درک تحلیل طیفی
تحلیل طیفی فرآیندی است برای دریافت یک سیگنال پیچیده — مانند یک شکل موج زمانی از یک حسگر لرزش — و تجزیه آن به اجزای فرکانسی جداگانه. هدف آن تبدیل سیگنال از دامنهٔ زمانی (دامنه در برابر زمان) به حوزه فرکانس (دامنه در مقابل فرکانس). خروجی یک طیف (جمع: اسپکترا): نموداری که دامنه ارتعاش را در هر فرکانس مشخص نشان میدهد. تحلیل طیفی بنیادیترین و قدرتمندترین تکنیک در تشخیص ارتعاش، زیرا به یک تحلیلگر امکان میدهد تا امضاهای فرکانسی منحصربهفرد مرتبط با خرابیهای مختلف ماشین را شناسایی کند.
۱. تعریف: آنالیز طیفی چیست؟
ارتعاش یک ماشین مجموعهای از نیروهای تناوبی همزمان است و در حوزهٔ زمان، این نیروها در هم آمیخته و به یک ردپای پیچیده تبدیل میشوند که تفسیر آن دشوار است. تحلیل طیفی آن ردپا را از هم باز میکند. پایهٔ ریاضی این روش اصل فوریه است: هر سیگنال تناوبی، هرچقدر هم پیچیده باشد، را میتوان به صورت مجموعهای از موجهای سینوسی ساده نمایش داد که هر یک فرکانس، دامنه و فاز خاص خود را دارند. تحلیل طیفی آن فهرست امواج سینوسی را بازیابی میکند و آن را به صورت یک طیف نمایش میدهد — و “یک نوسان گیجکننده در طول زمان” را به “مجموعهای مرتب از قلهها در فرکانسهای شناختهشده” تبدیل میکند. این تبدیل کل نکته است و همه چیزهای دیگر از آن ناشی میشوند.
۲. نقش تبدیل فوریه سریع (FFT)
تحلیل طیفی مدرن با یک الگوریتم بسیار کارآمد به نام تبدیل فوریه سریع (FFT). تبدیل فوریه سریع (FFT) یک روش ریاضی است که در هر آنالایزر دیجیتال ارتعاش برنامهریزی شده است. آنالایزر ارتعاش. این دادههای موجشکل زمانی دیجیتالیشده را بهعنوان ورودی میپذیرد و طیف فرکانسی را بهعنوان خروجی تولید میکند، محاسبهای را که زمانی با دست ساعتها طول میکشید، در عرض میلیثانیهها انجام میدهد.
FFT امکان میدهد سیگنال پیچیده و ظاهراً آشفتهای — که در حوزهٔ زمانی خواندن آن بسیار دشوار است — به صورت مجموعهای واضح از قلههای فرکانسی متمایز در حوزهٔ فرکانس مشاهده شود. برای اینکه FFT معتبر باشد، سیگنال باید ابتدا بهدرستی نمونهبرداری شده و از الیاسینگ، به همین دلیل یک فیلتر ضداختلاط (آنتیالیاسینگ) همیشه پیش از تبدیل قرار میگیرد.
۳. قدرت تشخیصی طیف
تحلیل طیفی تا این حد مؤثر است زیرا مشکلات مکانیکی و الکتریکی مختلف در ماشینآلات چرخان، ارتعاشهایی با فرکانسهای مشخص و ویژه ایجاد میکنند. با بررسی طیف، تحلیلگر میتواند با تطبیق فرکانسهای قلهها با الگوی خرابی شناختهشده، علت اصلی مشکل را تشخیص دهد. مثالهای رایج عبارتند از:
- یک قلهی بزرگ در 1× سرعت کارکرد اغلب نشان میدهد عدم تعادل — نشانهای برای انجام بالانسکاری.
- یک قلهی بزرگ در سرعت دو برابر، نشانهای کلاسیک از ناهمترازی.
- یک ردیف هارمونیک با سرعت چرخش معمولاً نشاندهندهٔ شل بودن مکانیکی است.
- مجموعهای از پیکها در مضربهای غیرصحیحِ سرعت کارکرد میتواند نشاندهنده عیوب یاتاقان، که اغلب بهترین تأیید آن با تحلیل پوششی.
- یک قله با دامنهٔ بالا در فرکانس درگیری چرخدندهها با نوارهای کناری نشان میدهد نقص دنده.
- یک قله در دو برابر فرکانس خط برق میتواند نشاندهنده مشکل استاتور موتور باشد.
۴. پارامترهای کلیدی در تحلیل طیفی
برای بهدستآوردن طیفی مفید، یک تحلیلگر باید چندین پارامتر کلیدی را تعریف کند. اگر این پارامترها را اشتباه در نظر بگیرید، حتی یک FFT بینقص هم شما را گمراه خواهد کرد:
- Fmax (بیشینه فرکانس): بالاترین فرکانسِ گنجاندهشده در طیف است. این مقدار باید آنقدر بالا تنظیم شود که عیبهای مشکوک را پوشش دهد — برای مشکلات چرخدنده و یاتاقان بالا، و برای نابالانسی در سرعتهای پایین کمتر.
- رزولوشن (خطوط رزولوشن): این سطح جزئیات را تعیین میکند. خطوط بیشتر وضوح فرکانسی دقیقتری فراهم میکنند و به تحلیلگر اجازه میدهند دو قله نزدیک به هم را از هم جدا کند — امری ضروری برای تفکیک باندهای جانبی در تحلیل جعبهدنده. در مقابل، زمان اکتساب طولانیتر میشود؛ رابطهای که میتوانید با یک ماشین حساب تفکیک پذیری FFT.
- میانگینگیری: برای بهدستآوردن یک طیف تمیز و پایدار، آنالایزر چندین “اسنپشات” میگیرد و آنها را میانگین میکند تا نویز تصادفی را سرکوب و ارتعاش پایدار واقعی را آشکار کند.
- پنجرهبندی: یک تابع ریاضی مانند پنجرهٔ هنینگ به هر بلوک داده اعمال میشود تا از پدیدهٔ نشت طیفی (spectral leakage) جلوگیری کند. نشت طیفی, که در غیر این صورت، دامنهها و شکل قلهها را پخش و تحریف میکند.
۵. تحلیل طیفی در محل
تحلیل طیفی محدود به آزمایشگاه نیست — این دقیقاً کاری است که یک مهندس نگهداری با یک دستگاه قابل حمل در محل انجام میدهد. یک آنالیزور دوکاناله مانند Balanset-1A سیگنال را از یک شتاب سنج روی محفظه یاتاقان، FFT را اجرا میکند و طیف را بهصورت آنی نمایش میدهد، تا تکنسین بتواند نقص را شناسایی کرده و پیش از شیفت بعدی اقدام کند. از آنجا که همان دستگاه لغزش (رانوت) محور را نیز میخواند، فاز از یک دورسنج, تشخیص عدم تعادل ۱× میتواند مستقیماً بدون تعویض ابزارها به اصلاح تعادل منتقل شود — تشخیص و تعمیر در یک گردش کار واحد.
۶. تحلیل طیفی در مقابل شکلموج زمانی
طیف قدرتمند است، اما تصویر کامل را ارائه نمیدهد. میانگینگیری و تبدیل فوریه سریع (FFT) میتوانند رویدادهای گذرای کوتاه و تند — ضربههای ناشی از ترکخوردگی دندان چرخدنده یا جداشدگی یاتاقان — را که در شکلموج خام زمان بهوضوح دیده میشوند، پنهان کنند. بنابراین تحلیلگران ماهر این دو دیدگاه را بهعنوان شریکان در نظر میگیرند: طیف برای مکانیابی کدام اینکه کدام فرکانسها حامل انرژی هستند، و شکلموج زمانی برای بررسی اینکه چگونه چگونه آن انرژی منتقل میشود. در اصل، تحلیل طیفی هسته تشخیص ارتعاش مدرن است و نمایی روشن شبیه “اشعه X” از نیروها و حرکتهای درون ماشین ارائه میدهد — و وقتی در کنار شکلموج و یک مرجع مبنای معتبر خوانده شود، ارتعاش خام را به تصمیمهای مطمئن تبدیل میکند.
