FFT (Fast Fourier Transform) i vibrationsanalys

Definition: Vad är en FFT?

Den Snabb Fouriertransform (FFT) är en mycket effektiv matematisk algoritm som används för att omvandla en signal från tidsdomänen till frekvensdomänen. Inom vibrationsanalys innebär detta att omvandla en rå, komplex tidsvågform (ett diagram över vibrationsamplituden kontra tiden) in i en frekvensspektrum (ett diagram över vibrationsamplitud kontra frekvens). Denna transformation är den enskilt viktigaste och mest grundläggande processen inom modern maskindiagnostik.

Varför är FFT avgörande för diagnostik?

En rå tidsvågform från en maskin som löper är en komplex blandning av många olika vibrationer som sker samtidigt. Det är nästan omöjligt att titta på denna signal och avgöra maskinens tillstånd. FFT:n fungerar som ett prisma och separerar denna komplexa signal i dess individuella frekvenskomponenter. Resultatet är ett tydligt, handlingsbart diagram som gör det möjligt för en analytiker att se:

• Vilka frekvenser finns?
• Hur mycket energi (amplitud) finns det vid varje frekvens?
• Vad är förhållandet mellan dessa frekvenser?

Eftersom olika mekaniska och elektriska fel (som obalans, feljustering, lagerdefekter och glapp) genererar vibrationer vid mycket specifika, förutsägbara frekvenser, ger FFT-spektrumet en direkt vägbeskrivning av grundorsaken till ett problem.

Viktiga parametrar för en FFT-analys

För att få ett användbart FFT-spektrum måste en vibrationsanalytiker definiera flera viktiga parametrar på datainsamlaren eller programvaran:

1. Fmax (Maximal frekvens)

Detta är den högsta frekvensen som kommer att inkluderas i spektrumet. Den måste vara tillräckligt högt inställd för att fånga det fel med högsta frekvens du letar efter (t.ex. högfrekventa kugghjulsnät eller lagertoner).

2. Upplösning (Upplösningslinjer)

Detta avgör detaljnivån i spektrumet. Det definieras som antalet diskreta frekvens-"bins" eller datapunkter som kommer att beräknas över Fmax. Ett högre antal linjer (t.ex. 3200 eller 6400) resulterar i bättre frekvensupplösning, vilket innebär möjligheten att separera två vibrationsfrekvenser som ligger mycket nära varandra. Hög upplösning är avgörande för att diagnostisera svävningsfrekvenser eller analysera sidband vid växellådsanalys.

3. Medelvärdesberäkning

Eftersom maskinvibrationer kan fluktuera kan en enda "ögonblicksbild" av FFT vara missvisande. Medelvärdesberäkning innebär att man samlar in flera FFT:er i snabb följd och sedan medelvärdesbildar dem tillsammans. Denna process minskar slumpmässigt brus och ger ett mycket mer stabilt, repeterbart och representativt spektrum av maskinens verkliga tillstånd.

4. Fönster

En fönsterfunktion (liknande Hanning) är en matematisk viktning som tillämpas på tidsvågformsdata innan FFT beräknas. Det är en signalbehandlingsteknik som används för att minimera ett fel som kallas "spektralläckage", vilket säkerställer att amplituden och frekvensen för signalerna i spektrumet är så exakta som möjligt.

Tolkning av ett FFT-spektrum

En utbildad analytiker tolkar ett FFT-spektrum genom att leta efter karakteristiska mönster:

• En stor topp vid 1x löphastigheten indikerar obalans.
• En stor topp vid 2x så hög löphastighet pekar ofta på feljustering.
• En serie av övertoner (toppar vid 1x, 2x, 3x, 4x, etc.) är ett klassiskt tecken på mekanisk glapp.
• En högfrekvent topp med sidband med mellanrum vid körhastigheten är ett tydligt tecken på ett växellådans eller lagrets fel.
• Ett upphöjt "golv" av bredbandsbrus kan indikera kavitation i en pump eller friktion.

Genom att jämföra det nuvarande FFT-spektrumet med en baslinje tagen när maskinen var felfri kan analytiker enkelt upptäcka förändringar och diagnostisera problem långt innan de blir kritiska fel.

← Tillbaka till huvudmenyn