FFT (Fast Fourier Transform) dalam Analisis Getaran
The Transformasi Fourier Cepat (FFT) adalah algoritma matematika yang sangat efisien yang mengubah sinyal dari domain waktu ke domain frekuensi. Dalam analisis getaran itu mengubah data mentah yang kompleks bentuk gelombang waktu — amplitudo getaran yang digambarkan sebagai fungsi waktu — menjadi sebuah spektrum frekuensi, amplitudo yang digambarkan terhadap frekuensi. Transformasi tunggal ini merupakan proses yang paling penting dan mendasar dalam diagnostik mesin modern; tanpa transformasi ini, sinyal getaran hanyalah sekumpulan garis-garis tak terbaca.
1. Definisi: Apa itu FFT?
FFT bukanlah suatu pengukuran, melainkan suatu perhitungan. Ini adalah implementasi cepat dari Transformasi Fourier Diskrit, yang memanfaatkan simetri matematis untuk menyelesaikan dalam hitungan milidetik apa yang seharusnya memakan waktu jauh lebih lama; itulah sebabnya FFT dapat dijalankan secara langsung pada instrumen genggam. Prinsip dasarnya, yang dikemukakan oleh Fourier, adalah bahwa setiap sinyal periodik kompleks dapat direkonstruksi sebagai penjumlahan gelombang sinus sederhana dengan frekuensi dan amplitudo yang berbeda-beda. FFT menjalankan ide tersebut secara terbalik: berikan gelombang yang rumit, dan FFT akan mengembalikan daftar gelombang sinus yang membentuknya.
2. Mengapa FFT Sangat Penting dalam Diagnostik
Bentuk gelombang waktu mentah dari mesin yang sedang beroperasi merupakan kumpulan getaran yang terjadi secara bersamaan, dan hampir mustahil untuk menilai kondisi mesin hanya dengan melihat jejak tersebut. FFT berfungsi seperti prisma, yang memecah sinyal kompleks tersebut menjadi komponen-komponen frekuensinya masing-masing. Hasilnya adalah grafik yang jelas dan dapat ditindaklanjuti, yang memungkinkan analis untuk melihat:
- Frekuensi apa yang hadir?
- Berapa besar energi (amplitudo) yang terdapat pada setiap frekuensi?
- Apa hubungan antara frekuensi-frekuensi tersebut — harmonik, sideband, dan sejenisnya?
Karena berbagai macam gangguan mekanis dan listrik — ketidakseimbangan, ketidaksejajaran, cacat bantalan, Dan kelonggaran — masing-masing menghasilkan getaran pada frekuensi yang sangat spesifik dan dapat diprediksi; spektrum tersebut memberikan petunjuk langsung menuju akar permasalahan. Pandangan dalam ranah frekuensi ini menjadi dasar dari semua analisis spektral.
3. Parameter Utama dalam Analisis FFT
Untuk memperoleh spektrum yang berguna, seorang analis mengatur beberapa parameter pada alat pengumpul data atau perangkat lunak. Jika pengaturannya salah, gangguan yang sebenarnya bisa terlewatkan; jika pengaturannya tepat, gangguan tersebut akan terlihat dengan jelas.
Fmax (Frekuensi Maksimum)
Frekuensi tertinggi yang termasuk dalam spektrum. Nilai ini harus diatur cukup tinggi agar dapat mendeteksi gangguan frekuensi tertinggi yang menjadi fokus — frekuensi tinggi jaring roda gigi atau nada dasar, misalnya — tetapi tidak terlalu tinggi hingga detail frekuensi rendah terabaikan. Untuk mencegah aliasing, instrumen tersebut menerapkan teknik anti-aliasing filter low-pass di bawah laju pengambilan sampel sebelum FFT dihitung.
Resolusi (Garis-garis Resolusi)
Pengaturan ini menentukan tingkat detail — jumlah “kelompok” frekuensi terpisah yang dihitung di sepanjang Fmax. Semakin banyak garis (misalnya 3.200 atau 6.400) akan menghasilkan resolusi yang lebih tinggi, yang berarti kemampuan yang lebih baik untuk memisahkan dua frekuensi yang berdekatan. Resolusi tinggi sangat penting untuk membedakan frekuensi beat atau mengidentifikasi frekuensi yang berdekatan pita samping dalam analisis transmisi. Karena lebar sel sama dengan Fmax dibagi jumlah garis, selalu ada pertukaran antara rentang dan detail; sebuah Kalkulator resolusi FFT menampilkan lebar bin dan waktu pengambilan data yang dihasilkan untuk setiap pengaturan, serta sebuah Perbesar FFT dapat memusatkan semua garis yang tersedia ke dalam pita frekuensi yang sempit ketika diperlukan pemisahan yang lebih halus.
Rata-rata
Karena getaran mesin bersifat fluktuatif, satu hasil FFT saja dapat menyesatkan. Proses penghitungan rata-rata mengumpulkan beberapa hasil FFT secara berurutan dengan cepat dan menggabungkannya, sehingga menekan gangguan acak dan menghasilkan spektrum yang jauh lebih stabil serta dapat diulang, yang benar-benar mencerminkan kondisi mesin.
Jendela
A fungsi jendela — yang paling umum adalah Jendela Hanning — adalah bobot matematis yang diterapkan pada data waktu sebelum transformasi. Hal ini meminimalkan kesalahan yang disebut kebocoran spektral, yang sebaliknya akan menyebarkan puncak tajam ke sel-sel tetangga dan merusak baik amplitudonya maupun frekuensi tampaknya.
4. Menafsirkan Spektrum FFT
Seorang analis yang terlatih menganalisis spektrum dengan mengenali pola-pola khas:
- Puncak besar di 1× kecepatan operasi menandakan adanya ketidakseimbangan.
- Puncak besar di 2× Kecepatan putaran sering kali menandakan adanya ketidaksejajaran.
- Serangkaian panjang harmonik (1×, 2×, 3×, 4×…) merupakan tanda klasik adanya kelonggaran mekanis.
- Puncak frekuensi tinggi yang disertai dengan pita samping yang terpisah dengan jarak tertentu pada kecepatan operasi merupakan tanda adanya kerusakan pada transmisi atau bantalan.
- Tingkat kebisingan broadband yang meningkat dapat menandakan kavitasi pada pompa atau gesekan umum.
Dengan membandingkan spektrum saat ini dengan sebuah garis dasar yang direkam saat mesin masih dalam kondisi baik, seorang analis dapat mendeteksi perubahan dan mengidentifikasi masalah yang mulai muncul jauh sebelum masalah tersebut berkembang menjadi kegagalan kritis.
5. FFT dalam Pengukuran Lapangan Praktis
Pada alat portabel, FFT dihitung secara langsung dari sinyal real-time akselerometer sinyal. The Keseimbangan-1a, sebuah alat analisis medan dua saluran, merekam bentuk gelombang waktu dan menampilkan spektrumnya dari sekitar 5 Hz hingga 1000 Hz, sehingga seorang insinyur dapat membaca puncak kecepatan putaran, harmoniknya, serta suara-suara yang berasal dari bantalan atau roda gigi pada mesin tersebut. Jika digabungkan dengan pulsa takometer yang dihasilkan sekali per putaran, kumpulan data yang sama mendukung proses penyeimbangan berbasis fase, sementara analisis pesanan dapat menyesuaikan spektrum dengan kelipatan kecepatan putaran pada mesin berkecepatan variabel — sehingga mengubah FFT dari sekadar grafik statis menjadi alat utama dalam alur kerja diagnostik dan penyeimbangan di lokasi.
