = Blackman
k = Kaiser
t = Tukey-Hamming
b = Bartlett-Priestley

A: el ancho de la ventana


Descripcin :

Al vector de datos x se le quita su media. Se hacen n particiones del vector x sin
agregar ceros. A cada particin se le quita la media. Se calcula la ventana
correspondiente, para la longitud de las particiones, de ancho A. Con la ventana se
hace el producto de la misma con las particiones y se obtiene su transformada de
Fourier.

( ) ( )

=
M
w x Xw

Y

Con los vectores de Xw en el dominio de la frecuencia se obtiene el producto triple
207
para obtener el BIS de cada particin de acuerdo a la siguiente expresin:

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + =

X X X BIS
x


A los BIS obtenidos se les divide entre la longitud de la muestra y se les promedia
en frecuencia para obtener el biperiodograma resultante.

Las definiciones de las ventanas pueden verse en la pgina 232.


208
bixyz( )




Propsito : Funcin del biperiodograma cruzado.


bixyz(x,y,z,n) calcula el biperiodograma cruzado de los vectores x, y, y z haciendo
n particiones. El BIS se obtiene por el mtodo directo y se promedia en frecuencia.


Sintaxis :

bi sxyz=bi xyz( x, y, z, n) ;

donde

x : vector de datos
y : vector de datos
z : vector de datos
n : una constante


Descripcin :

De los vectores de datos x, y, y z se les quita su media. Se hacen n particiones de
los vectores sin agregar ceros. A cada particin se le quita la media y se obtiene su
transformada de Fourier.
Con los vectores de X, Y, y Z en el dominio de la frecuencia se obtiene el producto
triple para obtener el BISxyz de cada particin de acuerdo a la siguiente
expresin:

( ) ( ) ( ) ( )
2 1 2 1 2 1
, + =

Z Y X BIS
xyz


A los BIS obtenidos se les divide entre la longitud de la muestra y se les promedia
en frecuencia para obtener el biperiodograma resultante.


Para obtener las diferentes formas de cruzar los vectores de datos solo es
necesario cambiar el orden de la entrada de los vectores,

e.g.


bi syzx=bi xyz( y, z, x, n) ;
bi sxyx=bi xyz( x, y, x, n) ;
209
bi sxxx=bi xyz( x, x, x, n) ;


Para el caso bisxxx = bis3x puede usarse cualquier funcin de : bi(), biper(),
biperi() o bie(), obteniendo los mismos resultados.

210
bmodif( )




Propsito : Funcin del BIS modificado.


bmodif(x) calcula el biespectro modificado de la matriz x, siendo x una matriz de
BIS.


Sintaxis :

bi smod=bmodi f ( x) ;

donde

x : es la matriz de BIS


Descripcin :

De la matriz de BIS se obtiene su fase y la longitud de la misma. Se calcula la
mscara de modificacin para resaltar la informacin de la fase y se multiplica por
el BIS.

( ) ( )
( )



2 1
2 1 2 1
,
, ,
BIS
BIS BIS
md

=


Los valores de la mascara varan de 0 a 1.
211
bsop( )




Propsito : Funcin del BIS para la regin no redundante.


bsop(x) calcula la transformada de Fourier bidimensional de la matriz de
cumulantes x, obteniendo el BIS en la regin no redundante.

Sintaxis :

bi s=bsop( x) ;

donde

x : es la matriz de cumulantes de tercer orden

Descripcin :

De la matriz de cumulantes de tercer orden se obtiene su transformada de Fourier
bidimensional en forma manual

( ) ( )


=

=
=
1
0
, 3
1
0
2 1
2 1
, ,
N
m
N
m n
j
x
N
n
x
e m n c BIS




para la regin no redundante:

f
2
0, f
1
f
2,
f
2
+2f
1
f
C


siendo fc la frecuencia de corte.
212
corri( )




Propsito : Funcin de corrimiento.


corri(x,td) corre la seal o secuencia x en td espacios.

Sintaxis :

xc=cor r i ( x, t d) ;

donde

x : es el vector de datos
td : es una constante


Descripcin :

Al vector de datos x se le recorre en td espacios, la forma del corrimiento es
circular. Por ser corrimiento circular, su mximo corrimiento real es la longitud
del vector de datos menos uno.
213
cumu2( )




Propsito : Funcin del cumulante de segundo orden.


cumu2(x) calcula el cumulante de segundo orden del vector x. La forma de
obtener el cumulante es la manera rpida, haciendo al vector x de media cero.

Sintaxis :

c2x=cumu2( x) ;

donde

x : es el vector de datos


Descripcin :

Al vector de datos x se le quita la media. Se calcula el cumulante mediante el
producto doble de datos.

( ) ( ) ( ) ( ) { } + = = t x t x E m c
x x 2 2


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1




Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

214
cumu2o( )




Propsito : Funcin del cumulante de segundo orden.


cumu2o(x) calcula el cumulante de segundo orden del vector x. La forma de
obtener el cumulante es mediante su definicin.

Sintaxis :

c2x=cumu2o( x) ;

donde

x : es el vector de datos


Descripcin :

Del vector de datos x se calcula el cumulante mediante su definicin completa.

( ) ( ) ( ) { } ( ) { } ( ) { } + + = t x E t x E t x t x E c
x 2


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1



Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

215
cumu2xy( )




Propsito : Funcin del cumulante de segundo orden cruzado.


cumu2xy(x,y) calcula el cumulante cruzado de segundo orden de los vectores x y
y. La forma de obtener el cumulante es la manera rpida, haciendo los vectores de
media cero.


Sintaxis :

c2xy=cum2xy( x, y) ;

donde

x : vector de datos
y : vector de datos


Descripcin :

A los vectores de datos x y y se les quita la media. Se calcula el cumulante
mediante el producto doble de ambos datos.

( ) { } ( ) ( ) { } + = = t y t x E xy E c
xy 2 1
,


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1



Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

216
cumu3( )




Propsito : Funcin del cumulante de tercer orden.


cumu3(x) calcula el cumulante de tercer orden del vector x de manera optimizada.
La forma de obtener el cumulante es la manera rpida, haciendo al vector x de
media cero.

Sintaxis :

c3x=cumu3( x) ;

donde

x : es el vector de datos


Descripcin :

Al vector de datos x se le quita la media. Se calcula el cumulante mediante el
producto triple de datos.

( ) ( ) ( ) ( ) ( ) { }
2 1 2 1 3 2 1 3
, , + + = = t x t x t x E m c
x x


solo en la regin :

n

0, m

n

siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1




Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

217
cumu3r( )




Propsito : Funcin del cumulante de tercer orden.


cumu3r(x) calcula el cumulante de tercer orden del vector x. La forma de obtener
el cumulante es mediante su definicin.

Sintaxis :

c3x=cumu3r ( x) ;

donde

x : es el vector de datos


Descripcin :

Del vector de datos x se calcula el cumulante mediante su definicin completa.

( ) ( ) ( ) ( ) { } ( ) { } ( ) { } ( ) { }
( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } [ ]
1 2 2 1 2 1
2 1 2 1 2 1 3

2 ,


+ + + + + + + +
+ + + + + =
t x t x E t x E t x t x E t x E t x t x E t x E
t x E t x E t x E t x t x t x E c
x


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1



Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

218
cumu3rop( )




Propsito : Funcin del cumulante de tercer orden.


cumu3rop(x) calcula el cumulante de tercer orden del vector x de forma
optimizada. La forma de obtener el cumulante es mediante su definicin.

Sintaxis :

c3x=cumu3r op( x) ;

donde

x : es el vector de datos


Descripcin :

Del vector de datos x se calcula el cumulante mediante su definicin completa.

( ) ( ) ( ) ( ) { } ( ) { } ( ) { } ( ) { }
( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } ( ) { } ( ) ( ) { } [ ]
1 2 2 1 2 1
2 1 2 1 2 1 3

2 ,


+ + + + + + + +
+ + + + + =
t x t x E t x E t x t x E t x E t x t x E t x E
t x E t x E t x E t x t x t x E c
x


para la regin :

n

0, m

n

siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1



Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

219
cumu3xyz( )




Propsito : Funcin del cumulante de tercer orden cruzado.


cumu3xyz(x,y,z) calcula el cumulante de tercer orden de los vectores x, y y z. La
forma de obtener el cumulante es la manera rpida, haciendo los vectores de
media cero.


Sintaxis :

c3xyz=cum3xyz( x, y, z) ;

donde

x : vector de datos
y : vector de datos
z : vector de datos


Descripcin :

A los vectores de datos x, y y z se les quita la media. Se calcula el cumulante
mediante el producto triple de los datos.

( ) { } ( ) ( ) ( ) { }
2 1 2 1
, + + = = t z t y t x E xyx E c
xyz


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1



Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

220
mom2( )




Propsito : Funcin del momento de segundo orden.


mom2(x) calcula el momento de segundo orden del vector x. La forma de obtener
el momento es mediante su definicin.

Sintaxis :

m2x=mom2( x) ;

donde

x : es el vector de datos


Descripcin :

Del vector de datos x se calcula el momento mediante el producto doble de datos.

( ) ( ) ( ) { } + = t x t x E m
x 2


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1




Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

221
mom3( )




Propsito : Funcin del momento de tercer orden.


mom3(x) calcula el momento de tercer orden del vector x. La forma de obtener el
momento es mediante su definicin.

Sintaxis :

m3x=mom3( x) ;

donde

x : es el vector de datos


Descripcin :

Del vector de datos x se calcula el momento mediante el producto triple de datos.

( ) ( ) ( ) ( ) { }
2 1 2 1 3
, + + = t x t x t x E m
x


siendo el esperado E[] la media, que para secuencias de datos se define como:

[ ]

=
= =
n
i
i x
x
n
x E
1
1




Rutinas usadas:

corri() Para correr el vector de datos y poder calcular el
cumulante.

222
pe( )




Propsito : Funcin del periodograma optimizado.


pe(x) calcula el periodograma del vector x haciendo n particiones. Se obtiene solo
la regin no redundante de la PSD. El mtodo usado es el directo.


Sintaxis :

psd=pe( x, n) ;

donde

x : es el vector de datos
n : es una constante


Descripcin :

Al vector de datos x se le quita su media. Se hacen n particiones del vector x sin
agregar ceros. A cada particin se le quita la media y se obtiene su transformada
de Fourier.
Con los vectores de X en el dominio de la frecuencia se obtiene el producto doble
para obtener la PSD de acuerdo a la siguiente expresin:

( ) ( ) ( ) k X k X
N
k PSD

=
1


A las PSD obtenidos se les divide entre la longitud de la muestra, se les promedia
en frecuencia y se deja solo la mitad de los datos que es la regin no redundante.
223
per( )




Propsito : Funcin del periodograma .


per(x,n) calcula el periodograma del vector x haciendo n particiones. El
periodograma se obtiene de los cumulantes y se promedia en frecuencia.


Sintaxis :

psd=per ( x, n) ;

donde

x : es el vector de datos
n : es una constante


Descripcin :

Del vector de datos x se hacen n particiones sin agregar ceros. De cada particin
se obtienen sus cumulantes de segundo orden. A los vectores de cumulantes se les
saca su transformada de Fourier

( ) ( )
( )


j
x
e c PSD

=
, 2


A las PSD obtenidos se les promedia en frecuencia para obtener el periodograma.

( ) ( ) ( )

+ =

= =

N
m
j
l l
N
i
N
m
M
l
x
e m i x i x
N M
I

1
0
1
0 1
1 1



Rutinas usadas:

cumu2() Para obtener los cumulantes 2do orden de las
particiones.

224
peri( )




Propsito : Funcin del periodograma .


peri(x,n) calcula el periodograma del vector x haciendo n particiones. El
periodograma se obtiene de los cumulantes obtenidos de su definicin completa y
se promedia en frecuencia.


Sintaxis :

psd=per i ( x, n) ;

donde

x : es el vector de datos
n : es una constante


Descripcin :

Del vector de datos x se hacen n particiones sin agregar ceros. De cada particin
se obtienen sus cumulantes de segundo orden. A los vectores de cumulantes se les
saca su transformada de Fourier

( ) ( )
( )


j
x
e c PSD

=
, 2


A las PSD obtenidos se les promedia en frecuencia para obtener el periodograma.

( ) ( ) ( )

+ =

= =

N
m
j
l l
N
i
N
m
M
l
x
e m i x i x
N M
I

1
0
1
0 1
1 1



Rutinas usadas:

cumu2o() Para obtener los cumulantes 2do orden de las
particiones desde su definicin.
225
perw( )




Propsito : Funcin del periodograma con ventanas.


perw(x,n,'met',A) calcula el periodograma del vector x haciendo n particiones, con
una ventana de ancho A. El periodograma se obtiene de los cumulantes y se
promedia en frecuencia.

Sintaxis :

psdw=per w( x, n, ' met ' , A) ;

donde

x : es el vector de datos
n : es una constante
met : es la opcin (mtodo) de la ventana a aplicar.

opciones :
d = Daniel
p = Parzen
h = von Hann
m = Blackman
k = Kaiser
t = Tukey-Hamming
b = Bartlett-Priestley

A: el ancho de la ventana


Descripcin :

Del vector de datos x se hacen n particiones sin agregar ceros. Se calcula la
ventana correspondiente, para la longitud de las particiones, de ancho A.
De cada particin se obtiene su cumulante de segudo orden. A los vectores de
cumulantes se les multiplica por la ventana calculada y al producto se le saca su
transformada de Fourier

( ) ( )
( )


j
x x
e
A
w c PSDw

=
, 2


A las PSD obtenidos se les promedia en frecuencia para obtener el periodograma.

226
( ) ( )

=
M
l
x x
A
w c F
M
Iw
l
1
, 2
1


Las definiciones de las ventanas pueden verse en la pgina 232.



Rutinas usadas:

cumu2() Para obtener los cumulantes 2do orden de las
particiones.


227
perxy( )




Propsito : Funcin del periodograma cruzado.


perxy(x,y,n) calcula el periodograma cruzado de los vectores x y y haciendo n
particiones. El periodograma se obtiene por medio de los cumulantes cruzados de
segundo orden y se promedia en frecuencia.


Sintaxis :

psdxy=per xy( x, y, n) ;

donde

x : vector de datos
y : vector de datos
n : una constante



Descripcin :

Para los vectores de datos x y y, se hacen n particiones sin agregar ceros. De cada
particin se calcula el cumulante cruzado de segundo orden y se obtiene su
transformada de Fourier.
( ) ( )
( )


j
xy xy
e c PSD

=


A las PSD obtenidos se les promedia en frecuencia para obtener el periodograma
cruzado.

( ) ( ) ( )

+ =

=

= =

N
m
j
l l
N
i
N
m
M
l
xy
e m i y i x
N M
I

1
1
0 1
1 1




Para el caso del periodograma cruzado el intercambio del orden de los vectores de
datos no resulta en diferentes PSD cruzadas, psdxy=psdyx.

Para el caso psdxx = psd2x puede usarse cualquier funcin de : pe(), per(), o
peri(), obteniendo los mismos resultados.
228


Rutinas usadas:

cumu2xy() Para obtener los cumulantes de 2do orden cruzados de
las particiones.
229
pew( )




Propsito : Funcin del periodograma con ventanas.


pew(x,n,'met',A) calcula el periodograma del vector x haciendo n particiones, con
una ventana de ancho A. Se obtiene solo la regin no redundante del
periodograma. El periodograma se obtiene por el mtodo directo y se promedia en
frecuencia.

Sintaxis :

psd=pew( x, n, ' met ' , A) ;

donde

x : es el vector de datos
n : es una constante
met : es la opcin (mtodo) de la ventana a aplicar.

opciones :
d = Daniel
p = Parzen
h = von Hann
m = Blackman
k = Kaiser
t = Tukey-Hamming
b = Bartlett-Priestley

A: el ancho de la ventana


Descripcin :


Al vector de datos x se le quita su media. Se hacen n particiones del vector x sin
agregar ceros. A cada particin se le quita la media. Se calcula la ventana
correspondiente, para la longitud de las particiones, de ancho A. Con la ventana se
hace el producto de la misma con las particiones y se obtiene su transformada de
Fourier.

( ) ( )

=
A
w x Xw

Y
Con los vectores de Xw en el dominio de la frecuencia se obtiene el producto
230
doble para obtener la PSD de cada particin de acuerdo a la siguiente expresin:

( ) ( ) ( ) k X k X
N
k PSD

=
1


A las PSD obtenidos se les divide entre la longitud de la muestra y se les promedia
en frecuencia para obtener el periodograma resultante.

Las definiciones de las ventanas pueden verse en la pgina 232.

231
pexy( )




Propsito : Funcin del periodograma cruzado.


pexy(x,y,n) calcula el periodograma cruzado de los vectores x y y haciendo n
particiones. La PSD se obtiene por el mtodo directo y se promedia en frecuencia.


Sintaxis :

psdxy=pexy( x, y, n) ;

donde

x : vector de datos
y : vector de datos
n : una constante

Descripcin :

A los vectores de datos x y y se les quita su media. Se hacen n particiones de los
vectores sin agregar ceros. A cada particin se le quita la media y se obtiene su
transformada de Fourier.
Con los vectores de X y Y en el dominio de la frecuencia se obtiene el producto
doble para obtener la PSDxy de cada particin de acuerdo a la siguiente
expresin:

( ) ( ) ( )

= Y X PSD
xy


A las PSD obtenidos se les divide entre la longitud de la muestra y se les promedia
en frecuencia para obtener el periodograma resultante.

Para el caso del periodograma cruzado el intercambio del orden de los vectores de
datos no resulta en diferentes PSD cruzadas, psdxy=psdyx.

Para el caso psdxx = psd2x puede usarse cualquier funcin de : pe(), per(), o
peri(), obteniendo los mismos resultados.

232
Ventanas



Las ventanas usadas en las rutinas son :




Daniel
( )
( )


n
n Sen
n W
D




Tukey-Hamming
( )
( )

+
=
valor otro para 0
1 46 . 0 54 . 0 n n Cos
n W
TH






von Hann (Hanning)
( )
( )

+
=
valor otro para 0
1 5 . 0 5 . 0 n n Cos
n W
H







Bartlett- Priestley
( )
( )

= n Cos
n
n Sen
n
n W
BP

2
3





Parzen
( )
( ) ( )
( )

>
<
+
=
1 , 0
1 5 . 0 , 1 2
5 . 0 , 6 6 1
3
3 2
n
n n
n n n
n W
P



Blackmann
( )
( ) ( )

+
=
valor otro para , 0
5 . 0 , 4 08 . 0 2 5 . 0 42 . 0 n n Cos n Cos
n W
B


233





Kaiser
( )
[ ] { }
( )


=
otro para
0
5 . 0 ,
2 1
0
2
1
2
0
n
I
n I
n W
k



donde I
0
(x) es una funcin de Bessel de orden cero
modificada del primer tipo y puede ser evaluada para
cualquier grado de exactitud


Estas ventanas estn dadas para calcularse en una dimensin, forma en que se
ocupan en las rutinas biw(), pew() y perw(). Para la rutina biperw() se calculan
las ventanas en dos dimensiones. Para ello lo nico que hay que hacer es pasar las
ventanas de una sola variable a dos, i.e. w(n) w(n,m).
234
Ejemplos



En esta seccin, se presentan tres ejemplos con el fin de familiarizarse con el uso
de las funciones antes presentadas. Las funciones hacen el clculo en el tiempo o
en la frecuencia y el usuario debe analizar e interpretar los resultados.



Ejemplo 1. Seal senoidal

Sea una seal senoidal con la ecuacin x(t) = sen(t), se obtienen sus momentos y
cumulantes de 2d0 y 3er orden.

Se define un vector de tiempo de 0 a 100s con intervalos de 1s, con una frecuencia
constante de 0.04Hz.

t=0:100; vector de tiempo
f=(1/25); frecuencia
x=sin(2*pi*f*t); seal senoidal

La seal es la que se muestra en la Figura 1.
0 20 40 60 80 100
-1
-0.5
0
0.5
1
t
A

Figura 1 Seal senoidal x
235

Los momentos y cumulantes de 2do y 3er orden se calculan:

m2x=mom2(x); momento 2do orden
c2x=cumu2(x); cumulante 2do orden
m3x=mom3(x); momento 3er orden
c3x=cumu3(x); cumulante 3er orden

los resultados de las funciones se presentan en las Figuras 2 y 3.

0 50 100
-0.5
0
0.5
A
t
0 50 100
-0.5
0
0.5
A
t

(a) (b)
Figura 2 Momento (a) y cumulante (b) de 2do orden


(a) (b)
Figura 3 Momento (a) y cumulante (b) de 3er orden
236

La PSD y el BIS de la seal se calculan como:

psdx=pe(x,1); PSD de x sin particiones
bisx=bi(x,1); BIS de x sin particiones

los resultados son los que se muestran en la Figura 4, donde se puede apreciar en
la PSD una frecuencia de 0.04Hz y en el BIS un acoplamiento cuadrtico de esa
misma frecuencia.


(a) (b)
Figura 4 PSD (a) y BIS (b) de x



Ejemplo 2. Seal aleatoria

Sea una seal aleatoria con distribucin uniforme y(t), se obtienen sus momentos
y cumulantes de 2d0 y 3er orden.

Se define un vector de tiempo de 0 a 100s con intervalos de 1s, y se crea la variable
aleatoria usando la funcin de Matlab rand().

t=0:100; vector de tiempo
N=length(t); tamao de muestra
y=rand(1,N); variable aleatoria y

El resultado se muestra en la Figura 5.

237

Figura 5 Seal aleatoria y

Los momentos y cumulantes de 2do y 3er orden se calculan:

m2y=mom2(y); momento 2do orden
c2y=cumu2(y); cumulante 2do orden
m3y=mom3(y); momento 3er orden
c3y=cumu3(y); cumulante 3er orden

los resultados de las funciones se presentan en las Figuras 6 y 7.

0 20 40 60 80 100
0.26
0.28
0.3
0.32
0.34
0.36
A
t
0 20 40 60 80 100
-0.02
0
0.02
0.04
0.06
0.08
A
t
(a) (b)
Figura 6 Momento (a) y cumulante (b) de 2do orden

238
(a) (b)
Figura 7 Momento (a) y cumulante (b) de 3er orden


La PSD y el BIS de la seal se calculan como:

psdy=pe(y,1); PSD de y sin particiones
bisy=bi(y,1); BIS de y sin particiones

los resultados son los que se muestran en la Figura 8.

(a) (b)
Figura 8 PSD (a) y BIS (b) de y

En la PSD se aprecian cinco picos ms importantes, sus frecuencias son 0.04,
0.16, 0.28, 0.35 y 0.45Hz; en el BIS se encuentran cinco acoplamientos, de los
239
cuales (0.28, 0.16), (0.28, 0.04 ) y (0.35, 0.16) son acoplamientos entre diferentes
frecuencias, (0.28, 0.28) es un acoplamiento cuadrtico y (0.24, 0.04) es un
acoplamiento entre dos frecuencias cuya suma da una frecuencia (0.28Hz).

La frecuencia con una magnitud ms grande en la PSD es la de 0.28Hz, esta
frecuencia tiene un acoplamiento cuadrtico en el BIS. Es importante resaltar que
el acoplamiento ms importante en le BIS no es el acoplamiento cuadrtico como
en el ejemplo anterior, para este caso fue el acoplamiento entre dos frecuencias
(0.28, 0.16).

Para volver a recrear este ejemplo, los datos de la variable aleatoria y son:

y =[
0.9501 0.2311 0.6068 0.4860 0.8913 0.7621 0.4565 0.0185 0.8214 0.4447
0.6154 0.7919 0.9218 0.7382 0.1763 0.4057 0.9355 0.9169 0.4103 0.8936
0.0579 0.3529 0.8132 0.0099 0.1389 0.2028 0.1987 0.6038 0.2722 0.1988
0.0153 0.7468 0.4451 0.9318 0.4660 0.4186 0.8462 0.5252 0.2026 0.6721
0.8381 0.0196 0.6813 0.3795 0.8318 0.5028 0.7095 0.4289 0.3046 0.1897
0.1934 0.6822 0.3028 0.5417 0.1509 0.6979 0.3784 0.8600 0.8537 0.5936
0.4966 0.8998 0.8216 0.6449 0.8180 0.6602 0.3420 0.2897 0.3412 0.5341
0.7271 0.3093 0.8385 0.5681 0.3704 0.7027 0.5466 0.4449 0.6946 0.6213
0.7948 0.9568 0.5226 0.8801 0.1730 0.9797 0.2714 0.2523 0.8757 0.7373
0.1365 0.0118 0.8939 0.1991 0.2987 0.6614 0.2844 0.4692 0.0648 0.9883
0.5828
];



Ejemplo 3. Manchas solares

Las manchas solares del Anexo I, son mediciones anuales de intensidad solar de
1700 a 1955.

Se define un vector de tiempo de 1700 a 1955 con intervalos de un ao, y se
definen los valores de las manchas solares.

years=1700:1955; vector de tiempo
sunspot=[ 5 11 ... ]; datos de las manchas solares

Los datos se muestran en la Figura 9.

240

Figura 9 Grfica de la intensidad solar

Los momentos y cumulantes de 2do y 3er orden se calculan:

m2ss=mom2(sunspot); momento 2do orden
c2ss=cumu2(sunspot); cumulante 2do orden
m3ss=mom3(sunspot); momento 3er orden
c3ss=cumu3(sunspot); cumulante 3er orden

los resultados de las funciones se presentan en las Figuras 10 y 11.

0 100 200
1000
1500
2000
2500
3000
3500
A
t
0 100 200
-1000
-500
0
500
1000
1500
A
t

(a) (b)
Figura 10 Momento (a) y cumulante (b) de 2do orden
241

(a) (b)
Figura 11 Momento (a) y cumulante (b) de 3er orden

El periodograma con dos particiones y ventana Hanning de ancho 50 se calcula de
la siguiente forma:

psdss=pew(sunspot,2,h,50); periodograma

el resultado se presenta en la Figura 12.
0 0.1 0.2 0.3 0.4 0.5
0
500
1000
1500
2000
2500
3000
3500
A
f

Figura 12 Periodograma con dos particiones y ventana Hanning
242
El biperiodograma con dos particiones y ventana Hanning de ancho 50 se calcula
de la siguiente forma:

bisss=biw(sunspot,2,h,50); biperiodograma

el resultado se presenta en la Figura 13.


Figura 13 Biperiodograma con dos particiones y ventana Hanning


Los resultados en la PSD indican dos frecuencias principales 0.0077 y 0.1014Hz
las cuales corresponden periodicidades de 129.5 y 9.86 aos respectivamente. En
el BIS se encuentra un acoplamiento principal entre 0.0936 y 0.0078Hz,
frecuencias que sumadas dan 0.1014Hz que es la periodicidad de 9.86 aos;
adems de un acoplamiento cuadrtico de 0.0077Hz.