Comprendre l'aliasing dans l'analyse des vibrations
Alias Il s'agit d'une erreur de traitement du signal susceptible de fausser l'analyse numérique des données vibratoires. Elle survient lorsqu'un signal est échantillonné à une fréquence trop faible pour capturer ses composantes de plus haute fréquence, de sorte que ces hautes fréquences « se replient » et se font passer pour des fréquences plus basses dans le résultat FFT spectre. Il en résulte de faux pics qui n'ont jamais existé dans la machine réelle — des pics susceptibles d'entraîner un grave erreur de diagnostic. Comprendre le phénomène d'aliasing et les mesures de protection qui permettent de l'éviter est essentiel pour pouvoir se fier à tout système numérique spectre de vibrations.
1. Définition : qu'est-ce que l'aliasing ?
Lorsqu'un analyseur numérise un signal vibratoire, il n'enregistre pas une courbe continue, mais une séquence d'échantillons discrets — des instantanés pris à intervalles réguliers. Si ces instantanés sont trop espacés par rapport à la vitesse à laquelle le signal varie, l'analyseur est littéralement incapable de distinguer une onde rapide d'une onde lente. Les quelques points qu'il capte d'une composante à haute fréquence peuvent être assemblés pour former une onde sinusoïdale à basse fréquence tout à fait plausible. Cette basse fréquence fantôme est la alias, et dès qu'il apparaît dans le spectre elle est impossible à distinguer d'une véritable vibration à cette fréquence.
2. Le théorème de Nyquist et la fréquence d'échantillonnage
Pour comprendre l'aliasing, il faut d'abord comprendre le Théorème de Nyquist (le théorème d'échantillonnage de Nyquist-Shannon). Ce principe fondamental du traitement numérique du signal stipule que :
Pour représenter fidèlement un signal analogique sous forme numérique, la fréquence d'échantillonnage (Fs) doit être au moins deux fois supérieure à la composante de fréquence la plus élevée (Fmax) présentes dans le signal.
Cette fréquence d'échantillonnage minimale (2 × Fmax) est appelée taux de Nyquist. En d'autres termes, la fréquence maximale qu'un taux d'échantillonnage donné peut mesurer fidèlement correspond à la moitié de ce taux : Fmax = Fs / 2. Ce plafond correspond à fréquence de Nyquist. Toute fréquence réelle supérieure à la fréquence de Nyquist ne peut être représentée fidèlement et sera donc renvoyée en dessous de cette fréquence. En pratique, la fréquence F choisiemax définit également la résolution de l'analyse ainsi que le nombre de lignes de la FFT — une relation que vous pouvez explorer à l'aide d'un Calculateur de résolution FFT lors de la planification d'une mesure.
3. Comment se produit l'aliasing ?
Imaginez une vibration à haute fréquence mesurée par un analyseur numérique qui prélève des échantillons discrets à une fréquence fixe :
- Si la fréquence d'échantillonnage est suffisamment élevée — bien supérieure à la fréquence de Nyquist —, l'analyseur enregistre suffisamment de points par cycle pour reconstituer la forme d'onde avec précision.
- Si la fréquence d'échantillonnage est trop faible, l'analyseur ne détecte pas ce qui se passe entre les échantillons. Les quelques points qu'il parvient à capturer s'assemblent pour former une onde sinusoïdale complètement différente, de fréquence plus basse. Cette fausse basse fréquence est ce qu'on appelle l'aliasing.
Prenons un exemple concret : supposons qu'un signal contienne une composante réelle de 900 Hz, mais que la fréquence Fmax est réglé sur 500 Hz, ce qui correspond à une fréquence d'échantillonnage de 1 000 Hz. La composante à 900 Hz se situe au-dessus de la fréquence de Nyquist de 500 Hz et ne peut donc pas être mesurée correctement. Elle subit un effet d'aliasing et réapparaît à la fréquence Fs − 900 = 1000 − 900 = 100 Hz. Un analyste examinant le spectre pourrait facilement confondre ce pic de 100 Hz avec un 1× vitesse de course une vibration, ou un véritable défaut, et se mettre à rechercher un problème qui n'existe pas. Pire encore, les sources de signaux à haute fréquence — chocs au niveau des roulements, énergie générée par l'engrènement des engrenages, bruit électrique — sont souvent précisément les signaux auxquels un analyste souhaite le plus se fier.
4. Prévenir l'aliasing : le filtre d'anti-aliasing
Il est impossible de prévoir à l'avance l'ensemble des composantes à haute fréquence qu'un signal peut contenir : bruits ultrasoniques, chocs violents, interférences radioélectriques et captation de signaux électriques peuvent tous venir perturber le signal. Se contenter d'espérer que la fréquence d'échantillonnage soit suffisamment élevée n'est donc pas une stratégie fiable.
La solution utilisée dans tous les analyseurs de vibrations numériques modernes est la filtre anti-aliasing: une pente raide filtre passe-bas placé dans le circuit de signal avant le convertisseur analogique-numérique (CAN). Voici comment cela fonctionne :
- L'utilisateur définit la fréquence maximale souhaitée, Fmax, pour l'analyse.
- Sur la base de cette Fmax, l'analyseur règle automatiquement la fréquence de coupure du filtre anti-aliasing juste au-dessus de Fmax.
- L'analogique capteur Le signal traverse le filtre, qui élimine ou atténue fortement toutes les fréquences supérieures à la fréquence de coupure.
- Seul le signal filtré et épuré est transmis au convertisseur analogique-numérique (CAN) pour être échantillonné.
Comme le filtre élimine les hautes fréquences, la fréquence d'échantillonnage choisie ne permet pas de les traiter avant L'échantillonnage rend l'aliasing physiquement impossible. Un filtre réel ne peut pas couper de manière infiniment nette, c'est pourquoi la coupure est réglée légèrement en dessous de la fréquence de Nyquist afin de laisser une bande de garde sur sa pente. Le filtre anti-aliasing est l'un des éléments les plus critiques de tout analyseur, garantissant que la FFT obtenue est une image fidèle et exacte des vibrations de la machine dans la plage sélectionnée. Notez que ce filtrage doit être analogique et doit précéder la numérisation — l'application filtrage numérique Une fois que l'ADC a effectué la conversion, il est impossible d'annuler l'alias, car la fausse fréquence est alors déjà enregistrée dans les données.
5. Implications pratiques pour l'analyste
Pour l'ingénieur sur le terrain, la leçon à retenir est de respecter les réglages de fréquence de l'appareil. Choisir Fmax trop faible pour rester en bon état résolution les pics de bas ordre peuvent masquer des informations importantes dans les hautes fréquences ; le filtre anti-aliasing vous protège contre les faux pics, mais il ne peut pas vous montrer l'énergie que vous avez filtrée. Les instruments fiables gèrent cela automatiquement — un analyseur portable tel que le Balanset-1A applique un lissage matériel en amont de son convertisseur analogique-numérique (ADC) ; ainsi, les spectres qu'il fournit à des fins de diagnostic et les données d'amplitude et de phase 1× qu'il utilise pour l'équilibrage sont exempts d'artefacts d'aliasing sur toute sa plage de fonctionnement. Conclusions pratiques : régler Fmax suffisamment élevée pour couvrir la fréquence de défaut la plus élevée qui vous intéresse, soyez assuré qu'un analyseur correctement conçu ne produira pas d'effet d'aliasing, et considérez tout pic inexpliqué à basse fréquence avec une saine méfiance jusqu'à ce que vous ayez écarté toute autre cause.
