Razumevanje avtomobilskega spektra
Spletna stran avtospekter — imenovano tudi avtospektrum, v širšem smislu pa tudi spektrum moči ali preprosto »spektrum« — je predstavitev posameznega vibracije signal, ki prikazuje, kako se energija tega signala ali amplituda je porazdeljen po frekvenci. Nastane z Hitra Fourierjeva transformacija (FFT) zvočnega zapisa in prikazom jakosti posameznih frekvenčnih komponent. Predpona »auto-« ga loči od cross-spectrum, ki povezuje dva različna signala: avtospekter je spekter signala, merjenega glede na samega sebe.
V vsakdanjem delu je to prav tisto, kar ima večina tehnikov v mislih, ko govori o »spektru« ali »FFT« – standardnem prikazu frekvenc v vsakem analizator vibracij, z vrhovi na neravnovesje, frekvence napak ležajev, zobniška mrežain ostalo. Zavedanje, da je to vsakdanje orodje v bistvu avtomatski spektrometer, je najpomembnejše, ko se lotite večkanalnega dela, kjer se med spektri, skladnost, v igro pa vstopijo tudi druge korelacijske funkcije.
1. Matematični temelji
Dve poti do istega rezultata
Obstajata dva matematično enakovredna načina za izračun avtospektra:
- Direct FFT: preoblikujemo časovni signal, izračunamo amplitudo (ali kvadrat amplitude) vsakega kompleksnega FFT-pasu in jo prikažemo v odvisnosti od frekvence. To je običajen in preprost postopek, ki se uporablja v skoraj vseh instrumentih.
- Prek avtokorelacije: najprej izračunajte avtokorelacijsko funkcijo signala, nato pa izvedite njegovo FFT. Po Wiener-Khinchinova izreka rezultat je enak kot pri neposredni metodi – isti spekter, dosežen po drugačni računski poti.
Ko se jakost povzdigne na drugo in normalizira na enoto frekvence, ta vrednost postane spektralna gostota moči, kar je najprimernejša oblika za širokopasovne naključne vibracije.
Izračun povprečja za stabilnost
Posamezna FFT vsebuje statistično šum, zato se več avtospekterjev, izračunanih iz zaporednih časovnih zapisov, povpreči, da se izboljša ocena in zmanjša naključno razpršenost. Pri rutinski diagnostiki strojev je običajno potrebnih 4–16 povprečij; pri širokopasovnih naključnih vibracijah pa jih je morda potrebnih 50–100 ali več. Ta prednost pa ima svojo ceno v obliki daljšega časa merjenja, zato je število povprečij premišljen kompromis in ne velja, da je »več vedno bolje«.
2. Opredelitev lastnosti
Tri značilnosti izhajajo neposredno iz matematike in jih je vredno upoštevati pri branju katerega koli spektra:
- Real-valued: avtomatski spekter nima imaginarne komponente. Predstavlja le velikost, zato faza Pri izračunu amplitude se razmerje glede na izhodiščni signal ne upošteva. Pri prepoznavanju enotočkovnih napak to ni nobena izguba; pri delu z uravnoteženjem ali prenosno funkcijo, kjer je faza bistvena, pa to predstavlja resnično omejitev.
- Vedno pozitivno: vrednosti so vedno večje ali enake nič, saj predstavljajo energijo ali moč, ki ne moreta biti negativni.
- Simetrična za realne signale: spekter signala v realnem času je simetričen glede na Nyquistovo frekvenco – negativne frekvence so preprosto zrcalna slika pozitivnih –, zato se prikaže le pozitivna polovica, ki vsebuje vse informacije.
3. Avtomatski spekter v diagnostiki strojev
Dnevni pregled analitika
To je graf, s katerim delajo tehniki. Na njem so hkrati prikazane vse frekvenčne komponente vibracij, naloga analitika pa je, da prepozna vsak vrh in ga pripiše določeni vrsti napake – zato je avtomatski spekter glavno orodje za diagnoza napake in za redno ocenjevanje stanja.
Značilnosti, na katere je treba biti pozoren
- 1× peak: hitrost teka vibracije, ki jih povzročajo predvsem neuravnoteženost in drugi viri, ki se pojavljajo enkrat na obrat.
- 2× peak: commonly neusklajenost ali mehanska ohlapnost.
- Frekvence ležajev: BPFO, BPFI, BSFin Tuji teroristični borci, pogosto obkrožen z stranski pasovi.
- Gear mesh: pogostost vpetja zob in njena harmoniki.
- Elektrika: dvakratna omrežna frekvenca (120 Hz pri napetosti 60 Hz, 100 Hz pri napetosti 50 Hz).
- Šumno dno: ozadje, ki ga določata naključne vibracije in šum merilnega instrumenta, pred katerim morajo izstopati dejanski vrhovi.
4. Avtomatski spekter v primerjavi s križnim spektrom
Enokanalni avtomatski spektrum odgovarja na vprašanje »katere frekvence so prisotne?«, medtem ko njegov dvo-kanalni sorodnik odgovarja na vprašanje »kako sta dva signala povezana?«. To razliko je vredno izrecno poudariti:
| Auto-Spectrum (enokanalni) | Cross-Spectrum (dvokanalni) |
|---|---|
| Spekter enega signala | Razmerje med dvema signaloma |
| Prikazuje frekvenčno sestavo signala | Prikaže frekvenčne komponente, ki so skupne obema |
| Brez faznih informacij | Vključuje fazno razmerje |
| Zadostuje za večino diagnostičnih postopkov | Underpins prenosna funkcija in analiza koherentnosti |
| Standardna enokanalna FFT | Potrebna sta dva sinhronizirana kanala |
5. Načini izračuna povprečja in možnosti prikaza
Izbira načina izračuna povprečja
- Linearno povprečje: preprosta aritmetična sredina zaporednih spektrov, ki zmanjša naključni šum in se približuje dejanskemu spektru – standard v analizi strojev.
- Eksponentno povprečje: ponderirano povprečje, ki daje večjo težo najnovejšim podatkom, kar je idealno za spremljanje v realnem času, ko se razmere spreminjajo.
- Zadržanje najvišje vrednosti (maksimalni spekter): vsak frekvenčni interval ohrani najvišjo zabeleženo vrednost, s čimer zajame prehodne komponente — kar je neprecenljivo med zagon in . obalno spuščanje testing.
Prilagajanje osi
Os amplitude se lahko prikaže na linear scale (mm/s, m/s²), kar omogoča lažje branje absolutnih vrednosti, vendar lahko zakrije manjše vrhove ob večjih ali na logaritmična lestvica v dB (20·log[amplituda/referenca]), kar stisne širok dynamic range tako da so vidni tako majhni kot veliki vrhovi – to je najbolj primeren prikaz za podrobno in raziskovalno delo. Frekvenčna os je običajno linearni v Hz za stroje, čeprav logarithmic os z enakomernim razmakom med oktavami je primerna za zelo široka frekvenčna območja.
6. Kakovost in pasti
Spekter je dober le toliko, kolikor so dobri podatki, na katerih temelji. A clean spectrum kaže jasne vrhove nad nizko ravnjo šuma; a noisy spectrum vrhove zakrije močno ozadje, kar je mogoče odpraviti z večjim izravnavanjem in ustrezno frekvenčno ločljivostjo. Nujni sta dve preverjanji zajema: preverite, ali je frekvenčna ločljivost dovolj visoka, da loči tesno razporejene vrhove, in bodite pozorni na input overload, kar povzroči odrez signala in ustvari lažne spektralne komponente – če se to zgodi, zmanjšajte vhodno ojačitev in ponovno izvedite zajem. Kalkulator ločljivosti FFT pomaga izbrati število vodov in pasovno širino, s katerima se odpravijo vrhovi, ki vas zanimajo.
Kje se uporabljajo terenski instrumenti
Na prenosnem dvo-kanalnem merilnem instrumentu, kot je Balanset-1A, avtomatski spekter je vsakdanji diagnostični prikaz, ki ga serviser preveri na napravi, da ugotovi, ali je energija skoncentrirana pri 1× (kar kaže na neuravnoteženost in je znak za uravnoteženje polja) ali pa so razpršene po frekvencah ležajev in zobnih koles, ki kažejo na povsem drugo napako – vse to se zazna v lastnih ležajih stroja pri delovni hitrosti.
Avto-spekter je osnovno orodje za frekvenčno analizo pri diagnostiki vibracij: enokanalna FFT, na katero se tehniki vsak dan zanašajo pri odkrivanju napak in ocenjevanju stanja. Razumevanje, da je »spekter« v tehničnem smislu pravzaprav avto-spekter – ter kako je povezan s križnimi spektri in drugimi spektralnimi funkcijami –, predstavlja temelj za napredno večkanalno analizo in temeljito diagnostiko strojev.
