Wavelet-analyysin ymmärtäminen
Wavelet-analyysi on edistyksellinen signaalinkäsittelytekniikka, jota käytetään analysoimaan tärinä signaalit, joiden taajuussisältö muuttuu ajan myötä. Toisin kuin perinteiset Nopea Fourier-muunnos (FFT)Vaikka aaltoanalyysi sopii parhaiten taajuussisältöltään muuttumattomille signaaleille, se pystyy tehokkaasti kuvaamaan myös hetkellisiä tapahtumia, iskuja ja muuta epästationaarista käyttäytymistä. Se on erikoistyökalu värähtelydiagnostiikka työkalupakki — jota käytetään juuri silloin, kun standardi spektri falls short.
Se toimii hajottamalla signaalin joukoksi perusfunktioita, joita kutsutaan ”waveleteiksi”. Jokainen wavelet on lyhyt, värähtelevä aaltomainen paketti, joka on paikannettu sekä ajallisesti että taajuudellisesti. Tämä kaksinkertainen paikannus – eli se, että tiedetään sekä mitä frequency and kun — juuri se antaa menetelmälle sen ainutlaatuisen tehon.
1. Määritelmä: Mitä on Wavelet-analyysi?
Most everyday värähtelyanalyysi olettaa, että kone toimii tasaisella nopeudella ja kuormituksella, joten sen tärinä on ”staattista” ja yksi ainoa spektri kuvaa sitä hyvin. Monet merkittävimmistä vioista eivät kuitenkaan ole lainkaan tasaisia: ne ovat lyhyitä energiapurkauksia, jotka ilmenevät ja häviävät yhden kierroksen aikana. Wavelet-analyysi on kehitetty juuri tällaisia signaaleja varten. Sen sijaan, että se selvittäisi vain, mitkä taajuudet esiintyvät koko tallenteessa, se liu’uttaa erikokoisia aaltoja pitkin aika-aaltomuoto, mittaamalla, kuinka hyvin kukin niistä vastaa signaalia kussakin hetkessä. Lyhyet, korkeataajuiset aallot paikantavat terävät iskut ajallisesti; pitkät, matalataajuiset aallot erottelevat hitaat komponentit taajuudellisesti.
2. Wavelet-analyysi vs. FFT
Jotta aaltoanalyysin merkitys tulisi paremmin esiin, on hyödyllistä tarkastella FFT:n rajoituksia:
- FFT (nopea Fourier-muunnos): FFT kertoo sinulle mitä taajuudet ovat läsnä, mutta se ei anna tietoa kun niiden tapahtumishetkellä. Se analysoi koko aineiston kerralla ja tarjoaa erinomaisen taajuus tarkkuus, mutta ei ajallista tarkkuutta.
- Wavelet-analyysi: Aaltoanalyysi kertoo sekä mitkä taajuudet ovat läsnä että milloin. Se tuottaa signaalista ”aika-taajuus”-kuvan, joka osoittaa, miten spektrinen sisältö muuttuu mittauksen aikana.
Kuvittele signaali, jossa on lyhyt ”napsahdus” murtuneesta hammaspyörän hampaasta. FFT-analyysi saattaa osoittaa vain pienen nousun laajakaistaisessa energiassa, koska napsahdus tasoittuu koko tallenteen ajalle. Aaltoanalyysi sen sijaan tuottaa käyrän, joka osoittaa selvästi korkeataajuisen energian piikin juuri sillä hetkellä, kun napsahdus tapahtui. Tässä on käytännön etu: se säilyttää tapahtumien ajoituksen, jonka FFT-analyysi hämärtää. Se on hengeltään läheisesti sukua tilausanalyysi, jossa käsitellään myös signaaleja, joiden kohdalla yksinkertainen kiinteän taajuuden malli ei enää päde.
3. Skalogrammi: aika-taajuuskartta
Yleisin wavelet-analyysin tulos on skalogrammi (tai vastaava aika-taajuuskuva) — kaksiulotteinen värikartta, jossa:
- X-akseli kuvaa aikaa.
- Y-akseli edustaa taajuutta (tai skaalaa).
- Väri edustaa amplitudi tai kyseisen hetken ja taajuuden värähtelyn energia.
Tämän visualisoinnin avulla väliaikaiset tapahtumat on helppo havaita, kun ne tavallisessa spektrissä jäisivät piiloon. Esimerkiksi skalogrammissa näkyvä ”kuuma” värinen pystysuora viiva merkitsee laajakaistaista tapahtumaa, kuten täsmälleen tiettynä hetkenä tapahtunutta iskua – se on paikallisen, toistuvan vian visuaalinen tunnusmerkki. Periaatteessa skalogrammi täydentää muita kehittyneitä näyttötapoja, kuten vesiputousjuoni, joka kuvaa taajuuskäyrän muutosta useiden peräkkäisten keskiarvojen tai nopeuksien perusteella.
4. Sovellukset värähtelydiagnostiikassa
Wavelet-analyysiä ei tyypillisesti käytetä rutiinitarkoituksiin tärinänvalvontamutta on tehokas työkalu edistyneeseen diagnostiikkaan tietyissä tilanteissa:
- Vaihteiston analyysi: erittäin hyvä havaitsemaan paikallisia vikoja, kuten yksittäisen haljenneen tai murtuneen hampaan, joka aiheuttaa selvästi erottuvan iskun kerran kierrosta kohti.
- Laakerivika Analyysi: pystyy havaitsemaan yksittäiset vaikutukset, joita aiheutuu, kun vierintäelementti kulkee spall, etenkin hyvin hitaasti liikkuvissa koneissa, joissa perinteiset verhokäyräanalyysi voi olla haastavaa.
- Ohimenevä tapahtuma Analyysi: sopii erinomaisesti koneen käynnistys- ja sammutussignaaleihin tai mihin tahansa prosessiin, jossa nopeus- ja tärinäominaisuudet muuttuvat jatkuvasti.
- Rakenneanalyysi: hyödyllinen rakenteen reagoinnin analysoinnissa iskuun — a bump-testi — ymmärtää sen vaimennus ja ominaistaajuudet.
5. Käytännön sovellukset ja rajoitukset
Aaltoanalyysi on laskennallisesti vaativampaa kuin FFT, ja skalogrammin tulkitseminen vaatii enemmän kokemusta kuin linjaspektrin lukeminen. Näistä syistä se täydentää pikemminkin päivittäisiä menetelmiä kuin korvaa niitä. Päivittäisessä vianetsinnässä nojaudutaan edelleen FFT-spektriin, kokonaisvoimakkuuksiin ja amplitudianalyysiin; aaltoanalyysiä käytetään silloin, kun nämä työkalut havaitsevat jotain epätavallista, mutta eivät pysty paikantamaan sitä ajallisesti. Kentällä tiedot kerätään kannettavalla laitteella – kaksikanavaisella analysaattorilla, kuten Balanset-1A laite tallentaa laadukkaita aikakäyrämuotoja, jotka on mitattu laitteen omista laakereista käyntinopeudella ja joista kaikki myöhemmät aika-taajuusanalyysit riippuvat. Nykyaikaisen tietokoneohjelmiston ansiosta aaltoanalyysi on kuitenkin tullut helposti saatavilla olevaksi ja arvokkaaksi työkaluksi edistyneille analyytikoille, jotka käsittelevät monimutkaisia, ei-stasionaarisia signaaleja.
