A wavelet-analízis megértése
Wavelet-elemzés egy fejlett jelfeldolgozási technika, amelyet a következő elemzésére használnak rezgés olyan jelek, amelyek frekvenciatartalma az idő függvényében változik. A hagyományos Gyors Fourier-transzformáció (FFT), amely leginkább az állandó frekvenciatartalmú állandó jelekhez alkalmas, a wavelet-elemzés hatékonyan rögzíti az átmeneti eseményeket, a lökésszerű változásokat és más nem állandó viselkedési mintákat. Ez egy speciális eszköz a rezgésdiagnosztika eszköztár – amelyet pontosan akkor vesznek igénybe, amikor a szabványos spektrum falls short.
A módszer úgy működik, hogy a jelet „waveleteknek” nevezett bázisfunkciók halmazára bontja. Minden wavelet egy rövid, oszcilláló, hullámszerű csomag, amely időben és frekvenciában egyaránt lokalizált. Ez a kettős lokalizáció – azaz mindkét Mi frequency and amikor — ez adja a módszernek a jellegzetes erejét.
1. Definíció: Mi a wavelet-analízis?
Most everyday rezgéselemzés feltételezi, hogy a gép állandó fordulatszámon és terhelés mellett működik, így rezgése „állandó”, és egyetlen spektrummal jól leírható. A leginkább árulkodó hibák közül azonban sok egyáltalán nem állandó: ezek rövid energiakitörések, amelyek egy fordulaton belül jelennek meg, majd eltűnnek. A wavelet-elemzés pontosan ezekre a jelekre lett kifejlesztve. Ahelyett, hogy csak azt vizsgálná, mely frekvenciák vannak jelen a teljes felvételen, különböző méretű waveleteket csúsztat végig a időhullámforma, amelyek mérik, hogy az egyes hullámok milyen mértékben egyeznek meg az adott pillanatban a jellel. A rövid, magas frekvenciájú hullámok időben pontosan meghatározzák az éles impulzusokat; a hosszú, alacsony frekvenciájú hullámok pedig frekvenciában felbontják a lassú komponenseket.
2. Wavelet-analízis vs. FFT
Ahhoz, hogy megértsük a hullámcsomó-elemzés értékét, érdemes áttekinteni az FFT korlátait:
- FFT (gyors Fourier-transzformáció): az FFT megmutatja Mi a frekvenciák jelen vannak, de nem adnak információt a amikor amikor azok bekövetkeztek. A rendszer egyszerre elemzi az egész adatállományt, így kiváló frekvencia felbontás, de nulla időbeli felbontás.
- Wavelet-elemzés: A hullámelemzésből kiderül, hogy mely frekvenciák vannak jelen, és mikor. A jel „idő-frekvencia” térképét állítja elő, amelyen látható, hogyan alakul a spektrális összetétel a mérés során.
Képzeljünk el egy olyan jelet, amelyben egy megrepedt fogaskerék-fogból származó rövid „kattintás” hallható. Az FFT-elemzés esetleg csak a szélessávú energia enyhe emelkedését mutatja, mivel a kattintás a teljes felvételre vetítve átlagolódik. A hullámcsomó-elemzés ezzel szemben olyan ábrát ad, amely egyértelműen megmutatja a magas frekvenciájú energia-kitörést pontosan abban a pillanatban, amikor a kattintás bekövetkezett. Ez a gyakorlati előnye: megőrzi az események időbeli lefutását, amelyet az FFT elmos. Lényegében szorosan kapcsolódik a megrendeléselemzés, amely azokat a jeleket is tárgyalja, amelyeknél az egyszerű, fix frekvenciájú modell már nem érvényes.
3. A skalogram: idő-frekvencia térkép
A wavelet-analízis leggyakoribb kimenete egy skalogram (vagy egy hasonló idő-frekvencia ábra) — egy kétdimenziós színtérkép, ahol:
- Az X tengely az időt jelöli.
- Az Y tengely a gyakoriságot (vagy skálát) jelöli.
- A szín a következőt jelképezi: amplitúdó vagy az adott pillanatban és frekvencián fellépő rezgés energiája.
Ez a vizualizáció lehetővé teszi a tranziens események könnyű felismerését, amelyek egy hagyományos spektrumban rejtve maradnának. Például egy skalogramon megjelenő „meleg” színű függőleges vonal egy szélessávú eseményt jelöl, például egy pontosan egy adott pillanatban bekövetkezett ütközést – ez egy lokalizált, ismétlődő hiba vizuális lenyomata. Elméletileg a skalogram kiegészíti az olyan egyéb fejlett megjelenítési módszereket, mint a vízesés telek, amely nyomon követi, hogyan változik egy spektrum számos egymást követő átlag vagy sebesség esetén.
4. Alkalmazások a rezgésdiagnosztikában
A wavelet-analízist jellemzően nem használják rutinszerű vizsgálatokhoz. rezgésmonitorozásde egy hatékony eszköz a fejlett diagnosztikához bizonyos helyzetekben:
- Sebességváltó elemzése: Kiválóan alkalmas olyan helyi hibák észlelésére, mint például egy repedt vagy törött fog, amely forogásonként egyszer jellegzetes ütést kelt.
- Csapágyhiba Elemzés: képes felismerni az egyes hatásokat, amelyeket egy gördülőelem okoz, amikor áthalad egy spall, különösen a nagyon alacsony fordulatszámú gépek esetében, ahol a hagyományos burkológörbe-elemzés kihívást jelenthet.
- Átmeneti esemény Elemzés: ideális gépek indításakor, leállításakor, illetve bármely olyan folyamat során keletkező jelekhez, ahol a sebesség és a rezgés jellemzői folyamatosan változnak.
- Szerkezeti elemzés: hasznos egy szerkezet ütközésre adott reakciójának elemzéséhez — egy bump teszt — hogy megértsük annak csillapítás és sajátfrekvenciák.
5. Gyakorlati alkalmazás és korlátai
A hullámlet-elemzés számításigényesebb, mint az FFT, és a skalogram értelmezése több tapasztalatot igényel, mint a vonalspektrum olvasása. Ezen okok miatt ez a módszer nem váltja fel a mindennapi technikákat, hanem azok mellett alkalmazható. A napi hibakeresés továbbra is az FFT-spektrumra, az általános szintekre és a burkológörbe-elemzésre támaszkodik; a hullámleteket akkor vetik be, amikor ezek az eszközök valami szokatlant jeleznek, de azt időben nem tudják lokalizálni. A terepen magát az adatot hordozható műszerrel gyűjtik – egy kétcsatornás analizátorral, mint például a Balanset-1A rögzíti azokat a kiváló minőségű időbeli hullámformákat, amelyeket a gép saját csapágyainál működési sebesség mellett vettek fel, és amelyekre minden későbbi idő-frekvencia elemzés támaszkodik. A modern számítógépes szoftvereknek köszönhetően azonban a hullámlet-elemzés hozzáférhető és értékes eszközzé vált a komplex, nem állandósult jelekkel foglalkozó tapasztalt elemzők számára.
