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 مقابل زمان) به داخل دامنه 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 سیستم دیجیتال 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 نام مستعار, ، به همین دلیل یک فیلتر ضدمیخانی 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 — علامت شروع کار تعادلبخشی.
- 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 غیر صحیح سرعت دویدن میتواند به موارد زیر اشاره داشته باشد: 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 فرکانس گنجاندهشده در طیف. باید به اندازهای بالا تنظیم شود که خطاهای مشکوک را پوشش دهد — برای مشکلات دندهدانی و یاتاقان بالا، و برای عدم تعادل در دورهای پایین پایینتر.
- 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 بهدست آوردن طیفی تمیز و پایدار، آنالیزور چندین “لحظه” را ثبت کرده و آنها را میانگینگیری میکند تا نویز تصادفی را سرکوب کرده و ارتعاش پایدار واقعی را آشکار سازد.
- پنجره سازی: یک تابع ریاضی مانند پنجره هنینگ به هر بلوک داده اعمال میشود تا از ... جلوگیری کند. نشت طیفی, که در غیر این صورت، دامنهها و شکل قلهها را پخش و تحریف میکند.
۵. تحلیل طیفی در میدان
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 بالانس-1a نمونهبرداری از سیگنال 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. زیرا همان دستگاه همچنین 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 فرکانسها حامل انرژی هستند، شکلموج زمانی برای مطالعه چگونه که انرژی منتقل میشود. در واقع، تحلیل طیفی هستهٔ تشخیص ارتعاش مدرن است که نمای “اشعه ایکس” روشنی از نیروهای و حرکات درون یک ماشین ارائه میدهد — و در کنار شکل موج و یک مرجع پایهٔ صوتی خوانده میشود تا ارتعاش خام را به تصمیمهای مطمئن تبدیل کند.
