Autospektrin ymmärtäminen
The automaattinen spektri - joka kirjoitetaan myös autospektriksi ja jota kutsutaan löyhästi tehospektriksi tai yksinkertaisesti “spektriksi” - on yksittäisen signaalin taajuusalueen esitys tärinä signaali, joka osoittaa, miten signaalin energia tai amplitudi jakautuu taajuuden mukaan. Se tuotetaan ottamalla Nopea Fourier-muunnos (FFT) aikatallenteen ja näyttää kunkin taajuuskomponentin suuruuden. Etuliite “auto-” erottaa sen muista ristikkäispektri, joka yhdistää kaksi eri signaalia: autospektri on signaalin spektri, joka on otettu itsestään.
Päivittäisessä työssä useimmat teknikot tarkoittavat juuri tätä, kun he puhuvat “spektristä” tai “FFT:stä” - vakiotaajuusnäytöstä, joka on jokaisessa tietokoneessa. tärinäanalysaattori, jonka huippu on epätasapaino, laakerivikataajuudet, vaihdeverkko, ja loput. Sen tunnustaminen, että tämä jokapäiväinen työkalu on teknisesti automaattinen spektri, on tärkeintä silloin, kun siirrytään monikanavaiseen työhön, jossa ristikkäispektrit, johdonmukaisuus, ja muut korrelaatiofunktiot tulevat kuvaan.
1. Matemaattinen perusta
Kaksi reittiä samaan tulokseen
Autospektri voidaan määrittää kahdella matemaattisesti vastaavalla tavalla:
- Suora FFT: Muunna aikasignaali, ota kunkin kompleksisen FFT-binin suuruus (tai suuruuden neliö) ja piirrä se taajuuden suhteen. Tämä on yleinen, suoraviivainen reitti, jota käytetään lähes kaikissa laitteissa.
- Autokorrelaation avulla: laske ensin signaalin autokorrelaatiofunktio ja ota sitten sen FFT. Kohdan Wiener-Khinchinin lause tulos on sama kuin suoralla menetelmällä - sama spektri saavutetaan eri laskentapolulla.
Kun suuruus neliöitetään ja normalisoidaan taajuusyksikköä kohti, samasta suureesta tulee a tehon spektritiheys, joka on laajakaistaisen satunnaisvärähtelyn suositeltava muoto.
Keskimääräinen vakaus
Yksittäinen FFT on tilastollisesti kohinainen, joten useat peräkkäisistä aikatallenteista lasketut automaattispektrit keskiarvoistetaan yhdessä estimaatin vakiinnuttamiseksi ja satunnaishajonnan vähentämiseksi. Rutiininomaisessa konediagnostiikassa 4-16 keskiarvoa on tyypillistä; laajakaistaisessa satunnaisvärähtelyssä voidaan tarvita 50-100 keskiarvoa tai enemmän. Hyöty tulee mittausaikojen kustannuksella, minkä vuoksi keskiarvolaskenta on harkittu kompromissi eikä “enemmän on aina parempi”.”
2. Ominaisuuksien määrittäminen
Kolme ominaisuutta on suoraan matematiikasta, ja ne kannattaa pitää mielessä, kun lukee mitä tahansa spektriä:
- Reaaliarvoinen: autospektrillä ei ole imaginääriosaa. Se edustaa vain suuruusluokkaa, joten vaihe alkuperäisen signaalin suhde jätetään pois suuruusluokan laskennassa. Yksittäisen pisteen vian tunnistamisessa tämä ei ole menetys; tasapainotus- tai siirtofunktiotyössä, jossa vaihe on olennainen, se on todellinen rajoitus.
- Aina positiivinen: arvot ovat aina suurempia kuin nolla tai yhtä suuria kuin nolla, koska ne edustavat energiaa tai tehoa, joka ei voi olla negatiivinen.
- Symmetrinen todellisille signaaleille: reaaliaikaisen signaalin spektri on symmetrinen Nyquistin taajuuden suhteen - negatiiviset taajuudet yksinkertaisesti peilaavat positiivisia taajuuksia - joten vain positiivinen puolikas näytetään, ja se sisältää kaiken informaation.
3. Autospektri koneiden diagnostiikassa
Analyytikon päivittäinen näyttö
Tämä on se tontti, jolla teknikot elävät. Siinä näkyy kaikki värähtelytaajuuden komponentit kerralla, ja analyytikon tehtävänä on tunnistaa jokainen huippu ja yhdistää se vikatyyppiin - mikä tekee automaattisesta spektristä ensisijaisen työkalun vianmääritys ja rutiininomaiseen kunnon arviointiin.
Etsittävät ominaisuudet
- 1× huippu: ajonopeus värähtely, jota hallitsevat epätasapaino ja muut kerran kierrosta kohti tapahtuvat lähteet.
- 2× huippu: yleisesti virheasento tai mekaaninen löysyys.
- Laakerien taajuudet: BPFO, BPFI, BSF, ja FTF, usein ympäröi sivunauhat.
- Vaihteiden verkko: hampaiden kiinnitystaajuus ja sen harmoniset.
- Sähkö: kaksi kertaa verkkotaajuus (120 Hz 60 Hz:n syöttötaajuudella, 100 Hz 50 Hz:n syöttötaajuudella).
- Melutaso: satunnaisen tärinän ja instrumenttimelun asettama taustataso, jota vasten aitojen huippujen on erotuttava.
4. Automaattispektri vs. ristispektri
Yksikanavainen automaattinen spektri vastaa kysymykseen “mitä taajuuksia on läsnä?”, kun taas sen kaksikanavainen serkku vastaa kysymykseen “miten kaksi signaalia liittyy toisiinsa?”. Kontrasti on syytä tehdä selväksi:
| Automaattinen spektri (yksikanavainen) | Ristikkäispektri (kaksikanavainen) |
|---|---|
| Yhden signaalin spektri | Kahden signaalin välinen suhde |
| Näyttää kyseisen signaalin taajuussisällön | Näyttää molemmille yhteisen taajuuden sisällön |
| Ei vaihetietoja | Sisältää vaihesuhteen |
| Riittää useimpiin diagnostiikoihin | Tukipilarit siirtofunktio ja koherenssianalyysi |
| Standardi yksikanavainen FFT | Vaatii kaksi synkronoitua kanavaa |
5. Keskiarvotavat ja näyttövalinnat
Keskiarvotilan valitseminen
- Lineaarinen keskiarvoistus: peräkkäisten spektrien suora aritmeettinen keskiarvo, joka vähentää satunnaiskohinaa ja konvergoi todellista spektriä kohti - koneanalyysin standardi.
- Eksponentiaalinen keskiarvoistus: painotettu keskiarvo, joka suosii viimeisimpiä tietueita, mikä on ihanteellinen reaaliaikaiseen seurantaan, kun olosuhteet muuttuvat.
- Huipun pito (maksimispektri): jokainen taajuusbini säilyttää korkeimman nähdyn arvonsa, mikä vangitsee transienttiset komponentit - korvaamatonta arvokasta aikana run-up ja rannikolla alas testaus.
Akselien skaalaus
Amplitudiakseli voidaan esittää kuvassa lineaarinen asteikko (mm/s, m/s²), jolloin absoluuttiset arvot ovat helposti luettavissa, mutta pienet piikit voivat jäädä piileviksi suurten piikkien rinnalla. logaritminen dB-asteikko (20-log[amplitudi/referenssi]), joka tiivistää laajan dynaaminen alue niin, että pienet ja suuret huiput näkyvät yhdessä, mikä on suositeltavin näkymä yksityiskohtaisessa ja tutkimustyössä. Taajuusakseli on yleensä lineaarinen Hz:ssä koneiden osalta, vaikka logaritminen akseli, jossa on yhtä suuri oktaaviväli, sopii hyvin laajoille taajuusalueille.
6. Laatu ja sudenkuopat
Spektri on vain niin hyvä kuin sen taustalla olevat tiedot. A puhdas spektri osoittaa selviä piikkejä alhaisen melutason yläpuolella; a meluisa spektri haudataan piikit korkeaan taustaan, mikä voidaan korjata keskiarvoistamalla ja riittävällä taajuuserotuksella. Kaksi hankinnan tarkistusta on olennaisen tärkeitä: varmista, että taajuusresoluutio on riittävän hieno erottamaan lähekkäin olevat piikit, ja tarkkaile, että tulon ylikuormitus, joka leikkaa signaalia ja tuottaa vääriä spektrikomponentteja - jos näin tapahtuu, vähennä tulovahvistusta ja ota signaali uudelleen vastaan. Osoitteessa FFT-resoluutiolaskuri auttaa valitsemaan rivimäärän ja kaistanleveyden, jotka ratkaisevat huiput, joista olet kiinnostunut.
Missä kenttämittareita käytetään
Kannettavassa kaksikanavaisessa laitteessa, kuten esimerkiksi Balanset-1A, Automaattispektri on jokapäiväinen diagnoosinäkymä, jonka teknikko lukee koneessa havaitakseen, onko energia keskittynyt 1 ×:n arvoon (mikä viittaa epätasapainoon ja ehdokkaaksi kenttätasapainotus) tai hajallaan laakeri- ja hammasverkkotaajuuksilla, jotka viestivät aivan muusta viasta - kaikki nämä häiriöt havaitaan koneen omissa laakereissa käyntinopeudella.
Autospektri on tärinädiagnostiikan perustavanlaatuinen taajuusanalyysityökalu: yksikanavainen FFT, johon teknikot luottavat päivittäin vikojen tunnistamisessa ja kunnon arvioinnissa. Sen ymmärtäminen, että “spektri” on teknisesti ottaen autospektri - ja miten se liittyy ristispektreihin ja muihin spektritoimintoihin - luo pohjan kehittyneelle monikanava-analyysille ja perusteelliselle konediagnostiikalle.
