FFT (szybka transformata Fouriera) w analizie drgań

Definicja: Czym jest FFT?

The Szybka transformata Fouriera (FFT) to wysoce wydajny algorytm matematyczny służący do transformacji sygnału z dziedziny czasu do dziedziny częstotliwości. W analizie drgań oznacza to konwersję surowego, złożonego przebieg czasowy (wykres amplitudy drgań w funkcji czasu) do widmo częstotliwości (wykres amplitudy drgań w funkcji częstotliwości). Ta transformacja jest najważniejszym i fundamentalnym procesem w nowoczesnej diagnostyce maszyn.

Dlaczego FFT jest niezbędny do diagnostyki?

Surowy przebieg czasowy z działającej maszyny to złożona mieszanina wielu różnych drgań, które występują jednocześnie. Analiza tego sygnału i określenie stanu maszyny jest praktycznie niemożliwe. FFT działa jak pryzmat, rozdzielając ten złożony sygnał na poszczególne składowe częstotliwościowe. Rezultatem jest przejrzysty, praktyczny wykres, który pozwala analitykowi zobaczyć:

• Jakie częstotliwości są obecne?
• Ile energii (amplitudy) jest przy każdej częstotliwości?
• Jaki jest związek pomiędzy tymi częstotliwościami?

Ponieważ różne usterki mechaniczne i elektryczne (takie jak niewyważenie, rozbieżność, wady łożysk i luzy) generują drgania o bardzo konkretnych, przewidywalnych częstotliwościach, widmo FFT dostarcza bezpośrednią mapę drogową do pierwotnej przyczyny problemu.

Kluczowe parametry analizy FFT

Aby uzyskać użyteczne widmo FFT, analityk drgań musi zdefiniować kilka kluczowych parametrów w kolektorze danych lub oprogramowaniu:

1. Fmax (maksymalna częstotliwość)

To najwyższa częstotliwość, która zostanie uwzględniona w widmie. Musi być ustawiona wystarczająco wysoko, aby uchwycić błąd o najwyższej częstotliwości, którego szukasz (np. wysokoczęstotliwościowe zazębienia przekładni lub tony łożysk).

2. Rozdzielczość (linie rozdzielczości)

Określa on poziom szczegółowości widma. Jest on definiowany jako liczba dyskretnych „koszy” częstotliwości lub punktów danych, które zostaną obliczone dla Fmax. Większa liczba linii (np. 3200 lub 6400) zapewnia lepszą rozdzielczość częstotliwościową, co oznacza możliwość oddzielenia dwóch bardzo blisko siebie położonych częstotliwości drgań. Wysoka rozdzielczość ma kluczowe znaczenie dla diagnozowania częstotliwości dudnień lub analizy pasm bocznych w analizie przekładni.

3. Uśrednianie

Ponieważ drgania maszyny mogą ulegać wahaniom, pojedyncza „migawkowa” transformata Fouriera (FFT) może być myląca. Uśrednianie polega na uzyskaniu wielu FFT w krótkich odstępach czasu, a następnie ich łącznym uśrednianiu. Ten proces redukuje szum losowy i zapewnia znacznie bardziej stabilne, powtarzalne i reprezentatywne spektrum rzeczywistego stanu maszyny.

4. Okienkowanie

Funkcja okna (jak Hanning) to matematyczna waga stosowana do danych przebiegu czasowego przed obliczeniem FFT. Jest to technika przetwarzania sygnału służąca do minimalizacji błędu zwanego „wyciekiem widmowym”, zapewniająca jak największą dokładność amplitudy i częstotliwości sygnałów w widmie.

Interpretacja widma FFT

Wyszkolony analityk interpretuje widmo FFT, szukając charakterystycznych wzorców:

• Duży szczyt przy 1x większa prędkość biegu wskazuje brak równowagi.
• Duży szczyt przy 2x większa prędkość biegu często wskazuje na niewspółosiowość.
• Seria harmonia (osiągające wartości szczytowe 1x, 2x, 3x, 4x itd.) jest klasycznym objawem luzu mechanicznego.
• Szczyt o wysokiej częstotliwości z wstęgi boczne rozstawione zgodnie z prędkością jazdy są oznaką uszkodzenia skrzyni biegów lub łożyska.
• Podniesiony „poziom” szumu szerokopasmowego może wskazywać na kawitację w pompie lub tarcie.

Porównując bieżące widmo FFT z danymi bazowymi uzyskanymi, gdy maszyna była sprawna, analitycy mogą łatwo wykrywać zmiany i diagnozować rozwijające się problemy na długo zanim staną się one poważnymi awariami.

← Powrót do indeksu głównego