آنالیز کپستروم در تشخیص ارتعاش
تجزیه و تحلیل کپستروم یک تکنیک پیشرفته پردازش سیگنال است که ساختار دورهای را آشکار میسازد. درون یک طیف فرکانسی. نام “cepstrum” آناگرامی از “spectrum” است و این بازی زبانی دقیقاً ماهیت آن را نشان میدهد: در واقع “طیفِ یک طیف” است. این کمیت با گرفتن لگاریتم یک طیف فرکانسی طیف و سپس اعمال تبدیل فوریه معکوس بر روی نتیجه، گامی که الگوهای تکرارشونده را از بین میبرد — خانوادههای هارمونیک ها یا نوارهای کناری — را به قلههای منفرد و خوانایی تبدیل میکند که تشخیص آنها در طیف خام میتواند دشوار باشد. برای ماشینآلات پیچیدهای مانند گیربکسها، این روش وضوحی فراهم میکند که تحلیل معمولی FFT اغلب قادر به ارائه آن نیست.
در نمودار سیپسترم، محور x نامیده میشود کوفِرنسی (یک آناگرام از فرکانس) و واحدهای زمان را حمل میکند. قلهها در امتداد این محور، که نامیده میشوند رحمونیک، دوره الگوهای تکرارشونده موجود در طیف اصلی را - بر حسب ثانیه - نشان میدهند. این واژگان عمداً جابهجا شده (cepstrum, quefrency, rahmonics) یادآور دائمی این نکتهاند که این تکنیک در حوزهای عمل میکند که یک تبدیل با حوزه آشنای معمول فاصله دارد.
۱. چرا از تحلیل سِپستریم استفاده کنیم؟
یک طیف استاندارد FFT برای شناسایی اجزای فرکانسی منفرد عالی است، اما وقتی یک خطا همزمان هارمونیکها و باندهای جانبی زیادی تولید کند، میتواند شلوغ و خواندن آن دشوار شود. تحلیل سِپسترم با تجمیع کل خانواده فرکانسهای با فاصلههای یکسان در یک قله واضح، آن شلوغی را از بین میبرد. کاربردهای اصلی آن عبارتند از:
- تشخیص خانوادههای هارمونیک: این فرکانس پایه و هارمونیکهای آن را حتی زمانی که خود فرکانس پایه در طیف ضعیف یا غایب باشد، شناسایی میکند.
- شناسایی خانوادههای باند جانبی: این در یافتن باندهای جانبی کمدامنه که در نویز پنهان شدهاند، ممتاز است و حضور آنها را به وضوح نشان داده و فاصلهشان را اندازهگیری میکند.
- تفکیک اثرات منبع و مسیر: در برخی کاربردها، این امر به تفکیک سیگنال منبع ارتعاش از پاسخ سازهای ماشینی که آن را رنگآمیزی میکند، کمک میکند.
- تشخیص اکو: این میتواند اکوها یا بازتابها را در یک سیگنال تشخیص دهد.
ایده کلیدی، تبدیل است: یک الگوی منظم فاصلهگذاری در حوزهٔ فرکانس — مثلاً، باندهای جانبی هر ۳۰ هرتز — به یک واحد تبدیل میشود موقعیت در دامنهٔ کوفرنسی (در اینجا یک رامونیک در 1/30 = 0.033 ثانیه). بسیاری از قلههای پراکنده با ارتفاعهای گوناگون بدین ترتیب به یک ویژگی قابل اندازهگیری تقلیل مییابند.
۲. کاربردهای کلیدی در تشخیص عیوب ماشین
۲.۱ تشخیص گیربکس
این رایجترین و قدرتمندترین کاربرد است. یک دندان چرخدنده آسیبدیده مدولاسیون میکند فرکانس درگیری دندهها (GMF)، ایجاد باندهای جانبی پیرامون قله GMF که با سرعت چرخشی چرخدنده معیوب فاصله یافتهاند. در یک جعبهدنده با چندین شفت و جفت چرخدنده، طیف به ترکیبی گیجکننده از GMFهای مختلف و باندهای جانبی آنها تبدیل میشود. سِپستریم آن پیچیدگی را برش میدهد:
- یک قله در کوفرنسی متناظر با دوره چرخش یک چرخدنده (1 / RPM) نشانگر واضحی از عیب در همان چرخدنده است و شفت معیوب را دقیقاً مشخص میکند، نه اینکه فقط وجود “یک مشکل چرخدنده” را تأیید کند.
- دامنهٔ آن قلهٔ سِپسترم را میتوان رصد کرد تا ببینیم چگونه ... سایش دنده با گذشت زمان پیشرفت میکند.
این روش بهجای جایگزینی، مکمل تحلیل مستقیم طیف است: محاسبهگر فرکانس درگیری دنده به شما میگوید که باید منتظر کدام فرکانسهای مش و باند جانبی باشید، و سپس سِپسترم تأیید میکند که کدام خانواده در واقع در حال رشد است. هر دو به تشخیصی کاملتر از نقص دنده.
۲.۲ تحلیل یاتاقان غلتکی
نواقص یاتاقان نیز باندهای جانبی تولید میکنند. برای مثال، نقصی در حلقه داخلی باعث ایجاد باندهای جانبی با فاصلههای برابر با سرعت شفت در اطراف فرکانس نقص حلقه داخلی میشود (BPFI) و هارمونیکهای آن. سِپستریم به تأیید این الگوها کمک میکند، بهویژه زمانی که در طیف آشکار نیستند. در عمل، این روش در کنار مقدار پیشبینیشده کار میکند. فرکانسهای خطای یاتاقان — بهراحتی از یک بهدست میآید محاسبهگر فرکانس عیب یاتاقان — و اغلب با تحلیل پوششی، که ضربههای فرکانسبالایی را که عیوب یاتاقان ایجاد میکنند، دمودوله میکند.
۲.۳ تحلیل توربوماشین
در توربینها و کمپرسورها، سِپسترم میتواند شناسایی کند. فرکانس عبور تیغه هارمونیکها را شناسایی کند و به تشخیص آسیب تیغه یا هواگام مشکلاتی که در غیر این صورت هارمونیکهای مرتبط با تیغههای با فاصلهی نزدیک به هم، طیف را شلوغ میکردند.
۳. نحوه تفسیر نمودار سیپسترم
یک خوانش منظم در چهار مرحله پیش میرود:
- ابتدا دورههای چرخشی را محاسبه کنید: پیش از بررسی سپستروم، دورههای زمانی اجزای اصلی دوار را محاسبه کنید. برای شفتی با سرعت 1800 RPM (30 Hz)، دوره برابر 1/30 = 0.033 s است. یک ماشینحساب فرکانس هارمونیک مبدل دور موتور (RPM) به هرتز را برای هر شفت در خط شفت تسریع میکند.
- در دورههای شناختهشده به دنبال قلهها بگردید: سپستروم را برای راهمونیکهای معناداری که با دورههای محاسبهشده همراستا هستند، بررسی کنید، زیرا یک اوج در دورهای شناختهشده، مستقیماً به یک مؤلفهٔ شناختهشده اشاره میکند.
- ساختار هارمونیک را شناسایی کنید: به دنبال قلهها در مضربهای صحیحِ یک کوفرنسیِ بنیادی باشید که نشاندهندهٔ خانوادههای هارمونیکیِ قوی در طیف اصلی هستند.
- روند دامنهها: ارتفاع قلههای سِپسترم را در طول زمان زیر نظر داشته باشید — افزایش دامنه نشاندهنده وخامت وضعیت است و قله سِپسترم را به یک شاخص سلامت فشرده برای پرطرفدار.
۴. جایگاه سِپستریم در یک مجموعه ابزار تشخیصی
تحلیل سِپسترم قدرتمند است، اما برای بهکارگیری درست آن به تجربه نیاز است؛ بهتر است آن را یکی از ابزارهای تخصصی در چارچوب برنامهای گستردهتر برای تشخیص ارتعاش بهجای یک پاسخ مستقل. گردش کار معمول این است که با طیف شروع کرده و تحلیل طیفی، وقتی خانوادههای متراکمِ باندهای جانبی یا هارمونیکها تصویر را مبهم میکنند، سراغ سِپسترم بروید و ضربههای یاتاقان را با روشهای پوش تأیید کنید. بیشتر عیبهایی که سِپسترم آشکار میکند — مانند عیوب دندانهٔ چرخدنده و یاتاقان — یافتههای تشخیصیاند، نه مشکلات بالانس؛ بنابراین سِپسترم در مرحلهٔ تحلیل، پیش از هر اقدام اصلاحی، قرار میگیرد. هرگاه مشخص شود مشکل اصلی عدم تعادل در سرعت کارکرد، یک آنالایزر قابلحمل مانند Balanset-1A دامنه و فاز ۱× مورد نیاز برای اصلاح آن در محل را اندازهگیری میکند، در حالی که سِپستریم بر عیوب دنده و یاتاقانهایی که بهترین تشخیص را در آنها دارد متمرکز میماند. برای ماشینآلات پیچیده، این ترکیب وضوح تشخیصیای فراهم میکند که تنها تحلیل طیفی قادر به ارائه آن نیست.
