FFT (nopea Fourier-muunnos) värähtelyanalyysissä
The Nopea Fourier-muunnos (FFT) on erittäin tehokas matemaattinen algoritmi, joka muuntaa signaalin aikatasosta taajuustasoon. värähtelyanalyysi se muuntaa raakamuotoisen, monimutkaisen aika-aaltomuoto — tärinän amplitudi ajan funktiona — muunnettuna taajuusspektri, amplitudi taajuuden funktiona. Tämä yksi muunnos on nykyaikaisen koneiden vianmäärityksen tärkein ja perustavanlaatuisin prosessi; ilman sitä tärinäsignaali on lähinnä vain lukukelvotonta viivakuviointia.
1. Määritelmä: Mikä on FFT?
FFT ei ole mittaus vaan laskutoimitus. Se on diskreetin Fourier-muunnoksen nopea toteutus, joka hyödyntää matemaattisia symmetrioita suorittaakseen millisekunneissa sen, mikä muuten veisi huomattavasti kauemmin – juuri siksi se pystyy toimimaan reaaliaikaisesti kädessä pidettävällä laitteella. Sen Fourierin kehittämän perusajatuksen mukaan mikä tahansa kompleksinen jaksollinen signaali voidaan rekonstruoida eri taajuuksilla ja amplitudilla olevien yksinkertaisten siniaaltojen summana. FFT soveltaa tätä ideaa päinvastaisessa järjestyksessä: syötä sille sekava aaltomuoto, ja se palauttaa luettelon sineaalloista, joista se on rakennettu.
2. Miksi FFT on välttämätön diagnostiikassa
Käynnissä olevan koneen raaka-aaltomuoto on sekamelska samanaikaisesti esiintyviä värähtelyjä, ja koneen kuntoa on lähes mahdotonta arvioida silmämääräisesti kyseisen käyrän perusteella. FFT toimii kuin prisma, joka hajottaa monimutkaisen signaalin yksittäisiksi taajuuskomponenteiksi. Tuloksena on selkeä, käytännöllinen kaavio, jonka avulla analyytikko voi havaita:
- Mitä taajuuksia on läsnä?
- Kuinka paljon energiaa (amplitudi) kussakin taajuudessa on?
- Mikä on näiden taajuuksien – yliaaltojen, sivukaistojen ja vastaavien – välinen suhde?
Koska erilaiset mekaaniset ja sähköiset viat — epätasapaino, virheasento, laakeriviat, ja löysyys — koska kukin niistä tuottaa värähtelyä hyvin tarkasti määritellyillä, ennustettavissa olevilla taajuuksilla, taajuusspektri tarjoaa suoran reitin ongelman perimmäiseen syyhyn. Tämä taajuusalueen näkökulma on kaiken spektrianalyysi.
3. FFT-analyysin keskeiset parametrit
Jotta saadaan hyödyllisiä tuloksia, analyytikon on määritettävä useita parametreja datankeruulaitteessa tai ohjelmistossa. Jos parametrit valitaan väärin, todellinen vika voi jäädä huomaamatta; jos ne valitaan oikein, vika erottuu selvästi.
Fmax (maksimitaajuus)
Spektrin korkein taajuus. Se on asetettava riittävän korkeaksi, jotta se pystyy havaitsemaan kiinnostuksen kohteena olevan korkeimman taajuuden häiriön — korkeataajuinen vaihdeverkko tai esimerkiksi taustasävelet – mutta ei niin korkealle, että matalataajuiset yksityiskohdat menetetään. Jotta aliasointi, laitteet käyttävät anti-aliasing-suodatusta alipäästösuodatin alle näytetaajuuden ennen FFT-laskennan suorittamista.
Resoluutio (resoluution kohdat)
Tämä määrittää tarkkuustason – eli Fmax-alueella laskettavien erillisten taajuusluokkien lukumäärän. Suurempi linjojen määrä (esimerkiksi 3 200 tai 6 400) tarjoaa paremman erottelukyvyn, mikä tarkoittaa parempaa kykyä erottaa toisistaan lähekkäin olevat taajuudet. Korkea erottelukyky on välttämätöntä taajuuksien välisten erojen havaitsemiseksi tai lähekkäin sijaitsevien taajuuksien erottamiseksi sivunauhat vaihteiston analyysissä. Koska luokkaleveys on yhtä suuri kuin Fmax jaettuna rivien lukumäärällä, joudutaan aina tekemään kompromissi kattavuuden ja yksityiskohtaisuuden välillä; FFT-resoluutiolaskuri näyttää kunkin asetuksen tuloksena olevan luokkaleveyden ja mittausajan sekä Zoomaus FFT voi keskittää kaikki käytettävissä olevat linjat kapealle kaistalle, kun tarvitaan vielä tarkempaa erottelua.
Keskiarvoistaminen
Koska koneen tärinä vaihtelee, yksittäinen FFT-mittaus voi antaa harhaanjohtavan kuvan. Keskiarvoistamisessa otetaan useita FFT-mittauksia peräkkäin ja yhdistetään ne, jolloin satunnainen kohina vaimennetaan ja saadaan huomattavasti vakaampi ja toistettavissa oleva spektri, joka kuvaa aidosti koneen kuntoa.
Ikkunointi
A ikkunafunktio — yleisimmin Hanning-ikkuna — on matemaattinen painotus, jota sovelletaan aikatietoihin ennen muunnosta. Se minimoi virheen, jota kutsutaan spektraalinen vuoto, joka muuten levittäisi terävän piikin viereisiin taajuusalueisiin ja vääristäisi sekä sen amplitudin että näennäisen taajuuden.
4. FFT-spektrin tulkinta
Koulutettu analyytikko tulkitsee spektriä tunnistamalla sille ominaisia kuvioita:
- Suuri huippu kohdassa 1× käyntinopeus viittaa epätasapainoon.
- Suuri huippu kohdassa 2× ajonopeus viittaa usein pyörän suuntauksen virheeseen.
- Pitkä sarja harmoniset (1×, 2×, 3×, 4×…) on tyypillinen merkki mekaanisesta löystymisestä.
- Juoksuvauhdilla esiintyvä korkeataajuinen piikki, jossa on sivukaistoja, on merkki vaihdelaatikon tai laakerin viasta.
- Laajakaistakohinan kohonnut ”perustaso” voi viitata kavitaatio pumpussa tai yleisessä kitkassa.
Vertailemalla nykyistä taajuusspektriä lähtötaso kun laite on ollut kunnossa, analyytikko voi havaita muutokset ja tunnistaa kehittyvät ongelmat kauan ennen kuin ne muuttuvat vakaviksi vikoiksi.
5. FFT käytännön kenttämittauksissa
Kannettavassa laitteessa FFT lasketaan paikan päällä reaaliaikaisesta kiihtyvyysanturi signal. The Balanset-1A, kaksikanavainen kenttäanalysaattori, tallentaa aaltomuodon ja näyttää sen spektrin noin 5 Hz:n ja 1000 Hz:n välillä, jolloin insinööri voi lukea koneen käyntinopeuden huippuarvon, sen yliaallot sekä mahdolliset laakeri- tai vaihdeäänet. Yhdistettynä kierrosta kohti annettavaan kierroslukumittarin pulssiin sama tietojoukko tukee vaihepohjaista tasapainotusta, kun taas tilausanalyysi voi suhteuttaa spektrin vaihtelevanopeuksisissa koneissa käyntinopeuden kerrannaisiin — jolloin FFT muuttuu staattisesta kaaviosta paikan päällä suoritettavan vianmääritys- ja tasapainotusprosessin ytimeksi.
