AMBIENTE MULTIMÍDIA DE SUPORTE À DISCIPLINA DE

PÓS-GRADUAÇÃO

FERRAMENTAS DE DIAGNÓSTICO DE MÁQUINAS

Capítulo 3.3 – Avaliação de falhas com o uso de técnicas no domínio

do tempo-freqüência
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

Técnicas a serem estudadas:

• STFT - Short Time Fourier Transform
• Análise Wavelet
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• STFT - Short Time Fourier Transform

Também conhecida como Transformada de Fourier Janelada
Consiste em mover uma janela de tempo pequeno sobre o sinal temporal e
obter o espectro de Fourier em função do deslocamento no tempo.
A idéia é isolar o sinal nas vizinhanças do instante t , então aplicar a
Transformada de Fourier afim de estimar o conteúdo “local” de freqüência
neste instante
O comprimento ideal da janela temporal é correspondente a duração de
um pulso do sinal.
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• STFT - Short Time Fourier Transform

A STFT possui resolução constante no tempo e freqüência. Esta resolução
pode ser alterada redimensionando a janela temporal:
- O uso de uma janela larga resulta em boa resolução na freqüência,
porém resolução baixa no tempo.
- O uso de uma janela estreita permitirá boa resolução no tempo e baixa
resolução na freqüência (Schniter, 2005)
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• STFT - Short Time Fourier Transform (Transformada de Fourier Janelada)

O sinal é particionado em partes

de comprimento finito (janela de
tempo aplicada ao sinal
temporal).
Aplica-se janelamento para
evitar leakage e calcula-se a
transformada de Fourier. H(t,f)
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• STFT - Short Time Fourier Transform (Transformada de Fourier Janelada)

O resultado é representado em
termo da amplitude da função
amplitude do envelope e seu
quadrado representa os valores
do espectro de força (power
spectrum) em cada posição.

H(t,f)
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• STFT - Short Time Fourier Transform (Transformada de Fourier Janelada)

A curtose de cada freqüência (f) pode ser calculada através do 4º momento
da função amplitude do envelope para cada bloco de dados.
1 n
 i  X  X 4
4
Ref.: Randal, R.B., Antony, J. Rolling
n i 1 H (t , f )
K K( f )  2
element bearing diagnostics - A
ou
H 
2 tutorial. Mechanical Systems and
1 2
  X i  X  
n 2 2
(t , f ) Signal Processing, Vol. 25 (2011)
 n i 1  pag. 485-520

Como a curtose é uma medida da impulsividade do sinal, o valor da

curtose será elevado na freqüência de ressonância, podendo ser utilizado
como indicador para selecionar qual deverá ser a freqüência central a ser
demodulada através do Envelope.
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

Técnicas a serem estudadas:

• STFT - Short Time Fourier Transform
• Análise Wavelet
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• Análise Wavelet
Esta técnica consiste na decomposição do sinal num conjunto de bases de
funções, chamadas de wavelets, em diferentes níveis de resolução
(escalas) e tempos de localização.
Estas funções possuem formato fixo e podem ser deslocadas e estendidas
no tempo. A formulação para a transformada Wavelet é dada por:
 t  b  

W a; b     xt  * 
1
dt
a   a 

Onde: t  é a Wavelet mãe, transladada no tempo por b e dilatada por um

fator a
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• Exemplos de funções wavelets:

Chapéu Mexicano Morlet

3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• Dilatação e translação das wavelets:

Dilatação (a) Translação no tempo (b)
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• Wavelets complexas
A vantagem das wavelets complexas é que a parte imaginária é ortogonal à
parte real (seno ao invés do cosseno), o que torna a wavelet insensível a
posição (fase)

Um exemplo de Wavelet complexa é a

Wavelet de Morlet:
3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

• Wavelets para monitoramento de máquinas

As wavelets são aplicadas para remoção de ruído em sinais em ambos os
domínios do tempo e da freqüência.
A transformada discreta Wavelet (DWT) é uma implementação computacional
relativamente simples para remoção do ruído dos sinais:
x 10
-4
FREQUENCY SPECTRUM - ENVELOPE -4
x 10 FREQUENCY SPECTRUM - TIME-FREQUENCY
2
2.5

1.5
1

DWT
0.5

0 0
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Hz Hz

Ex:DWT remoção de ruído no domínio da freqüência

3 – Ferramentas de diagnóstico de falhas
3.3 – Avaliação de falhas com técnicas do domínio do tempo-freqüência

Referências bibliográficas
• Chaplais, F. “A WAVELET TOUR OF SIGNAL PROCESSING BY STÉPHANE
MALLAT. Academic Press, 1998. A SHORT PRESENTATION BY F. CHAPLAIS”.
February 2, 1999.
http://cas.ensmp.fr/~chaplais/Wavetour_presentation/Wavetour_presentation_US.html
• Schniter, P. “Short-time Fourier Transform”. Version 2.13: 2005/10/05 15:21:14.374 GMT-
5 Connexions module: m10417. Creative Commons.
http://cnx.rice.edu/content/m10417/latest/