Förstå waveletanalys
Wavelet-analys är en avancerad signalbehandlingsteknik som används för att analysera vibrationer signaler vars frekvenssammansättning förändras över tiden. Till skillnad från de traditionella Snabb Fouriertransform (FFT), som är bäst lämpad för stationära signaler med konstant frekvenssammansättning, fångar wavelet-analysen effektivt upp övergående händelser, stötar och annat icke-stationärt beteende. Det är ett specialverktyg inom vibrationsdiagnostik verktygslådan — som används just när den vanliga spektrum falls short.
Det fungerar genom att man bryter ned en signal i en uppsättning basfunktioner som kallas ”wavelets”. Varje wavelet är ett kort, svängande vågliknande paket som är lokaliserat både i tid och frekvens. Denna dubbla lokalisering – att känna till både vad frequency and när — är det som ger metoden dess särskilda styrka.
1. Definition: Vad är waveletanalys?
Most everyday vibrationsanalys utgår från att maskinen går med konstant varvtal och belastning, så att vibrationerna är “stationära” och kan beskrivas väl med ett enda spektrum. Många av de mest avslöjande felen är dock inte alls stationära: de är korta energipulser som kommer och går inom ett varv. Wavelet-analys är byggd just för dessa signaler. I stället för att bara fråga vilka frekvenser som finns i hela registreringen flyttar den wavelets av olika storlek längs tidsvågform, genom att mäta hur väl varje vågform stämmer överens med signalen vid varje given tidpunkt. Korta, högfrekventa vågformer lokaliserar skarpa impulser i tiden, medan långa, lågfrekventa vågformer återger långsamma komponenter i frekvensområdet.
2. Waveletanalys kontra FFT
För att förstå värdet av wavelet-analys är det bra att se vilka begränsningar FFT har:
- FFT (Snabb Fouriertransform): FFT visar dig vad frekvenserna finns där men ger ingen information om när när de inträffade. Den analyserar hela materialet på en gång och ger utmärkta frekvens upplösning men ingen tidsupplösning.
- Wavelet-analys: Wavelet-analys ger information om både vilka frekvenser som förekommer och när. Den skapar en “tid-frekvens”-karta över signalen som visar hur spektralinnehållet förändras under mätningen.
Föreställ dig en signal som innehåller ett kort ”klick” från en sprucken kuggtand. FFT-analysen visar kanske bara en svag ökning av bredbandsenergin, eftersom klicket jämnas ut över hela mätningen. Wavelet-analysen ger däremot en graf som tydligt visar en kortvarig topp av högfrekvent energi precis i det ögonblick då klicket inträffade. Detta är den praktiska fördelen: den bevarar händelsernas tidsmässiga förlopp, vilket FFT-analysen suddar ut. Den ligger i sin anda nära orderanalys, som även behandlar signaler där den enkla modellen med fast frekvens inte längre stämmer.
3. Skalogrammet: En tidsfrekvenskarta
Den vanligaste utdata från waveletanalys är en skalogram (eller ett liknande tids-frekvensdiagram) — en tvådimensionell färgkarta där:
- X-axeln representerar tid.
- Y-axeln representerar frekvens (eller skala).
- Färgen symboliserar amplitud eller energin hos vibrationen vid just den tidpunkten och frekvensen.
Denna visualisering gör det enkelt att upptäcka kortvariga händelser som annars skulle vara dolda i ett vanligt spektrum. En vertikal linje av “varm” färg på ett skalogram markerar till exempel en bredbandig händelse, såsom en stöt som inträffade vid ett exakt ögonblick — det visuella fingeravtrycket av ett lokaliserat, återkommande fel. Konceptuellt kompletterar skalogrammet andra avancerade visningar som vattenfallstomt, som visar hur ett spektrum förändras över flera på varandra följande medelvärden eller hastigheter.
4. Tillämpningar inom vibrationsdiagnostik
Waveletanalys används vanligtvis inte för rutinmässiga vibrationsövervakningmen är ett kraftfullt verktyg för avancerad diagnostik i specifika situationer:
- Analys av växellådan: särskilt bra på att upptäcka lokala fel, såsom en enskild sprucken eller trasig tand, vilket ger upphov till en tydlig stöt vid varje varv.
- Lagerdefekt Analys: kan upptäcka de enskilda stötar som orsakas när en rullningskropp passerar över en spall, särskilt i maskiner med mycket låg hastighet där konventionella enveloppanalys kan vara utmanande.
- Övergående händelse Analys: perfekt för signaler från maskinens start, avstängning eller andra processer där hastighets- och vibrationsegenskaperna förändras kontinuerligt.
- Strukturanalys: användbart för att analysera en konstruktions reaktion på en stöt — en bumptest — för att förstå dess dämpning och naturliga frekvenser.
5. Praktisk användning och begränsningar
Wavelet-analys är beräkningsmässigt mer krävande än FFT, och tolkningen av ett skalogram kräver mer erfarenhet än att läsa ett linjespektrum. Av dessa skäl används den tillsammans med, snarare än i stället för, de vanliga metoderna. Den dagliga felsökningen bygger fortfarande på FFT-spektrum, totalnivåer och omslagsanalys; wavelets används när dessa verktyg visar något ovanligt men inte kan lokalisera det i tiden. I fält samlas själva data in med ett bärbart instrument — en tvåkanalsanalysator som Balanset-la fångar de högkvalitativa tidsvågformerna, registrerade i maskinens egna lager vid driftshastighet, som varje efterföljande tids-frekvensstudie är beroende av. Modern datorprogramvara har ändå gjort wavelet-analys till ett tillgängligt och värdefullt verktyg för den avancerade analytikern som arbetar med komplexa, icke-stationära signaler.
