వైబ్రేషన్ విశ్లేషణలో డిఫరెన్షియేషన్‌ను అర్థం చేసుకోవడం
అవకలనం లో వైబ్రేషన్ విశ్లేషణ అనేది వైబ్రేషన్ సిగ్నల్‌ను ఒక కొలత పారామీటర్ నుండి మరొకదానికి దాని టైమ్ డెరివేటివ్ తీసుకోవడం ద్వారా — లేదా సమానంగా, పౌనఃపున్యంతో గుణించడం ద్వారా మార్చే గణిత చర్య పౌనఃపున్య డొమైన్. ఇది మారుస్తుంది స్థానచలనం లోకి వేగం, మరియు వేగాన్ని త్వరణం. డిఫరెన్షియేషన్ అనేది ఇంటిగ్రేషన్ యొక్క ఖచ్చితమైన విలోమం; ఇది చాలా తక్కువగా నిర్వహించబడుతుంది, ఎందుకంటే చాలా ఫీల్డ్ సెన్సార్లు యాక్సెలెరోమీటర్లు మరియు సాధారణ అవసరం ఇంటిగ్రేట్ చేయడం డౌన్ వేగానికి లేదా డిస్‌ప్లేస్‌మెంట్‌కి, డిఫరెన్షియేట్ చేయడానికి కాదు పైకి. ఇది ఉపయోగపడే సందర్భం ఏమిటంటే, ఒక ప్రాక్సిమిటీ ప్రోబ్ ద్వారా కొలిచిన డిస్‌ప్లేస్‌మెంట్‌ను వేగం-ఆధారిత ప్రమాణంతో పోల్చవలసి వచ్చినప్పుడు, లేదా అధిక-పౌనఃపున్య కంటెంట్ కోసం పరీక్షించవలసి వచ్చినప్పుడు.
అంతర్నిహితంగా అర్థం చేసుకోవలసిన కీలక ప్రవర్తన ఏమిటంటే, డిఫరెన్షియేషన్ అనేది ఒక ఫ్రీక్వెన్సీ-వెయిటింగ్ చర్య: ఇది అధిక-పౌనఃపున్య భాగాలను నొక్కిచెప్పి, తక్కువ-పౌనఃపున్య భాగాలను అణిచివేస్తుంది — ఇంటిగ్రేషన్‌కు సరిగ్గా విరుద్ధంగా. ఇది డిస్‌ప్లేస్‌మెంట్ రికార్డు నుండి మసకగా ఉన్న అధిక-పౌనఃపున్య నిర్ధారణ వివరాలను వేరుచేయడానికి ఉపయోగపడుతుంది, కానీ ఇది ద్విముఖ సాధనం, ఎందుకంటే ఇది సిగ్నల్ మాదిరిగానే అధిక-పౌనఃపున్య శబ్దాన్ని కూడా విస్తరిస్తుంది. జాగ్రత్తగా ఉపయోగించకపోతే, మీరు బయటికి తీయాలనుకున్న సమాచారాన్నే పూర్తిగా కప్పివేయవచ్చు.
1. గణిత సంబంధాలు
అదే భౌతిక శాస్త్రాన్ని రెండు సమానమైన విధాలుగా వ్యక్తం చేయవచ్చు, మరియు వాటి మధ్య ఎంపిక వాస్తవిక ఆచరణాత్మక పర్యవసానాలను కలిగి ఉంటుంది.
టైమ్-డొమైన్ డిఫరెన్షియేషన్
- డిస్‌ప్లేస్‌మెంట్ నుండి వేగం: v(t) = d/dt [x(t)]
- వేగం నుండి త్వరణం: a(t) = d/dt [v(t)]
- డిస్‌ప్లేస్‌మెంట్ నుండి త్వరణం: a(t) = d²/dt² [x(t)] — రెండవ అవకలనం, ఒక దశలో వర్తింపజేయబడింది
ఫ్రీక్వెన్సీ-డొమైన్ డిఫరెన్షియేషన్
పౌనఃపున్య డొమైన్‌లో ఈ చర్య ఒక సరళ గుణకారంగా మారిపోతుంది, అందుకే ఆధునిక పరికరాలు ఇక్కడ పని చేస్తాయి:
- డిస్‌ప్లేస్‌మెంట్ నుండి వేగం: V(f) = D(f) × 2πf
- వేగం నుండి త్వరణం: A(f) = V(f) × 2πf
- నికర ప్రభావం: ప్రతి స్పెక్ట్రల్ లైన్ తన స్వంత పౌనఃపున్యంచే స్కేల్ చేయబడుతుంది, కాబట్టి అధిక పౌనఃపున్యాలు పైకి లేపబడి తక్కువ పౌనఃపున్యాలు కిందికి నెట్టబడతాయి — మరియు ద్విగుణ అవకలనం (2πf)² చే స్కేల్ చేయబడుతుంది, ఇది మరింత నిటారైన వాలు.
ఈ పౌనఃపున్య ఆధారపడటం అనేది డిఫరెన్షియేషన్ యొక్క మొత్తం సారాంశం. ప్రతి మార్పిడి పౌనఃపున్యం యొక్క ఒక శక్తిని గుణిస్తుంది కాబట్టి, ఒక ఇంజనీర్ నిత్యం మారే పారామీటర్ల కుటుంబాన్ని ఇది అనుసంధానిస్తుంది; ఒక వైబ్రేషన్ యాక్సిలరేషన్ కాల్కులేటర్ లేదా ఒక కంపన డిస్‌ప్లేస్‌మెంట్ కాలిక్యులేటర్ స్వచ్ఛమైన టోన్‌కు ఈ సింగిల్-ఫ్రీక్వెన్సీ సంబంధాన్ని ఖచ్చితంగా వర్తింపజేయండి.
2. డిఫరెన్షియేషన్ ఎందుకు ఉపయోగించబడుతుందో
తక్కువ సాధారణ ఆపరేషన్ అయినప్పటికీ, డిఫరెన్షియేషన్‌కు అనేక చట్టబద్ధమైన ఉపయోగాలు ఉన్నాయి:
- ప్రాక్సిమిటీ ప్రోబ్ అనువర్తనాలు: ప్రాక్సిమిటీ ప్రోబ్‌లు షాఫ్ట్ డిస్‌ప్లేస్‌మెంట్‌ను నేరుగా కొలుస్తాయి, అయితే చాలా వైబ్రేషన్ స్టాండర్డ్‌లు వేగ పరిమితులను నిర్దేశిస్తాయి. డిస్‌ప్లేస్‌మెంట్‌ను వేగంగా డిఫరెన్షియేట్ చేయడం వలన డిస్‌ప్లేస్‌మెంట్ సెన్సార్‌ను ఆ పరిమితులకు అనుగుణంగా అంచనా వేయవచ్చు.
- అధిక పౌనఃపున్యాలను నొక్కి చెప్పడం: డిఫరెన్షియేషన్ ఉన్నత ఆవర్తన చివరను పెంచుతుంది కాబట్టి, ఇది డిస్‌ప్లేస్‌మెంట్ డేటాలో దాగి ఉన్న అధిక-ఆవర్తన లోప సంకేతాలను బయటపెట్టగలదు, మరియు నెమ్మదిగా తిరిగే తక్కువ-వేగ డిస్‌ప్లేస్‌మెంట్‌ను మరింత విశ్లేషణ-అనుకూలమైన త్వరణ రికార్డుగా మార్చగలదు.
- సెన్సర్ రకాల క్రాస్-పోలిక: డిస్‌ప్లేస్‌మెంట్ సెన్సార్‌ను ఒక యాక్సిలెరోమీటర్తో పోల్చేందుకు, రెండూ సాధారణ పారామీటర్‌కు — సాధారణంగా వేగం — మార్చబడతాయి, తద్వారా వాటి కొలతలను స్థిరత్వం కోసం తనిఖీ చేయవచ్చు.
3. సవాళ్లు: శబ్ద వర్ధనం
డిఫరెన్షియేషన్ యొక్క నిర్వచించే కష్టం శబ్దం, మరియు ఇది నేరుగా ఫ్రీక్వెన్సీతో గుణించే నియమం నుండి వస్తుంది.
నాయిజ్ ఎందుకు ఆధిపత్యం చెలాయిస్తుంది
ఆపరేషన్ ఫ్రీక్వెన్సీ ద్వారా గుణిస్తుంది కాబట్టి, మొత్తం స్పెక్ట్రమ్‌లో నివసించే బ్రాడ్‌బ్యాండ్ శబ్దం — ఆసక్తి ఉన్న సంకేతం కంటే శీర్షంలో ఎక్కువగా విస్తరించబడుతుంది. ఒక స్పష్టమైన ఉదాహరణ: 10 kHz వద్ద 1 % శబ్దం, 100 Hz వద్ద సంకేతానికి సాపేక్షంగా దాదాపు 100× విస్తరించబడుతుంది, కాబట్టి స్వచ్ఛంగా కనిపించే ఇన్‌పుట్ ముంచెత్తబడి బయటపడవచ్చు. రక్షణ ఏమిటంటే ఒక లో-పాస్ ఫిల్టర్ డిఫరెన్షియేట్ చేయడానికి ముందు, లేకపోతే విస్ఫోటం అయ్యే అధిక-ఆవర్తన కంటెంట్‌ను తొలగించడం.
సెన్సార్ శబ్దం మరియు డబుల్ డిఫరెన్షియేషన్
ప్రతి డిస్‌ప్లేస్‌మెంట్ సెన్సార్ తన స్వంత విద్యుత్ మరియు క్వాంటైజేషన్ శబ్దాన్ని కలిగి ఉంటుంది. వేగానికి సింగిల్ డిఫరెన్షియేషన్ దానిని విస్తరిస్తుంది; త్వరణం వరకు డబుల్ డిఫరెన్షియేషన్ ప్రభావాన్ని నాటకీయంగా సమ్మేళనం చేస్తుంది మరియు సాధారణంగా నివారించాలి. మీకు నిజంగా త్వరణం అవసరమైతే, సరైన సమాధానం దాదాపు ఎల్లప్పుడూ డిస్‌ప్లేస్‌మెంట్‌ను రెండుసార్లు డిఫరెన్షియేట్ చేయడం కంటే యాక్సిలెరోమీటర్తో నేరుగా కొలవడమే.
సంఖ్యా లోపాలు
టైమ్-డొమైన్ డిఫరెన్షియేషన్ డిజిటైజేషన్ లోపాలను కూడా విస్తరిస్తుంది మరియు శాంపిలింగ్ ఆర్టిఫ్యాక్ట్‌లకు సంవేదనశీలంగా ఉంటుంది, ఇదే ఫ్రీక్వెన్సీ-డొమైన్ పద్ధతి ఎక్కడైనా ఖచ్చితత్వం ముఖ్యమైన చోట ప్రాధాన్యత ఇవ్వబడటానికి ఆచరణాత్మక కారణం.
4. దీన్ని సరిగ్గా చేయడం
క్రమశిక్షణా విధానం డిఫరెన్షియేషన్‌ను నిజాయితీగా ఉంచుతుంది. ఇంటిగ్రేషన్‌తో వ్యత్యాసాన్ని గమనించండి, దానికి బదులుగా ఒక హై-పాస్ ఫిల్టర్ తక్కువ-ఆవర్తన డ్రిఫ్ట్‌ను తొలగించడానికి అవసరం — రెండు ఆపరేషన్‌లకు వ్యతిరేకమైన ఫిల్టరింగ్ వ్యూహాలు.
సింగిల్ డిఫరెన్షియేషన్ (డిస్‌ప్లేస్‌మెంట్ → వెలాసిటీ)
- మొదట లో-పాస్ ఫిల్టర్: అధిక-ఆవర్తన శబ్దాన్ని తొలగించండి, ఆసక్తి ఉన్న అత్యధిక ఆవర్తన కంటే దాదాపు 2–5× కట్-ఆఫ్‌తో.
- సిగ్నల్ నాణ్యతను తనిఖీ చేయండి: ఇన్‌పుట్ స్పష్టమైన శబ్దం మరియు ఆర్టిఫ్యాక్ట్‌ల నుండి విముక్తంగా ఉందని నిర్ధారించండి.
- అవకలనం చేయండి: ఫ్రీక్వెన్సీ డొమైన్‌లో 2πf చే గుణించండి.
- ఫలితాన్ని సానిటీ-చెక్ చేయండి: సహేతుకత కోసం అపేక్షిత పరిమాణాలతో పోల్చండి.
డబుల్ డిఫరెన్షియేషన్ (స్థానభ్రంశం → త్వరణం)
- సాధారణంగా దీన్ని నివారించండి — ఇది అరుదుగా మంచి ఫలితాలు ఇస్తుంది.
- అనివార్యమైతే, ఆసక్తి ఉన్న అత్యధిక ఆవర్తన వద్ద సరిగ్గా కట్-ఆఫ్ సెట్ చేసి దూకుడు లో-పాస్ ఫిల్టరింగ్ వర్తింపజేయండి, మరియు అధిక-ఆవర్తన బ్యాండ్ శబ్ద-పరిమితంగా ఉంటుందని అంగీకరించండి.
- మెరుగైన ప్రత్యామ్నాయం: యాక్సిలెరోమీటర్ ఉపయోగించి త్వరణాన్ని నేరుగా కొలవండి.
ఫ్రీక్వెన్సీ డొమైన్ అమలు
ఆధునిక, పటిష్టమైన పద్ధతి ఏమిటంటే డిస్‌ప్లేస్‌మెంట్ లేదా వేగ సంకేతం యొక్క FFT ను గణించడం, ప్రతి బిన్‌ను 2πf చే గుణించడం (డబుల్ డిఫరెన్షియేషన్‌కు (2πf)²), ఫ్రీక్వెన్సీ డొమైన్‌లో ఏదైనా లో-పాస్ ఫిల్టరింగ్ వర్తింపజేయడం, మరియు కొత్త పారామీటర్‌లో స్పెక్ట్రమ్ చదవడం — ఒక టైమ్-డొమైన్ వేవ్‌ఫార్మ్ అవసరమైతే ఇన్వర్స్ FFT తీసుకోవడం టైమ్ వేవ్‌ఫార్మ్ అవసరం. ఈ విధానం సంచిత దోషాలను నివారిస్తుంది, ఫిల్టరింగ్‌ను సులభతరం చేస్తుంది, గణనపరంగా సమర్థవంతంగా ఉంటుంది మరియు నేటి విశ్లేషకులలో అంతర్నిర్మితంగా ఉన్న ప్రామాణిక పద్ధతి.
5. దీన్ని ఎప్పుడు ఉపయోగించాలి — మరియు ఎప్పుడు వద్దు
ISO పోలిక కోసం proximity-probe displacement ను వేగంలోకి మార్చేటప్పుడు, తక్కువ-వేగం displacement డేటాలో అధిక-పౌనఃపున్యం కంటెంట్‌ను మెరుగుపరచేటప్పుడు, వేర్వేరు sensor రకాలను ఒక సాధారణ ఆధారంపై పోల్చేటప్పుడు, మరియు సాధారణంగా సరైన ఫిల్టరింగ్ వర్తింపజేయగలిగినప్పుడు differentiation ఉపయోగించండి. శబ్దకాలుష్యంతో కూడిన displacement సంకేతాలపై దాన్ని వర్తింపజేయకండి, నిజంగా అనివార్యం కానంత వరకు double differentiation వర్తింపజేయకండి, మరియు — పదే పదే వచ్చే అంశం — accelerometer అందుబాటులో ఉన్నప్పుడు దాన్ని పూర్తిగా వర్తింపజేయకండి, ఎందుకంటే కావలసిన పరమితిని నేరుగా కొలవడం దాన్ని తీసుకోవడం కంటే ఎప్పుడూ మెరుగైనది.
6. Differentiation మరియు Integration మధ్య తేడా, మరియు ఆధునిక పరికరాలు
ఈ రెండు ప్రక్రియలు అద్దం ప్రతిబింబాలు, మరియు వాటిని పక్కపక్కన చూడడం రెండింటినీ స్పష్టం చేస్తుంది.
| అంశం | సమాకలనం | అవకలనం |
|---|---|---|
| ఫ్రీక్వెన్సీ ప్రభావం | తక్కువ ఫ్రీక్వెన్సీలను వర్ధిల్లజేస్తుంది | అధిక ఫ్రీక్వెన్సీలను వర్ధిల్లజేస్తుంది |
| సాధారణ వినియోగం | త్వరణం → వేగం, వేగం → స్థానభ్రంశం | స్థానభ్రంశం → వేగం |
| ప్రధాన సమస్య | తక్కువ-ఫ్రీక్వెన్సీ డ్రిఫ్ట్ | అధిక-ఫ్రీక్వెన్సీ నాయిజ్ వర్ధనం |
| అవసరమైన ఫిల్టర్ | ఇంటిగ్రేషన్‌కు ముందు హై-పాస్ | డిఫరెన్షియేషన్‌కు ముందు లో-పాస్ |
| ఎంత తరచుగా ఉపయోగిస్తారు | చాలా సాధారణం | తక్కువ సాధారణం |
ఆచరణలో ఇంజనీర్ ఈ మార్పిడులను చేతితో చేయడం అరుదు. ఆధునిక విశ్లేషకులు displacement, వేగం మరియు త్వరణం మధ్య స్వయంచాలకంగా మారుస్తారు: వినియోగదారు కావలసిన పరమితిని ఎంచుకుంటాడు మరియు పరికరం సరైన ఫిల్టరింగ్ మరియు స్కేలింగ్ వర్తింపజేస్తుంది, ఇది దోషం యొక్క అవకాశాన్ని బాగా తగ్గిస్తుంది. చాలా పరికరాలు ఒకేసారి మూడు పరమితులను ప్రదర్శించగలవు — ప్రతిది పౌనఃపున్య పరిధిలో వేర్వేరు భాగాన్ని నొక్కిచెప్తూ — కంపనం యొక్క సమగ్ర దృశ్యాన్ని అందించడానికి. పోర్టబుల్ రెండు-ఛానల్ పరికరం Balanset-1A ఈ మార్పిడిని అంతర్గతంగా నిర్వహిస్తుంది, వంటి severity bands కు వ్యతిరేకంగా సాధారణ అంచనా కోసం వేగాన్ని అందిస్తుంది ISO 20816-1 అంతర్లీన acceleration డేటాను నిలుపుకుంటూ, కాబట్టి విశ్లేషకుడు field లో raw రికార్డును చేతితో differentiate చేయవలసిన అవసరం లేదు.
Differentiation, అందువల్ల, integration కు తక్కువగా ఉపయోగించబడే కానీ నిజంగా విలువైన ప్రత్యర్థి: displacement కొలతలను వేగం లేదా త్వరణంలోకి మార్చడానికి మరియు sensor రకాలను క్రాస్-చెక్ చేయడానికి అనివార్యమైనది, దాని శబ్దాన్ని విస్తరించే స్వభావాన్ని గౌరవించి సరైన low-pass ఫిల్టరింగ్ వర్తింపజేసినప్పుడు. ఆ ఒక్క లక్షణాన్ని అర్థం చేసుకోండి — అది అధిక పౌనఃపున్యాలను పెంచుతుంది — మరియు సరైన పరమితి మార్పిడి అనుసరిస్తుంది.
