La detección de fallos en las transmisiones de engranajes constituye uno de los problemas frecuentes en el mantenimiento de plantas industriales. Pese a que es un problema ampliamente estudiado, la práctica confirma que sigue presentando dificultades considerables en bastantes ocasiones. Dos son los factores que contribuyen decisivamente a esto: por una parte la presencia de diferentes fuentes de vibración próximas a la transmisión que producen vibraciones en bandas de frecuencia similares, como es el caso de los rodamientos, y por otra parte, el gran peso relativo que presenta la vibración de carácter aleatorio producida por distintos tipos de fenómenos durante el engrane, tales como el error de transmisión, deterioro de los dientes, inicio y fin del contacto, etc. Estos componentes vibratorios se manifiestan en banda ancha llegando a enmascarar por completo a los componentes vibratorios de carácter periódico que constituyen la base del diagnóstico, como es por ejemplo la frecuencia de engrane. Utilizando un banco de ensayo de transmisiones mediante engranajes, se compararon las posibilidades diagnósticas de diferentes técnicas de procesamiento de las señales de vibración producidas por dos de los defectos más frecuentes en este tipo de transmisiones: defectos de lubricación, que se caracterizan por la gran aleatoriedad de la vibración producida, y daños en los dientes, que generalmente ocasionan impactos de muy corta duración. Las técnicas utilizadas fueron: La transformada de Fourier, la transformada corta de Fourier (STFT), la transformada Wavelet y el análisis de autocorrelación de la señal. Se registraron las señales de vibración radial y torsional, obteniéndose interesantes resultados que muestran cómo determinados defectos tienden a pasar desapercibidos ante determinadas técnicas de procesamiento y, por el contrario, son detectados por otras. Además, dependiendo del defecto, la dirección predominante de la vibración es distinta en las etapas iniciales de su desarrollo, lo que generalmente no se tiene en cuenta en las rutinas de mantenimiento predictivo.
展开▼
