Az Auto-Spectrum megértése
A autospektrum — amelyet autospektrumnak is írnak, és amelyet általánosan teljesítményspektrumnak vagy egyszerűen csak „spektrumnak” neveznek — egy adott jel frekvenciatérbeli ábrázolása rezgés jel, amely bemutatja, hogy a jel energiája vagy amplitúdó a frekvencián oszlik el. Ezt úgy állítják elő, hogy a Gyors Fourier-transzformáció (FFT) egy idősor rögzítésével és az egyes frekvenciakomponensek amplitúdójának megjelenítésével. Az „auto-” előtag megkülönbözteti a kereszt-spektrum, amely két különböző jelet kapcsol össze: az autospektrum egy jel saját magával összehasonlított spektruma.
A mindennapi munkában pontosan erre gondolnak a legtöbb technikusok, amikor „a spektrumról” vagy „az FFT-ről” beszélnek – ez az a szokásos frekvenciamegjelenítés, amely minden rezgéselemző, amelynek csúcsai kiegyensúlyozatlanság, csapágyhiba-frekvenciák, fogaskerék-háló, és a többi. Az a felismerés, hogy ez a mindennapi eszköz technikailag egy autospektrum, akkor a legfontosabb, amikor belevágunk a többcsatornás munkába, ahol a spektrumok közötti átfedések, koherencia, és más korrelációs függvények is szerepet kapnak.
1. A matematikai alapok
Két út ugyanahhoz az eredményhez
Az autospektrumot két, matematikailag egyenértékű módszerrel lehet meghatározni:
- Közvetlen FFT: transzformáljuk az időjelet, kiszámítjuk az egyes komplex FFT-csatornák amplitúdóját (vagy annak négyzetét), majd ábrázoljuk azokat a frekvencia függvényében. Ez a szinte minden hangszeren alkalmazott általános, egyszerű módszer.
- Autokorreláció alapján: Először számítsuk ki a jel autokorrelációs függvényét, majd végezzük el annak FFT-jét. A Wiener–Khinchin-tétel az eredmény megegyezik a közvetlen módszerrel – ugyanazt a spektrumot érjük el egy másik számítási útvonalon keresztül.
Ha a magnitúdót négyzetre emeljük és frekvenciameghatározásra normalizáljuk, ugyanaz a mennyiség spektrális teljesítménysűrűség, amely a szélessávú véletlenszerű rezgés esetében az előnyben részesített módszer.
Átlagolás a stabilitás érdekében
Egyetlen FFT-elemzés statisztikailag zajos, ezért a egymást követő idősorokból számított több autospektrumot átlagolják, hogy stabilabb becslést kapjanak és csökkentsék a véletlenszerű szórást. A rutin gépdiagnosztikában általában 4–16 átlagot vesznek figyelembe; szélessávú véletlenszerű rezgés esetén azonban 50–100 vagy annál is több átlagra lehet szükség. Ez az előny a mérési idő növekedésével jár, ezért az átlagok száma tudatos kompromisszum eredménye, és nem azt jelenti, hogy „minél több, annál jobb”.
2. Tulajdonságok meghatározása
Három jellemző közvetlenül a matematikából következik, és érdemes szem előtt tartani őket bármely spektrum elemzésekor:
- Valós értékű: az automatikus spektrumnak nincs képzeletbeli része. Csak az amplitúdót ábrázolja, így a fázis Az eredeti jel fázisának információja a nagyságszámítás során figyelmen kívül marad. Az egypontos hibahelymeghatározás esetében ez nem jelent veszteséget; a kiegyenlítés vagy az átviteli függvényekkel kapcsolatos munkák során azonban, ahol a fázis elengedhetetlen, ez komoly korlátozást jelent.
- Mindig pozitív: az értékek mindig nullánál nagyobbak vagy azzal egyenlőek, mivel energiát vagy teljesítményt jelentenek, amelyek nem lehetnek negatívak.
- Szimmetrikus valós jelek esetén: A valós idejű jel spektruma a Nyquist-frekvenciát tekintve szimmetrikus – a negatív frekvenciák egyszerűen a pozitívakat tükrözik –, ezért csak a pozitív félspektrumot jelenítik meg, amely tartalmazza az összes információt.
3. Az automatikus spektrumelemzés a gépdiagnosztikában
Az elemző napi áttekintése
Ez az a grafikon, amellyel a technikusok dolgoznak. Egyszerre mutatja az összes rezgésfrekvencia-komponenst, és az elemző feladata, hogy azonosítsa az egyes csúcsokat, és azokat a megfelelő hibatípushoz rendelje – így az automatikus spektrum az elsődleges eszköz a hibadiagnosztika valamint a rendszeres állapotfelméréshez.
A figyelemre méltó jellemzők
- 1× csúcs: futósebesség rezgés, amelyet elsősorban a kiegyensúlyozatlanság és más, fordulatonként egyszer jelentkező források okoznak.
- 2× csúcs: általában eltérés vagy mechanikai lazaság.
- Csapágyfrekvenciák: BPFO, BPFI, BSF, és FTF, gyakran körülvéve oldalsávok.
- Fogaskerék-hálózat: a fogak összeérési gyakorisága és annak felharmonikusok.
- Elektromos: a hálózati frekvencia kétszerese (120 Hz 60 Hz-es hálózaton, 100 Hz 50 Hz-es hálózaton).
- Zajszint: a véletlenszerű rezgés és a műszerzaj által meghatározott háttérszint, amelytől a valódi csúcsoknak ki kell emelkedniük.
4. Auto-Spectrum és Cross-Spectrum összehasonlítása
Az egycsatornás automatikus spektrumelemzés arra ad választ, hogy „mely frekvenciák vannak jelen?”, míg a kétcsatornás változat arra, hogy „hogyan kapcsolódnak egymáshoz a két jel?”. Érdemes ezt a különbséget egyértelműen kiemelni:
| Auto-Spectrum (egycsatornás) | Cross-Spectrum (kétcsatornás) |
|---|---|
| Egy jel spektruma | Két jel közötti kapcsolat |
| Megmutatja a jel frekvenciatartalmát | Mindkettőben megtalálható frekvenciatartalmat mutatja |
| Nincs fázisinformáció | Tartalmazza a fázisviszonyt |
| A legtöbb diagnosztikához elegendő | Alátámasztások átviteli függvény és koherenciaelemzés |
| Standard egycsatornás FFT | Két szinkronizált csatornára van szükség |
5. Átlagolási módok és megjelenítési beállítások
Az átlagolási mód kiválasztása
- Lineáris átlagolás: az egymást követő spektrumok egyszerű számtani átlaga, amely csökkenti a véletlenszerű zajt és a valódi spektrumhoz konvergál – ez a gépelemzés szabványa.
- Exponenciális átlagolás: egy súlyozott átlag, amely a legfrissebb adatokat részesíti előnyben; ideális a változó körülmények között történő valós idejű figyelemmel kíséréshez.
- Csúcsérték-tartás (maximális spektrum): minden frekvenciatartomány megőrzi a mért legmagasabb értéket, így rögzítve az átmeneti jeleket – ami felbecsülhetetlen értékű run-up és kifutás tesztelés.
A tengelyek méretezése
Az amplitúdótengely ábrázolható egy lineáris skála (mm/s, m/s²), ami megkönnyíti az abszolút értékek leolvasását, de elrejtheti a nagy csúcsok mellett található kis csúcsokat, vagy egy logaritmikus dB-skála (20·log[amplitúdó/referencia]), ami egy széles dinamikatartomány így a kis és nagy csúcsok egyaránt láthatók – ez a részletes és kutatási munkához leginkább ajánlott nézet. A frekvenciatengely általában lineáris Hz-ben a gépek esetében, bár egy logaritmikus Az egyenlő oktávtávolságú tengely nagyon széles frekvenciatartományokhoz alkalmas.
6. Minőség és buktatók
Egy spektrum csak annyira jó, amennyire az azt alátámasztó adatok. A tiszta spektrum alacsony zajszint felett egyértelmű csúcsokat mutat; a zajos spektrum a csúcsokat elnyomja a magas háttérzaj, amit a nagyobb átlagolás és a megfelelő frekvenciafelbontás orvosolhat. Két ellenőrzés elvégzése elengedhetetlen: ellenőrizni kell, hogy a frekvenciafelbontás elég finom-e a szorosan egymás mellett elhelyezkedő csúcsok szétválasztásához, és figyelni kell a bemeneti túlterhelés, ami levágja a jelet és hamis spektrális komponenseket hoz létre – ha ez előfordul, csökkentse a bemeneti erősítést, majd végezzen újra felvételt. A FFT felbontás kalkulátor segít kiválasztani azt a vonalszámot és sávszélességet, amelyekkel a számodra fontos csúcsok megoldhatók.
Mely területeken alkalmazhatók a terepi műszerek
Egy olyan hordozható kétcsatornás műszer esetében, mint a Balanset-1A, az automatikus spektrum az a mindennapi diagnosztikai nézet, amelyet a szerelő a gépen megtekint, hogy megállapítsa, koncentrálódik-e az energia az 1×-es tartományban (ami kiegyensúlyozatlanságra utal, és jelzi, hogy terepkiegyenlítés) vagy olyan csapágy- és fogaskerék-érintkezési frekvenciákra oszthatók, amelyek egy teljesen más hibára utalnak – mindezt a gép saját csapágyain, üzemi fordulatszámon rögzítve.
Az autospektrum a rezgésdiagnosztika alapvető frekvenciaelemző eszköze: ez az az egycsatornás FFT, amelyre a technikusok nap mint nap támaszkodnak a hibák azonosításához és az állapotfelméréshez. Ha tisztában vagyunk azzal, hogy „a spektrum” technikailag egy autospektrum – és hogy milyen kapcsolatban áll a kereszt-spektrumokkal és az egyéb spektrális függvényekkel –, akkor megteremtjük az alapot a fejlett többcsatornás elemzéshez és a gépek alapos diagnosztikájához.
