ทำความเข้าใจกับการสร้างนามแฝงในการวิเคราะห์การสั่นสะเทือน
การสร้างนามแฝง คือข้อผิดพลาดในการประมวลผลสัญญาณที่อาจทำให้เสียหายต่อการวิเคราะห์ข้อมูลการสั่นสะเทือนแบบดิจิทัล เกิดขึ้นเมื่อสัญญาณถูกสุ่มตัวอย่างด้วยอัตราที่ต่ำเกินไปจนไม่สามารถจับความถี่สูงสุดของสัญญาณได้ ดังนั้นความถี่สูงเหล่านั้นจึง “พับลงมา” และแอบตัวเป็นความถี่ต่ำในผลลัพธ์ เอฟเอฟที สเปกตรัม ผลลัพธ์คือจุดยอดเท็จที่ไม่เคยมีอยู่ในเครื่องจักรจริง — จุดยอดที่อาจนำไปสู่การวินิจฉัยที่ผิดพลาดร้ายแรง การเข้าใจการแอลิเยสิง และการป้องกันที่ป้องกันไม่ให้เกิดขึ้น เป็นสิ่งจำเป็นพื้นฐานเพื่อความเชื่อมั่นในการวิเคราะห์ดิจิทัล สเปกตรัมการสั่นสะเทือน.
1. นิยาม: การแอลิเยสิงคืออะไร?
เมื่อตัววิเคราะห์ทำให้สัญญาณการสั่นสะเทือนเป็นดิจิทัล มันไม่ได้บันทึกเส้นโค้งที่ต่อเนื่อง แต่บันทึกลำดับตัวอย่างแบบแยกส่วน — ภาพถ่ายที่ถ่ายที่ช่วงเวลาคงที่ หากภาพถ่ายเหล่านั้นห่างกันเกินไปเมื่อเทียบกับความเร็วที่สัญญาณเปลี่ยนแปลง ตัววิเคราะห์จึงไม่สามารถแยกแยะคลื่นเร็วจากคลื่นช้าได้จริงๆ จุดเพียงไม่กี่จุดที่มันจับได้ของส่วนประกอบความถี่สูงอาจรวมกันเป็นคลื่นไซน์ความถี่ต่ำที่มีความน่าจะเป็น ความถี่ต่ำปลอมนั้นคือ aliasและเมื่อมันปรากฏในส่วน สเปกตรัม มันไม่สามารถแยกแยะจากการสั่นสะเทือนแท้ที่ความถี่นั้นได้
2. ทฤษฎีบท Nyquist และอัตราการสุ่มตัวอย่าง
เพื่อเข้าใจการแอลิเยสิง คุณต้องเข้าใจ ทฤษฎีบท Nyquist (ทฤษฎีบทการสุ่มตัวอย่าง Nyquist–Shannon) หลักการพื้นฐานนี้ของการประมวลผลสัญญาณดิจิทัลระบุว่า:
เพื่อแสดงสัญญาณอนาล็อกอย่างแม่นยำในรูปแบบดิจิทัล ความถี่การสุ่มตัวอย่าง (Fs) ต้องมีค่าอย่างน้อยเป็นสองเท่าของความถี่สูงสุดของส่วนประกอบ (Fmax) ที่มีอยู่ในสัญญาณ
อัตราการสุ่มตัวอย่างขั้นต่ำนี้ (2 × Fmax) เรียกว่า อัตราไนควิสต์ในทางตรงข้าม ความถี่สูงสุดที่อัตราการสุ่มตัวอย่างที่กำหนดสามารถวัดได้อย่างซื่อสัตย์คือครึ่งหนึ่งของมัน: Fmax = เอฟs / 2 เพดานนั้นคือ ความถี่ Nyquistความถี่จริงใดๆ ที่สูงกว่าความถี่ Nyquist ไม่สามารถแสดงด้วยความซื่อสัตย์และจะสะท้อนกลับด้านล่างแทน ในทางปฏิบัติ F ที่เลือกจะmax ยังกำหนดความละเอียดของการวิเคราะห์พร้อมกับจำนวนของเส้น FFT — ความสัมพันธ์ที่คุณสามารถสำรวจได้ด้วย เครื่องคำนวณความละเอียด FFT เมื่อวางแผนการวัด
3. การเกิดการเสบียง (Aliasing) เกิดขึ้นอย่างไร
ลองนึกถึงการสั่นสะเทือนความถี่สูงที่ถูกวัดโดยเครื่องวิเคราะห์ดิจิทัลที่ดำเนินการสุ่มตัวอย่างที่ระยะห่างคงที่:
- หากอัตราการสุ่มตัวอย่างสูงพอ — มากกว่าอัตรา Nyquist — เครื่องวิเคราะห์จะจับจุดข้อมูลเพียงพอต่อรอบเพื่อสร้างรูปคลื่นใหม่ได้อย่างแม่นยำ
- หากอัตราการสุ่มตัวอย่างต่ำเกินไป เครื่องวิเคราะห์จะพลาดสิ่งที่เกิดขึ้นระหว่างตัวอย่าง จุดข้อมูลเพียงไม่กี่จุดที่มีการจับจะเชื่อมต่อเข้าในรูปคลื่นไซน์ความถี่ต่ำที่แตกต่างอย่างสิ้นเชิน ความถี่ต่ำที่เท็จนั้นคือการเสบียง
ตัวอย่างที่เป็นรูปธรรม: สมมติว่าสัญญาณมีส่วนประกอบจริง 900 Hz แต่ F ของเครื่องวิเคราะห์max ถูกตั้งค่าเป็น 500 Hz ซึ่งสอดคล้องกับอัตราการสุ่มตัวอย่าง 1000 Hz เนื้อหา 900 Hz อยู่เหนือความถี่ Nyquist 500 Hz และไม่สามารถวัดได้อย่างถูกต้อง จะเสบียงและปรากฏใหม่ที่ Fs − 900 = 1000 − 900 = 100 Hz. An analyst scanning the spectrum could easily mistake that 100 Hz peak for a 1× ความเร็วในการวิ่ง การสั่นสะเทือน หรือสำหรับข้อบกพร่องที่แท้จริง และการไล่ตามข้อบกพร่องที่ไม่มีอยู่ แย่ไปกว่านั้น บ่อยครั้งที่ตัวการความถี่สูง — ผลกระทบของลูกปืน พลังงานการหมุนเฟืองหมุนเฟือง สัญญาณรบกวนไฟฟ้า — เป็นสัญญาณที่นักวิเคราะห์ต้องการไว้ใจมากที่สุด
4. การป้องกันการเสบียง: ตัวกรองป้องกันการเสบียง
เป็นไปไม่ได้ที่จะทราบล่วงหน้าเนื้อหาความถี่สูงทั้งหมดที่สัญญาณอาจมี — เสียงอัลตราโซนิก ผลกระทบที่คม การรบกวนความถี่วิทยุ และการรับเก็บไฟฟ้าทั้งหมดสามารถบุกรุก ดังนั้นการหวังเพียงว่าอัตราการสุ่มตัวอย่างสูงพอจึงไม่ใช่กลยุทธ์ที่ปลอดภัย
วิธีแก้ปัญหาที่ใช้ในเครื่องวิเคราะห์การสั่นสะเทือนดิจิทัลสมัยใหม่ทุกเครื่องคือ ฟิลเตอร์ป้องกันรอยหยัก: a steep ตัวกรองความถี่ต่ำ วางไว้ในเส้นทางสัญญาณ ก่อน ตัวแปลงอนาล็อกเป็นดิจิทัล (ADC) มันทำงานเช่นนี้:
- ผู้ใช้กำหนดความถี่สูงสุดที่ต้องการ Fmaxสำหรับการวิเคราะห์
- โดยอิงตาม Fmaxเครื่องวิเคราะห์จะตั้งค่าความถี่ตัดของตัวกรองป้องกันการเสบียงโดยอัตโนมัติเพียงเหนือ Fmax.
- The analogue เซ็นเซอร์ สัญญาณผ่านตัวกรอง ซึ่งลบออกหรือลดทอนสิ่งใดสิ่งหนึ่งที่เหนือความถี่ตัด
- เฉพาะสัญญาณที่กรองแล้วและสะอาดเท่านั้นที่สัญญาณ ADC สำหรับการสุ่มตัวอย่าง
Because the filter strips out the high frequencies the chosen sampling rate cannot handle ก่อน sampling takes place, it makes aliasing physically impossible. A real filter cannot cut off infinitely sharply, which is why the cut-off is set a little below the Nyquist frequency to leave a guard band on its skirt. The anti-aliasing filter is one of the most critical elements of any analyser, ensuring the resulting FFT is a true and faithful picture of the machine’s vibration within the selected range. Note that this filtering must be analogue and must precede digitisation — applying digital filtering after the ADC cannot undo an alias, because by then the false frequency is already locked into the data.
5. Practical Implications for the Analyst
For the engineer in the field, the lesson is to respect the instrument’s frequency settings. Choosing Fmax too low to keep good resolution on low-order peaks can hide important high-frequency information; the anti-aliasing filter will protect you from false peaks, but it cannot show you energy you have filtered away. Reliable instruments handle this automatically — a portable analyser such as the บาลานเซ็ต-1A applies anti-aliasing in hardware ahead of its ADC, so the spectra it presents for diagnostics and the 1× amplitude-and-phase it uses for balancing are free of aliased artefacts across its working range. The practical takeaways: set Fmax high enough to cover the highest fault frequency you care about, trust that a properly designed analyser will not alias, and treat any unexplained low-frequency peak with healthy suspicion until you have ruled out other causes.
