Förstå spektralanalys
Spektralanalys är processen att ta en komplex signal — till exempel en tidsvågform från en vibrationssensor – och bryta ned den i dess enskilda frekvenskomponenter. Syftet är att omvandla signalen från tidsdomän (amplitud mot tid) i frekvensdomänen (amplitud mot frekvens). Resultatet är en spektrum (flertal: spektra): en graf som visar svängningsamplituden vid varje specifik frekvens. Spektralanalys är den mest grundläggande och kraftfulla tekniken inom vibrationsdiagnostik, eftersom det gör det möjligt för en analytiker att identifiera de unika frekvenssignaturerna som är förknippade med olika maskinfel.
1. Definition: Vad är spektralanalys?
En maskins vibrationer är summan av många samtidiga periodiska krafter, och i tidsdomänen smälter dessa krafter samman till en enda komplicerad kurva som är svår att tolka. Spektralanalys reder ut den kurvan. Den matematiska grunden är Fouriers princip: varje periodisk signal, hur komplex den än må vara, kan uttryckas som en summa av enkla sinusvågor, var och en med sin egen frekvens, amplitud och fas. Spektralanalys återskapar denna lista av sinusvågor och visar den som ett spektrum — vilket omvandlar “en förvirrande kurva över tid” till “en ordnad uppsättning toppar vid kända frekvenser”. Den omvandlingen är själva poängen, och allt annat följer av den.
2. Den snabba Fouriertransformens (FFT) roll
Modern spektralanalys möjliggörs av en mycket effektiv algoritm som kallas Snabb Fouriertransform (FFT). FFT är en matematisk metod som är inbyggd i alla digitala vibrationsanalysator. Den tar emot digitaliserade tidsvågformsdata som indata och genererar frekvensspektrumet som utdata, och utför på några millisekunder en beräkning som tidigare skulle ha tagit timmar att göra för hand.
Med hjälp av FFT kan en komplex, till synes kaotisk signal – som är mycket svår att tolka i tidsdomänen – betraktas som en tydlig serie av distinkta frekvenstoppar i frekvensdomänen. För att FFT-analysen ska bli tillförlitlig måste signalen först samplas korrekt och skyddas från aliasering, vilket är anledningen till att ett antialiasfilter alltid föregår transformen.
3. Spektrumets diagnostiska kraft
Spektralanalys är så effektiv eftersom olika mekaniska och elektriska problem i roterande maskiner ger upphov till vibrationer med förutsägbara, karakteristiska frekvenser. Genom att undersöka spektrumet kan en analytiker diagnostisera den bakomliggande orsaken till ett problem genom att jämföra topparnas frekvenser med ett känt felmönster. Vanliga exempel är:
- En stor topp vid 1× driftshastighet indikerar ofta obalans — ett tecken på att det är dags för en balansjustering.
- En kraftig topp vid 2× rotationshastigheten är ett klassiskt tecken på feljustering.
- En rad harmoniska vid rotationshastigheten tyder oftast på mekanisk löshet.
- En serie toppar vid icke-heltalsmultiplar av löphastighet kan peka på lagerdefekter, vilket oftast bäst bekräftas med enveloppanalys.
- En topp med stor amplitud vid kugghjulens ingreppsfrekvens med sidband indikerar växelfel.
- En topp vid dubbla nätfrekvensen kan tyda på ett problem med motorns stator.
4. Viktiga parametrar i spektralanalys
För att få fram ett användbart spektrum måste en analytiker fastställa flera viktiga parametrar. Om dessa parametrar är felaktiga kan till och med en perfekt FFT leda dig på villospår:
- Fmax (maximal frekvens): den högsta frekvensen i spektrumet. Den måste ställas in tillräckligt högt för att upptäcka de misstänkta felen – högt för problem med kugghjul och lager, lägre för obalans vid låga varvtal.
- Upplösning (antal upplösningslinjer): Detta avgör detaljnivån. Fler linjer ger en bättre frekvensupplösning, vilket gör att analysatorn kan skilja mellan två toppar som ligger nära varandra – något som är avgörande för att kunna urskilja sidband vid analys av växellådor. Nackdelen är en längre mättid, ett samband som du kan utforska med en FFT-upplösningskalkylator.
- Medelvärdesberäkning: för att få ett rent, stabilt spektrum tar analysatorn flera “ögonblicksbilder” och medelvärdesbildar dem, vilket dämpar slumpmässigt brus och visar den verkliga stationära vibrationen.
- Fönstring: en matematisk funktion, till exempel ett Hanningfönster, tillämpas på varje datablock för att förhindra spektralläckage, vilket annars skulle leda till att amplituderna och topparnas form förvrängs och förvanskas.
5. Spektralanalys i fält
Spektralanalys är inte begränsad till laboratoriet – det är precis vad en underhållstekniker utför på plats med ett bärbart instrument. En tvåkanalsanalysator som till exempel Balanset-1A avläser signalen från en accelerometer på lagerhuset, kör FFT-analysen och visar spektrumet direkt, så att teknikern kan identifiera ett fel och agera före nästa skift. Eftersom samma instrument även mäter axelns fas från en varvräknare, kan en diagnos av 1× obalans direkt leda till en balansjustering utan att man behöver byta verktyg – diagnos och reparation i ett och samma arbetsflöde.
6. Spektralanalys kontra tidsvågform
Spektrumet är kraftfullt, men det ger inte hela bilden. Medelvärdesbildning och FFT kan dölja korta, skarpa transienter — slagen från en sprucken kuggtand eller ett lager med spjälkskada — som framträder tydligt i den råa tidsvågformen. Erfarna analytiker betraktar därför de två vyerna som partner: spektrumet för att lokalisera som vilka frekvenser som bär energi, tidsvågformen för att studera hur hur hur den energin överförs. I grund och botten utgör spektralanalys kärnan i modern vibrationsdiagnostik, eftersom den ger en tydlig “röntgenbild” av de krafter och rörelser som pågår inne i en maskin — och läst tillsammans med vågformen och en tillförlitlig baslinjereferens omvandlar den råa vibrationsdata till välgrundade beslut.
