En introduktion til Auto-Spectrum
Den autospektrum — også skrevet som autospektrum og i bred forstand kaldet effekt-spektret eller blot »spektret« — er frekvensdomæne-repræsentationen af en enkelt vibrationer signal, der viser, hvordan signalets energi eller amplitude fordeles over frekvensområdet. Det fremstilles ved at tage Hurtig Fourier-transformation (FFT) af en tidsregistrering og visning af styrken af hver frekvenskomponent. Præfikset »auto-« adskiller den fra Kryds-spektrum, som sammenholder to forskellige signaler: Et autospektrum er spektret af et signal målt i forhold til sig selv.
I det daglige arbejde er det netop det, de fleste teknikere mener, når de taler om »spektret« eller »FFT« – den standardfrekvensvisning, der findes i alle vibrationsanalysator, med sine højeste punkter ved ubalance, lejefejlfrekvenser, gearnet, og så videre. At være klar over, at dette hverdagsredskab teknisk set er et autospektrum, er af afgørende betydning, når man går i gang med flerkanalsarbejde, hvor tværspektre, sammenhæng, og andre korrelationsfunktioner kommer ind i billedet.
1. Det matematiske grundlag
To veje til det samme resultat
Der findes to matematisk ækvivalente metoder til at beregne et autospektrum:
- Direkte FFT: omform tidssignalet, beregn amplituden (eller amplituden i anden potens) for hver kompleks FFT-bin, og tegn den mod frekvensen. Dette er den almindelige, enkle metode, der anvendes i næsten alle instrumenter.
- Via autokorrelation: Beregn først signalets autokorrelationsfunktion, og udfør derefter en FFT på den. Ved hjælp af Wiener–Khinchin-sætningen Resultatet er identisk med den direkte metode — det samme spektrum opnås via en anden beregningsmetode.
Når størrelsen kvadreres og normaliseres pr. frekvensenhed, bliver den samme størrelse en spektral effekttæthed, som er den foretrukne form for bredbånds-tilfældig vibration.
Gennemsnitsberegning for stabilitet
En enkelt FFT-analyse er statistisk støjfyldt, så man beregner gennemsnittet af flere autospektre, der er udledt af på hinanden følgende tidsserier, for at stabilisere estimatet og mindske den tilfældige spredning. Ved rutinemæssig maskindiagnostik er det typisk at tage 4–16 gennemsnit; ved bredbånds-tilfældige vibrationer kan der være behov for 50–100 eller flere. Fordelen opnås på bekostning af måletiden, og derfor er antallet af gennemsnit et bevidst kompromis snarere end et spørgsmål om, at »mere altid er bedre«.
2. Definition af egenskaber
Der er tre egenskaber, der følger direkte af matematikken, og som det er værd at huske på, når man læser et spektrum:
- Realværdi: Autospektret har ingen imaginær del. Det repræsenterer udelukkende størrelsesordenen, så fase Fasforholdet i det oprindelige signal udelades ved beregningen af amplituden. Ved fejlfinding på et enkelt punkt udgør dette ikke noget tab; ved afbalancering eller arbejde med overføringsfunktioner, hvor fasen er afgørende, er det derimod en reel begrænsning.
- Altid positiv: værdierne er altid større end eller lig med nul, da de repræsenterer energi eller effekt, som ikke kan være negativ.
- Symmetrisk for reelle signaler: Spektret for et realtidssignal er symmetrisk omkring Nyquist-frekvensen — de negative frekvenser er blot spejlbilleder af de positive — så kun den positive halvdel vises, og den indeholder al informationen.
3. Auto-spektret i maskindiagnostik
Analytikerens daglige oversigt
Dette er den graf, teknikerne arbejder ud fra. Den viser alle frekvenskomponenter i vibrationen på én gang, og analytikerens opgave er at identificere hver enkelt top og knytte den til en fejltype — hvilket gør autospektret til det primære værktøj til fejldiagnose og til rutinemæssig tilstandsvurdering.
De funktioner, du skal kigge efter
- 1× spids: Løbehastighed vibrationer, der hovedsageligt skyldes ubalance og andre kilder, der opstår én gang pr. omdrejning.
- 2× peak: Almindeligvis forskydning eller mekanisk løshed.
- Lejefrekvenser: BPFO, BPFI, BSF, og FTF, ofte omgivet af sidebånd.
- Gearnet: tandindgrebets hyppighed og dens harmoniske.
- Elektrisk: dobbelt så høj som netfrekvensen (120 Hz ved 60 Hz-forsyning, 100 Hz ved 50 Hz-forsyning).
- Støjniveau: det baggrundsniveau, der skyldes tilfældige svingninger og instrumentstøj, og som de egentlige toppe skal træde frem fra.
4. Auto-spektrum kontra kryds-spektrum
Enkeltkanals-autospektret besvarer spørgsmålet »Hvilke frekvenser er til stede?«, mens dets tokanals-modstykke besvarer spørgsmålet »Hvordan hænger to signaler sammen?«. Det er værd at gøre denne forskel tydelig:
| Auto-Spectrum (enkeltkanal) | Cross-Spectrum (tokanals) |
|---|---|
| Spektrum af ét signal | Forholdet mellem to signaler |
| Viser signalets frekvenssammensætning | Viser frekvensindhold, der er fælles for begge |
| Ingen faseinformation | Omfatter faseforholdet |
| Tilstrækkelig til de fleste diagnostiske foranstaltninger | Understøtninger overførselsfunktion og sammenhængsanalyse |
| Standard enkeltkanals FFT | Kræver to synkroniserede kanaler |
5. Gennemsnitsberegningsmetoder og visningsindstillinger
Valg af gennemsnitsberegningsmetode
- Lineær udjævning: et simpelt aritmetisk gennemsnit af på hinanden følgende spektre, der reducerer tilfældig støj og konvergerer mod det reelle spektrum — standarden inden for maskinanalyse.
- Eksponentiel udjævning: et vægtet gennemsnit, der vægter de seneste målinger højere, hvilket er ideelt til overvågning i realtid, hvor forholdene ændrer sig.
- Spidsværdi-hold (maks. spektrum): hver frekvensbås bevarer den højeste værdi, der er registreret, og registrerer dermed kortvarige komponenter — hvilket er uvurderligt under opstart og kystned testning.
Skalering af akserne
Amplitudaksen kan vises på en lineær skala (mm/s, m/s²), hvilket gør det nemt at aflæse absolutte værdier, men kan skjule små spidser ved siden af store, eller på en logaritmisk dB-skala (20·log[amplitude/reference]), hvilket komprimerer et bredt dynamisk område så både små og store toppe kan ses på samme tid — den foretrukne visning til detaljeret arbejde og forskning. Frekvensaksen er normalt lineær i Hz for maskiner, selvom en logaritmisk En akse med lige store oktavafstande er velegnet til meget brede frekvensområder.
6. Kvalitet og faldgruber
Et spektrum er kun så godt som de data, der ligger til grund for det. A rent spektrum viser tydelige toppe over et lavt støjniveau; a støjende spektrum begraver toppe i en høj baggrundsstøj, hvilket kan afhjælpes ved hjælp af yderligere udjævning og tilstrækkelig frekvensopløsning. To kontroltrin er afgørende: Bekræft, at frekvensopløsningen er fin nok til at adskille toppe, der ligger tæt på hinanden, og vær opmærksom på Overbelastning af input, hvilket afskærer signalet og skaber falske spektralkomponenter — hvis dette sker, skal du reducere indgangsforstærkningen og genoprette forbindelsen. FFT-opløsningsberegner hjælper med at vælge et antal linjer og en båndbredde, der kan håndtere de spidsbelastninger, der er vigtige for dig.
Hvor feltinstrumenter kommer til anvendelse
På et bærbart tokanals instrument som f.eks. Balanset-1A, er autospektret det daglige diagnostiske billede, som en tekniker aflæser ved maskinen for at se, om der er en energikoncentration ved 1× (hvilket tyder på ubalance og er en mulig årsag til feltafbalancering) eller spredt ud over leje- og tandhjulsfrekvenser, der indikerer en helt anden fejl — alt sammen registreret i maskinens egne lejer ved driftshastighed.
Autospektret er det grundlæggende værktøj til frekvensanalyse inden for vibrationsdiagnostik: den enkeltkanals FFT, som teknikere dagligt benytter til fejlfinding og tilstandsvurdering. At forstå, at »spektret« teknisk set er et autospektrum – og hvordan det hænger sammen med krydspektre og de øvrige spektralfunktioner – lægger grunden til avanceret flerkanalsanalyse og grundig maskindiagnostik.
