వైబ్రేషన్ విశ్లేషణలో FFT (ఫాస్ట్ ఫోరియర్ ట్రాన్స్ఫార్మ్)
The ఫాస్ట్ ఫోరియర్ ట్రాన్స్ఫార్మ్ (FFT) అనేది అత్యంత సమర్థవంతమైన గణిత అల్గారిథమ్, ఇది సిగ్నల్ను టైమ్ డొమైన్ నుండి ఫ్రీక్వెన్సీ డొమైన్లోకి రూపాంతరిస్తుంది. ఆధునిక యంత్రాల డయాగ్నొస్టిక్స్లో vibration analysis ఇది ముడి, సంక్లిష్టమైన సంకేతాన్ని మారుస్తుంది time waveform — సమయానికి వ్యతిరేకంగా రూపొందించబడిన వైబ్రేషన్ అయాంప్లిట్యూడ్ — ఒక ఫ్రీక్వెన్సీ స్పెక్ట్రమ్, ఫ్రీక్వెన్సీకి వ్యతిరేకంగా amplitude ప్లాట్ చేయబడుతుంది. ఈ ఒక్క రూపాంతరణ ఆధునిక యంత్రాల డయాగ్నొస్టిక్స్లో అత్యంత ముఖ్యమైన మరియు ప్రాథమిక ప్రక్రియ; దాని లేకుండా, వైబ్రేషన్ సిగ్నల్ చదవలేని అలలు మాత్రమే.
1. నిర్వచనం: FFT అంటే ఏమిటి?
FFT కొలత కాదు, ఒక గణన. ఇది డిస్క్రీట్ ఫోరియర్ ట్రాన్స్ఫార్మ్ యొక్క వేగవంతమైన అమలు, లేకుంటే చాలా ఎక్కువ సమయం పట్టే పనిని మిల్లీసెకన్లలో చేయడానికి గణిత సమరూపతలను ఉపయోగించుకుంటుంది — అందుకే ఇది హ్యాండ్హెల్డ్ పరికరంలో లైవ్గా నడవగలదు. ఫోరియర్ సిద్ధాంతం ప్రకారం, ఏదైనా సంక్లిష్టమైన పీరియాడిక్ సిగ్నల్ను వివిధ ఫ్రీక్వెన్సీలు మరియు amplitudeల వద్ద సాధారణ సైన్ వేవ్ల మొత్తంగా పునర్నిర్మించవచ్చు. FFT ఆ ఆలోచనను విలోమంగా నడుపుతుంది: దానికి ఒక అల్లుకుపోయిన వేవ్ఫార్మ్ ఇస్తే, అది దాన్ని నిర్మించే సైన్ వేవ్ల జాబితాను తిరిగి ఇస్తుంది.
2. డయాగ్నొస్టిక్స్కు FFT ఎందుకు అవసరం
నడుస్తున్న యంత్రం నుండి వచ్చే ముడి టైమ్ వేవ్ఫార్మ్ ఒకేసారి జరిగే అనేక వైబ్రేషన్ల కలయిక, మరియు ఆ ట్రేస్ నుండి కంటితో యంత్రం’యొక్క ఆరోగ్యాన్ని అంచనా వేయడం దాదాపు అసాధ్యం. FFT ఒక ప్రిజమ్లా పని చేస్తుంది, సంక్లిష్ట సిగ్నల్ను దాని వ్యక్తిగత ఫ్రీక్వెన్సీ భాగాలుగా విభజిస్తుంది. ఫలితం ఒక స్పష్టమైన, చర్య తీసుకోదగిన చార్ట్, ఇది విశ్లేషకుడికి చూడడానికి వీలు కల్పిస్తుంది:
- ఏ ఫ్రీక్వెన్సీలు ఉన్నాయి?
- ప్రతి ఫ్రీక్వెన్సీ వద్ద ఎంత శక్తి (amplitude) ఉంది?
- ఆ frequencies మధ్య సంబంధం ఏమిటి — harmonics, sidebands మరియు ఇలాంటివి?
ఎందుకంటే వివిధ యాంత్రిక మరియు విద్యుత్ లోపాలు — unbalance, misalignment, బేరింగ్ లోపాలు, and looseness — ప్రతి ఒక్కటి చాలా నిర్దిష్టమైన, అంచనా వేయగలిగే frequencies వద్ద vibration ఉత్పత్తి చేస్తాయి కాబట్టి, spectrum సమస్య యొక్క మూల కారణానికి నేరుగా దారి చూపిస్తుంది. ఈ frequency-domain దృక్కోణం అన్ని స్పెక్ట్రల్ విశ్లేషణ.
3. FFT విశ్లేషణ యొక్క ముఖ్య పారామీటర్లు
ఉపయోగకరమైన spectrum పొందడానికి, ఒక విశ్లేషకుడు data collector లేదా సాఫ్ట్వేర్లో అనేక పారామీటర్లను సెట్ చేస్తాడు. వాటిని తప్పుగా సెట్ చేస్తే నిజమైన లోపం మిస్ అవుతుంది; సరిగ్గా సెట్ చేస్తే అది స్పష్టంగా కనిపిస్తుంది.
Fmax (గరిష్ట Frequency)
spectrum లో చేర్చబడిన అత్యధిక frequency. ఆసక్తి యొక్క అత్యధిక-frequency లోపాన్ని capture చేయడానికి ఇది తగినంత ఎక్కువగా సెట్ చేయబడాలి — అధిక-frequency gear mesh లేదా bearing tones, ఉదాహరణకు — కానీ తక్కువ-frequency వివరాలు వృథా అయ్యేంత ఎక్కువగా కాదు. నిరోధించడానికి aliasing, పరికరాలు యాంటీ-అలయాసింగ్ ఫిల్టర్ను వర్తిస్తాయి లో-పాస్ ఫిల్టర్ FFT లెక్కించబడే ముందు sampling rate కంటే తక్కువగా ఉండే.
రిజల్యూషన్ (రిజల్యూషన్ లైన్లు)
ఇది వివరాల స్థాయిని సెట్ చేస్తుంది — Fmax అంతటా లెక్కించబడిన discrete frequency “bins” సంఖ్య. ఎక్కువ లైన్లు (3,200 లేదా 6,400, అనుకుందాం) మెరుగైన రిజల్యూషన్ ఇస్తాయి, అంటే దగ్గరగా ఉన్న రెండు frequencies ను వేరు చేసే సామర్థ్యం పెరుగుతుంది. Beat frequencies ను వేరుపరచడానికి లేదా దగ్గరగా అమర్చబడిన sidebands gearbox విశ్లేషణలో. Bin width అనేది Fmax ని లైన్ల సంఖ్యతో భాగించడం సమానం కావడం వల్ల, span మరియు వివరాల మధ్య ఎల్లప్పుడూ trade-off ఉంటుంది; ఒక FFT రిజల్యూషన్ కాల్క్యులేటర్ ఏదైనా సెట్టింగ్కు ఫలితంగా వచ్చే bin width మరియు acquisition time చూపిస్తుంది, మరియు ఒక Zoom FFT మరింత సూక్ష్మమైన వేరుపాటు అవసరమైనప్పుడు అందుబాటులో ఉన్న అన్ని లైన్లను ఒక సన్నని band లోకి కేంద్రీకరించవచ్చు.
Averaging
యంత్రం యొక్క vibration హెచ్చుతగ్గులు ఉంటుంది కాబట్టి, ఒకే FFT snapshot తప్పుదోవ పట్టించవచ్చు. Averaging అనేక FFTలను వేగంగా వరుసగా సేకరించి వాటిని కలుపుతుంది, యాదృచ్ఛిక noise ని అణచివేసి, యంత్రం యొక్క స్థితిని నిజంగా సూచించే చాలా స్థిరమైన, పునరావృతయోగ్యమైన spectrum ను అందిస్తుంది.
Windowing
ఎ విండో ఫంక్షన్ — అత్యంత సాధారణంగా Hanning window — అనేది transform కి ముందు time data కు వర్తింపజేయబడే ఒక గణిత weighting. ఇది స్పెక్ట్రల్ లీకేజ్అని పిలువబడే లోపాన్ని తగ్గిస్తుంది, అది లేకపోతే పదునైన peak ను పొరుగు bins అంతటా పరుచుకొని దాని amplitude మరియు స్పష్టమైన frequency రెండింటినీ పాడు చేస్తుంది.
4. FFT స్పెక్ట్రమ్ వివరణ
శిక్షణ పొందిన విశ్లేషకుడు లక్షణ నమూనాలను గుర్తించడం ద్వారా spectrum చదువుతాడు:
- వద్ద పెద్ద peak 1× running speed అన్బాలెన్స్ను సూచిస్తుంది.
- వద్ద పెద్ద peak 2× నడుపుతున్న వేగం తరచుగా misalignment ను సూచిస్తుంది.
- పొడవైన వరుస harmonics (1×, 2×, 3×, 4×…) అనేది యాంత్రిక looseness యొక్క క్లాసిక్ సంకేతం.
- నడుపుతున్న వేగం వద్ద అమర్చబడిన sidebands కలిగి ఉన్న అధిక-frequency peak అనేది gearbox లేదా bearing లోపానికి స్పష్టమైన సంకేత.
- broadband noise యొక్క పెరిగిన “floor” సూచించవచ్చు cavitation పంపులో లేదా సాధారణ friction లో.
ప్రస్తుత spectrum ను ఒక baseline యంత్రం ఆరోగ్యంగా ఉన్నప్పుడు రికార్డ్ చేయబడిన దానితో పోల్చడం ద్వారా, ఒక విశ్లేషకుడు మార్పులు గుర్తించి, అవి క్రిటికల్ వైఫల్యాలుగా మారడానికి చాలా ముందే అభివృద్ధి చెందుతున్న సమస్యలను నిర్ధారించగలడు.
5. ఆచరణాత్మక క్షేత్ర కొలతలో FFT
పోర్టబుల్ పరికరంలో FFT లైవ్ డేటా నుండి అక్కడికక్కడే లెక్కించబడుతుంది accelerometer signal. The Balanset-1A, ఒక రెండు-చానల్ ఫీల్డ్ అనలైజర్, టైమ్ వేవ్ఫార్మ్ను క్యాప్చర్ చేసి దాని స్పెక్ట్రమ్ను సుమారు 5 Hz నుండి 1000 Hz వరకు ప్రదర్శిస్తుంది, కాబట్టి ఒక ఇంజినీర్ మెషీన్ వద్దే రన్నింగ్ స్పీడ్ పీక్, దాని హార్మోనిక్స్, మరియు ఏదైనా బేరింగ్ లేదా గేర్ టోన్లను చదవగలరు. ఒకసారి-తిరిగే-తచోమీటర్ పల్స్తో కలిపి, అదే డేటా సెట్ ఫేజ్-ఆధారిత బ్యాలెన్సింగ్కు మద్దతు ఇస్తుంది, అదే సమయంలో order analysis వేరియబుల్-స్పీడ్ మెషీన్లపై FFT ని రన్నింగ్ స్పీడ్ మల్టిపుల్లకు రీ-రిఫరెన్స్ చేయగలదు — అందువలన FFT ని స్టాటిక్ చార్ట్ నుండి ఆన్-సైట్ డయాగ్నోస్టిక్ మరియు బ్యాలెన్సింగ్ వర్క్ఫ్లో యొక్క ఇంజిన్గా మారుస్తుంది.
