Forståelse af waveletanalyse
Wavelet-analyse er en avanceret signalbehandlingsmetode, der anvendes til at analysere vibrationer signaler, hvis frekvenssammensætning ændrer sig over tid. I modsætning til de traditionelle Hurtig Fourier-transformation (FFT), som er bedst egnet til stationære signaler med konstant frekvenssammensætning, er wavelet-analysen effektiv til at registrere transiente hændelser, stød og anden ikke-stationær adfærd. Det er et specialværktøj inden for vibrationsdiagnostik værktøjskasse — som man netop griber til, når standarden spektrum kommer til kort.
Det fungerer ved at nedbryde et signal i et sæt basisfunktioner, der kaldes »wavelets«. Hver wavelet er en kort, svingende bølgeagtig enhed, der er lokaliseret både i tid og frekvens. Denne dobbelte lokalisering — at kende både hvad frekvens og når — er det, der giver metoden sin særlige styrke.
1. Definition: Hvad er wavelet-analyse?
Det meste af hverdagen Vibrationsanalyse antager, at maskinen kører med konstant hastighed og belastning, så dens vibrationer er »stationære«, og at et enkelt spektrum beskriver dem godt. Mange af de mest afslørende fejl er imidlertid slet ikke konstante: de er korte energistød, der kommer og går inden for et omdrejning. Wavelet-analyse er udviklet netop til disse signaler. I stedet for blot at undersøge, hvilke frekvenser der er til stede i hele optagelsen, skubber den wavelets i forskellige størrelser langs tidsbølgeform, hvor man måler, hvor godt hver enkelt bølge passer til signalet på hvert enkelt tidspunkt. Korte, højfrekvente bølger lokaliserer pludselige stød i tiden, mens lange, lavfrekvente bølger afspejler langsomme komponenter i frekvensområdet.
2. Wavelet-analyse vs. FFT
For at forstå værdien af wavelet-analyse er det en hjælp at se på FFT’s begrænsninger:
- FFT (Fast Fourier Transformation): FFT'en fortæller dig hvad frekvenserne er til stede, men giver ingen oplysninger om når de fandt sted. Den analyserer hele materialet på én gang og giver dermed en fremragende frekvens opløsning, men ingen tidsopløsning.
- Wavelet-analyse: Wavelet-analyse giver dig oplysninger om, hvilke frekvenser der er til stede, og hvornår. Den genererer et »tid-frekvens«-kort over signalet, der viser, hvordan spektralindholdet udvikler sig i løbet af målingen.
Forestil dig et signal, der indeholder et kort »klik« fra en revnet tand på et tandhjul. FFT-analysen viser måske kun en svag stigning i bredbåndsenergien, fordi klikket udjævnes over hele optagelsen. Wavelet-analysen giver derimod et diagram, der tydeligt viser en kortvarig stigning i højfrekvensenergien på det nøjagtige tidspunkt, hvor klikket fandt sted. Det er den praktiske fordel: Den bevarer tidsforløbet for begivenheder, som FFT-analysen udvisker. Den ligger tæt op ad ordreanalyse, som også tager højde for signaler, hvor den enkle model med fast frekvens ikke længere holder.
3. Skalogrammet: Et tidsfrekvenskort
Det mest almindelige output fra wavelet-analyse er en skalogram (eller et lignende tids-frekvens-diagram) — et 2D-farvekort, hvor:
- X-aksen repræsenterer tid.
- Y-aksen repræsenterer frekvens (eller skala).
- Farven symboliserer amplitude eller energien i svingningen på netop det tidspunkt og ved netop den frekvens.
Denne visualisering gør det nemt at få øje på kortvarige hændelser, som ellers ville være skjult i et standardspektrum. En lodret linje med en »varm« farve på et skalogram markerer for eksempel en bredbåndshændelse, såsom et sammenstød, der fandt sted på et helt bestemt tidspunkt – det visuelle fingeraftryk af en lokal, gentagen fejl. Begrebsmæssigt supplerer skalogrammet andre avancerede visninger som f.eks. vandfaldsgrund, som viser, hvordan et spektrum ændrer sig over en række på hinanden følgende gennemsnit eller hastigheder.
4. Anvendelser inden for vibrationsdiagnostik
Wavelet-analyse bruges typisk ikke rutinemæssigt vibrationsovervågningmen er et effektivt værktøj til avanceret diagnostik i specifikke situationer:
- Gearkasseanalyse: er særdeles god til at opdage lokale fejl, såsom en enkelt revnet eller brækket tand, som forårsager et tydeligt stød én gang pr. omdrejning.
- Lejefejl Analyse: i stand til at registrere de enkelte påvirkninger, der opstår, når et rullende element passerer over en Spall, især i maskiner, der kører meget langsomt, hvor konventionelle envelopeanalyse kan være udfordrende.
- Forbigående begivenhed Analyse: ideel til signaler fra maskinens opstart, nedlukning eller enhver proces, hvor hastighed og vibrationsegenskaber ændrer sig konstant.
- Strukturel analyse: nyttigt til at analysere en konstruktions reaktion på et stød — en bumptest — for at forstå dens dæmpning og naturlige frekvenser.
5. Praktisk anvendelse og begrænsninger
Wavelet-analyse er mere beregningskrævende end FFT, og tolkningen af et skalogram kræver større erfaring end aflæsningen af et linjespektrum. Af disse grunde fungerer den som et supplement til – snarere end en erstatning for – de daglige teknikker. Den daglige fejlsøgning bygger stadig på FFT-spektret, samlede niveauer og kuvertanalyse; wavelets tages i brug, når disse værktøjer påpeger noget usædvanligt, men ikke kan lokalisere det i tid. I marken indsamles dataene med et bærbart instrument – en tokanalsanalysator såsom Balanset-1A indsamler de højkvalitative tidsbølgeformer, der er registreret i maskinens egne lejer ved driftshastighed, og som enhver efterfølgende tids-frekvensanalyse er afhængig af. Moderne computersoftware har ikke desto mindre gjort wavelet-analyse til et tilgængeligt og værdifuldt redskab for den erfarne analytiker, der arbejder med komplekse, ikke-stationære signaler.
