Forståelse av Auto-spektrumet
Den autospektrum — også skrevet autospektrum, og ofte kalt effekt-spektrumet eller ganske enkelt «spektrumet» — er frekvensdomene-fremstillingen av en enkelt vibrasjon signal, som viser hvordan energien i det signalet eller amplitude er fordelt over frekvensområdet. Den fremstilles ved å ta Rask Fourier-transformasjon (FFT) av et tidsopptak og visning av amplituden til hver frekvenskomponent. Prefikset «auto-» skiller det fra kryss-spektrum, som sammenholder to forskjellige signaler: et autospektrum er spektrumet til et signal målt i forhold til seg selv.
I det daglige arbeidet er det nettopp dette de fleste teknikere mener når de snakker om «spektrumet» eller «FFT» – den vanlige frekvensvisningen i alle vibrasjonsanalysator, med sine høyeste punkter ved ubalanse, frekvenser av lagerfeil, girnett, og så videre. Å være klar over at dette hverdagsverktøyet teknisk sett er et autospektrum, er avgjørende når man går over til flerkanalsarbeid, der kryssspektra, sammenheng, og andre korrelasjonsfunksjoner kommer inn i bildet.
1. Det matematiske grunnlaget
To veier til samme resultat
Det finnes to matematisk likeverdige måter å beregne et autospektrum på:
- Direkte FFT: Transformer tidssignalet, beregne amplituden (eller amplituden i kvadrat) for hver kompleks FFT-bin, og plott den mot frekvensen. Dette er den vanlige, enkle metoden som brukes i nesten alle instrumenter.
- Gjennom autokorrelasjon: Beregn først signalets autokorrelasjonsfunksjon, og ta deretter FFT-en av den. Ved å Wiener–Khinchin-teoremet Resultatet er identisk med den direkte metoden – det samme spektrumet oppnås ved hjelp av en annen beregningsmetode.
Når amplituden kvadreres og normaliseres per frekvensenhet, blir den samme størrelsen en spektral effekttetthet, som er den foretrukne formen for bredbånds-tilfeldig vibrasjon.
Gjennomsnittsberegning for stabilitet
En enkelt FFT-analyse gir statistisk støy, så man beregner gjennomsnittet av flere autospektra fra påfølgende tidsserier for å stabilisere estimatet og redusere tilfeldig spredning. Ved rutinemessig maskindiagnostikk er det vanlig å ta 4–16 gjennomsnitt; for bredbånds-tilfeldige vibrasjoner kan det være nødvendig med 50–100 eller flere. Fordelen oppnås på bekostning av måletiden, og derfor er antall gjennomsnitt et bevisst avveining snarere enn at «jo flere, jo bedre».
2. Definisjon av egenskaper
Tre egenskaper følger direkte av matematikken og er verdt å ha i bakhodet når man leser et spektrum:
- Realverdi: Autospektrumet har ingen imaginær del. Det representerer kun størrelsesorden, så fase Fasen i det opprinnelige signalet tas ikke med i beregningen av amplituden. Ved identifisering av enkeltpunktsfeil utgjør dette ikke noe tap; ved balansering eller arbeid med overføringsfunksjoner, der fasen er avgjørende, er det derimot en reell begrensning.
- Alltid positiv: verdiene er alltid større enn eller lik null, fordi de representerer energi eller effekt, som ikke kan være negative.
- Symmetrisk for reelle signaler: Spektrumet til et sanntidssignal er symmetrisk rundt Nyquist-frekvensen – de negative frekvensene er ganske enkelt speilbilder av de positive – så bare den positive halvdelen vises, og den inneholder all informasjonen.
3. Auto-spektrumet i maskindiagnostikk
Analytikerens daglige oversikt
Dette er diagrammet teknikerne bruker. Det viser alle vibrasjonsfrekvenskomponenter samtidig, og analytikerens oppgave er å identifisere hver enkelt topp og knytte den til en feiltype – noe som gjør autospektrumet til det viktigste verktøyet for feildiagnose og for rutinemessig tilstandsvurdering.
Funksjonene du bør se etter
- 1× topp: kjørehastighet vibrasjon, hovedsakelig forårsaket av ubalans og andre kilder som opptrer én gang per omdreining.
- 2× topp: vanligvis feiljustering eller mekanisk løshet.
- Lagerfrekvenser: BPFO, BPFI, BSF, og FTF, ofte omgitt av sidebånd.
- Girnett: frekvensen av tannkontakt og dens harmoniske.
- Elektrisk: dobbel nettfrekvens (120 Hz ved 60 Hz-nett, 100 Hz ved 50 Hz-nett).
- Støydemperatur: bakgrunnsnivået som skyldes tilfeldige svingninger og instrumentstøy, og som de reelle toppene må skille seg ut fra.
4. Auto-spektrum kontra kryssspektrum
Enkanals-spektrumet gir svar på «hvilke frekvenser er til stede?», mens dets tokanals-motstykke gir svar på «hvordan henger to signaler sammen?». Det er verdt å tydeliggjøre denne forskjellen:
| Auto-Spectrum (enkeltkanal) | Tverrspektrum (to kanaler) |
|---|---|
| Spekteret til ett signal | Forholdet mellom to signaler |
| Viser signalets frekvenssammensetning | Viser frekvensinnhold som er felles for begge |
| Ingen faseinformasjon | Inkluderer faseforholdet |
| Tilstrekkelig for de fleste diagnostikkmetoder | Understøtter overføringsfunksjon og sammenhengsanalyse |
| Standard enkeltkanals FFT | Krever to synkroniserte kanaler |
5. Gjennomsnittsberegningsmetoder og visningsalternativer
Valg av gjennomsnittsberegningsmodus
- Lineær gjennomsnittsberegning: et rett aritmetisk gjennomsnitt av påfølgende spektra som reduserer tilfeldig støy og konvergerer mot det virkelige spektrumet — standarden innen maskinanalyse.
- Eksponentiell gjennomsnittsberegning: et vektet gjennomsnitt som legger større vekt på de nyeste målingene, noe som er ideelt for overvåking i sanntid der forholdene endrer seg.
- Toppverdihold (maks. spektrum): hver frekvensboks beholder den høyeste verdien som er målt, og fanger opp forbigående komponenter — noe som er uvurderlig under oppkjøring og kystned testing.
Skalering av aksene
Amplitudaksen kan vises på en lineær skala (mm/s, m/s²), noe som gjør absoluttverdiene enkle å lese, men som kan skjule små topper ved siden av store, eller på en logaritmisk dB-skala (20·log[amplitude/referanse]), som komprimerer et bredt dynamisk område slik at både små og store topper vises samtidig — det foretrukne visningsformatet for detaljarbeid og forskning. Frekvensaksen er vanligvis lineær i Hz for maskiner, selv om en logaritmisk En akse med like store oktavavstander egner seg for svært brede frekvensområder.
6. Kvalitet og fallgruver
Et spektrum er bare så godt som dataene det bygger på. A rent spektrum viser tydelige topper over et lavt støynivå; en støyende spekter skjuler topper i et høyt bakgrunnsnivå, noe som kan løses ved hjelp av mer utjevning og tilstrekkelig frekvensoppløsning. To kontroller av måledataene er avgjørende: bekreft at frekvensoppløsningen er god nok til å skille topper som ligger tett sammen, og vær oppmerksom på overbelastning av inndata, noe som fører til at signalet blir avskåret og at det oppstår falske spektralkomponenter — hvis dette skjer, må du redusere inngangsforsterkningen og starte innspillingen på nytt. FFT-oppløsningskalkulator hjelper deg med å velge antall linjer og båndbredde som fanger opp de toppene du er interessert i.
Hvor feltinstrumenter kommer til nytte
På et bærbart tokanalsinstrument som Balanset-1A, er autospektrumet det daglige diagnostiske bildet som en tekniker leser av på maskinen for å se om energien er konsentrert ved 1× (noe som tyder på ubalanse og er et tegn på feltbalansering) eller spredt over frekvenser fra lagre og tannhjul som indikerer en helt annen feil – alt registrert i maskinens egne lagre ved driftshastighet.
Autospektrumet er det grunnleggende verktøyet for frekvensanalyse innen vibrasjonsdiagnostikk: den enkanals FFT-analysen som teknikere bruker daglig til feilsøking og tilstandsvurdering. Å forstå at «spektrumet» teknisk sett er et autospektrum – og hvordan det forholder seg til kryssspektra og andre spektralfunksjoner – legger grunnlaget for avansert flerkanalsanalyse og grundig maskindiagnostikk.
