Förstå waveletanalys

1. Definition: Vad är waveletanalys?

Wavelet-analys är en avancerad signalbehandlingsteknik som används för att analysera vibration signaler där frekvensinnehållet förändras över tid. Till skillnad från den traditionella Snabb Fouriertransform (FFT), vilket är bäst lämpat för stationära signaler (signaler med konstant frekvensinnehåll), kan waveletanalys effektivt fånga och representera transienta händelser, stötar och andra icke-stationära beteenden.

Det fungerar genom att sönderdela en signal i en uppsättning basfunktioner som kallas "wavelets". Varje wavelet är ett kort, oscillerande vågliknande paket som är lokaliserat i både tid och frekvens. Denna dubbla lokalisering är det som ger waveletanalys dess kraft.

2. Waveletanalys kontra FFT

För att förstå värdet av waveletanalys är det viktigt att förstå begränsningen hos FFT:

• FFT (Snabb Fouriertransform): FFT:n berättar *vilka* frekvenser som finns i en signal, men den ger ingen information om *när* de inträffade. Den analyserar hela signalen samtidigt och ger utmärkt frekvensupplösning men tidsmässig upplösning noll.
• Wavelet-analys: Waveletanalys visar *vilka* frekvenser som finns och *när* de finns. Den ger en "tid-frekvens"-karta över signalen som visar hur det spektrala innehållet utvecklas över tid.

Tänk dig en signal som innehåller ett kort "klick"-händelse från en sprucken kugghjulstand. FFT:n kan visa en liten ökning av bredbandsenergin, men klicket skulle utjämnas över hela signalen. Wavelet-analys skulle däremot producera ett diagram som tydligt visar en explosion av högfrekvent energi vid den exakta tidpunkten då klicket inträffade.

3. Skalogrammet: En tidsfrekvenskarta

Den vanligaste utdata från waveletanalys är en skalogram (eller ett liknande tid-frekvensdiagram). Detta är en 2D-färgkarta där:

• X-axeln representerar tid.
• Y-axeln representerar frekvens (eller skala).
• Färgen representerar vibrationens amplitud eller energi vid den specifika tidpunkten och frekvensen.

Denna visualisering gör det enkelt att upptäcka övergående händelser som skulle vara dolda i ett vanligt FFT-spektrum. Till exempel indikerar en vertikal linje med "het" färg på ett skalogram en bredbandshändelse (som en kollision) som inträffade vid ett specifikt ögonblick i tiden.

4. Tillämpningar inom vibrationsdiagnostik

Waveletanalys används vanligtvis inte för rutinmässiga vibrationsövervakning men är ett kraftfullt verktyg för avancerad diagnostik i specifika situationer:

• Analys av växellådan: Den är exceptionellt bra på att upptäcka lokala fel som en enstaka sprucken eller trasig tand, vilket genererar en distinkt effekt vid varje varv.
• Lagerdefekt Analys: Den kan användas för att detektera de individuella stötarna som orsakas av att ett rullande element passerar över ett splitter, särskilt i maskiner med mycket låg hastighet där traditionella kuvertanalys kan vara utmanande.
• Övergående händelse Analys: Den är idealisk för att analysera signaler från maskinstart, avstängning eller andra processer där hastighets- och vibrationsegenskaperna ständigt förändras.
• Strukturanalys: Det kan användas för att analysera en strukturs respons på en stöt (ett bumptest) för att förstå dess dämpning och naturliga frekvenser.

Även om beräkningsmässigt mer intensivt än FFT, har modern datorprogramvara gjort waveletanalys till ett tillgängligt och värdefullt verktyg för den avancerade vibrationsanalytikern som hanterar komplexa, icke-stationära signaler.

← Tillbaka till huvudmenyn