Forstå waveletanalyse
Wavelet-analyse er en avansert signalbehandlingsteknikk som brukes til å analysere vibrasjon signaler hvis frekvensinnhold endrer seg over tid. I motsetning til de tradisjonelle Rask Fourier-transformasjon (FFT)... mens den er best egnet for stasjonære signaler med konstant frekvensinnhold, fanger wavelet-analyse effektivt opp forbigående hendelser, støt og annen ikke-stasjonær oppførsel. Det er et spesialverktøy innen vibrasjonsdiagnostikk verktøysett — som man tar i bruk nettopp når standarden spektrum falls short.
Det fungerer ved å dele opp et signal i et sett med basisfunksjoner kalt «wavelets». Hver wavelet er en kort, svingende bølgeaktig enhet som er lokalisert både i tid og frekvens. Denne doble lokaliseringen – å kjenne både hva frequency and når — er det som gir metoden dens særegne styrke.
1. Definisjon: Hva er waveletanalyse?
Most everyday vibrasjonsanalyse forutsetter at maskinen går med jevn hastighet og belastning, slik at vibrasjonene er «stasjonære» og kan beskrives godt av et enkelt spektrum. Mange av de mest avslørende feilene er imidlertid slett ikke jevne: de er korte energispisser som kommer og går i løpet av en omdreining. Wavelet-analyse er utviklet nettopp for slike signaler. I stedet for bare å se på hvilke frekvenser som er til stede i hele opptaket, beveger den wavelets av ulik størrelse langs tidsbølgeform, ved å måle hvor godt hver enkelt bølge passer til signalet i hvert enkelt øyeblikk. Korte, høyfrekvente bølger identifiserer skarpe impulser i tid; lange, lavfrekvente bølger skiller ut langsomme komponenter i frekvens.
2. Wavelet-analyse vs. FFT
For å forstå verdien av wavelet-analyse er det nyttig å se på begrensningene ved FFT:
- FFT (rask Fourier-transformasjon): FFT-analysen viser deg hva frekvensene er til stede, men gir ingen informasjon om når de fant sted. Den analyserer hele datamengden på en gang og gir utmerket hyppighet oppløsning, men ingen tidsoppløsning.
- Wavelet-analyse: Wavelet-analyse gir deg informasjon om både hvilke frekvenser som er til stede og når de forekommer. Den genererer et «tid-frekvens»-kart over signalet, som viser hvordan spektralinnholdet endrer seg gjennom målingen.
Tenk deg et signal som inneholder et kort «klikk» fra en sprukket tann på et tannhjul. FFT-analysen vil kanskje bare vise en svak økning i bredbåndsenergien, fordi klikket blir utjevnet over hele opptaket. Wavelet-analysen gir derimot et diagram som tydelig viser en kortvarig økning i høyfrekvent energi akkurat i det øyeblikket klikket oppstod. Dette er den praktiske fordelen: den bevarer tidspunktet for hendelser som FFT-analysen utvisker. Den er i sin essens nært beslektet med ordreanalyse, som også tar for seg signaler der det enkle bildet med fast frekvens ikke lenger holder stikk.
3. Skalogrammet: Et tidsfrekvenskart
Det vanligste resultatet av wavelet-analyse er en skalogram (eller et lignende tids-frekvens-diagram) — et 2D-fargekart der:
- X-aksen representerer tid.
- Y-aksen representerer frekvens (eller skala).
- Fargen symboliserer amplitude eller energien i vibrasjonen på akkurat det tidspunktet og ved akkurat den frekvensen.
Denne visualiseringen gjør det enkelt å oppdage kortvarige hendelser som ellers ville vært skjult i et standardspektrum. En vertikal linje med «varm» farge på et skalogram markerer for eksempel en bredbåndshendelse, som et nedslag som skjedde i et bestemt øyeblikk – det visuelle fingeravtrykket til en lokal, gjentakende feil. Konseptuelt utfyller skalogrammet andre avanserte visningsformer som fossefall, som viser hvordan et spektrum endrer seg over flere påfølgende gjennomsnitt eller hastigheter.
4. Anvendelser innen vibrasjonsdiagnostikk
Wavelet-analyse brukes vanligvis ikke rutinemessig vibrasjonsovervåkingmen er et kraftig verktøy for avansert diagnostikk i spesifikke situasjoner:
- Analyse av girkasse: er spesielt god til å oppdage lokale feil, for eksempel en enkelt sprukket eller knust tann, som gir et tydelig støt én gang per omdreining.
- Lagerfeil Analyse: i stand til å registrere de enkelte støtene som oppstår når et rullende element passerer over en spall, særlig i maskiner som går svært sakte, der konvensjonelle konvoluttanalyse kan være utfordrende.
- Forbigående hendelse Analyse: ideell for signaler fra oppstart og nedstengning av maskiner, eller andre prosesser der hastighets- og vibrasjonsegenskapene endrer seg kontinuerlig.
- Strukturanalyse: nyttig for å analysere en konstruksjons reaksjon på et støt — en bumptest — for å forstå dens demping og naturlige frekvenser.
5. Praktisk anvendelse og begrensninger
Wavelet-analyse er mer beregningskrevende enn FFT, og tolkning av et skalogram krever mer erfaring enn å lese et linjespektrum. Av disse grunner fungerer den som et supplement til, snarere enn en erstatning for, de vanlige teknikkene. Den daglige feilsøkingen baserer seg fortsatt på FFT-spektrumet, totalnivåer og konvoluttanalyse; wavelets tas i bruk når disse verktøyene påpeker noe uvanlig, men ikke klarer å lokalisere det i tid. I feltet samles dataene inn med et bærbart instrument – en tokanalsanalysator som Balanset-1A fanger opp de høykvalitets tidsbølgeformene som er registrert i maskinens egne lagre ved driftshastighet, og som alle påfølgende tids-frekvensanalyser er avhengige av. Moderne dataprogramvare har likevel gjort wavelet-analyse til et tilgjengelig og verdifullt verktøy for den erfarne analytikeren som arbeider med komplekse, ikke-stasjonære signaler.
