Mikä on tehospektritiheys? PSD-analyysi • Kannettava tasapainotin, värähtelyanalysaattori "Balanset" murskainten, puhaltimien, multainten, puimureiden ruuvien, akseleiden, sentrifugien, turbiinien ja monien muiden roottorien dynaamiseen tasapainottamiseen Mikä on tehospektritiheys? PSD-analyysi • Kannettava tasapainotin, värähtelyanalysaattori "Balanset" murskainten, puhaltimien, multainten, puimureiden ruuvien, akseleiden, sentrifugien, turbiinien ja monien muiden roottorien dynaamiseen tasapainottamiseen

Tehospektritiheyden ymmärtäminen

Määritelmä: Mikä on tehospektritiheys?

Tehospektritiheys (PSD) on esitys tärinä energian jakautuminen taajuuden yli, ilmaistuna energiana taajuuskaistanleveyden yksikköä kohden (yksiköt: (m/s²)²/Hz kiihtyvyydelle, (mm/s)²/Hz nopeudelle). Toisin kuin standardi amplitudispektri , joka näyttää amplitudin kullakin taajuudella, PSD näyttää, miten värähtelyteho jakautuu taajuuden eri osille, ja arvot normalisoidaan taajuusresoluution kaistanleveydellä. Tämä normalisointi tekee PSD:stä riippumattoman analyysikaistanleveydestä, mikä mahdollistaa mielekkään vertailun eri resoluutioasetuksilla mitattujen spektrien välillä.

PSD on erityisen tärkeä satunnaisen värähtelyn analysoinnissa (jossa energia jakautuu jatkuvasti taajuuden yli sen sijaan, että se keskittyisi erillisiin huippuihin), kohinan analysoinnissa ja sovelluksissa, jotka vaativat kaistanleveydestä riippumatonta spektraalista karakterisointia, kuten värähtelytestaus ja ympäristöolosuhteiden arviointi.

PSD vs. amplitudispektri

Amplitudispektri

  • Näyttää tärinää amplitudi jokaisella taajuudella
  • Yksiköt: mm/s, m/s², mils jne.
  • Huippuamplitudit diskreeteillä taajuuksilla (epätasapaino, laakeriviat)
  • Arvot riippuvat FFT-resoluution kaistanleveydestä
  • Konediagnostiikan vakionäyttö

Tehospektritiheys

  • Näyttää värähtelytehon kaistanleveyden hertsejä kohden
  • Yksiköt: (mm/s)²/Hz, (m/s²)²/Hz jne.
  • Energian jakautuminen taajuuden yli
  • Riippumaton analyysin kaistanleveydestä
  • Standardi satunnaisten värähtelyjen analysointiin

Suhde

  • PSD = (amplitudi)² / Δf
  • Jossa Δf = taajuusresoluutio (lokeron leveys)
  • Neliöinti korostaa suuria amplitudeja
  • Normalisointi tekee kaistanleveydestä riippumattoman

Sovellukset

1. Satunnaisen värähtelyn analyysi

Ensisijainen PSD-sovellus:

  • Satunnaiset prosessit: Turbulenssi, tien tärinä, seisminen, akustinen
  • Jatkuvat spektrit: Energia jakautuu taajuuden yli, ei erillisiä huippuja
  • Tilastollinen kuvaus: PSD kuvaa satunnaista prosessienergian jakautumista
  • Vakiomuoto: Tärinätestausspesifikaatiot PSD:ssä

2. Laajakaistaisen kohinan karakterisointi

  • Kavitaatio melu pumpuissa
  • Turbulenttista virtausääntä tuulettimissa
  • Aerodynaaminen melu
  • Laakerivikaäänen karakterisointi

3. Kaistanleveydestä riippumaton vertailu

  • Vertaa eri FFT-asetuksilla mitattuja spektrejä
  • Eri laitteista tai resoluutioista saatua dataa
  • Historialliset tiedot eri analyysiparametreilla
  • PSD-arvot ovat suoraan vertailukelpoisia kaistanleveydestä riippumatta

4. Ympäristötestaus

  • Tärinätestin tiedot PSD:nä vs. taajuus
  • PSD:hen perustuva ravistuspöydän ohjaus
  • Tuotteen kelpoisuustestaus
  • Isku- ja tärinästandardit

PSD:n laskeminen

FFT:stä

  • Laske värähtelysignaalin FFT
  • Neliöi jokainen amplitudiarvo
  • Jaa taajuusresoluutiolla (Δf = Fmax / Viivojen lukumäärä)
  • Tulos: PSD (yksikköinä)²/Hz

Yksiköt

  • Kiihtyvyys PSD: (m/s²)²/Hz tai g²/Hz
  • Nopeus PSD: (mm/s)²/Hz tai (tuumaa/s)²/Hz
  • Siirtymä PSD: (µm)²/Hz tai (mils)²/Hz
  • Usein piirretty: Logaritminen asteikko (dB suhteessa referenssiin)

PSD-kuvaajien tulkinta

Tasainen spektri (valkoinen kohina)

  • Vakio PSD taajuuden yli
  • Sama energia Hz:iä kohden kaikilla taajuuksilla
  • Laajakaistaisen satunnaisen värähtelyn ominaisuus
  • Esimerkki: Ideaalinen satunnainen värähtely testausta varten

Kalteva spektri (värillinen kohina)

  • PSD vaihtelee taajuuden mukaan
  • Nouseva kaltevuus: enemmän energiaa korkeilla taajuuksilla
  • Laskuva kaltevuus: enemmän energiaa matalilla taajuuksilla (yleistä koneissa)
  • Kaltevuus osoittaa energian taajuusjakauman

PSD:n huiput

  • Diskreetit taajuuskomponentit näkyvät yleisen tason yläpuolella olevina piikkeinä
  • Resonanssit näkyvät kohonneina PSD-alueina
  • Pystyy tunnistamaan energiaan vaikuttavia hallitsevia taajuuksia

Suhde RMS-arvoon ja kokonaisenergiaan

PSD:n kokonaisenergia

  • Integroi PSD koko taajuusalueelle
  • Tulos: Keskineliöarvo
  • Neliöjuuri antaa RMS-arvon
  • RMS = √[∫ PSD(f) df]

Energia taajuusalueilla

  • Integroi PSD tietylle taajuusalueelle
  • Antaa energiaa tuolle bändille
  • Hyödyllinen eri taajuusalueiden vaikutuksen arvioinnissa

PSD:n edut

Ratkaisun riippumattomuus

  • PSD-arvot vertailukelpoisia FFT-resoluutiosta riippumatta
  • Mahdollistaa historiallisten tietojen vertailun eri asetuksilla
  • Standardoi analyysin eri instrumenttien välillä

Energian edustus

  • Edustaa suoraan värähtelyenergian jakautumista
  • Neliölliset arvot korostavat hallitsevia taajuuksia
  • Luonnollinen energiapohjaiseen analyysiin

Tilastollinen viitekehys

  • PSD on satunnaisten värähtelyjen teorian perusta
  • Mahdollistaa todennäköisyysanalyysin
  • Tukee väsymisajan ennustamista satunnaiskuormituksen perusteella

Milloin PSD:tä käytetään

Käytä PSD:tä, kun:

  • Satunnaisen värähtelyn tai kohinan analysointi
  • Datan vertailu eri analyysikaistanleveyksillä
  • Seuraavat testispesifikaatiot PSD-muodossa
  • Laajakaistaisten prosessien karakterisointi
  • Energiaan perustuva analyysi vaaditaan

Käytä amplitudispektriä, kun:

  • Rutiininomainen koneiden diagnostiikka
  • Erillisten vikataajuuksien tunnistaminen
  • Trendikkäät tietyt komponentit
  • Amplitudiarvoilla on suora merkitys

Tehospektritiheys on satunnaisvärähtelyanalyysin peruskäsite ja tarjoaa kaistanleveydestä riippumattoman spektraalisen karakterisoinnin. Vaikka PSD:tä käytetään harvemmin kuin amplitudispektrejä rutiininomaisessa konediagnostiikassa, se on olennainen satunnaisvärähtelyyn liittyvissä sovelluksissa, kohina-analyysissä ja kaikissa tilanteissa, joissa on vertailtava eri analyysiparametreilla tai eri instrumenteilla mitattuja spektrejä.


← Takaisin päähakemistoon

Luokat: AnalyysiSanasto

WhatsApp