Autospektri mõistmine
The autospekter — mida kirjutatakse ka kujul autospektrum ning mida nimetatakse üldiselt võimsusspektriks või lihtsalt „spektriks“ — on ühe vibratsioon signaal, mis näitab, kuidas selle signaali energia või amplituud jaotub sageduse ulatuses. Seda saadakse, võttes Kiire Fourier' teisendus (FFT) ajaregistri salvestamisel ja iga sageduskomponendi amplituudi kuvamisel. Eesliide „auto-“ eristab seda ristaspektri, mis seostab kahte erinevat signaali: autospektrum on signaali spektrum, mis on mõõdetud selle enda suhtes.
Igapäevatöös on just seda enamik tehnikuid silmas pidades, kui nad räägivad „spektrist“ või „FFT-st“ – see on iga seadme standardne sageduskuva vibratsiooni analüsaator, mille kõrgeimad punktid asuvad tasakaalutus, laagririkete sagedused, hammasratasvõrkja muud. Teadmine, et see igapäevane tööriist on tehniliselt autospektrum, on eriti oluline just siis, kui asud tegelema mitmekanalilise tööga, kus spektritevahelised, sidususja muud korrelatsioonifunktsioonid tulevad mängu.
1. Matemaatiline alus
Kaks teed sama tulemuseni
Autospektri saamiseks on kaks matemaatiliselt võrdväärset viisi:
- Direct FFT: muundada ajasignaali, võtta iga kompleksse FFT-bini amplituud (või amplituudi ruut) ning kanda see sageduse suhtes graafikule. See on tavaline ja lihtne meetod, mida kasutatakse peaaegu igas muusikariistas.
- Autokorrelatsiooni abil: arvutage esmalt signaali autokorrelatsioonifunktsioon ja seejärel arvutage selle FFT. Selle Wieneri–Khinchini teoreem tulemus on identne otsese meetodiga – sama spekter, milleni jõutakse teistsuguse arvutusmeetodi abil.
Kui suurus ruututatakse ja normaliseeritakse sagedusühiku kohta, muutub sama suurus võimsuse spektraaltihedus, mis on lairiba juhusliku vibratsiooni puhul eelistatud vorm.
Keskmistamine stabiilsuse tagamiseks
Üksik FFT-analüüs on statistiliselt mürarohke, mistõttu arvutatakse järjestikustest ajaregistritest saadud mitu autospektrit ja need keskmistatakse, et täpsustada hinnangut ja vähendada juhuslikku hajuvust. Tavalise masinate diagnostika puhul on tüüpiline kasutada 4–16 keskmist; laiaribalise juhusliku vibratsiooni puhul võib vaja minna 50–100 või isegi rohkem. Selle eelisega kaasneb mõõtmise aja pikenemine, mistõttu keskmiste arvu valik on teadlik kompromiss, mitte põhimõte, et „rohkem on alati parem“.
2. Omaduste määratlemine
Matemaatikast tulenevad otseselt kolm omadust, mida tasub silmas pidada iga spektri lugemisel:
- Real-valued: autospektril puudub imaginaarne osa. See väljendab ainult suurusjärku, seega faas Algse signaali faasisuhet ei võeta amplituudi arvutamisel arvesse. Ühepunktilise rikke tuvastamisel ei ole see mingi probleem, kuid faasi olulisust arvestades on see tasakaalustamisel või ülekandefunktsiooni arvutamisel tõeline piirang.
- Alati positiivne: väärtused on alati suuremad või võrdsed nulliga, kuna need väljendavad energiat või võimsust, mis ei saa olla negatiivsed.
- Sümmeetriline reaalse signaali puhul: reaalajasignaali spekter on sümmeetriline Nyquisti sageduse suhtes – negatiivsed sagedused on lihtsalt positiivsete peegelpildid –, seega kuvatakse ainult positiivne pool, mis sisaldab kogu teavet.
3. Autospektri kasutamine masinate diagnostikas
Analüütiku igapäevane ülevaade
See on graafik, mida tehnikud kasutavad. See kuvab korraga kõiki vibratsioonisageduse komponente ning analüütiku ülesanne on tuvastada iga piik ja seostada see rikke tüübiga – seetõttu on autospektrum peamine tööriist vea diagnoos ning seisundi rutiinseks hindamiseks.
Otsitavad omadused
- 1× peak: jooksukiirus vibratsioon, mille peamisteks põhjustajateks on tasakaalutus ja muud ühe pöörde jooksul esinevad allikad.
- 2× peak: commonly joondusviga või mehaaniline lõtvus.
- Laagrite sagedused: BPFO, BPFI, BSFja FTF, mida sageli ümbritseb külgribad.
- Hammasrataste võrgusilmad: hammaste kokkupuutumise sagedus ja selle harmoonilised.
- Elektriline: kaks korda võrgusagedus (120 Hz 60 Hz võrgus, 100 Hz 50 Hz võrgus).
- Müratase: juhusliku vibratsiooni ja seadme müra poolt tekitatud taustatase, mille taustal peavad tõelised piigid silma paistma.
4. Autospektrum versus ristspektrum
Ühekanaliline automaatspektrum annab vastuse küsimusele „millised sagedused on olemas?”, samas kui selle kahekanaliline vaste vastab küsimusele „kuidas on kaks signaali omavahel seotud?”. Seda vastandust tasub selgelt esile tuua:
| Auto-Spectrum (ühekanaliline) | Ristspektri (kahekanaliline) |
|---|---|
| Ühe signaali spekter | Kahe signaali vaheline seos |
| Näitab signaali sagedusspektrit | Näitab mõlemale ühist sagedussisaldust |
| Faasiteavet pole | Hõlmab faasisuhet |
| Piisab enamiku diagnostikate jaoks | Underpins ülekandefunktsioon ja sidususe analüüs |
| Standardne ühekanaliline FFT | Vajab kahte sünkroniseeritud kanalit |
5. Keskmise arvutamise viisid ja kuvamisvalikud
Keskmise arvutamise režiimi valimine
- Lineaarne keskmistamine: järgnevate spektrite lihtne aritmeetiline keskmine, mis vähendab juhuslikku müra ja läheneb tegelikule spektrile – masinate analüüsi standard.
- Eksponentsiaalne keskmistamine: kaalutud keskmine, mis annab suurema kaalu viimastele andmetele, mis sobib ideaalselt reaalajas jälgimiseks muutuvates tingimustes.
- Maksimumväärtuse salvestamine (maksimaalne spekter): iga sagedusvahemik säilitab oma suurima registreeritud väärtuse, jäädvustades ajutised komponendid — mis on hindamatu väärtusega run-up ja vabajooksul testing.
Telgede skaalamine
Amplituudi telg võib olla kujutatud linear scale (mm/s, m/s²), mis muudab absoluutväärtused hõlpsasti loetavaks, kuid võib varjata väikeseid piike suurte kõrval või logaritmiline dB-skaala (20·log[amplituud/võrdlusväärtus]), mis pakub laia dünaamiline ulatus nii, et nii väikesed kui ka suured piigid oleksid üheaegselt nähtavad – see on eelistatud vaade üksikasjalikuks tööks ja uurimistööks. Sagedusatelje on tavaliselt linear Hz-des masinate puhul, kuigi logarithmic telg, mille oktaavide vahe on ühtlane, sobib väga laia sagedusvahemiku jaoks.
6. Kvaliteet ja lõksud
Spektri kvaliteet sõltub täielikult selle aluseks olevatest andmetest. A clean spectrum näitab selgeid piike madala müra taustal; a noisy spectrum peidab piigid tugeva taustsignaali taha, mida saab parandada suurema keskmistamisega ja piisava sageduslahutusvõimega. Oluline on teha kaks kontrolli: veenduda, et sageduslahutusvõime on piisavalt hea tihedalt asetsevate piikide eristamiseks, ning jälgida, et input overload, mis kärbib signaali ja tekitab vale spektrikomponente – kui see juhtub, vähendage sisendvõimendust ja alustage uuesti. FFT resolutsiooni kalkulaator aitab valida ridade arvu ja ribalaiuse, mis võimaldavad lahendada teile olulised tippkoormused.
Kus on sobivad välitööriistad
Sellisel kaasaskantaval kahekanalilisel seadmel nagu Balanset-1A, automaatspektrum on igapäevane diagnostiline vaade, mida tehnik seadme juures vaatab, et tuvastada, kas energia on kontsentreerunud sagedusel 1× (mis viitab tasakaalustamatuse ja võimaliku põllu tasakaalustamine) või jaotunud laagrite ja hammasrataste kokkupuutumissageduste vahel, mis viitavad hoopis teisele rikkele – kõik need andmed on kogutud masina enda laagritest töökäigul.
Autospektrum on vibratsioonidiagnostika põhiline sagedusanalüüsi vahend: ühekanaliline FFT, millele tehnikud tuginevad igapäevaselt vigade tuvastamisel ja seisundi hindamisel. Teadmine, et „spektrum“ on tehniliselt autospektrum – ning kuidas see on seotud ristspektrumite ja muude spektraalfunktsioonidega –, loob aluse edasijõudnud mitmekanalilisele analüüsile ja põhjalikule masinadiagnostikale.
