ऑटो-स्पेक्ट्रम समजून घेणे
The ऑटो-स्पेक्ट्रम — याला autospectrum असेही लिहिले जाते, आणि सैलपणे पॉवर स्पेक्ट्रम किंवा फक्त “स्पेक्ट्रम” असे म्हटले जाते — हे एकाच vibration सिग्नलचे फ्रिक्वेन्सी-डोमेन प्रतिनिधित्व आहे, जे त्या सिग्नलची ऊर्जा किंवा amplitude वारंवारतेनुसार कशी वितरित होते हे दर्शविते. हे टाइम रेकॉर्डचा — कंपनाला त्याच्या घटक वारंवारता मध्ये विभाजित करण्यासाठी घेऊन आणि प्रत्येक फ्रिक्वेन्सी घटकाची तीव्रता दर्शवून तयार केले जाते. “auto-” हा उपसर्ग याला cross-spectrum, जो दोन वेगवेगळ्या सिग्नल्सना एकमेकांशी संबंधित करतो: ऑटो-स्पेक्ट्रम म्हणजे एखाद्या सिग्नलचा स्वतःशीच घेतलेला स्पेक्ट्रम होय.
दैनंदिन कामात बहुतेक तंत्रज्ञ “स्पेक्ट्रम” किंवा “FFT” असे म्हणतात तेव्हा त्यांना नेमके हेच अभिप्रेत असते — प्रत्येक यंत्रातील मानक फ्रिक्वेन्सी प्रदर्शन कंपन विश्लेषक, ज्यामध्ये याठिकाणी शिखरे (peaks) असतात unbalance, बेअरिंग दोष वारंवारता, गिअर मेश, आणि उर्वरित. हे रोजचे साधन तांत्रिकदृष्ट्या एक ऑटो-स्पेक्ट्रम आहे हे ओळखणे मल्टी-चॅनेल कामात पाऊल टाकल्यावर सर्वाधिक महत्त्वाचे ठरते, जिथे क्रॉस-स्पेक्ट्रा, कोहेरन्स, आणि इतर सहसंबंध फलने (correlation functions) चित्रात येतात.
1. गणितीय पाया
एकाच निकालापर्यंत पोहोचण्याचे दोन मार्ग
ऑटो-स्पेक्ट्रमपर्यंत पोहोचण्याचे गणितीयदृष्ट्या समतुल्य असे दोन मार्ग आहेत:
- Direct FFT: टाइम सिग्नलचे रूपांतर करा, प्रत्येक कॉम्प्लेक्स FFT बिनचे परिमाण (किंवा परिमाणाचा वर्ग) घ्या, आणि ते फ्रिक्वेन्सीच्या तुलनेत आलेखित करा. जवळपास प्रत्येक यंत्रात वापरला जाणारा हाच सामान्य व सरळ मार्ग आहे.
- ऑटोकोरिलेशनद्वारे: प्रथम सिग्नलचे ऑटोकोरिलेशन फलन काढा, नंतर त्याचे FFT घ्या. यानुसार Wiener–Khinchin प्रमेय निकाल थेट पद्धतीशी एकसारखाच असतो — वेगळ्या गणनीय मार्गाने पोहोचलेला तोच स्पेक्ट्रम.
जेव्हा परिमाणाचा वर्ग घेऊन प्रति एकक फ्रिक्वेन्सीनुसार सामान्यीकरण केले जाते, तेव्हा तीच राशी एक शक्तीचा वर्णक्रमीय घनताबनते, जे ब्रॉडबँड रँडम कंपनासाठी अधिक पसंतीचे स्वरूप आहे.
स्थिरतेसाठी सरासरी
एकच FFT सांख्यिकीयदृष्ट्या गोंगाटयुक्त (noisy) असते, म्हणून अनुक्रमिक टाइम रेकॉर्ड्समधून काढलेली अनेक ऑटो-स्पेक्ट्रा एकत्र सरासरी काढून अंदाज स्थिर केला जातो आणि यादृच्छिक विखुरलेपणा कमी केला जातो. नियमित यंत्रसामग्री निदानासाठी 4–16 सरासरी सामान्य असतात; ब्रॉडबँड रँडम कंपनासाठी 50–100 किंवा अधिक लागू शकतात. हा लाभ मापन वेळेच्या किंमतीवर मिळतो, म्हणूनच सरासरीची संख्या ही “जास्त म्हणजे नेहमीच चांगले” असे नसून एक जाणीवपूर्वक तडजोड आहे.
2. गुणधर्म परिभाषित करणे
गणितातून थेट निघणारी तीन वैशिष्ट्ये आहेत, जी कोणताही स्पेक्ट्रम वाचताना लक्षात ठेवणे उपयुक्त ठरते:
- Real-valued: ऑटो-स्पेक्ट्रमला काल्पनिक (imaginary) भाग नसतो. ते केवळ परिमाण दर्शवते, म्हणून मूळ सिग्नलचा phase संबंध परिमाण गणनेत टाकून दिला जातो. एकल-बिंदू दोष ओळखण्यासाठी ती काही हानी नाही; परंतु बॅलन्सिंग किंवा ट्रान्सफर-फंक्शन कामासाठी, जिथे फेज अत्यावश्यक असतो, तिथे ती एक खरी मर्यादा आहे.
- नेहमी सकारात्मक: मूल्ये नेहमीच शून्यापेक्षा मोठी किंवा समान असतात कारण ती ऊर्जा किंवा शक्ती दर्शवतात, जी ऋण असू शकत नाही.
- वास्तविक सिग्नल्ससाठी सममित: वास्तविक टाइम सिग्नलचा स्पेक्ट्रम Nyquist फ्रिक्वेन्सीभोवती सममित असतो — ऋण फ्रिक्वेन्सी फक्त धन फ्रिक्वेन्सींचे प्रतिबिंब असतात — म्हणून केवळ धन अर्धभाग प्रदर्शित केला जातो, आणि त्यातच सर्व माहिती असते.
3. यंत्रसामग्री निदानातील ऑटो-स्पेक्ट्रम
विश्लेषकाचे दैनंदिन प्रदर्शन
हाच तो आलेख आहे ज्यात तंत्रज्ञ रोज वावरतात. तो सर्व कंपन फ्रिक्वेन्सी घटक एकाच वेळी दाखवतो, आणि विश्लेषकाचे काम प्रत्येक शिखर ओळखून त्याला दोषाच्या प्रकाराशी जुळवणे हे असते — यामुळे ऑटो-स्पेक्ट्रम हे यासाठीचे प्राथमिक साधन ठरते दोष निदान आणि नियमित स्थिती मूल्यांकनासाठी.
शोधण्यासारखी वैशिष्ट्ये
- 1× peak: चालू वेग कंपन, ज्यावर अनबॅलन्स आणि इतर प्रति-फेरी (once-per-revolution) स्रोतांचे प्राबल्य असते.
- 2× peak: commonly misalignment or यांत्रिक शिथिलता.
- बेअरिंग वारंवारता: BPFO, BPFI, BSF, आणि FTF, अनेकदा घेरलेले sidebands.
- Gear mesh: दात-संलग्नता फ्रिक्वेन्सी (tooth-engagement frequency) आणि तिचे harmonics.
- विद्युत: लाइन फ्रिक्वेन्सीच्या दुप्पट (60 Hz पुरवठ्यावर 120 Hz, 50 Hz पुरवठ्यावर 100 Hz).
- Noise floor: रँडम कंपन आणि उपकरणाच्या नॉइझमुळे निर्माण होणारी पार्श्वभूमी पातळी, ज्याच्या तुलनेत खरे पीक स्पष्टपणे वेगळे दिसले पाहिजेत.
4. ऑटो-स्पेक्ट्रम विरुद्ध क्रॉस-स्पेक्ट्रम
सिंगल-चॅनेल ऑटो-स्पेक्ट्रम “कोणत्या फ्रिक्वेन्सी उपस्थित आहेत?” या प्रश्नाचे उत्तर देते, तर त्याचा टू-चॅनेल समकक्ष “दोन सिग्नल एकमेकांशी कसे संबंधित आहेत?” याचे उत्तर देतो. हा फरक स्पष्टपणे मांडणे योग्य ठरते:
| ऑटो-स्पेक्ट्रम (एकल चॅनल) | क्रॉस-स्पेक्ट्रम (दोन चॅनल) |
|---|---|
| एका सिग्नलचे स्पेक्ट्रम | दोन सिग्नलमधील संबंध |
| त्या सिग्नलमधील फ्रिक्वेन्सी घटक दर्शवते | दोन्हींमध्ये समान असलेले फ्रिक्वेन्सी घटक दर्शवते |
| टप्प्याची माहिती नाही | टप्प्याचा संबंध समाविष्ट करते |
| बहुतेक निदान साठी पुरेसे | Underpins हस्तांतरण कार्य आणि समन्वय विश्लेषण |
| मानक एकल-चॅनल FFT | दोन समन्वित चॅनल आवश्यक |
5. अॅव्हरेजिंग मोड आणि डिस्प्ले निवडी
सरासरी पद्धती निवडणे
- लिनिअर अॅव्हरेजिंग: क्रमवार स्पेक्ट्रांचा साधा अंकगणितीय सरासरी, जो रँडम नॉइझ कमी करतो आणि खऱ्या स्पेक्ट्रमवर एकरूप होतो — यंत्रसामग्री विश्लेषणासाठीचे मानक.
- एक्स्पोनेन्शिअल अॅव्हरेजिंग: अलीकडील रेकॉर्डना अधिक वजन देणारी भारित सरासरी, जी परिस्थिती बदलत असताना रिअल-टाइम मॉनिटरिंगसाठी आदर्श असते.
- शिखर धारण (कमाल वर्णक): प्रत्येक वारंवारता बिन त्याचे सर्वोच्च मूल्य ओळखून ठेवते, क्षणिक घटक कॅप्चर करते — अमूल्य गती वाढवण्याचा टप्पा and कोस्टडाउन testing.
अक्ष स्केलिंग
अॅम्प्लिट्यूड अक्ष यावर दाखवता येतो linear scale (mm/s, m/s²), ज्यामुळे निरपेक्ष मूल्ये सहज वाचता येतात पण मोठ्या पीकांच्या शेजारी लहान पीक लपून राहू शकतात, किंवा यावर लॉगरिदमिक dB स्केल (20·log[amplitude/reference]), जे विस्तृत डायनॅमिक रेंज जेणेकरून लहान आणि मोठे पीक एकत्रितपणे दिसतील — तपशीलवार आणि संशोधन कामासाठी पसंतीचा दृश्य. फ्रिक्वेन्सी अक्ष सहसा linear यंत्रसामग्रीसाठी Hz मध्ये असतो, तथापि एक logarithmic समान ऑक्टेव्ह अंतर असलेला अक्ष अतिशय विस्तृत फ्रिक्वेन्सी श्रेणींसाठी योग्य असतो.
6. गुणवत्ता आणि अडचणी
स्पेक्ट्रम तेवढाच चांगला असतो जेवढा त्यामागील डेटा असतो. एक clean spectrum कमी आवाज मजल्यावर स्पष्ट शिखर दर्शविते; एक noisy spectrum उच्च पार्श्वभूमीत पीक दडवून टाकते, जे अधिक अॅव्हरेजिंग आणि पुरेसे फ्रिक्वेन्सी रिझोल्यूशन यांद्वारे दुरुस्त करता येते. दोन अधिग्रहण तपासण्या आवश्यक आहेत: जवळजवळ असलेले पीक वेगळे करण्याइतके फ्रिक्वेन्सी रिझोल्यूशन सूक्ष्म आहे याची खात्री करा, आणि याकडे लक्ष द्या input overload, जे सिग्नल क्लिप करते आणि खोटे स्पेक्ट्रल घटक तयार करते — असे झाल्यास, इनपुट गेन कमी करा आणि पुन्हा अधिग्रहण करा. हे FFT रेजोल्यूशन कॅलक्युलेटर तुम्हाला महत्त्वाचे वाटणारे पीक वेगळे करणारी लाइन संख्या आणि बँडविड्थ निवडण्यात मदत करते.
क्षेत्र साधन कोठे बसतात
यासारख्या पोर्टेबल टू-चॅनेल उपकरणावर Balanset-1A, ऑटो-स्पेक्ट्रम हा दैनंदिन डायग्नॉस्टिक दृश्य आहे जो तंत्रज्ञ यंत्राजवळ वाचतो, हे पाहण्यासाठी की ऊर्जा 1× वर केंद्रित आहे का (जे अनबॅलन्स दर्शवते आणि याचा उमेदवार आहे क्षेत्र संतुलन) किंवा बेअरिंग आणि गिअर-मेश फ्रिक्वेन्सींवर विखुरलेली आहे, जी पूर्णपणे वेगळा दोष दर्शवते — हे सर्व यंत्राच्या स्वतःच्या बेअरिंगमध्ये ऑपरेटिंग स्पीडवर नोंदवले जाते.
ऑटो-स्पेक्ट्रम हे कंपन निदानाचे मूलभूत फ्रिक्वेन्सी-विश्लेषण साधन आहे: सिंगल-चॅनेल FFT ज्यावर तंत्रज्ञ दोष ओळखण्यासाठी आणि स्थिती मूल्यांकनासाठी दररोज अवलंबून असतात. “स्पेक्ट्रम” हे तांत्रिकदृष्ट्या ऑटो-स्पेक्ट्रम आहे — आणि ते क्रॉस-स्पेक्ट्रा व इतर स्पेक्ट्रल फंक्शन्सशी कसे संबंधित आहे — हे समजून घेणे प्रगत मल्टी-चॅनेल विश्लेषण आणि सखोल यंत्रसामग्री निदानाचा पाया रचते.
