Comprendre l'analyse spectrale
Analyse spectrale est le processus consistant à prendre un signal complexe — tel qu'un forme d'onde temporelle provenant d'un capteur de vibrations — et à le décomposer en ses composantes fréquentielles individuelles. Son objectif est de transformer le signal du time domain (amplitude en fonction du temps) vers le domaine fréquentiel (amplitude en fonction de la fréquence). La sortie est un spectre (pluriel : spectres) : un graphique représentant l'amplitude de vibration à chaque fréquence spécifique. L'analyse spectrale est la technique la plus fondamentale et la plus puissante en diagnostic des vibrations, car elle permet à un analyste de reconnaître les signatures fréquentielles caractéristiques associées aux différents défauts de machine.
1. Définition : Qu’est-ce que l’analyse spectrale ?
La vibration d’une machine est la résultante de nombreuses forces périodiques simultanées, et dans le domaine temporel ces forces se fondent en un tracé unique et complexe, difficile à interpréter. L’analyse spectrale démêle ce tracé. Le fondement mathématique est le principe de Fourier : tout signal périodique, aussi complexe soit-il, peut être représenté comme une somme de sinusoïdes simples, chacune ayant sa propre fréquence, amplitude et phase. L’analyse spectrale retrouve cette liste de sinusoïdes et l’affiche sous forme de spectre — convertissant “une oscillation confuse dans le temps” en “un ensemble ordonné de pics à des fréquences connues.” Cette conversion est l’objectif même de la méthode, et tout le reste en découle.
2. Le rôle de la transformée de Fourier rapide (FFT)
L’analyse spectrale moderne est rendue pratique grâce à un algorithme très efficace appelé la Transformée de Fourier rapide (FFT). La FFT est une procédure mathématique programmée dans chaque analyseur de vibrations sophistiqué. Elle prend en entrée les données du signal temporel numérisé et produit en sortie le spectre fréquentiel, réalisant en quelques millisecondes un calcul qui aurait autrefois demandé des heures à la main.
La FFT permet de visualiser un signal complexe et apparemment chaotique — très difficile à lire dans le domaine temporel — sous la forme d’une série claire de pics fréquentiels distincts dans le domaine fréquentiel. Pour que la FFT soit valide, le signal doit d’abord être échantillonné correctement et protégé contre le aliasing, c’est pourquoi un filtre anti-repliement précède toujours la transformation.
3. Le pouvoir diagnostique du spectre
L’analyse spectrale est si efficace parce que les différents problèmes mécaniques et électriques dans les machines tournantes génèrent des vibrations à des fréquences caractéristiques prévisibles. En examinant le spectre, un analyste peut diagnostiquer la cause profonde d’un problème en faisant correspondre les fréquences des pics à un schéma de défaut connu. Voici des exemples courants :
- Un pic important à 1× la vitesse de fonctionnement indique souvent déséquilibrer — le signal indiquant qu’un équilibrage est nécessaire.
- Un pic important à 2× la vitesse de rotation est un signe classique de désalignement.
- Une série d’harmoniques de la vitesse de rotation indique généralement un jeu mécanique.
- Une série de pics à des multiples non entiers de la vitesse de rotation peut indiquer défauts de roulement, souvent confirmé au mieux par analyse d'enveloppe.
- Un pic d’amplitude élevée à la fréquence d’engrènement avec bandes latérales indique défauts d'engrenage.
- Un pic à 2 fois la fréquence de la ligne électrique peut indiquer un problème de stator du moteur.
4. Paramètres clés de l'analyse spectrale
Pour acquérir un spectre exploitable, un analyste doit définir plusieurs paramètres clés. Une erreur sur ces paramètres, et même une FFT parfaite vous induira en erreur :
- Fmax (fréquence maximale) : la fréquence la plus élevée incluse dans le spectre. Elle doit être réglée assez haut pour capturer les défauts suspectés — élevée pour les problèmes d’engrenages et de roulements, plus basse pour le balourd à faible vitesse.
- Résolution (lignes de résolution) : cela détermine le niveau de détail. Plus le nombre de lignes est élevé, plus la résolution fréquentielle est fine, ce qui permet à l'analyseur de séparer deux pics proches l'un de l'autre — indispensable pour résoudre les bandes latérales dans l'analyse des engrenages. La contrepartie est un temps d'acquisition plus long, une relation que vous pouvez explorer avec un Calculateur de résolution FFT.
- Moyenne : pour obtenir un spectre propre et stable, l'analyseur prend plusieurs “instantanés” et les moyenne, supprimant ainsi le bruit aléatoire et révélant la vibration réelle en régime permanent.
- Fenêtrage : une fonction mathématique telle qu'une fenêtre de Hanning est appliquée à chaque bloc de données pour éviter fuite spectrale, qui sinon brouillerait et déformerait les amplitudes et les formes des pics.
5. Analyse spectrale sur le terrain
L'analyse spectrale ne se limite pas au laboratoire — c'est précisément ce qu'un ingénieur de maintenance effectue sur site avec un instrument portable. Un analyseur à deux voies tel que le Balanset-1A échantillonne le signal provenant d'un accéléromètre sur le palier, exécute la FFT et affiche le spectre sur place, de sorte que le technicien peut identifier une défaillance et intervenir avant la prochaine vacation. Parce que le même instrument mesure également phase from a tachymètre, un diagnostic de balourd 1× peut se traduire directement par une correction d'équilibrage sans changer d'outil — diagnostic et correction en un seul flux de travail.
6. Analyse spectrale vs signal temporel
Le spectre est puissant, mais il ne donne pas une image complète. La moyenne et la FFT peuvent masquer des événements transitoires courts et brusques — les chocs d'une dent de roue fissurée ou d'un roulement écaillé — qui ressortent clairement dans le signal temporel brut. Les analystes expérimentés traitent donc ces deux représentations comme complémentaires : le spectre pour localiser qui les fréquences portent de l'énergie, le signal temporel pour étudier comment comment cette énergie est transmise. En substance, l'analyse spectrale est au cœur des diagnostics vibratoires modernes, offrant une vue “radiographique” claire des forces et des mouvements se produisant à l'intérieur d'une machine — et, lue conjointement avec le signal temporel et une référence de base fiable, elle transforme les vibrations brutes en décisions assurées.
