Zrozumienie widma automatycznego
auto-spektrum — nazywane również autospektrum, a potocznie określane jako widmo mocy lub po prostu "widmo" — to przedstawienie w dziedzinie częstotliwości pojedynczego wibracja sygnał, pokazujący, jak energia tego sygnału lub amplituda jest rozłożona w zakresie częstotliwości. Powstaje poprzez Szybka transformata Fouriera (FFT) zapisu czasowego oraz wyświetlanie amplitudy każdego składnika częstotliwościowego. Przedrostek "auto-" odróżnia tę funkcję od spektrum krzyżowe, które odnosi się do dwóch różnych sygnałów: widmo automatyczne to widmo sygnału w odniesieniu do samego siebie.
W codziennej pracy właśnie to ma na myśli większość techników, mówiąc o „widmie” lub „FFT” — standardowym wykresie częstotliwości w każdym analizator drgań, którego szczyty sięgają niewyważenie, częstotliwości uszkodzeń łożysk, zazębienie i tak dalej. Świadomość, że to codzienne narzędzie jest technicznie rzecz biorąc spektrum automatycznym, ma największe znaczenie, gdy zaczynasz pracę wielokanałową, gdzie w grę wchodzą widma krzyżowe, spójność i pojawiają się inne funkcje korelacji.
1. Podstawy matematyczne
Dwie drogi do tego samego rezultatu
Istnieją dwa matematycznie równoważne sposoby uzyskania widma automatycznego:
- Bezpośrednia FFT: przekształcić sygnał czasowy, obliczyć wartość bezwzględną (lub jej kwadrat) każdego złożonego przedziału FFT i wykreślić ją w funkcji częstotliwości. Jest to powszechna i prosta metoda stosowana w niemal każdym przyrządzie.
- Poprzez autokorelację: najpierw obliczyć funkcję autokorelacji sygnału, a następnie wykonać jego transformację FFT. Zgodnie z Twierdzenie Wienera–Khinchina wynik jest identyczny jak w przypadku metody bezpośredniej — to samo widmo uzyskane inną ścieżką obliczeniową.
Gdy wielkość zostanie podniesiona do kwadratu i znormalizowana względem jednostki częstotliwości, ta sama wielkość staje się gęstość widmowa mocy, co stanowi preferowaną postać dla drgań losowych o szerokim paśmie.
Uśrednianie w celu zapewnienia stabilności
Pojedynczy wynik transformacji FFT zawiera szum statystyczny, dlatego uśrednia się kilka widm automatycznych obliczonych na podstawie kolejnych zapisów czasowych, aby ustabilizować wynik i zmniejszyć losowe rozrzuty. W rutynowej diagnostyce maszyn typowa liczba uśrednień wynosi 4–16; w przypadku szerokopasmowych drgań losowych może być konieczne wykonanie 50–100 lub więcej uśrednień. Korzyść ta wiąże się z wydłużeniem czasu pomiaru, dlatego liczba uśrednień stanowi świadomy kompromis, a nie zasadę, że „im więcej, tym lepiej”.
2. Właściwości definiujące
Trzy cechy wynikają bezpośrednio z matematyki i warto o nich pamiętać podczas analizy dowolnego widma:
- Wartości rzeczywiste: Spektrum automatyczne nie ma części urojonej. Odzwierciedla ono wyłącznie amplitudę, więc faza W obliczeniach amplitudy pomija się zależność fazową sygnału pierwotnego. W przypadku identyfikacji uszkodzeń jednopunktowych nie stanowi to żadnej straty; jednak w przypadku prac związanych z wyważaniem lub funkcją przenoszenia, gdzie faza ma zasadnicze znaczenie, jest to poważne ograniczenie.
- Zawsze dodatnie: Wartości te są zawsze większe lub równe zero, ponieważ odnoszą się do energii lub mocy, które nie mogą być ujemne.
- Symetryczna dla sygnałów rzeczywistych: Widmo sygnału w czasie rzeczywistym jest symetryczne względem częstotliwości Nyquista — częstotliwości ujemne są po prostu lustrzanym odbiciem częstotliwości dodatnich — dlatego wyświetlana jest tylko połowa dodatnia, która zawiera wszystkie informacje.
3. Auto-Spectrum w diagnostyce maszyn
Codzienny widok analityka
To właśnie ten wykres jest podstawowym narzędziem pracy techników. Przedstawia on jednocześnie wszystkie składowe częstotliwości drgań, a zadaniem analityka jest zidentyfikowanie każdego piku i przyporządkowanie go do konkretnego rodzaju usterki — dzięki czemu widmo automatyczne staje się podstawowym narzędziem do diagnostyka usterek oraz do rutynowej oceny stanu technicznego.
Cechy, na które warto zwrócić uwagę
- Szczyt 1×: prędkość biegu drgania, spowodowane głównie niewyważeniem oraz innymi źródłami występującymi raz na obrót.
- Szczyt 2×: zazwyczaj niewspółosiowość lub luz mechaniczny.
- Częstotliwości łożysk: BPFO, BPFI, BSF, oraz FTF, często otoczone wstęgi boczne.
- Zazębienie przekładni: częstotliwość zazębiania się zębów oraz jej harmoniczne.
- Elektryczne: dwukrotność częstotliwości sieciowej (120 Hz przy zasilaniu 60 Hz, 100 Hz przy zasilaniu 50 Hz).
- Poziom szumów: poziom tła wynikający z drgań losowych i szumu przyrządu, na tle którego muszą wyróżniać się rzeczywiste piki.
4. Auto-Spectrum kontra Cross-Spectrum
Spektrum jednokanałowe odpowiada na pytanie „jakie częstotliwości występują?”, podczas gdy jego dwukanałowy odpowiednik odpowiada na pytanie „jakie są powiązania między dwoma sygnałami?”. Warto wyraźnie podkreślić tę różnicę:
| Auto-Spectrum (jednokanałowy) | Cross-Spectrum (dwukanałowy) |
|---|---|
| Widmo jednego sygnału | Związek między dwoma sygnałami |
| Pokazuje skład częstotliwościowy sygnału | Pokazuje skład częstotliwościowy wspólny dla obu |
| Brak informacji o fazie | Obejmuje relację fazową |
| Wystarczający do większości zastosowań diagnostycznych | Stanowi podstawę funkcja przejścia oraz analiza spójności |
| Standardowa jednokanałowa FFT | Wymaga dwóch zsynchronizowanych kanałów |
5. Tryby uśredniania i opcje wyświetlania
Wybór trybu uśredniania
- Uśrednianie liniowe: zwykła średnia arytmetyczna kolejnych widm, która redukuje szum losowy i zbiega się do rzeczywistego widma — standard w analizie maszyn.
- Uśrednianie wykładnicze: średnia ważona, która uwzględnia najnowsze dane, idealna do monitorowania w czasie rzeczywistym w sytuacjach, gdy warunki ulegają zmianom.
- Funkcja zatrzymania wartości szczytowej (maksymalne widmo): każdy przedział częstotliwości zachowuje najwyższą zarejestrowaną wartość, rejestrując tym samym składowe przejściowe — co ma nieocenione znaczenie podczas rozbieg oraz wybieg testowanie.
Skalowanie osi
Oś amplitudy można wyświetlić na skala liniowa (mm/s, m/s²), co sprawia, że wartości bezwzględne są łatwe do odczytania, ale może też sprawiać, że małe szczyty pozostają w cieniu większych, lub na skala logarytmiczna w decybelach (20·log[amplituda/wartość odniesienia]), co powoduje kompresję szerokiego zakres dynamiki tak, aby widoczne były zarówno małe, jak i duże szczyty — jest to preferowany widok do prac szczegółowych i badawczych. Oś częstotliwości zazwyczaj liniowa w Hz dla maszyn, choć logarytmiczna Oś o równych odstępach oktawowych nadaje się do bardzo szerokich zakresów częstotliwości.
6. Jakość i pułapki
Jakość widma zależy od jakości danych, na których się opiera. A czyste widmo wykazuje wyraźne piki powyżej niskiego poziomu szumu; a widmo z szumem powoduje zagłuszanie pików przez silny szum tła, co można skorygować poprzez większe uśrednienie i odpowiednią rozdzielczość częstotliwościową. Niezbędne są dwie kontrole pomiaru: należy upewnić się, że rozdzielczość częstotliwościowa jest wystarczająca do rozdzielenia blisko położonych pików, oraz zwrócić uwagę na przeciążenie wejścia, co powoduje obcięcie sygnału i generowanie fałszywych składowych widmowych — jeśli tak się stanie, należy zmniejszyć wzmocnienie wejściowe i ponownie wykonać pomiar. Kalkulator rozdzielczości FFT pomaga dobrać liczbę linii i przepustowość, które pozwolą uchwycić interesujące Cię piki.
Gdzie sprawdzają się przyrządy terenowe
W przypadku przenośnego miernika dwukanałowego, takiego jak Balanset-1A… widmo automatyczne to standardowy obraz diagnostyczny, który technik odczytuje przy urządzeniu, aby sprawdzić, czy energia skupia się przy 1× (co wskazuje na niewyważenie i może oznaczać wyważanie w terenie) lub rozłożone na częstotliwościach łożysk i zazębienia kół zębatych, które wskazują na zupełnie inną usterkę — a wszystko to rejestrowane w łożyskach samej maszyny przy prędkości roboczej.
Widmo automatyczne jest podstawowym narzędziem do analizy częstotliwości w diagnostyce drgań: jest to jednokanałowa transformacja FFT, z której technicy korzystają na co dzień w celu identyfikacji usterek i oceny stanu technicznego. Zrozumienie, że "spektrum" jest technicznie rzecz biorąc widmem automatycznym — oraz tego, jak wiąże się ono ze spektrum krzyżowym i innymi funkcjami spektralnymi — stanowi podstawę do zaawansowanej analizy wielokanałowej i kompleksowej diagnostyki maszyn.
