Förstå synkron medelvärdesberäkning
Definition: Vad är synkron medelvärdesberäkning?
Synkron medelvärdesbildning (även kallad tidsdomänmedelvärdesberäkning eller signalmedelvärdesberäkning) är en signalbehandlingsteknik i vibrationsanalys som förbättrar periodisk, hastighetssynkron vibration komponenter samtidigt som slumpmässigt brus och asynkron vibration undertrycks. Metoden fungerar genom att upprepade gånger sampla vibrationer över många axelvarv (utlöst av en varvräknarsignal en gång per varv), och sedan medelvärdesbilda motsvarande punkter i varje varv. Periodiska komponenter som upprepas identiskt vid varje varv förstärks genom medelvärdesbildning, medan slumpmässigt brus och icke-synkrona komponenter tar ut varandra, vilket dramatiskt förbättrar signal-brusförhållandet.
Synkron medelvärdesbildning är särskilt kraftfull för att diagnostisera kugghjulsproblem (isolera individuella kugghjulsingreppsegenskaper) och kan avslöja subtila periodiska mönster begravda i brus som skulle vara osynliga i standardmätningar. tidsvågformer eller FFT-spektra.
Hur synkron medelvärdesberäkning fungerar
Processen
- Utlösarsignal: Puls per varv från varvräknare eller nyckelfasor definierar början på varje varv
- Datasegmentering: Vibrationssignal uppdelad i lika långa segment, ett per varv
- Inriktning: Alla segment är inriktade för att utlösa pulsen (samma startpunkt)
- Punkt-för-punkt-medelvärdesberäkning: Motsvarande poäng i varje segment beräknade i genomsnitt
- Resultat: Enkel medelvärdesvågform som representerar ett varv
- Brusreducering: Slumpmässiga komponenter utjämnar; periodiska komponenter förstärker
Matematisk grund
- Periodiska signaler summerar koherent (adderar i fas)
- Slumpmässigt brus summeras inkoherent (avbryts statistiskt)
- Signal-brusförbättring ∝ √N, där N = antal medelvärden
- Exempel: 100 medelvärden förbättrar signal-brusförhållandet med 10× (20 dB)
Applikationer
1. Växellådsdiagnostik
Vanligaste och mest kraftfulla applikationen:
Isolering av växelnät
- Medelvärde synkront med växeln av intresse
- Förbättrar utrustningens nätmönster
- Dämpar andra kugghjul och lager
- Avslöjar individuella tandfel
Tand-för-tand-analys
- Medelvärdesvågformen visar varje tandingrepp tydligt
- Skadad tand uppträder som en avvikelse i mönstret
- Kan identifiera vilken specifik tand som är skadad
- Allvarlighetsbedömning utifrån avvikelsens storlek
2. Förbättrad lageranalys
- Genomsnitt över den yttre lagerbanan för isolering av defekter i den yttre lagerbanan
- Förbättrar periodiska stötar från lagerdefekter
- Minskar maskering från andra vibrationskällor
- Särskilt användbar i miljöer med högt buller
3. Torsionsvibrationer
- Förbättra torsionskomponenter synkront med rotation
- Dämpa sidovibrationer och buller
- Avslöja torsionsresonanser och excitation
4. Balansering
- Förbättra amplitud och fas mätnoggrannhet
- Särskilt i bullriga miljöer
- Mer pålitlig påverkanskoefficient bestämning
Fördelar
Brusreducering
- Dramatisk förbättring av signal-brusförhållandet
- Kan extrahera signaler begravda 20-30 dB under brusnivån
- Möjliggör mätningar i tuffa miljöer
Felisolering
- Separerar en komponents signatur från andra
- Exempel: isolera pinjongens ingrepp från kugghjulsingreppet i växellådan
- Identifierar vilken komponent som är defekt
Förbättrad upplösning
- Avslöjar subtila mönster och defekter
- Visar detaljer maskerade i råsignalen
- Möjliggör tidig feldetektering
Krav och begränsningar
Krav
- Takometer: Tillförlitlig avtryckare som aktiveras en gång per varv, avgörande
- Konstant hastighet: Hastigheten måste vara relativt konstant (±1-2%)
- Tillräckliga medelvärden: Vanligtvis 50–200 varv för bra resultat
- Periodisk signal: Förstärker endast verkligt periodiska komponenter
Begränsningar
- Undertrycker icke-synkrona fel: Slumpmässiga defekter, de flesta lagerfel minskade
- Hastighetsvariationer: Hastighetsförändringar under medelvärdesberäkning av oskärparesultat
- Tid som krävs: Måste samla in data under många varv
- Inte i realtid: Efterbehandling krävs
Jämförelse med andra tekniker
Synkron medelvärdesberäkning kontra linjär medelvärdesberäkning
- Synkron: Medelvärden i tidsdomänen, synkrona med rotation, förbättrar periodisk
- Linjär: Medelvärden för FFT-spektra, minskar slumpmässig variation i alla frekvenser
- Användningsfall: Synkron för kugghjul; linjär för generell spektrumutjämning
Synkron medelvärdesberäkning kontra enveloppanalys
- Synkron medelvärdesberäkning: Tidsdomän, förstärker periodiska mönster
- Kuvertanalys: Frekvensdomän, detekterar upprepade stötar
- Komplementär: Kan kombinera båda för omfattande analys
Praktisk implementering
Installation
- Installera varvräknare med tydlig puls en gång per varv
- Ställ in antal medelvärden (typiskt 50–200)
- Definiera signallängd (1 varv, 10 varv, etc.)
- Verifiera hastighetsstabilitet
Datainsamling
- Samla in vibrationsdata över medelvärdesperioden
- Instrumentet segmenterar och beräknar automatiskt medelvärden
- Visa medelvärdesvågform
- Beräkna ofta FFT för medelvärdessignal (förbättrat spektrum)
Tolkning
- Undersök den genomsnittliga vågformen för periodiska mönster
- Leta efter avvikelser som indikerar defekter
- Jämför med kända funktionella signaturer
- Kvantifiera defektens allvarlighetsgrad från avvikelsens amplitud
Avancerade variationer
Synkron medelvärdesberäkning med växel
- Avtryckare från aktuellt drev (inte axel)
- Visar nätmönster för den specifika utrustningen
- Kräver kodare eller flerpulsvarvräknare
Flerordningsmedelvärdesberäkning
- Genomsnitta flera beställningar samtidigt
- Separata 1×, 2×, 3× komponenter
- Tillhandahåller omfattande orderinnehåll
Skillnadssignal
- Subtrahera den genomsnittliga signalen från den råa signalen
- Residual visar vad som togs bort (asynkrona komponenter)
- Användbart för att identifiera lagerdefekter efter borttagning av kugghjulsingrepp
Synkron medelvärdesbildning är en sofistikerad signalbehandlingsteknik som dramatiskt förbättrar synligheten av periodiska, hastighetssynkrona vibrationsmönster samtidigt som den undertrycker brus och asynkrona komponenter. Att behärska synkron medelvärdesbildning möjliggör avancerad växellådsdiagnostik, tidig defektdetektering i bullriga miljöer och isolering av specifika komponentsignaturer i komplexa maskiner.
 
									 
									 
									 
									 
									 
									