Understanding the Auto-Spectrum
The auto-spectrum — autospectrum என்றும் எழுதப்படும், மற்றும் தளர்வாக சக்தி நிரல் அல்லது வெறுமனே “நிரல்” என்றும் அழைக்கப்படும் — ஒரு ஒற்றையின் அதிர்வெண்-மண்டல பிரதிநிதித்துவமாகும் vibration சமிக்ஞை, அந்த சமிக்ஞையின் ’ ஆற்றல் அல்லது amplitude அதிர்வெண் முழுவதும் எவ்வாறு விநியோகிக்கப்படுகிறது என்பதைக் காட்டுகிறது. இது ஒரு நேர பதிவின் வேகமான ஃபோரியர் உருமாற்றம் (FFT) எடுத்து ஒவ்வொரு அதிர்வெண் கூறின் அளவை காட்டுவதன் மூலம் உருவாக்கப்படுகிறது. “auto-” முன்னொட்டு இதை cross-spectrum, இது இரண்டு வேறுபட்ட சமிக்ஞைகளை தொடர்புபடுத்துகிறது: auto-spectrum என்பது ஒரு சமிக்ஞையின் நிரல் தன்னுடன் எடுக்கப்பட்டது.
அன்றாட பணியில் இதுவே பெரும்பாலான தொழில்நுட்ப வல்லுனர்கள் “நிரல்” அல்லது “FFT” என்று கூறும்போது குறிப்பிடுவது — ஒவ்வொரு அதிர்வன விश்লேषணம் சாதனம்இல் நிலையான அதிர்வெண் காட்சி, அதன் உச்சிகளுடன் unbalance, கொண்டு பழுது அதிர்வெண்கள், gear mesh, மற்றும் மற்றவை. இந்த அன்றாட கருவி தொழில்நுட்ப ரீதியாக ஒரு auto-spectrum என்று அங்கீகரிப்பது பல-சேனல் பணியில் நுழையும்போது மிகவும் முக்கியமானது, அங்கு குறுக்கு-நிரல்கள், coherence, மற்றும் பிற தொடர்பு சார்புகள் படத்தில் நுழைகின்றன.
1. கணித அடிப்படை
ஒரே முடிவுக்கு இரண்டு வழிகள்
auto-spectrum-ஐ அடைய கணித ரீதியாக சமமான இரண்டு வழிகள் உள்ளன:
- Direct FFT: நேர சமிக்ஞையை மாற்றுக, ஒவ்வொரு சிக்கலான FFT bin-னின் வீச்சு (அல்லது வீச்சு வர்க்கம்) எடுத்து, அதை அதிர்வெண்ணுக்கு எதிராக வரைக. இது கிட்டத்தட்ட ஒவ்வொரு கருவியிலும் பயன்படுத்தப்படும் பொதுவான, நேரடியான வழி.
- autocorrelation மூலம்: சமிக்ஞையின் autocorrelation சார்பை முதலில் கணக்கிட்டு, பின்னர் அதன் FFT எடுக்கவும். இதன்படி Wiener–Khinchin தேற்றம் முடிவு நேரடி முறைக்கு சமம் — வேறொரு கணக்கீட்டு வழியால் அடையப்பட்ட அதே spectrum.
வீச்சு வர்க்கமிடப்பட்டு ஒரு அலகு அதிர்வெண்ணுக்கு இயல்மாக்கப்படும்போது, அதே அளவு ஒரு power spectral density, இது பரந்த அலைவரிசை சீரற்ற அதிர்வுக்கு விரும்பத்தக்க வடிவம் ஆகும்.
Averaging for Stability
ஒரு FFT புள்ளியியல் ரீதியாக சத்தமாக இருக்கும், எனவே தொடர்ச்சியான நேர பதிவுகளிலிருந்து கணக்கிடப்பட்ட பல auto-spectra மதிப்பீட்டை நிலைப்படுத்தவும் சீரற்ற சிதறலைக் குறைக்கவும் சராசரியிடப்படுகின்றன. வழக்கமான இயந்திர நோயறிதலுக்கு 4–16 சராசரிகள் பொதுவானவை; பரந்த அலைவரிசை சீரற்ற அதிர்வுக்கு 50–100 அல்லது அதிகம் தேவைப்படலாம். இந்த நன்மை அளவீட்டு நேரத்தின் விலையில் வருகிறது, அதனால்தான் சராசரி எண்ணிக்கை “அதிகம் எப்போதும் சிறந்தது” என்று இல்லாமல் வேண்டுமென்றே ஒரு சமநிலை.
2. Defining Properties
கணிதத்திலிருந்து நேரடியாக மூன்று பண்புகள் வெளிவருகின்றன, மேலும் எந்த spectrum-ஐயும் படிக்கும்போது கவனத்தில் கொள்வது மதிப்புக்குரியது:
- Real-valued: auto-spectrum-க்கு கற்பனை பகுதி இல்லை. இது வீச்சை மட்டுமே குறிக்கிறது, எனவே phase அசல் சமிக்ஞையின் தொடர்பு வீச்சு கணக்கீட்டில் கைவிடப்படுகிறது. ஒற்றை-புள்ளி தவறு அடையாளத்திற்கு அது இழப்பு இல்லை; ஆனால் phase அத்தியாவசியமான சமன்செய்தல் அல்லது பரிமாற்று-சார்பு பணிகளுக்கு, இது உண்மையான வரம்பு.
- Always positive: மதிப்புகள் எப்போதும் பூஜ்ஜியத்திற்கு சமமாக அல்லது அதிகமாக இருக்கும், ஏனெனில் அவை ஆற்றல் அல்லது சக்தியை குறிக்கின்றன, இது எதிர்மறையாக இருக்க முடியாது.
- உண்மையான சமிக்ஞைகளுக்கு சமச்சீர்: ஒரு உண்மையான நேர சமிக்ஞையின் spectrum Nyquist அதிர்வெண்ணைப் பற்றி சமச்சீராக இருக்கும் — எதிர்மறை அதிர்வெண்கள் நேர்மறையவற்றை வெறுமனே பிரதிபலிக்கின்றன — எனவே நேர்மறை பாதி மட்டுமே காட்டப்படுகிறது, அதில் அனைத்து தகவல்களும் உள்ளன.
3. இயந்திர நோயறிதலில் Auto-Spectrum
பகுப்பாய்வாளரின் அன்றாட திரை
இது தொழில்நுட்ப வல்லுனர்கள் வாழும் வரைபடம். இது ஒவ்வொரு அதிர்வு அதிர்வெண் கூறையும் ஒரே நேரத்தில் காட்டுகிறது, மேலும் பகுப்பாய்வாளரின் பணி ஒவ்வொரு உச்சத்தையும் அடையாளம் கண்டு அதை தவறு வகையுடன் பொருத்துவது — auto-spectrum-ஐ குறைபாடு கண்டறிதல் மற்றும் வழக்கமான நிலை மதிப்பீட்டிற்கான முதன்மை கருவியாக மாற்றுகிறது.
தேட வேண்டிய அம்சங்கள்
- 1× peak: running-speed அதிர்வு, சமநிலையின்மை மற்றும் பிற ஒரு சுழல்-ஒரு புரட்சி மூலங்களால் ஆதிக்கம் செலுத்தப்படுகிறது.
- 2× peak: commonly misalignment அல்லது இயந்திர தளர்ப்பு.
- தாங்கி அதிர்வெண்கள்: BPFO, BPFI, BSF, and FTF, often surrounded by sidebands.
- Gear mesh: பல்-இணைப்பு அதிர்வெண் மற்றும் அதன் harmonics.
- Electrical: இரட்டை மின்சார அதிர்வெண் (60 Hz விசையூட்டத்தில் 120 Hz, 50 Hz விசையூட்டத்தில் 100 Hz).
- Noise floor: சீரற்ற அதிர்வு மற்றும் கருவி சத்தத்தால் நிர்ணயிக்கப்பட்ட பின்னணி நிலை, இதில் உண்மையான உச்சங்கள் தனித்து நிற்க வேண்டும்.
4. Auto-Spectrum versus Cross-Spectrum
ஒற்றை-சேனல் auto-spectrum “எந்த அதிர்வெண்கள் உள்ளன?” என்று பதில் சொல்கிறது, அதன் இரண்டு-சேனல் உறவினர் “இரண்டு சமிக்ஞைகள் எவ்வாறு தொடர்புடையவை?” என்று பதில் சொல்கிறது. இந்த வேறுபாட்டை தெளிவாக்குவது மதிப்புக்குரியது:
| Auto-Spectrum (single channel) | Cross-Spectrum (two channel) |
|---|---|
| Spectrum of one signal | Relationship between two signals |
| அந்த சமிக்ஞையின் அதிர்வெண் உள்ளடக்கத்தை காட்டுகிறது | இரண்டிலும் பொதுவான அதிர்வெண் உள்ளடக்கத்தை காட்டுகிறது |
| No phase information | Includes the phase relationship |
| Sufficient for most diagnostics | Underpins பரிமாற்ற செயல்பாடு and coherence analysis |
| Standard single-channel FFT | Requires two synchronised channels |
5. சராசரி முறைகள் மற்றும் காட்சி விருப்பங்கள்
Choosing an Averaging Mode
- நேரியல் சராசரி: தொடர்ச்சியான spectra-வின் நேரடி எண்கணித சராசரி, இது சீரற்ற சத்தத்தை குறைத்து உண்மையான spectrum-ஐ நெருங்குகிறது — இயந்திர பகுப்பாய்வுக்கான நிலையான முறை.
- அதிவேக சராசரி (Exponential averaging): மிக சமீபத்திய பதிவுகளுக்கு முன்னுரிமை அளிக்கும் நிறையிடப்பட்ட சராசரி, நிலைமைகள் மாறிக்கொண்டிருக்கும் நேரடி கண்காணிப்புக்கு ஏற்றது.
- Peak hold (max spectrum): each frequency bin retains its highest value seen, capturing transient components — invaluable during run-up and coastdown testing.
Scaling the Axes
வீச்சு அச்சை linear scale (mm/s, m/s²) இல் காட்டலாம், இது முழுமையான மதிப்புகளை எளிதில் படிக்கச் செய்கிறது, ஆனால் பெரிய உச்சிகளுக்கு அருகில் சிறிய உச்சிகளை மறைக்கலாம்; அல்லது logarithmic dB scale (20·log[amplitude/reference]), which compresses a wide dynamic range சிறிய மற்றும் பெரிய உச்சிகள் ஒரே நேரத்தில் தெரியும் வகையில் — விரிவான மற்றும் ஆராய்ச்சி பணிக்கு விரும்பப்படும் காட்சி. அதிர்வெண் அச்சு பொதுவாக linear இயந்திரங்களுக்கு Hz இல் இருக்கும், இருப்பினும் logarithmic சம octave இடைவெளியுள்ள அச்சு மிகவும் பரந்த அதிர்வெண் வரம்புகளுக்கு ஏற்றது.
6. தரம் மற்றும் குறைபாடுகள்
ஒரு spectrum அதன் பின்னால் உள்ள தரவைப் போலவே நம்பகமானது. ஒரு clean spectrum shows clear peaks above a low noise floor; a noisy spectrum உச்சிகளை உயர் பின்னணியில் புதைக்கிறது, இதை அதிக சராசரி மற்றும் போதுமான அதிர்வெண் தெளிவுத்திறன் மூலம் சரிசெய்யலாம். இரண்டு கையகப்படுத்தல் சோதனைகள் அவசியம்: நெருக்கமாக அமைந்த உச்சிகளை பிரிக்க அதிர்வெண் தெளிவுத்திறன் போதுமானதாக இருக்கிறதா என்று உறுதிப்படுத்தவும், மேலும் input overload, இது சமிக்ஞையை வெட்டி தவறான spectral கூறுகளை உருவாக்குகிறது — இது நிகழும்போது, உள்ளீட்டு ஆதாயத்தை குறைத்து மீண்டும் கையகப்படுத்தவும். The FFT தெளிவாக்கம் கணக்கியல் நீங்கள் அக்கறை கொள்ளும் உச்சிகளை தீர்க்கும் line எண்ணிக்கை மற்றும் bandwidth ஐ தேர்வு செய்ய உதவுகிறது.
வயல் கருவிகள் எங்கு பொருத்தம்
Balanset-1A போன்ற இரண்டு-சேனல் கையடக்க கருவியில் Balanset-1A, auto-spectrum என்பது ஒரு தொழில்நுட்ப வல்லுனர் இயந்திரத்தில் படிக்கும் அன்றாட நோயறிதல் காட்சியாகும், இதன் மூலம் சக்தி 1× இல் குவிந்திருக்கிறதா (unbalance-�ை சுட்டி, சமன் செய்தலுக்கான வேட்பாளராக) என்று கண்டுபிடிக்கலாம் field balancing) அல்லது bearing மற்றும் gear-mesh அதிர்வெண்களில் பரவியிருந்தால் முற்றிலும் வேறு ஒரு குறைபாட்டை சமிக்ஞை செய்கிறது — இவை அனைத்தும் இயக்க வேகத்தில் இயந்திரத்தின் சொந்த bearings இல் பதிவுசெய்யப்படுகின்றன.
Auto-spectrum என்பது அதிர்வெண் நோயறிதலின் அடிப்படை அதிர்வெண்-பகுப்பாய்வு கருவியாகும்: தொழில்நுட்ப வல்லுனர்கள் குறைபாடு அடையாளம் காணவும் நிலை மதிப்பீட்டிற்கும் தினமும் நம்பும் ஒற்றை-சேனல் FFT. “the spectrum” என்பது தொழில்நுட்ப ரீதியாக ஒரு auto-spectrum என்று புரிந்துகொள்வது — மற்றும் அது cross-spectra மற்றும் பிற spectral செயல்பாடுகளுடன் எவ்வாறு தொடர்புடையது என்பது — மேம்பட்ட பல-சேனல் பகுப்பாய்வு மற்றும் முழுமையான இயந்திர நோயறிதலுக்கான அடித்தளம் அமைக்கிறது.
