درک پدیدهی Aliasing در تحلیل ارتعاشات
نام مستعار خطای پردازش سیگنال است که میتواند تجزیه و تحلیل دیجیتالی دادههای ارتعاش را خراب کند. این زمانی اتفاق میافتد که سیگنال با نرخی نمونهبرداری میشود که بسیار پایین است و نمیتواند اجزای فرکانس بالا را ثبت کند، بنابراین آن فرکانسهای بالا «پایین میآیند» و شبیهسازی فرکانسهای پایینتر در فورفورتو طیف. نتیجه قلههای جعلی است که هرگز در ماشین واقعی وجود نداشتند — قلههایی که میتوانند به تشخیص جدی اشتباه منجر شوند. درک تاثر (aliasing) و حفاظتی که از آن جلوگیری میکند، برای اعتماد به هر طیف ارتعاش.
1. تعریف: تاثر (Aliasing) چیست؟
هنگامی که تجزیهکننده، سیگنال ارتعاش را دیجیتالی میکند، منحنی پیوستهای ثبت نمیکند؛ دنبالهای از نمونههای گسسته را ثبت میکند — عکسهای لحظهای گرفتهشده در فاصله زمانی ثابت. اگر آن عکسها نسبت به سرعت تغییر سیگنال خیلی دور باشند، تجزیهکننده واقعاً نمیتواند موج سریع را از موج آهسته تشخیص دهد. نقاط کمی که از یک جزء فرکانس بالا ثبت میکند میتوانند در یک موج سینوسی فرکانس پایین کاملاً معقول ترسیم شوند. آن فرکانس پایین幻 است alias، و هنگامی که در طیف ظاهر شود، تمایزی با ارتعاش واقعی در آن فرکانس ندارد.
2. قضیه نایکویست و نرخ نمونهبرداری
برای درک تاثر (aliasing) ابتدا باید قضیه نایکویست (قضیه نمونهبرداری نایکویست–شانون) را بفهمید. این اصل بنیادی پردازش سیگنال دیجیتالی بیان میکند:
برای نمایش دقیق یک سیگنال آنالوگ به صورت دیجیتالی، فرکانس نمونهبرداری (Fs) باید حداقل دو برابر بالاترین جزء فرکانس (Fmax) موجود در سیگنال باشد.
این حداقل نرخ نمونهبرداری (2 × Fmax) نامیده میشود نرخ نایکوئیست. برعکس، بالاترین فرکانسی که یک نرخ نمونهبرداری معین میتواند به درستی اندازهگیری کند نیمی از آن است: Fmax = افs / 2. آن سقف همان فرکانس نیکوئیست. هر فرکانس واقعی بالاتر از فرکانس نیکوئیست نمیتواند به درستی نمایش داده شود و در عوض به سمت پایین منعکس میشود. در عمل F انتخابشدهmax همچنین وضوح تجزیهوتحلیل را تعیین میکند و با تعداد خطوط FFT در ارتباط است — رابطهای که میتوانید از طریق ماشین حساب تفکیک پذیری FFT هنگام برنامهریزی یک اندازهگیری کاوش کنید.
3. چگونه تعریض رخ میدهد؟
ارتعاش فرکانس بالایی را تصور کنید که توسط تجزیهکننده دیجیتالی اندازهگیری میشود و نمونههای گسستهای را با نرخ ثابتی دریافت میکند:
- اگر نرخ نمونهبرداری بهاندازه کافی بالا باشد — به میزان قابلتوجهی بالاتر از نرخ نیکوئیست — تجزیهکننده نقاط کافی در هر سیکل را برای بازسازی دقیق شکل موج دریافت میکند.
- اگر نرخ نمونهبرداری بیش از حد پایین باشد، تجزیهکننده آنچه بین نمونهها اتفاق میافتد را از دست میدهد. نقاط کمی که دریافت میکند در یک منحنی سینوسی کاملاً متفاوت و فرکانس پایینتر متصل میشوند. آن فرکانس پایینتر کاذب، تعریض است.
مثالی عملی: فرض کنید سیگنال دارای یک مؤلفه واقعی 900 هرتز است اما F تجزیهکنندهmax روی 500 هرتز تنظیم شده است، که متناظر با نرخ نمونهبرداری 1000 هرتز است. محتوای 900 هرتز بالاتر از فرکانس نیکوئیست 500 هرتز قرار دارد و نمیتواند به درستی اندازهگیری شود. تعریض میشود و در F دوباره ظاهر میشودs − 900 = 1000 − 900 = 100 Hz. An analyst scanning the spectrum could easily mistake that 100 Hz peak for a ارتعاش با سرعت دوران 1× یا برای یک نقص واقعی، و تعقیب یک خرابی که وجود ندارد. بدتر از آن، عاملهای فرکانس بالا — تأثیرات یاتاقان، انرژی درگیری دندهها، نویز الکتریکی — اغلب همان سیگنالهایی هستند که یک تحلیلگر بیشترین آرزو را برای اعتماد به آنها دارد.
4. جلوگیری از تعریض: فیلتر ضدتعریض
غیرممکن است که پیشتر بدانیم تمام محتوای فرکانس بالایی که یک سیگنال ممکن است حمل کند — نویز فراصوتی، تأثیرات تیز، تداخل فرکانس رادیویی و جمعآوری الکتریکی میتوانند همگی درونیابی کنند. بنابراین، امیدوار بودن که نرخ نمونهبرداری بهاندازه کافی بالا است، استراتژی ایمن نیست.
راهحلی که در هر تجزیهکننده ارتعاش دیجیتالی مدرن استفاده میشود، این است که فیلتر ضد لبه گذاری: a steep پاسپایین در مسیر سیگنال قرار گرفتهاست قبل از تبدیلکننده آنالوگ به دیجیتال (ADC). اینگونه کار میکند:
- کاربر حداکثر فرکانس موردنظر را تعیین میکند، Fmaxبرای تجزیهوتحلیل.
- بر اساس آن Fmax، دستگاه تجزیه کننده به طور خودکار فرکانس قطع فیلتر ضد تعریف را کمی بالاتر از F تنظیم میکندmax.
- The analogue سنسور سیگنال از فیلتر عبور میکند، که هر چیز بالای فرکانس قطع را حذف یا شدیدا کاهش میدهد.
- فقط سیگنال فیلتر شده و پاک شده به ADC برای نمونهبرداری میرسد.
چون فیلتر فرکانسهای بالا را حذف میکند، نرخ نمونهبرداری انتخاب شده نمیتواند آنها را پردازش کند قبل از نمونهبرداری انجام میشود، این منجر به اینکه aliasing از نظر فیزیکی غیرممکن است. یک فیلتر واقعی نمیتواند بینهایت تیز قطع کند، بنابراین قطع کردن کمی زیر فرکانس Nyquist تنظیم میشود تا یک نوار محافظی در دامنه آن باقی بماند. فیلتر ضد تعریف یکی از مهمترین عناصر هر دستگاه تجزیه کننده است، که تضمین میکند FFT حاصل تصویری درست و وفادار از ارتعاش دستگاه در محدوده انتخاب شده است. توجه داشته باشید که این فیلتراسیون باید آنالوگ باشد و باید قبل از دیجیتالی کردن انجام شود — اعمال فیلتراسیون دیجیتال پس از ADC نمیتواند یک alias را حل کند، زیرا در آن نقطه فرکانس جعلی قبلاً در دادهها قفل شده است.
5. پیامدهای عملی برای تجزیه کننده
برای مهندسی که در میدان کار میکند، درس این است که تنظیمات فرکانس دستگاه را احترام بگذارید. انتخاب Fmax خیلی پایین برای حفظ خوب resolution بر روی پیکهای پایین مرتبه میتواند اطلاعات فرکانس بالای مهم را مخفی کند؛ فیلتر ضد تعریف شما را از پیکهای جعلی محافظت میکند، اما نمیتواند انرژیای را نشان دهد که شما فیلتر کردید. ابزارهای قابل اعتماد این کار را به طور خودکار انجام میدهند — یک دستگاه تجزیه کننده قابل حمل مانند بالانس-1a ضد تعریف را در سختافزار قبل از ADC اعمال میکند، بنابراین طیفی که برای تشخیص ارائه میدهد و دامنه و فاز 1× که برای تعادل کردن از آن استفاده میکند، از مصنوعات aliased در سراسر محدوده کاری خالی هستند. نتایج عملی: F را تنظیم کنیدmax به اندازه کافی بالا برای پوشش دادن بالاترین فرکانس نقص که شما به آن اهتمام دارید، اعتماد داشته باشید که یک دستگاه تجزیه کننده به درستی طراحی شده aliasing نمیکند، و هر پیک فرکانس پایین تشریح نشده را با مریزی سالم تعامل کنید تا زمانی که دلایل دیگری را رد کردید.
English 
العربية 
Azərbaycan dili 
বাংলা 
Български 
简体中文 
Hrvatski 
Čeština 
Dansk 
Nederlands 
Eesti 
Suomi 
Français 
ქართული 
Deutsch 
Ελληνικά 
עִבְרִית 
हिन्दी 
Magyar 
Bahasa Indonesia 
Italiano 
日本語 
한국어 
Latviešu valoda 
Lietuvių kalba 
Bahasa Melayu 
Norsk bokmål 
فارسی 
Polski 
Português 
Română 
Русский 
Српски језик 
Slovenčina 
Slovenščina 
Español 
Svenska 
ไทย 
Türkçe 
Українська 
اردو 
Tiếng Việt 