Mitä on Wavelet-analyysi värähtelydiagnostiikassa? • Kannettava tasapainotin, värähtelyanalysaattori "Balanset" murskainten, puhaltimien, multainten, puimureiden ruuvien, akseleiden, sentrifugien, turbiinien ja monien muiden roottorien dynaamiseen tasapainotukseen. Mitä on Wavelet-analyysi värähtelydiagnostiikassa? • Kannettava tasapainotin, värähtelyanalysaattori "Balanset" murskainten, puhaltimien, multainten, puimureiden ruuvien, akseleiden, sentrifugien, turbiinien ja monien muiden roottorien dynaamiseen tasapainotukseen.

Wavelet-analyysin ymmärtäminen

1. Määritelmä: Mitä on Wavelet-analyysi?

Wavelet-analyysi on edistynyt signaalinkäsittelytekniikka, jota käytetään analysoimaan tärinä signaaleja, joiden taajuussisältö muuttuu ajan kuluessa. Toisin kuin perinteiset Nopea Fourier-muunnos (FFT), joka sopii parhaiten stationaarisille signaaleille (signaaleille, joilla on vakio taajuussisältö), wavelet-analyysi voi tehokkaasti tallentaa ja esittää transienttitapahtumia, iskuja ja muita ei-stationaarisia käyttäytymismalleja.

Se toimii hajottamalla signaalin joukoksi perusfunktioita, joita kutsutaan "wavelet-muotoisiksi aallokkeiksi". Jokainen aalloke on lyhyt, värähtelevä aaltomainen paketti, joka on lokalisoitu sekä ajallisesti että taajuuden suhteen. Tämä kaksinkertainen lokalisaatio antaa aallokeanalyysille sen tehon.

2. Wavelet-analyysi vs. FFT

Wavelet-analyysin arvon ymmärtämiseksi on tärkeää ymmärtää FFT:n rajoitukset:

  • FFT (nopea Fourier-muunnos): FFT kertoo, *mitkä* taajuudet signaalissa ovat, mutta se ei anna tietoa siitä, *milloin* ne esiintyivät. Se analysoi koko signaalin kerralla, mikä tarjoaa erinomaisen taajuusresoluution, mutta ei aikaresoluutiota.
  • Wavelet-analyysi: Wavelet-analyysi kertoo, *mitkä* taajuudet ovat läsnä ja *milloin* ne ovat läsnä. Se tarjoaa signaalista "aika-taajuus"-kartan, joka näyttää, miten spektrisisältö kehittyy ajan kuluessa.

Kuvittele signaali, joka sisältää lyhyen "naksahduksen" säröytyneestä hammaspyörän hampaasta. FFT saattaa näyttää pienen laajakaistaisen energian kasvun, mutta naksahdus keskiarvoistuisi koko signaaliin. Wavelet-analyysi kuitenkin tuottaisi kuvaajan, joka selvästi osoittaisi korkeataajuisen energian purkauksen juuri sillä hetkellä, kun naksahdus tapahtui.

3. Skalogrammi: aika-taajuuskartta

Yleisin wavelet-analyysin tulos on skalogrammi (tai vastaava aika-taajuuskuvaaja). Tämä on 2D-värikartta, jossa:

  • X-akseli kuvaa aikaa.
  • Y-akseli edustaa taajuutta (tai skaalaa).
  • Väri edustaa värähtelyn amplitudia tai energiaa kyseisellä hetkellä ja taajuudella.

Tämä visualisointi helpottaa sellaisten ohimenevien tapahtumien havaitsemista, jotka olisivat piilossa tavallisessa FFT-spektrissä. Esimerkiksi pystysuora "kuuma" väriviiva skalogrammissa osoittaa laajakaistaisen tapahtuman (kuten iskun), joka tapahtui tiettynä ajankohtana.

4. Sovellukset värähtelydiagnostiikassa

Wavelet-analyysiä ei tyypillisesti käytetä rutiinitarkoituksiin tärinänvalvonta mutta on tehokas työkalu edistyneeseen diagnostiikkaan tietyissä tilanteissa:

  • Vaihteiston analyysi: Se on poikkeuksellisen hyvä havaitsemaan paikallisia vikoja, kuten yksittäisen haljenneen tai rikkoutuneen hampaan, joka aiheuttaa selkeän iskun jokaisella kierroksella.
  • Laakerivika Analyysi: Sitä voidaan käyttää havaitsemaan yksittäisiä iskuja, jotka aiheutuvat vierintäelementin kulkeutuessa lohkeaman yli, erityisesti erittäin hitaasti toimivissa koneissa, joissa käytetään perinteisiä kirjekuorianalyysi voi olla haastavaa.
  • Ohimenevä tapahtuma Analyysi: Se sopii erinomaisesti koneiden käynnistyksen, sammutuksen tai muiden prosessien signaalien analysointiin, joissa nopeus ja värähtelyominaisuudet muuttuvat jatkuvasti.
  • Rakenneanalyysi: Sitä voidaan käyttää analysoimaan rakenteen vastetta iskulle (iskukoe) sen vaimennuksen ja ominaistaajuuksien ymmärtämiseksi.

Vaikka laskennallisesti intensiivisempi kuin FFT, moderni tietokoneohjelmisto on tehnyt wavelet-analyysistä helppokäyttöisen ja arvokkaan työkalun edistyneelle värähtelyanalyytikolle, joka käsittelee monimutkaisia, ei-stationaarisia signaaleja.


← Takaisin päähakemistoon

Luokat: AnalyysiSanasto

fiFI
WhatsApp