Wavelet-analyse begrijpen
Wavelet-analyse is een geavanceerde signaalverwerkingstechniek voor het analyseren van trillingen signalen waarvan de frequentie-inhoud in de loop van de tijd verandert. In tegenstelling tot de traditionele Snelle Fouriertransformatie (FFT), De waveletanalyse, die het meest geschikt is voor stationaire signalen met een constante frequentie-inhoud, vangt effectief voorbijgaande gebeurtenissen, schokken en ander niet-stationair gedrag. Het is een gespecialiseerd instrument in de trillingsdiagnostiek toolkit - bereikt voor precies wanneer de standaard spectrum schiet tekort.
Het werkt door een signaal te ontbinden in een reeks basisfuncties die “wavelets” worden genoemd. Elke wavelet is een kort, oscillerend golfachtig pakket dat gelokaliseerd is in zowel tijd als frequentie. Deze dubbele lokalisatie - het kennen van zowel wat frequentie en wanneer - is wat de methode haar onderscheidende kracht geeft.
1. Definitie: Wat is Wavelet-analyse?
De meeste alledaagse trillingsanalyse gaat ervan uit dat de machine met constante snelheid en belasting draait, dus dat de trillingen “stationair” zijn en een enkel spectrum dit goed beschrijft. Veel van de meest veelzeggende storingen zijn echter helemaal niet constant: het zijn korte energie-uitbarstingen die binnen een omwenteling komen en gaan. Waveletanalyse is precies voor deze signalen gemaakt. In plaats van alleen te vragen welke frequenties aanwezig zijn over de hele plaat, schuift het wavelets van verschillende grootte langs de tijdgolfvorm, waarbij wordt gemeten hoe sterk elke golf overeenkomt met het signaal op elk moment. Korte, hoogfrequente wavelets lokaliseren scherpe inslagen in de tijd; lange, laagfrequente wavelets lossen langzame componenten in de frequentie op.
2. Wavelet-analyse versus de FFT
Om de waarde van waveletanalyse te begrijpen, helpt het om de beperking van de FFT te zien:
- FFT (Snelle Fouriertransformatie): de FFT vertelt je wat frequenties aanwezig zijn, maar geeft geen informatie over wanneer ze plaatsvonden. Het analyseert het hele dossier in één keer en biedt uitstekende frequentie resolutie maar nul tijdresolutie.
- Wavelet-analyse: waveletanalyse vertelt u welke frequenties aanwezig zijn en wanneer. Het produceert een "tijd-frequentie" kaart van het signaal, die laat zien hoe de spectrale inhoud gedurende de meting evolueert.
Stel u zich een signaal voor met een korte "klik" van een gebarsten tandwiel. De FFT laat misschien maar een kleine toename in breedbandige energie zien, omdat de klik over de hele plaat wordt uitgemiddeld. Waveletanalyse daarentegen levert een plot op die duidelijk een uitbarsting van hoogfrequente energie laat zien op het exacte moment dat de klik optrad. Dit is het praktische voordeel: het behoudt de timing van gebeurtenissen die de FFT wegsmeert. Het is nauw verwant aan orderanalyse, die ook signalen aanpakt waar het eenvoudige beeld met een vaste frequentie niet werkt.
3. Het Scalogram: een tijd-frequentiekaart
De meest voorkomende uitkomst van waveletanalyse is een scalogram (of een soortgelijke tijd-frequentieplot) - een 2D-kleurkaart waar:
- De X-as geeft de tijd weer.
- De Y-as geeft de frequentie (of schaal) weer.
- De kleur vertegenwoordigt de amplitude of energie van de vibratie op dat specifieke moment en op die specifieke frequentie.
Door deze visualisatie zijn voorbijgaande gebeurtenissen gemakkelijk te herkennen waar ze in een standaardspectrum verborgen zouden blijven. Een verticale lijn van “hete” kleur op een scalogram markeert bijvoorbeeld een breedbandgebeurtenis zoals een inslag die op één precies moment plaatsvond - de visuele vingerafdruk van een gelokaliseerde, repetitieve fout. Conceptueel vormt het scalogram een aanvulling op andere geavanceerde displays zoals het waterval plot, die bijhoudt hoe een spectrum verandert over vele opeenvolgende gemiddelden of snelheden.
4. Toepassingen in trillingsdiagnostiek
Waveletanalyse wordt doorgaans niet gebruikt voor routinematige trillingsbewakingmaar is een krachtig hulpmiddel voor geavanceerde diagnostiek in specifieke situaties:
- Versnellingsbakanalyse: uitzonderlijk goed in het detecteren van lokale fouten, zoals een enkele gebarsten of gebroken tand, die één keer per omwenteling een duidelijke impact genereert.
- Lagerdefect Analyse: in staat om de afzonderlijke botsingen te detecteren die worden veroorzaakt door een rollend element dat over een spall, vooral in machines met zeer lage snelheden waar conventionele envelopanalyse kan een uitdaging zijn.
- Transiënte gebeurtenis Analyse: ideaal voor signalen van het opstarten en uitschakelen van machines of processen waarbij snelheid en trillingskenmerken constant veranderen.
- Structurele analyse: nuttig voor het analyseren van de reactie van een structuur op een botsing - een bumptest - om de demping en natuurlijke frequenties.
5. Praktisch gebruik en beperkingen
Waveletanalyse is rekenintensiever dan de FFT en het interpreteren van een scalogram vraagt meer ervaring dan het lezen van een lijnspectrum. Om deze redenen staat het naast de alledaagse technieken en vervangt het ze niet. De dagelijkse foutopsporing berust nog steeds op het FFT-spectrum, algemene niveaus en omhullende analyse; wavelets worden ingezet als deze hulpmiddelen iets ongewoons signaleren maar het niet op tijd kunnen lokaliseren. In het veld worden de gegevens zelf verzameld met een draagbaar instrument - een tweekanaals analyzer zoals de Balans-1a vangt de hoogwaardige tijdgolfvormen, opgenomen in de lagers van de machine zelf op bedrijfssnelheid, waar elk daaropvolgend tijdfrequentieonderzoek van afhankelijk is. Moderne computersoftware heeft waveletanalyse echter een toegankelijke en waardevolle bron gemaakt voor de gevorderde analist die te maken heeft met complexe, niet-stationaire signalen.
