FFT (Fast Fourier Transform) i vibrationsanalyse

Definition: Hvad er en FFT?

Den Hurtig Fourier-transformation (FFT) er en yderst effektiv matematisk algoritme, der bruges til at transformere et signal fra tidsdomænet til frekvensdomænet. I vibrationsanalyse betyder dette at konvertere et råt, komplekst tidsbølgeform (et plot af vibrationsamplitude versus tid) ind i en frekvensspektrum (et plot af vibrationsamplitude versus frekvens). Denne transformation er den vigtigste og mest fundamentale proces i moderne maskindiagnostik.

Hvorfor er FFT essentiel til diagnostik?

En rå tidskurveform fra en kørende maskine er et komplekst virvar af mange forskellige vibrationer, der alle forekommer på én gang. Det er næsten umuligt at se på dette signal og bestemme maskinens tilstand. FFT'en fungerer som et prisme, der adskiller dette komplekse signal i dets individuelle frekvenskomponenter. Resultatet er et klart, handlingsrettet diagram, der giver en analytiker mulighed for at se:

• Hvilke frekvenser er til stede?
• Hvor meget energi (amplitude) er der ved hver frekvens?
• Hvad er forholdet mellem disse frekvenser?

Fordi forskellige mekaniske og elektriske fejl (som ubalance, forkert justering, lejefejl og løshed) hver især genererer vibrationer ved meget specifikke, forudsigelige frekvenser, giver FFT-spektret en direkte vejviser til roden af et problem.

Nøgleparametre for en FFT-analyse

For at opnå et brugbart FFT-spektrum skal en vibrationsanalytiker definere flere nøgleparametre på dataindsamleren eller softwaren:

1. Fmax (Maksimal frekvens)

Dette er den højeste frekvens, der vil blive inkluderet i spektret. Den skal indstilles højt nok til at opfange den højeste frekvensfejl, du leder efter (f.eks. højfrekvente tandhjulsnet eller lejetoner).

2. Opløsning (Opløsningslinjer)

Dette bestemmer detaljeniveauet i spektret. Det er defineret som antallet af diskrete frekvens-"bins" eller datapunkter, der beregnes på tværs af Fmax. Et højere antal linjer (f.eks. 3200 eller 6400) resulterer i bedre frekvensopløsning, hvilket betyder evnen til at adskille to vibrationsfrekvenser, der er meget tæt på hinanden. Høj opløsning er afgørende for at diagnosticere beatfrekvenser eller analysere sidebånd i gearkasseanalyse.

3. Gennemsnitsberegning

Da maskinvibrationer kan variere, kan en enkelt "øjebliksbillede" af FFT være misvisende. Gennemsnitsberegning involverer at indsamle flere FFT'er i hurtig rækkefølge og derefter beregne gennemsnittet af dem sammen. Denne proces reducerer tilfældig støj og giver et langt mere stabilt, gentageligt og repræsentativt spektrum af maskinens sande tilstand.

4. Vinduesdeling

En vinduesfunktion (ligesom Hanning) er en matematisk vægtning, der anvendes på tidsbølgeformdataene, før FFT'en beregnes. Det er en signalbehandlingsteknik, der bruges til at minimere en fejl kaldet "spektral lækage", hvilket sikrer, at amplituden og frekvensen af signalerne i spektret er så nøjagtige som muligt.

Fortolkning af et FFT-spektrum

En uddannet analytiker fortolker et FFT-spektrum ved at lede efter karakteristiske mønstre:

• En stor top kl. 1x løbehastigheden indikerer ubalance.
• En stor top kl. 2 gange så høj løbehastighed peger ofte på forskydning.
• En række af harmoniske (topper ved 1x, 2x, 3x, 4x osv.) er et klassisk tegn på mekanisk løshed.
• En højfrekvent top med sidebånd med mellemrum ved driftshastigheden er et tydeligt tegn på en gearkasse- eller lejefejl.
• Et hævet "gulv" af bredbåndsstøj kan indikere kavitation i en pumpe eller friktion.

Ved at sammenligne det nuværende FFT-spektrum med en basislinje taget, da maskinen var i orden, kan analytikere nemt få øje på ændringer og diagnosticere udviklende problemer længe før de bliver kritiske fejl.

← Tilbage til hovedindekset