FFT (Fast Fourier Transform) i vibrationsanalys
Den Snabb Fouriertransform (FFT) är en högeffektiv matematisk algoritm som transformerar en signal från tidsdomänen till frekvensdomänen. I vibrationsanalys det konverterar en rådata, komplex tidsvågform — vibrationsamplitud ritad över tid — till en frekvensspektrum, amplitud plottad mot frekvens. Denna enstaka transformation är den viktigaste och mest grundläggande processen i modern maskindiagnostik; utan den är en vibrationssignal föga mer än en oläslig krumelur.
1. Definition: Vad är en FFT?
FFT är inte en mätning utan en beräkning. Det är en snabb implementering av den diskreta Fouriertransformen, som utnyttjar matematiska symmetrier för att på millisekunder utföra det som annars skulle ta mycket längre tid — vilket är anledningen till att den kan köras i realtid på ett handhållet instrument. Dess grundsats, härledd av Fourier, är att varje komplex periodisk signal kan rekonstrueras som en summa av enkla sinusvågor med olika frekvenser och amplituder. FFT kör den tanken i omvänd riktning: ge den en invecklad vågform och den returnerar listan över sinusvågor som bygger upp den.
2. Varför FFT är oumbärlig för diagnostik
En rå tidsvågform från en maskin i drift är ett virrvarr av många samtidiga vibrationer, och det är nästan omöjligt att bedöma en maskins hälsa med blotta ögat från det spåret. FFT fungerar som ett prisma och delar upp den komplexa signalen i dess enskilda frekvenskomponenter. Resultatet är ett tydligt, användbart diagram som låter en analytiker se:
- Vilka frekvenser finns?
- Hur mycket energi (amplitud) finns vid varje frekvens?
- Vad är sambandet mellan dessa frekvenser — övertoner, sidband och liknande?
Eftersom olika mekaniska och elektriska fel — obalans, feljustering, lagerdefekteroch löshet — var och en genererar vibration vid mycket specifika, förutsägbara frekvenser, och spektrumet ger en direkt vägkarta till grundorsaken till ett problem. Denna frekvensdomänvy är grunden för all spektralanalys.
3. Viktiga parametrar i en FFT-analys
För att erhålla ett användbart spektrum ställer en analytiker in flera parametrar i datainsamlaren eller programvaran. Ställs de in fel kan ett verkligt fel missas; ställs de in rätt framträder det tydligt.
Fmax (maximal frekvens)
Den högsta frekvensen som ingår i spektrumet. Den måste vara tillräckligt hög för att fånga upp det felaktiga tillståndet med högst frekvens av intresse — högfrekventa kugghjulsnät eller lagertonerna, till exempel — men inte så hög att lågfrekventa detaljer förloras. För att förhindra aliasering, instrumenten tillämpar anti-aliasing lågpassfilter under samplingsfrekvensen innan FFT beräknas.
Upplösning (antal upplösningslinjer)
Detta bestämmer detaljnivån — antalet diskreta frekvens“korgar” som beräknas över Fmax. Fler linjer (t.ex. 3 200 eller 6 400) ger finare upplösning, vilket innebär en bättre förmåga att separera två frekvenser som ligger nära varandra. Hög upplösning är avgörande för att skilja slagfrekvenser åt eller lösa upp de tätt liggande sidband i växellådsanalys. Eftersom korgbredden är lika med Fmax dividerat med antalet linjer finns det alltid en avvägning mellan spann och detalj; en Beräkningsverktyg för FFT-upplösning visar den resulterande korgbredden och insamlingstiden för valfri inställning, och en Zooma FFT kan koncentrera alla tillgängliga linjer till ett smalt band när ännu finare separation behövs.
Medelvärde
Eftersom maskinvibrationer varierar kan en enstaka FFT-ögonblicksbild vara missvisande. Medelvärdesbildning samlar in flera FFT:er i snabb följd och kombinerar dem, vilket undertrycker slumpmässigt brus och ger ett betydligt stabilare och mer repeterbart spektrum som genuint återspeglar maskinens tillstånd.
Fönsterläggning
A fönsterfunktion — vanligast är Hanning-fönstret — är en matematisk viktning som appliceras på tidsdata innan transformationen. Den minimerar ett fel som kallas spektralläckage, vilket annars skulle sprida ut en skarp topp över angränsande korgar och förvanska både dess amplitud och dess uppenbara frekvens.
4. Tolkning av FFT-spektrum
En utbildad analytiker läser spektrumet genom att känna igen karakteristiska mönster:
- En stor topp vid 1× driftshastighet indikerar obalans.
- En stor topp vid 2× rotationshastighet pekar ofta på felinställning.
- En lång serie av övertoner (1×, 2×, 3×, 4×…) är ett klassiskt tecken på mekanisk löshet.
- En högfrekvenstopp med sidband med mellanrum motsvarande rotationshastigheten är ett tydligt tecken på fel i växellåda eller lager.
- En förhöjd “bottenyta” av bredbandsbrus kan indikera kavitation i en pump eller allmän friktion.
Genom att jämföra det aktuella spektrumet med ett baslinje som registrerades när maskinen var i gott skick kan en analytiker upptäcka förändringar och diagnostisera begynnande problem långt innan de blir kritiska fel.
5. FFT vid praktisk fältmätning
På ett portabelt instrument beräknas FFT på plats från den direkta accelerometer signal. The Balanset-la, en tvåkanalig fältanalysator, tar upp tidsvågsformen och visar dess spektrum från ungefär 5 Hz till 1000 Hz, så att en ingenjör kan avläsa rotationshastighetens topp, dess övertoner samt eventuella lager- eller kuggtoner direkt vid maskinen. I kombination med tachometerpulsen en gång per varv stöder samma datamängd fasbaserad balansering, medan orderanalys kan omreferera spektrumet till multipler av rotationshastigheten på maskiner med variabel hastighet — och därigenom förvandla FFT från ett statiskt diagram till kärnan i ett arbetsflöde för diagnostik och balansering på plats.
