Memahami Analisis Spektral
Analisis spektral adalah proses mengambil sinyal yang kompleks - seperti bentuk gelombang waktu dari sensor getaran - dan menguraikannya menjadi komponen frekuensi individual. Tujuannya adalah untuk mengubah sinyal dari domain waktu (amplitudo versus waktu) ke dalam domain frekuensi (amplitudo versus frekuensi). Keluarannya adalah spektrum (jamak: spektrum): grafik yang menunjukkan amplitudo getaran pada setiap frekuensi tertentu. Analisis spektral adalah teknik yang paling mendasar dan kuat dalam diagnostik getaran, karena memungkinkan analis mengenali tanda tangan frekuensi unik yang terkait dengan kesalahan mesin yang berbeda.
1. Definisi: Apa itu Analisis Spektral?
Getaran mesin adalah jumlah dari banyak gaya periodik simultan, dan dalam domain waktu, gaya-gaya tersebut mengabur menjadi satu jejak rumit yang sulit diinterpretasikan. Analisis spektral menguraikan jejak tersebut. Landasan matematisnya adalah prinsip Fourier: sinyal periodik apa pun, betapapun rumitnya, dapat direpresentasikan sebagai jumlah gelombang sinus sederhana, masing-masing dengan frekuensi, amplitudo, dan fasanya sendiri. Analisis spektral memulihkan daftar gelombang sinus tersebut dan menampilkannya sebagai spektrum - mengubah “goyangan yang membingungkan dari waktu ke waktu” menjadi “sekumpulan puncak yang rapi pada frekuensi yang diketahui.” Konversi tersebut adalah intinya, dan semua yang lain mengikuti dari konversi tersebut.
2. Peran Transformasi Fourier Cepat (FFT)
Analisis spektral modern dibuat praktis dengan algoritma yang sangat efisien yang disebut Transformasi Fourier Cepat (FFT). FFT adalah prosedur matematis yang diprogramkan ke dalam setiap digital penganalisa getaran. Alat ini mengambil data bentuk gelombang waktu digital sebagai input dan menghasilkan spektrum frekuensi sebagai outputnya, melakukan komputasi dalam hitungan milidetik yang dulunya membutuhkan waktu berjam-jam dengan tangan.
FFT memungkinkan sinyal yang kompleks dan tampak kacau - sangat sulit untuk dibaca dalam domain waktu - untuk dilihat sebagai serangkaian puncak frekuensi yang jelas dalam domain frekuensi. Agar FFT valid, sinyal harus terlebih dahulu disampel dengan benar dan terlindung dari aliasing, Itulah sebabnya mengapa filter anti-aliasing selalu mendahului transformasi.
3. Kekuatan Diagnostik Spektrum
Analisis spektral sangat efektif karena berbagai masalah mekanis dan elektrikal pada mesin yang berputar menghasilkan getaran pada frekuensi karakteristik yang dapat diprediksi. Dengan memeriksa spektrum, seorang analis dapat mendiagnosis akar penyebab masalah dengan mencocokkan frekuensi puncak dengan pola gangguan yang diketahui. Contoh umum meliputi:
- Puncak yang besar pada 1× lipat kecepatan operasi sering menunjukkan ketidakseimbangan - isyarat untuk pekerjaan penyeimbangan.
- Puncak yang besar pada 2× kecepatan lari adalah tanda klasik dari ketidaksejajaran.
- Deretan harmonik kecepatan berjalan, biasanya mengindikasikan kelonggaran mekanis.
- Serangkaian puncak pada kelipatan non-integer dari kecepatan lari dapat menunjukkan cacat bantalan, sering kali paling baik dikonfirmasi dengan analisis amplop.
- Puncak amplitudo tinggi pada frekuensi gear mesh dengan pita samping menunjukkan cacat roda gigi.
- Puncak pada 2× frekuensi saluran listrik dapat mengindikasikan masalah stator motor.
4. Parameter Kunci dalam Analisis Spektral
Untuk mendapatkan spektrum yang berguna, seorang analis harus menentukan beberapa parameter kunci. Jika salah dalam menentukannya, maka FFT yang sempurna pun akan menyesatkan Anda:
- Fmax (frekuensi maksimum): frekuensi tertinggi yang termasuk dalam spektrum. Frekuensi ini harus disetel cukup tinggi untuk menangkap kesalahan yang dicurigai - tinggi untuk masalah roda gigi dan bantalan, lebih rendah untuk ketidakseimbangan kecepatan lambat.
- Resolusi (garis resolusi): ini menentukan tingkat detail. Lebih banyak garis memberikan resolusi frekuensi yang lebih baik, memungkinkan penganalisis memisahkan dua puncak yang terletak berdekatan - penting untuk menyelesaikan sideband dalam analisis gearbox. Pengorbanannya adalah waktu akuisisi yang lebih lama, sebuah hubungan yang dapat Anda jelajahi dengan Kalkulator Resolusi FFT.
- Rata-rata: Untuk mendapatkan spektrum yang bersih dan stabil, penganalisis mengambil beberapa “snapshot” dan merata-ratakannya, sehingga menekan noise acak dan mengungkapkan getaran kondisi mantap yang sebenarnya.
- Jendela: fungsi matematika seperti jendela Hanning diterapkan pada setiap blok data untuk mencegah kebocoran spektral, yang jika tidak, akan mengotori dan mendistorsi amplitudo dan bentuk puncak.
5. Analisis Spektral di Lapangan
Analisis spektral tidak terbatas pada laboratorium - analisis ini persis seperti yang dilakukan oleh teknisi pemeliharaan di lokasi dengan instrumen portabel. Alat analisis dua saluran seperti Balanset-1A mengambil sampel sinyal dari sebuah akselerometer pada rumah bearing, menjalankan FFT, dan menyajikan spektrum di tempat, sehingga teknisi dapat mengidentifikasi kesalahan dan bertindak sebelum shift berikutnya. Karena instrumen yang sama juga membaca poros fase dari takometer, diagnosis ketidakseimbangan 1× dapat langsung mengalir ke koreksi keseimbangan tanpa mengganti alat - diagnosis dan perbaikan dalam satu alur kerja.
6. Analisis Spektral vs Bentuk Gelombang Waktu
Spektrum ini sangat kuat, tetapi ini bukan gambaran keseluruhan. Averaging dan FFT dapat menyembunyikan peristiwa transien yang pendek dan tajam - dampak dari gigi roda gigi yang retak atau bantalan yang terkelupas - yang terlihat jelas dalam bentuk gelombang waktu mentah. Oleh karena itu, analis yang terampil memperlakukan kedua pandangan tersebut sebagai mitra: spektrum untuk menemukan yang frekuensi membawa energi, bentuk gelombang waktu untuk dipelajari Bagaimana energi itu dihantarkan. Pada intinya, analisis spektral adalah inti dari diagnostik getaran modern, yang memberikan pandangan “sinar-X” yang jelas tentang gaya dan gerakan yang terjadi di dalam mesin - dan dibaca bersamaan dengan bentuk gelombang dan referensi dasar suara, analisis ini mengubah getaran mentah menjadi keputusan yang meyakinkan.
