FFT (nopea Fourier-muunnos) värähtelyanalyysissä

Määritelmä: Mikä on FFT?

The Nopea Fourier-muunnos (FFT) on erittäin tehokas matemaattinen algoritmi, jota käytetään signaalin muuntamiseen aika-alueesta taajuusalueeseen. Värähtelyanalyysissä tämä tarkoittaa raa'an, monimutkaisen signaalin muuntamista aika-aaltomuoto (värähtelyn amplitudin kuvaaja ajan funktiona) taajuusspektri (värähtelyn amplitudin ja taajuuden kuvaaja). Tämä muunnos on tärkein ja perustavanlaatuisin prosessi nykyaikaisessa konediagnostiikassa.

Miksi FFT on välttämätön diagnostiikassa?

Käynnissä olevan koneen raaka aika-aaltomuoto on monimutkainen sekamelska monista eri värähtelyistä, jotka kaikki tapahtuvat samanaikaisesti. Tätä signaalia on lähes mahdotonta tarkastella ja määrittää koneen kuntoa. FFT toimii kuin prisma, joka erottaa tämän monimutkaisen signaalin yksittäisiin taajuuskomponentteihinsa. Tuloksena on selkeä ja toimiva kaavio, jonka avulla analyytikko voi nähdä:

• Mitä taajuuksia on läsnä?
• Kuinka paljon energiaa (amplitudia) on kullakin taajuudella?
• Mikä on näiden taajuuksien välinen suhde?

Koska erilaiset mekaaniset ja sähköiset viat (kuten epätasapaino, linjausvirhe, laakeriviat ja löysyys) tuottavat kukin värähtelyä hyvin tietyillä, ennustettavilla taajuuksilla, FFT-spektri tarjoaa suoran tiekartan ongelman perimmäiseen syyhyn.

FFT-analyysin keskeiset parametrit

Hyödyllisen FFT-spektrin hankkimiseksi värähtelyanalyytikon on määriteltävä useita keskeisiä parametreja tiedonkeruulaitteessa tai ohjelmistossa:

1. Fmax (Suurin taajuus)

Tämä on spektriin sisällytettävä korkein taajuus. Se on asetettava riittävän korkeaksi, jotta se havaitsee etsimäsi korkeimman taajuuden vian (esim. korkeataajuisen vaihteiden kytkennän tai laakeriäänet).

2. Resoluutio (resoluutiolinjat)

Tämä määrittää spektrin yksityiskohtien tason. Se määritellään diskreettien taajuus"lokeroiden" tai datapisteiden lukumääränä, jotka lasketaan Fmax-arvon yli. Suurempi viivojen määrä (esim. 3200 tai 6400) johtaa parempaan taajuusresoluutioon, mikä tarkoittaa kykyä erottaa kaksi hyvin lähellä toisiaan olevaa värähtelytaajuutta. Korkea resoluutio on ratkaisevan tärkeää iskutaajuuksien diagnosoinnissa tai sivukaistojen analysoinnissa vaihteistoanalyysissä.

3. Keskiarvon laskeminen

Koska koneen värähtely voi vaihdella, yksittäinen "tilannevedos" FFT voi olla harhaanjohtava. Keskiarvon laskenta tarkoittaa useiden FFT-mittausten ottamista nopeasti peräkkäin ja niiden keskiarvon laskemista yhdessä. Tämä prosessi vähentää satunnaista kohinaa ja tarjoaa paljon vakaamman, toistettavan ja edustavamman spektrin koneen todellisesta kunnosta.

4. Ikkunointi

Ikkunafunktio (kuten Hanning) on matemaattinen painotus, jota sovelletaan aika-aaltomuotodataan ennen FFT:n laskemista. Se on signaalinkäsittelytekniikka, jota käytetään minimoimaan "spektrivuotoa" kutsuttu virhe varmistaen, että spektrin signaalien amplitudi ja taajuus ovat mahdollisimman tarkkoja.

FFT-spektrin tulkinta

Koulutettu analyytikko tulkitsee FFT-spektrin etsimällä sille ominaisia kuvioita:

• Suuri huippu kohdassa 1x juoksunopeus osoittaa epätasapaino.
• Suuri huippu kohdassa 2 kertaa juoksunopeus usein viittaa virheasento.
• Sarja harmoniset (huiput kohdissa 1x, 2x, 3x, 4x jne.) on klassinen merkki mekaanisesta löysyydestä.
• Korkean taajuuden huippu, jossa on sivunauhat ajonopeudella liian suuri etäisyys on merkki vaihteiston tai laakerin viasta.
• Kohonnut laajakaistaisen kohinan "pohja" voi viitata pumpun kavitaatioon tai kitkaan.

Vertaamalla nykyistä FFT-spektriä koneen ollessa kunnossa otettuun lähtötasoon analyytikot voivat helposti havaita muutokset ja diagnosoida kehittyviä ongelmia kauan ennen kuin niistä tulee kriittisiä vikoja.

← Takaisin päähakemistoon