FFT (Fast Fourier Transform) i vibrasjonsanalyse

Definisjon: Hva er en FFT?

Den Rask Fourier-transformasjon (FFT) er en svært effektiv matematisk algoritme som brukes til å transformere et signal fra tidsdomenet til frekvensdomenet. I vibrasjonsanalyse betyr dette å konvertere et rått, komplekst tidsbølgeform (et plott av vibrasjonsamplitude versus tid) inn i en frekvensspektrum (et plott av vibrasjonsamplitude versus frekvens). Denne transformasjonen er den viktigste og mest grunnleggende prosessen i moderne maskindiagnostikk.

Hvorfor er FFT viktig for diagnostikk?

En rå tidskurve fra en maskin som kjører er et komplekst virvar av mange forskjellige vibrasjoner som skjer samtidig. Det er nesten umulig å se på dette signalet og bestemme maskinens tilstand. FFT-en fungerer som et prisme, og skiller dette komplekse signalet inn i dets individuelle frekvenskomponenter. Resultatet er et tydelig, handlingsrettet diagram som lar en analytiker se:

• Hvilke frekvenser er tilstede?
• Hvor mye energi (amplitude) er det ved hver frekvens?
• Hva er forholdet mellom disse frekvensene?

Fordi ulike mekaniske og elektriske feil (som ubalanse, feiljustering, lagerfeil og løshet) hver genererer vibrasjoner ved svært spesifikke, forutsigbare frekvenser, gir FFT-spekteret en direkte veiviser til roten av et problem.

Viktige parametere for en FFT-analyse

For å skaffe et nyttig FFT-spektrum, må en vibrasjonsanalytiker definere flere nøkkelparametere på datainnsamleren eller programvaren:

1. Fmax (Maksimal frekvens)

Dette er den høyeste frekvensen som vil bli inkludert i spekteret. Den må settes høyt nok til å fange opp feilen med høyest frekvens du leter etter (f.eks. høyfrekvente girnett eller lagertoner).

2. Oppløsning (Oppløsningslinjer)

Dette bestemmer detaljnivået i spekteret. Det er definert som antallet diskrete frekvens-"binger" eller datapunkter som skal beregnes over Fmax. Et høyere antall linjer (f.eks. 3200 eller 6400) resulterer i bedre frekvensoppløsning, som betyr muligheten til å skille to vibrasjonsfrekvenser som er svært nær hverandre. Høy oppløsning er avgjørende for å diagnostisere taktfrekvenser eller analysere sidebånd i girkasseanalyse.

3. Gjennomsnittsberegning

Fordi maskinvibrasjon kan variere, kan en enkelt «øyeblikksbilde» av FFT være misvisende. Gjennomsnittsberegning innebærer å innhente flere FFT-er i rask rekkefølge og deretter beregne gjennomsnittet av dem sammen. Denne prosessen reduserer tilfeldig støy og gir et mye mer stabilt, repeterbart og representativt spektrum av maskinens sanne tilstand.

4. Vindusinndeling

En vindusfunksjon (som Hanning) er en matematisk vekting som brukes på tidsbølgeformdataene før FFT beregnes. Det er en signalbehandlingsteknikk som brukes for å minimere en feil som kalles «spektral lekkasje», og sørger for at amplituden og frekvensen til signalene i spekteret er så nøyaktige som mulig.

Tolkning av et FFT-spektrum

En trent analytiker tolker et FFT-spektrum ved å se etter karakteristiske mønstre:

• En stor topp kl. 1x løpehastigheten indikerer ubalanse.
• En stor topp kl. 2 ganger løpehastigheten peker ofte på feiljustering.
• En serie med harmoniske (topper ved 1x, 2x, 3x, 4x osv.) er et klassisk tegn på mekanisk løshet.
• En høyfrekvent topp med sidebånd avstand ved kjørehastigheten er et avslørende tegn på en girkasse- eller lagerfeil.
• Et hevet «gulv» av bredbåndsstøy kan indikere kavitasjon i en pumpe eller friksjon.

Ved å sammenligne det nåværende FFT-spekteret med en grunnlinje tatt da maskinen var i god stand, kan analytikere enkelt oppdage endringer og diagnostisere utviklende problemer lenge før de blir kritiske feil.

← Tilbake til hovedindeksen