Zrozumienie widma automatycznego
The auto-spektrum — nazywane rowniez autospektrum, a potocznie okreslane jako widmo mocy lub po prostu "widmo" — to przedstawienie w dziedzinie czestotliwosci pojedynczego wibracja sygnał, pokazujący, jak energia tego sygnału lub amplituda jest rozłożona w zakresie częstotliwości. Powstaje poprzez Szybka transformata Fouriera (FFT) zapisu czasowego oraz wyswietlanie amplitudy kazdego skladnika czestotliwosciowego. Przedrostek "auto-" odroznia te funkcje od spektrum krzyżowektorego odnosi sie do dwoch roznych sygnalow: widmo automatyczne to widmo sygnalu w odnosieniu 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, zazębieniei 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, spójnośći pojawiają się inne funkcje korelacji.
1. Podstawy matematyczne
Dwie drogi do tego samego rezultatu
Istnieją dwa matematycznie równoważne sposoby uzyskania widma automatycznego:
- Direct 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:
- Real-valued: 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
- 1× peak: prędkość biegu drgania, spowodowane głównie niewyważeniem oraz innymi źródłami występującymi raz na obrót.
- 2× peak: commonly 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 | Underpins 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 testing.
Skalowanie osi
Oś amplitudy można wyświetlić na linear scale (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 logarithmic 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 clean spectrum wykazuje wyraźne piki powyżej niskiego poziomu szumu; a noisy spectrum 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 input overload, 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.
