Meet Vibromera.com — our new international website. Visit Vibromera.com →

تبدیل فوریه سریع (FFT) در تحلیل ارتعاشات

ترازوی قابل حمل و آنالیزور ارتعاش Balanset-1A

سنسور لرزش

سنسور نوری (تاکومتر لیزری)

Balanset-4

پایه مغناطیسی تا وزن ۶۰ کیلوگرم

نوار شبرنگ

تعادل‌ساز دینامیک "Balanset-1A" OEM

The تبدیل فوریه سریع (FFT) یک الگوریتم ریاضی بسیار کارآمد است که سیگنال را از دامنه زمانی به دامنه فرکانسی تبدیل می‌کند. در تحلیل ارتعاشات آن را به یک دادهٔ خام و پیچیده تبدیل می‌کند شکل موج زمانی — دامنه ارتعاش در مقابل زمان ترسیم شده — به یک طیف فرکانسی, دامنه در مقابل فرکانس ترسیم شده است. این تبدیل واحد مهم‌ترین و بنیادی‌ترین فرایند در تشخیص عیوب ماشین‌آلات مدرن است؛ بدون آن، سیگنال ارتعاش چیزی جز یک خط منحنی غیرقابل‌خواندن نیست.

۱. تعریف: FFT چیست؟

FFT یک اندازه‌گیری نیست، بلکه یک محاسبه است. این پیاده‌سازی سریعی از تبدیل فوریه گسسته است که با بهره‌گیری از تقارن‌های ریاضی، کاری را در چند میلی‌ثانیه انجام می‌دهد که در غیر این صورت بسیار زمان‌برتر بود؛ به همین دلیل می‌تواند به‌صورت زنده روی یک دستگاه دستی اجرا شود. مبنای آن، طبق نظریه فوریه، این است که هر سیگنال دوره‌ای پیچیده را می‌توان به‌صورت مجموعی از موج‌های سینوسی ساده با فرکانس‌ها و دامنه‌های متفاوت بازسازی کرد. FFT این ایده را به‌صورت معکوس اجرا می‌کند: یک شکل موج درهم را به آن بدهید و فهرست موج‌های سینوسی تشکیل‌دهنده‌اش را بازمی‌گرداند.

۲. چرا FFT برای تشخیص ضروری است

یک شکل‌موج خام زمان از یک ماشین در حال کار، درهم‌تنیده‌ای از چندین ارتعاش است که هم‌زمان رخ می‌دهند و قضاوت درباره سلامت ماشین تنها با نگاه به آن نمودار تقریباً غیرممکن است. تبدیل فوریه سریع (FFT) مانند منشوری عمل می‌کند و سیگنال پیچیده را به اجزای فرکانسی جداگانه‌اش تقسیم می‌کند. نتیجه، نموداری واضح و قابل اقدام است که به تحلیلگر امکان می‌دهد ببیند:

  • چه فرکانس‌هایی وجود دارند؟
  • در هر فرکانس چه مقدار انرژی (دامنه) وجود دارد؟
  • رابطه بین آن فرکانس‌ها — هارمونیک‌ها، باندهای جانبی و امثال آن چیست؟

زیرا نقص‌های مکانیکی و الکتریکی مختلف — عدم تعادل, ناهم‌ترازی, عیوب یاتاقان، و سستی — هر یک ارتعاش را در فرکانس‌های بسیار مشخص و قابل‌پیش‌بینی ایجاد می‌کنند، طیف نقشه‌ای مستقیم به ریشه‌ی یک مشکل ارائه می‌دهد. این دیدگاه در حوزه‌ی فرکانس اساس همه‌ی تحلیل طیفی.

۳. پارامترهای کلیدی یک تحلیل FFT

برای به‌دست‌آوردن طیف مفید، تحلیلگر چندین پارامتر را روی دستگاه جمع‌آوری داده یا نرم‌افزار تنظیم می‌کند. اگر آن‌ها را اشتباه تنظیم کند، ممکن است یک نقص واقعی از دست برود؛ اما اگر درست تنظیم شوند، نقص به‌وضوح نمایان می‌شود.

Fmax (بیشترین فرکانس)

بالاترین فرکانسی که در طیف گنجانده شده است. باید به اندازه‌ی کافی بالا تنظیم شود تا بالاترین فرکانس نقص مورد نظر را پوشش دهد — فرکانس بالا مش دنده یا تون‌های یاتاقان، برای مثال — اما نه آن‌قدر بالا که جزئیات فرکانس پایین هدر برود. برای جلوگیری از الیاسینگ، ابزارها یک فیلتر anti-aliasing اعمال می‌کنند. پاس‌پایین زیر نرخ نمونه‌برداری قبل از محاسبه FFT.

رزولوشن (خطوط وضوح)

این سطح جزئیات را تعیین می‌کند — تعداد باین‌های فرکانسی مجزا که در سراسر Fmax محاسبه می‌شوند. خطوط بیشتر (مثلاً ۳۲۰۰ یا ۶۴۰۰) وضوح دقیق‌تری فراهم می‌کنند، به این معنی که توانایی بیشتری برای تفکیک دو فرکانس نزدیک به هم وجود دارد. رزولوشن بالا برای تمایز فرکانس‌های تپش یا تفکیک فرکانس‌های نزدیک به هم ضروری است. نوارهای کناری در تحلیل جعبه‌دنده. از آنجا که عرض باکس برابر است با Fmax تقسیم بر تعداد خطوط، همیشه یک مصالحه بین دهانه و جزئیات وجود دارد؛ یک محاسبه‌گر وضوح FFT عرض بین حاصل و زمان اکتساب را برای هر تنظیمی نشان می‌دهد، و یک زوم اف اف تی می‌تواند تمام خطوط موجود را در یک نوار باریک متمرکز کند، زمانی که به جداسازی دقیق‌تری نیاز باشد.

میانگین‌گیری

از آنجا که ارتعاش ماشین نوسان دارد، یک تصویر واحد FFT می‌تواند گمراه‌کننده باشد. میانگین‌گیری چندین FFT را به‌سرعت پشت سر هم به‌دست آورده و آن‌ها را ترکیب می‌کند، نویز تصادفی را سرکوب کرده و طیفی بسیار پایدارتر و قابل تکرار ارائه می‌دهد که به‌طور واقعی وضعیت ماشین را نشان می‌دهد.

پنجره‌بندی

A تابع پنجره‌ای — معمولاً پنجره هانینگ — یک وزن‌دهی ریاضی است که بر داده‌های زمانی قبل از تبدیل اعمال می‌شود. این وزن‌دهی خطایی به نام نشت طیفی, که در غیر این صورت یک قلهٔ تیز را در باکس‌های مجاور پخش کرده و هم دامنه و هم فرکانس ظاهری آن را خراب می‌کند.

۴. تفسیر طیف FFT

یک تحلیلگر آموزش‌دیده طیف را با شناسایی الگوهای مشخص می‌خواند:

  • یک قله بزرگ در سرعت کارکرد نشان‌دهنده عدم تعادل است.
  • یک قله بزرگ در سرعت اجرا اغلب نشان‌دهنده ناهماهنگی است.
  • یک سری طولانی از هارمونیک ها (1×, 2×, 3×, 4×…) نشانه‌ای کلاسیک از شل‌شدگی مکانیکی است.
  • یک قله فرکانس بالا که حامل زیرباندهایی با فاصله‌ی متناسب با سرعت حرکت است، نشانه‌ی بارز نقص در جعبه‌دنده یا یاتاقان است.
  • یک “کف” بالارفته از نویز پهن‌باند می‌تواند نشان‌دهنده باشد کاویتاسیون در یک پمپ یا اصطکاک عمومی.

با مقایسه طیف فعلی با یک خط پایه با ثبت داده‌ها در زمانی که دستگاه سالم است، یک تحلیلگر می‌تواند تغییرات را تشخیص داده و مشکلات در حال ظهور را مدت‌ها پیش از آنکه به نقص‌های بحرانی تبدیل شوند، عیب‌یابی کند.

۵. FFT در اندازه‌گیری میدانی عملی

در یک دستگاه قابل حمل، FFT به‌صورت آنی از سیگنال زنده محاسبه می‌شود. شتاب سنج سیگنال. Balanset-1A، یک آنالایزر میدانی دوکاناله، شکل‌موج زمانی را ثبت می‌کند و طیف آن را از حدود ۵ Hz تا 1000 Hz نمایش می‌دهد تا مهندس بتواند قله سرعت دورانی، هارمونیک‌های آن و هرگونه تون یاتاقان یا چرخ‌دنده را روی ماشین بخواند. در ترکیب با پالس tachometer یک‌بار در هر دور، همین مجموعه‌داده از بالانس مبتنی بر فاز پشتیبانی می‌کند، در حالی که تحلیل مرتبه می‌توان طیف را به مضربی از سرعت گردش در ماشین‌های دور متغیر ارجاع داد — و بدین ترتیب FFT را از یک نمودار ایستا به موتور یک گردش کار تشخیص و بالانس در محل تبدیل کرد.


← بازگشت به فهرست اصلی

واتساپ
بالانسنت-۱A · ۱۹۷۵ یورواز مهندس بپرسید