Zrozumienie analizy widmowej
Analiza widmowa to proces polegający na rozkładzie złożonego sygnału — takiego jak przebieg czasowy z czujnika drgań — oraz rozłożenie go na poszczególne składowe częstotliwościowe. Jego celem jest przekształcenie sygnału z domena czasowa (amplituda w funkcji czasu) do dziedzina częstotliwości (amplituda w funkcji częstotliwości). Wynikiem jest widmo (liczba mnoga: widma): wykres przedstawiający amplitudę drgań dla każdej konkretnej częstotliwości. Analiza spektralna jest najbardziej podstawową i najskuteczniejszą techniką w diagnostyka wibracji, ponieważ pozwala to analitykowi rozpoznać unikalne sygnatury częstotliwościowe związane z różnymi usterkami maszyn.
1. Definicja: Czym jest analiza widmowa?
Drgania maszyny stanowią sumę wielu równoczesnych sił okresowych, a w dziedzinie czasu siły te zlewają się w jeden skomplikowany przebieg, który trudno zinterpretować. Analiza spektralna pozwala rozplątać ten przebieg. Podstawą matematyczną jest zasada Fouriera: każdy sygnał okresowy, bez względu na stopień złożoności, można przedstawić jako sumę prostych fal sinusoidalnych, z których każda ma własną częstotliwość, amplitudę i fazę. Analiza spektralna odtwarza tę listę fal sinusoidalnych i wyświetla ją jako widmo — przekształcając „mylące wahania w czasie” w „uporządkowany zestaw pików o znanych częstotliwościach”. To przekształcenie jest sednem sprawy, a wszystko inne wynika z niego.
2. Rola szybkiej transformacji Fouriera (FFT)
Współczesna analiza spektralna stała się praktycznie dostępna dzięki wysoce wydajnemu algorytmowi zwanemu Szybka transformata Fouriera (FFT). FFT to procedura matematyczna wbudowana w każdy cyfrowy analizator drgań. Pobiera ona na wejściu cyfrowe dane przebiegu czasowego, a na wyjściu generuje widmo częstotliwości, wykonując w ciągu milisekund obliczenia, które niegdyś wymagałyby wielu godzin pracy ręcznej.
Dzięki transformacji FFT złożony, pozornie chaotyczny sygnał — bardzo trudny do odczytania w dziedzinie czasu — można przedstawić jako przejrzystą serię wyraźnych pików częstotliwości w dziedzinie częstotliwości. Aby transformacja FFT była miarodajna, sygnał musi być najpierw prawidłowo próbkowany i zabezpieczony przed efekt aliasingu, dlatego przed transformacją zawsze stosuje się filtr antyaliasingowy.
3. Moc diagnostyczna widma
Analiza spektralna jest tak skuteczna, ponieważ różne usterki mechaniczne i elektryczne w maszynach wirujących powodują drgania o przewidywalnych, charakterystycznych częstotliwościach. Analizując widmo, analityk może zdiagnozować pierwotną przyczynę problemu, porównując częstotliwości pików z znanym wzorcem usterek. Typowe przykłady to:
- Duży szczyt przy 1× prędkość obrotowa często wskazuje niewyważenie — sygnał do wykonania wyważenia.
- Duży szczyt przy prędkości biegu dwukrotnie większej to klasyczny objaw niewspółosiowość.
- Seria harmonicznych częstotliwości obrotowej zazwyczaj wskazuje na luz mechaniczny.
- Seria szczytów o niecałkowitych wielokrotnościach prędkości obrotowej może wskazywać na wady łożysk, co często najlepiej potwierdzić za pomocą analiza obwiedni.
- Szczyt o dużej amplitudzie przy częstotliwości zazębienia kół zębatych z wstęgi boczne wskazuje wady przekładni.
- Szczyt przy częstotliwości dwukrotnie większej od częstotliwości sieciowej może wskazywać na usterkę stojana silnika.
4. Kluczowe parametry analizy widmowej
Aby uzyskać użyteczne widmo, analityk musi określić kilka kluczowych parametrów. Jeśli zostaną one źle dobrane, nawet idealna transformacja FFT może wprowadzić w błąd:
- Fmax (częstotliwość maksymalna): najwyższa częstotliwość uwzględniona w widmie. Należy ją ustawić na wystarczająco wysokim poziomie, aby wykryć potencjalne usterki — wysokim w przypadku problemów z przekładnią i łożyskami, niższym w przypadku niewyważenia przy niskich prędkościach.
- Rozdzielczość (liczba linii rozdzielczości): To decyduje o poziomie szczegółowości. Większa liczba linii zapewnia wyższą rozdzielczość częstotliwościową, umożliwiając analizatorowi rozróżnienie dwóch bliskich siebie pików — co ma kluczowe znaczenie dla rozróżnienia pasm bocznych podczas analizy przekładni. Kompromisem jest dłuższy czas rejestracji, a zależność tę można zbadać za pomocą Kalkulator rozdzielczości FFT.
- Uśrednianie: Aby uzyskać czyste, stabilne widmo, analizator wykonuje kilka „migawek” i uśrednia je, tłumiąc szum losowy i ujawniając rzeczywiste drgania w stanie ustalonym.
- Okienkowanie: do każdego bloku danych stosuje się funkcję matematyczną, taką jak okno Hanninga, aby zapobiec wyciek widmowy, co w przeciwnym razie spowodowałoby rozmycie i zniekształcenie amplitud oraz kształtów pików.
5. Analiza spektralna w terenie
Analiza spektralna nie ogranicza się do laboratorium — właśnie to robi inżynier ds. konserwacji w terenie, korzystając z przenośnego urządzenia. Dwukanałowy analizator, taki jak Balanset-1A pobiera próbki sygnału z akcelerometr na obudowie łożyska, przeprowadza analizę FFT i natychmiast wyświetla widmo, dzięki czemu technik może zidentyfikować usterkę i podjąć odpowiednie działania jeszcze przed następną zmianą. Ponieważ ten sam przyrząd mierzy również drgania wału faza z tachometr, diagnoza niewyważenia 1× pozwala bezpośrednio przejść do korekty wyważenia bez konieczności zmiany narzędzi — diagnoza i naprawa w jednym cyklu roboczym.
6. Analiza spektralna a przebieg czasowy
Widmo jest potężnym narzędziem, ale nie oddaje pełnego obrazu sytuacji. Uśrednianie i transformacja FFT mogą ukrywać krótkie, gwałtowne zjawiska przejściowe — takie jak uderzenia spowodowane pękniętym zębem koła zębatego lub wykruszonym łożyskiem — które wyraźnie wyróżniają się na surowym przebiegu czasowym. Doświadczeni analitycy traktują zatem te dwa widoki jako uzupełniające się: widmo służy do lokalizowania który częstotliwości przenoszą energię, przebieg czasowy do zbadania jak Zasadniczo analiza spektralna stanowi sedno współczesnej diagnostyki drgań, zapewniając wyraźny widok rentgenowski sił i ruchów zachodzących wewnątrz maszyny — a w połączeniu z przebiegiem sygnału i niezawodnym wzorcem odniesienia, pozwala przekształcić surowe dane dotyczące drgań w pewne decyzje.
