Kuelewa Uchambuzi wa Spectral
Uchambuzi wa wigo ni mchakato wa kuchukua ishara ngumu – kama vile time waveform kutoka kwa sensor ya vibration – na kuivunja katika sehemu zake za mzunguko. Lengo lake ni kubadilisha ishara kutoka time domain (amplitude dhidi ya wakati) kwenye frequency domain (amplitude dhidi ya mzunguko). Matokeo ni spectrum (plural: spectra): grafu inayoonyesha amplitude ya vibration kwa kila mzunguko maalum. Uchambuzi wa spectral ni mbinu muhimu zaidi na yenye nguvu zaidi katika utambuzi wa mtetemo, kwa sababu inaruhusu mchambuzi kutambua signature za mzunguko wa kipekee zinazohusishwa na hitilafu mbalimbali za mashine.
1. Ufafanuzi: Ni nini Uchambuzi wa Spectral?
Vibration ya mashine ni jumla ya nguvu nyingi zinazosambaa kwa wakati mmoja, na katika wakati domain nguvu hizo zinakonda kuwa majibu moja ngumu yanayepinga tafsiri. Uchambuzi wa spectral unakuza usawa wa chuki hii. Msingi wa hisabati ni kanuni ya Fourier: ishara yoyote ya mara kwa mara, haijalisha ngumu jinsi iyavyokuwa, inaweza kuwakilishwa kama jumla ya mawimbi rahisi ya sine, kila moja yenye mzunguko wake, amplitude, na awamu. Uchambuzi wa spectral hurudisha orodha hii ya mawimbi ya sine na kuonyesha kama spectrum — kubadilisha “usambazaji wa ajabu juu ya wakati” kuwa “seti nzuri ya kilele katika mzunguko unaofahamika.” Ubadilishaji huu ndio jambo zima, na kila kitu kingine inafuata kutoka kwake.
2. Jukumu la Ruwaza ya Haraka ya Fourier (FFT)
Uchambuzi wa spektra wa kisasa unafanywa kuwa rahisi kwa njia ya algorithm inayofanya kazi kwa ufanisi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi unaofanya kazi inayoitwa Fast Fourier Transform (FFT). FFT ni utaratibu wa hisabati umeprogrammwa katika kila dijitali msaada wa kuchambua mitikisiko. Inachukua data za fomu ya muda iliyohajarisha kama ingizo lake na kutengeneza spektra ya frequency kama matokeo yake, na kutekeleza katika milliseconds hesabu ambayo ilijifanya kukamatia saa kwa mkono.
FFT inaruhusa ishara tata, ambayo inaonekana kuwa na machafuko — vigumu sana kusoma katika kikoa cha muda — kuonekana kama safu rahisi ya kilele cha frequency kimaalum katika kikoa cha frequency. Ili FFT iwe halali, ishara lazima kwanza isambwe kwa usahihi na kukamatazwa kutokana na aliasing, ambayo ni sababu kwa nini kichaji cha anti-aliasing kila wakati kinakuja mbele ya mabadiliko.
3. Nguvu ya Utambuzi wa Spektra
Uchambuzi wa spektra una ufanisi mwingi kwa sababu matatizo tofauti ya mekanika na umeme katika mashine inayozunguka hutengeneza vibration katika frequency sifa zinazofikiri kwa tabia. Kwa kuchunguza spektra, mtaalam anaweza kutambua chanzo cha tatizo kwa kulinganisha frequencies ya kilele na muundo unaojulikana wa hitilafu. Mifano ya kawaida ni pamoja na:
- Kilele kikubwa saa 1× the running speed mara nyingi kumaanisha unbalance — ishara ya kazi ya usawa.
- Kilele kikubwa saa 2× kasi ya uendeshaji ni dalili ya kawaida ya misalignment.
- Safu ya harmonics ya kasi ya uendeshaji kwa kawaida kumaanisha ukosefu wa mekanika.
- Safu ya kilele katika kuzidisha kwa nambari isiyo nzima ya kasi ya uendeshaji inaweza kuonyesha matatizo ya bearing, mara nyingi inapatikana vizuri na uchambuzi wa envelope.
- Kilele cha amplitude ya juu katika frequency ya mesh ya gia na sidebands indicates gear defects.
- Kilele saa 2× frequency ya kawaida ya umeme inaweza kuonyesha tatizo la stator ya motor.
4. Vigezo Muhimu katika Uchambuzi wa Spektra
Ili kupata spektra inayofaa, mtaalam lazima afafanue vigezo kadhaa muhimu. Kama ukifanya vibaya hii na FFT kamili itakukukamatisha:
- Fmax (frequency ya juu zaidi): frequency ya juu zaidi iliyojumuishwa katika spektra. Lazima iwe na juu ya kutosha ili kumkamatia hitilafu iliyosushwa — ya juu kwa gia na matatizo ya bearing, chini kwa usawa wa kasi nyingi.
- Azimuth (mstari wa azimuth): hii huamua kiwango cha maelezo. Mstari zaidi hutoa uainishaji wa masafa mzuri, na kuruhusu kichumi kusimamia miindo miwili iliyogusana — muhimu kwa kutatua bandish katika uchambuzi wa sanduku linalofanya kazi. Ubadilishaji ni wakati mrefu wa kukusanya, mahusiano unayoweza kuchunguza na FFT Resolution Calculator.
- Averaging: kupata wigo safi na thabiti, kichumi kinachukua "picha" kadhaa na kinazikabidhi, kinakumtokeza kelele bila kusudi na kufichua vibration ya kweli ya hali thabiti.
- Windowing: kazi ya hesabu kama dirisha la Hanning inatumwa kila mtandao wa data kukataza spectral leakage, ambayo vingine ingepokezana na kuharbu amplitudo na maumbo ya miindo.
5. Uchambuzi wa Spectral Mahali Halisi
Uchambuzi wa spectral si mdogo katika maabara — ni sawasawa na nini mhandisi wa matengenezo anafanya mahali halisi na chombo cha kubeba. Kichumi cha mati-mbili kama vile Balancet-1A inachukua ishara kutoka kwa accelerometer kwenye nyumba ya kusumbuwa, inakimbia FFT, na kuwasilisha wigo mahali halisi, ili fundi anaweza kugundua hitilafu na kutenda kabla ya zamu inayofuata. Kwa sababu chombo sawa pia kinasoma shaftia phase from a tachometer, utambuzi wa 1× kutokuwa sawasawa unaweza kuendelea moja kwa moja katika marekebisho ya kusambaza bila kubadili zana — utambuzi na ukarabati katika mtiririko mmoja.
6. Uchambuzi wa Spectral dhidi ya Mawimbi ya Wakati
Wigo ni wenye nguvu, lakini si picha nzima. Ukabidhi na FFT unaweza kuficha matukio mafupi na makali ya mwaliko — mgomo wa meno ya giri iliyovunjika au kumkamata kusumbuwa — ambayo inakaa wazi katika mawimbi ya wakati wa ghala. Wataalamu wenye ujinga kwa hiyo hutambua matatizo mawili kama wazazi: wigo kusambaza mahali which masafa yanayobeba nguvu, mawimbi ya wakati kusoma how jinsi nguvu ilivyowasilishwa. Kwa kauli, uchambuzi wa spectral ni kernal ya uweza wa kisasa wa vibration, kupewa “picha ya X-ray” ya sura na harakati zikitokea ndani ya mashine — na kusomwa pamoja na mawimbi na kumbukumbu nzuri ya baseline, kinageuza vibration ghala kuwa maamuzi ya kujiamini.
