Forstå spektralanalyse
Spektralanalyse er prosessen med å ta et komplekst signal — for eksempel et tidsbølgeform fra en vibrasjonssensor — og dekomponere det i dets individuelle frekvenskomponenter. Målet er å transformere signalet fra time domain (amplitude som funksjon av tid) til frekvensdomenet (amplitude mot frekvens). Resultatet er en spektrum (flertall: spektre): en graf som viser amplituden til svingningene ved hver enkelt frekvens. Spektralanalyse er den mest grunnleggende og kraftfulle teknikken innen vibrasjonsdiagnostikk, fordi den gjør det mulig for en analytiker å gjenkjenne de unike frekvensorene som er forbundet med ulike maskinfeil.
1. Definisjon: Hva er spektralanalyse?
En maskins vibrasjon er summen av mange samtidige periodiske krefter, og i tidsdomenet blender disse kreftene sammen til en enkelt komplisert kurve som er vanskelig å tolke. Spektralanalyse løser opp denne kurven. Det matematiske grunnlaget er Fourier-prinsippet: ethvert periodisk signal, uansett hvor komplekst, kan representeres som en sum av enkle sinusbølger, hver med sin egen frekvens, amplitude og fase. Spektralanalyse gjenvinner denne listen over sinusbølger og viser den som et spektrum — og konverterer “en forvirrende svingning over tid” til “et ryddig sett med topper ved kjente frekvenser.” Denne konverteringen er hele poenget, og alt annet følger av det.
2. Rollen til den raske Fourier-transformasjonen (FFT)
Moderne spektralanalyse er gjort praktisk mulig av en svært effektiv algoritme kalt Rask Fourier-transformasjon (FFT). FFT er en matematisk prosedyre som er programmert inn i alle digitale vibrasjonsanalysator. Den tar digitaliserte tidsdomenedata som inndata og produserer frekvensspekteret som utdata, og utfører på millisekunder en beregning som en gang ville ha tatt timer for hånd.
FFT gjør det mulig å se et komplekst, tilsynelatende kaotisk signal — svært vanskelig å lese i tidsdomenet — som en klar serie med distinkte frekvenstopper i frekvensdomenet. For at FFT skal være gyldig, må signalet først samples korrekt og beskyttes mot aliasering, noe som er grunnen til at et antialiasingsfilter alltid forutgår transformasjonen.
3. Spektrumets diagnostiske kraft
Spektralanalyse er så effektiv fordi ulike mekaniske og elektriske problemer i roterende maskiner genererer vibrasjoner ved forutsigbare, karakteristiske frekvenser. Ved å undersøke spekteret kan en analytiker diagnostisere rotårsaken til et problem ved å matche frekvensene til toppene mot et kjent feilmønster. Vanlige eksempler inkluderer:
- En stor topp ved 1× den løpehastighet indikerer ofte ubalanse — signalet om at et balanseringsjobb er nødvendig.
- En stor topp ved 2× driftshastigheten er et klassisk tegn på feiljustering.
- En rekke harmoniske av driftshastigheten indikerer vanligvis mekanisk løshet.
- En serie topper ved ikke-heltallsmultipler av løpehastighet kan peke på lagerfeil, oftest best bekreftet med konvoluttanalyse.
- En topp med høy amplitude ved tannhjulsmeshfrekvensen med sidebånd indikerer defekter i girkassen.
- En topp ved 2× den elektriske nettfrekvensen kan indikere et problem med motorstatoren.
4. Viktige parametere i spektralanalyse
For å innhente et nyttig spektrum må en analytiker definere flere viktige parametere. Gjør disse feil, og selv en perfekt FFT vil villede deg:
- Fmax (maksimumsfrekvens): den høyeste frekvensen som er inkludert i spekteret. Den må settes høyt nok til å fange opp mistenkte feil — høyt for tannhjul- og lagerproblemer, lavere for ubalanse ved lave hastigheter.
- Oppløsning (antall linjer): dette bestemmer detaljnivået. Flere linjer gir finere frekvensoppløsning, slik at analysatoren kan skille to topper som ligger nær hverandre — avgjørende for å løse opp sideband i tannhjulanalyse. Avveiningen er lengre akvisisjonstid, et forhold du kan utforske med en FFT-oppløsningskalkulator.
- Gjennomsnitt: for å oppnå et rent, stabilt spekter tar analysatoren flere “øyeblikksbilder” og beregner gjennomsnittet av dem, noe som demper tilfeldig støy og avslører den sanne stasjonære vibrasjonen.
- Vindusinndeling: en matematisk funksjon, som et Hanning-vindu, påføres hvert datablokk for å forhindre spektral lekkasje, som ellers ville smøre ut og forvrenge amplitudene og formene til toppene.
5. Spektralanalyse i felten
Spektralanalyse er ikke begrenset til laboratoriet — det er nettopp det en vedlikeholdsingeniør utfører på stedet med et bærbart instrument. En to-kanals analysator som Balanset-1A tar prøver av signalet fra en akselerometer på lagerhuset, kjører FFT-en og presenterer spekteret på stedet, slik at teknikeren kan identifisere en feil og handle før neste skift. Fordi det samme instrumentet også leser aksel- fase fra en turteller, kan en diagnose av 1× ubalanse gå direkte over i en balanseringskorreksjon uten å bytte verktøy — diagnose og reparasjon i én arbeidsflyt.
6. Spektralanalyse vs. tidsbølgeformen
Spekteret er kraftfullt, men det gir ikke hele bildet. Midling og FFT kan skjule korte, skarpe transiente hendelser — støtene fra en sprukken tannhjultann eller et skadet lager — som trer tydelig frem i den rå tidsbølgeformen. Erfarne analytikere behandler derfor de to visningene som partnere: spekteret for å lokalisere som frekvenser bærer energi, tidsbølgeformen for å studere hvordan hvordan den energien leveres. I bunn og grunn er spektralanalyse kjernen i moderne vibrasjonsdiagnostikk, som gir et tydelig “røntgenbilde” av kreftene og bevegelsene som skjer inne i en maskin — og lest sammen med bølgeformen og en god referansebasislinje gir det grunnlag for sikre beslutninger basert på rå vibrasjon.
