درک پنجره هنینگ
The پنجره هانینگ (بهطور رسمیتر پنجره Hann، نامگذاریشده بر اساس Julius von Hann) یک تابع وزندهی صاف و زنگشکل است که بر روی یک بلوک شکلموج زمانی داده قبل از اینکه به تبدیل فوریه سریع (FFT)منتقل شود. این تا حد زیادی پرکاربردترین از تمام پنجره سازی functions in تحلیل ارتعاشات، و تنها هدف آن سرکوب یک مصنوع اندازهگیری به نام نشت طیفی. هنگامی که پنجره با سیگنال ثبتشده ضرب میشود، دامنه را در ابتدا و انتهای بلوک زمانی به آرامی به صفر میرساند، در حالی که مرکز سیگنال عملاً بدون تغییر میماند.
۱. تعریف: پنجره هننینگ چیست؟
از نظر ریاضی، پنجره هننینگ یک نیمکسینوس برافزایش است: هر نمونه زمانی در ضریبی ضرب میشود که از صفر در نمونه اول شروع میشود، در وسط بلوک به یک میرسد، و در نمونه آخر به صفر بازمیگردد. منحنی از شکل پیروی میکند w(n) = 0.5 − 0.5·cos(2πn/N), ، جایی که n شماره نمونه است و ن طول بلوک. شکل از این جهت اهمیت دارد که دادهها را به آرامی تیز میکند نه اینکه آنها را بهطور ناگهانی قطع کند. با رساندن نقاط انتهایی به صفر، بلوک پنجرهدار میتواند انتها به انتهای دیگر تکرار شود بدون هیچ پرش ناگهانی — دقیقاً شرایطی که FFT خاموشانه فرض میکند.
۲. چرا پنجره ضروری است: نشت طیفی
FFT بلوک محدود نمونههایی را که دریافت میکند به عنوان یک چرخه کامل، بینهایت تکراری سیگنال در نظر میگیرد. این فرض تنها در صورتی برقرار است که یک عدد صحیح از چرخههای هر جزء فرکانسی دقیقاً در بلوک جا شود. برای یک ماشین واقعی — جایی که سرعت شافت کمی تغییر میکند و بسیاری از فرکانسهای نامرتبط به طور همزمان حاضر هستند — این تقریباً هرگز درست نیست.
هنگامی که یک عدد غیرصحیح از چرخهها ثبت میشود، انتهای بلوک با ابتدای آن هماهنگ نمیشود. FFT عدمتطابق حاصل را به عنوان یک پرش تیز یا ناپیوستگی در مرز بلوک تفسیر میکند. این مرحله مصنوعی انرژی حمل میکند که بخشی از سیگنال واقعی نیست، و انرژی در سراسر سطلهای فرکانسی اطراف “نشت” میکند طیف. عواقب آن عبارتاند از:
- Smearing: یک قله فرکانسی تیز به یک کوهان پهن و دارای دامن گسترش مییابد، که نقطه فرکانس دقیق را سخت تشخیص میدهد.
- Masking: سطح نویز بلندشده اطراف یک قله قوی میتواند یک قله کوچک نزدیک را کاملاً مدفون کند — برای مثال یک تن بلبرینگ سطح پایین که نزدیک یک سرعت دویدن (۱×) جزء.
۳. چگونه پنجره هننینگ مسئله را حل میکند
چون پنجره سیگنال را در هر دو مرز به صفر میرساند، ناپیوستگی مصنوعی ناپدید میشود. FFT اکنون یک بلوک انتقالی صاف و واقعاً تناوبی را میبیند و آن را بسیار وفاداریتر پردازش میکند. نشت طیفی به شدت فروپاشی میکند، که دو مزیت عملی را فراهم میکند:
- تعریف فرکانسی بهتر: به همریختگی محدود است، بنابراین قلهها تنگ و به وضوح جدا میشوند. ویژگیهای نزدیک هم — مانند هارمونیکهای سرعت کارکرد sitting near فرکانسهای خطای یاتاقان — متمایز میمانند.
- دقت بالاتر دامنه: تاپرینگ دادهها در واقع ارتفاع قلهای ظاهری را کاهش میدهد، اما هر تحلیلگر یک ضریب تصحیح دامنه ثابت (≈1.63 یا +2.27 دسیبل) اعمال میکند تا سطح واقعی بازگردانده شود. از آنجایی که انرژی کمتری به جعبههای مجاور نشت کرده است، دامنه گزارششده در جعبه صحیح قابل اعتمادتر است.
تنها هزینه گسترش متواضع لوب اصلی است — یک تن پنجرهای هنینگ تقریباً چهار جعبه عریض است. اگر دو فرکانس نزدیکتر از آن کنار هم باشند، به تفکیکپذیری ریزتر نیاز دارید تا نه پنجره متفاوت؛ یک راه سریع برای تعیین تنظیمات شما این است که ماشین حساب تفکیک پذیری FFT، که طول بلوک، نرخ نمونهبرداری و فاصله خط را مربوط میکند.
4. چه زمانی از پنجره هنینگ استفاده کنید
پنجره هنینگ عبارت است از انتخاب استاندارد، همهمنظور برای عملاً تمام اندازهگیریهای ارتعاش ماشین آلات حالت پایدار. این تعادل عالی بین تفکیک فرکانس (جداسازی قلههای نزدیک) و دقت دامنه (خواندن سطح صحیح) برقرار میکند. برای طیف FFT روتین بر روی موتورها، پمپها، فنها و کمپرسورها این تنظیم صحیح در بسیار غالبترین موارد است — و این پنجرهای است که دستگاه دوکانال قابلحمل بالانس-1a هنگام محاسبه طیف تشخیصی در میدان اعمال میکند، جایی که سرعت شفت هرگز کاملاً ثابت نیست و نشت در غیر این صورت نتیجه را خراب میکند.
5. هنینگ در مقایسه با سایر پنجرهها
پنجره هنینگ تنها گزینه نیست، و انتخاب گزینه صحیح به آنچه که سعی میکنید استخراج کنید بستگی دارد:
- Flattop: عمداً تفکیک فرکانس را برای دقت دامنه بسیار بالا قربانی میکند. این پنجره انتخابی هنگام کالیبراسیون یک سنسور یا خواندن سطح دقیق یک تن غالب واحد است.
- یکنواخت (مستطیلی / “بدون پنجره”): هیچگونه تاپرینگی اعمال نمیکند. این برای رویدادهای گذرا و ضربهای — مانند یک تست ضربه — که در حال حاضر در درون بلوک شروع و پایان مییابند، بنابراین پنجرهای لازم نیست.
- هانینگ: تعادل متوسط محافظهکار، و بنابراین استاندارد برای تشخیص روزمره.
خلاصهای، هنگامیکه دامنه باید دقیق باشد برای Flattop رجوع کنید، یکنواخت هنگام ثبت یک رویداد خودموجود، و هنینگ برای هر چیز دیگری — که بیشتر اوقات است.
