Cepstrum-analyysi värähtelydiagnostiikassa
Cepstrumin analyysi on kehittynyt signaalinkäsittelytekniikka, joka paljastaa jaksollisen rakenteen sisällä taajuusspektristä. Nimi “cepstrum” on “spectrum”-sanan anagrammi, ja tuo sanaleikki kuvaa sen luonnetta täsmällisesti: se on käytännössä “spektrin spektri.” Se lasketaan ottamalla taajuuden logaritmi spektri ja suorittamalla sitten käänteinen Fourier-muunnos tulokselle — tämä vaihe tiivistää toistuvat kaavat — perheet harmoniset tai sivunauhat — yksittäisiksi, helposti luettaviksi huipuiksi, joita voi olla vaikea erottaa raakaspektristä. Monimutkaisille koneille, kuten vaihteistoille, se tuo selkeyttä, johon tavallinen FFT analysis often cannot.
Kepstränikuvaajassa x-akselia kutsutaan quefrency (taajuuden anagrammi) ja sen yksikkönä on aika. Tämän akselin huippuja, joita kutsutaan rahmoniikka, antavat jakson — sekunteina — alkuperäisessä spektrissä esiintyvistä toistuvista kaavoista. Tarkoituksellisesti uudelleenjärjestetty sanasto (kepstrum, quefrency, rahmoniikka) muistuttaa jatkuvasti siitä, että tekniikka toimii domeenissa, joka on yhden muunnoksen päässä tutusta domeenista.
1. Miksi käyttää kepstrum-analyysiä?
Tavallinen FFT-spektri on erinomainen yksittäisten taajuuskomponenttien tunnistamiseen, mutta se voi muuttua sekavaksi ja vaikealukuiseksi, kun vika tuottaa samanaikaisesti useita harmonisia komponentteja ja sivukaistoja. Kepstrum-analyysi leikkaa läpi tämän sotkun kokoamalla koko tasavälisten taajuuksien perheen yhdeksi selkeäksi huipuksi. Sen ensisijaiset käyttötarkoitukset ovat:
- Detecting harmonic families: se tunnistaa perustaajuuden ja sen harmoniset komponentit, vaikka perustaajuus itse olisi heikko tai puuttuisi spektristä.
- Sivukaista-perheiden tunnistaminen: se on erinomainen löytämään sivukaistoja, jotka ovat amplitudiltaan matalia ja hautautuneet kohinaan, osoittaen selkeästi niiden olemassaolon ja mittaen niiden välistä etäisyyttä.
- Lähteen ja siirtotien vaikutusten erottaminen: joissakin sovelluksissa se auttaa erottamaan värähtelyn lähdesignaalin koneen rakenteellisesta vasteesta, joka värittää sitä.
- Kaiun tunnistus: se voi havaita signaalin sisällä olevia kaikuja tai heijastuksia.
Keskeinen ajatus on muuntaminen: säännöllinen spacing taajuusdomeenissa — esimerkiksi sivukaistoja joka 30 Hz — muuttuu yhdeksi position quefrency-domeenissa (tässä rahmoniikka kohdassa 1/30 = 0,033 s). Monet hajallaan olevat vaihtelevakorkuiset huiput pelkistyvät näin yhdeksi mitattavaksi piirteeksi.
2. Keskeiset sovellukset konediagnostiikassa
2.1 Vaihteiston diagnostiikka
Tämä on yleisin ja tehokkain sovellus. Vaurioitunut hammas moduloi hammaspyörän kytkentätaajuus (GMF), luoden sivukaistoja GMF-huipun ympärille vioittuneen hammaspyörän pyörimisnopeuden välein. Vaihteistossa, jossa on useita akseleita ja hammaspyöräpareja, spektristä tulee sekava sekoitus eri GMF-arvoista ja niiden sivakaistoista. Kepstrum leikkaa läpi tämän monimutkaisuuden:
- Huippu quefrency-arvossa, joka vastaa hammaspyörän pyörimisjaksoa (1 / RPM), on selkeä indikaattori viasta kyseisessä hammaspyörässä, osoittaen vioittuneen akselin eikä vain vahvistaen “hammaspyöräongelmaa.”
- Tämän kepstrum-huipun amplitudia voidaan seurata trendinä tarkkaillakseen, kuinka gear wear edetessä ajan myötä.
Se täydentää pikemminkin kuin korvaa suoran spektrianalyysin: a Hammaspyörien kytkentätaajuuden laskin kertoo, mitä hammas- ja sivukaistojen taajuuksia on odotettavissa, ja kepstrum vahvistaa sitten, mikä perhe todella kasvaa. Molemmat tukevat kattavampaa diagnoosia vaihdevikoja.
2.2 Kuulalaakerin analyysi
Laakeriviat tuottavat myös sivukaistoja. Sisärenkaan vika synnyttää esimerkiksi sivukaistoja, jotka ovat akselintaajuuden etäisyydellä sisärenkaan vikataajuuden (BPFI) ja sen harmonisten ympärillä. Kepstrum auttaa vahvistamaan nämä kuviot etenkin silloin, kun ne eivät ole spektrissä selvästi näkyvillä. Käytännössä se toimii rinnakkain ennustetun laakerivikataajuudet — helposti saatavissa Kuulalaakerin vian taajuuden laskin — ja sitä käytetään usein yhdessä verhokäyräanalyysi, joka demoduloi laakerivioista aiheutuvat korkeataajuiset iskut.
2.3 Turbokoneiden analyysi
Turbiineissa ja kompressoreissa kepstrum voi tunnistaa siipi-pass-taajuus harmonisia ja auttaa diagnosoimaan siipipvaurioita tai aerodynamic ongelmia, joissa lukuisat tiheästi sijoittuvat siipiin liittyvät harmoniset muutoin täyttäisivät spektrin.
3. Kepstrumkuvaajan tulkinta
Järjestelmällinen tulkinta etenee neljässä vaiheessa:
- Laske kiertosnopeus ensin: ennen kepstrumin tarkastelua laske pääkiertävien komponenttien aikaperiodeit. 1800 RPM:n (30 Hz) akselilla periodi on 1/30 = 0,033 s. Harmonisen taajuuden laskin nopeuttaa RPM–Hz-muunnokset jokaiselle akselille koneistossa.
- Etsi piikkejä tunnetuilla periodeilla: tutki kepstrum merkittävien rahmonikien varalta, jotka osuvat laskettuihin periodeihin — tunnetulla periodilla esiintyvä piikki osoittaa suoraan tunnettuun komponenttiin.
- Tunnista harmoninen rakenne: etsi piikkejä perustaajuuden kokonaislukulinkertaisilla quefrensseillä, jotka osoittavat vahvoja harmonisperheitä alkuperäisessä spektrissä.
- Seuraa amplitudeja trendinä: seuraa kepstrumpiikkien korkeutta ajan kuluessa — nouseva amplitudi merkitsee pahenevaa vikaa, jolloin kepstrumpiikin arvo toimii tiiviinä kuntoindikaattorina trendaava.
4. Kepstrum osana diagnostiikkatyökalupakkia
Kepstrumanalyysi on tehokas menetelmä, mutta vaatii kokemusta soveltamiseen; se kannattaa käsittää yhtenä erikoistuneena välineenä laajemmassa värähtelydiagnostiikka eikä itsenäisenä vastauksena. Tavallinen työnkulku on aloittaa spektristä ja spektrianalyysi, turvautua kepstrumiin silloin, kun tiheät sivukaistaryhmät tai harmonikot hämärtävät kuvaa, ja vahvistaa laakerin iskut verhokäyräanalyysin avulla. Useimmat kepstrumin paljastamat viat – hammaspyörän hammas- ja laakerihäiriöt – ovat diagnostisia löydöksiä eivätkä tasapainotusongelmia, joten kepstrum sijoittuu analyysivaiheeseen, joka edeltää korjaavia toimenpiteitä. Kun taustalla olevan ongelman osoittautuu olevan epätasapaino klo käyntinopeus, kannettava analysaattori kuten Balanset-1A mittaa 1×-amplitudin ja vaiheen, joita tarvitaan sen korjaamiseen paikan päällä, kun taas kepstrum keskittyy hammaspyörä- ja laakerihäiriöihin, joiden diagnostiikassa se on parhaimmillaan. Monimutkaisille koneistoille tämä yhdistelmä tarjoaa diagnostisen selkeyden, johon pelkkä spektrianalyysi ei pysty.
