Ang FFT (Fast Fourier Transform) sa Vibration Analysis
The Fast Fourier Transform (FFT) ay isang lubhang mahusay na mathematical algorithm na nagbabago ng signal mula sa time domain patungo sa frequency domain. Sa pagsusuri ng vibration ito ay nagko-convert ng isang raw, complex time waveform — vibration amplitude na isinasaad kontra sa oras — sa isang frequency spectrum, amplitude na naka-plot laban sa frequency. Ang isang transformasyon na ito ang pinakamahalagang proseso sa modernong diagnostic ng makinarya; kung wala ito, ang isang vibration signal ay halos walang ibang nilalaman kundi isang di-mabasang kurba.
1. Kahulugan: Ano ang FFT?
Ang FFT ay hindi isang pagsukat kundi isang kalkulasyon. Ito ay isang mabilis na pagpapatupad ng Discrete Fourier Transform, na gumagamit ng mga matematikal na simetriyang upang magawa sa loob ng ilang millisecundo ang isang bagay na magtatagal ng mas matagal pa sa ibang paraan, kaya naman maaari itong tumakbo nang live sa isang handheld na instrumento. Ang prinsipyo nito, ayon kay Fourier, ay maaaring muling buuin ang anumang kumplikadong periodic na signal bilang kabuuan ng mga simpleng sine wave sa iba't ibang frequency at amplitude. Pinapatakbo ng FFT ang ideyang iyon sa kabaligtaran: ibigay sa kanya ang isang magulo na waveform, at ibabalik nito ang listahan ng mga sine wave na bumubuo rito.
2. Bakit Mahalaga ang FFT para sa Diagnostics
Ang hilaw na time waveform mula sa isang tumatakbong makina ay isang kahalong ng maraming vibration na nangyayari nang sabay-sabay, at halos imposible ang matasa ang kalusugan ng makina sa pamamagitan ng mata lamang mula sa naturang trace. Ang FFT ay kumikilos tulad ng isang prisma, hinahati ang kumplikadong signal sa mga indibidwal na frequency component nito. Ang resulta ay isang malinaw at kapaki-pakinabang na tsart na nagbibigay-daan sa isang analyst na makita ang:
- Anong mga frequency ang naroroon?
- Gaano karaming enerhiya (amplitude) ang nasa bawat frequency?
- Ano ang relasyon sa pagitan ng mga frequency na iyon — mga harmonic, sideband, at iba pa?
Dahil ang iba't ibang mekanikal at elektrikal na depekto — unbalance, misalignment, bearing defects, and looseness — bawat isa ay nagge-generate ng vibration sa napaka-tiyak at predictable na mga frequency, ang spectrum ay nagbibigay ng direktang roadmap sa pangunahing sanhi ng isang problema. Ang frequency-domain na pagtingin na ito ang batayan ng lahat ng spectral analysis.
3. Mga Pangunahing Parameter ng FFT Analysis
Upang makakuha ng kapaki-pakinabang na spectrum, nagtatakda ang isang analyst ng ilang parameter sa data collector o software. Kung mali ang pagtatakda, maaaring makaligtaan ang isang tunay na depekto; kung tama naman, malinaw itong makikita.
Fmax (Maximum Frequency)
Ang pinakamataas na frequency na kasama sa spectrum. Kailangang itakda ito nang sapat na mataas upang makuha ang pinakamataas na frequency ng depektong nais suriin — high-frequency gear mesh o mga tono ng bearing, halimbawa — ngunit hindi masyadong mataas upang hindi masayang ang mababang-frequency na detalye. Upang maiwasan ang aliasing, ang mga instrumentong ito ay gumagamit ng isang anti-aliasing low-pass filter sa ibaba ng sampling rate bago kalkulahin ang FFT.
Resolution (Mga Linya ng Resolution)
Itinatakda nito ang antas ng detalye — ang bilang ng mga discrete frequency “bin” na kinakalkula sa buong Fmax. Mas maraming linya (3,200 o 6,400, halimbawa) ay nagbibigay ng mas pinong resolution, ibig sabihin ay mas malaking kakayahang paghiwalayin ang dalawang frequency na magkalapitdapat. Ang mataas na resolution ay mahalaga para sa pagkilala ng mga beat frequency o paglutas ng mga malapit na magkasamang sidebands sa gearbox analysis. Dahil ang lapad ng bin ay katumbas ng Fmax na hinati sa bilang ng mga linya, palagi itong may trade-off sa pagitan ng lawak at detalye; isang FFT resolution calculator ay nagpapakita ng nagreresultang lapad ng bin at oras ng pagkuha para sa anumang setting, at isang Zoom FFT ay maaaring pagsamahin ang lahat ng magagamit na linya sa isang makitid na banda kapag kailangan pa ng mas pinong paghihiwalay.
Averaging
Dahil ang vibration ng makina ay nagbabago-bago, ang isang FFT snapshot na ikinuha sa iisang pagkakataon ay maaaring mapanlinlang. Ang pag-average ay nagkukuha ng ilang FFT nang sunud-sunod at pinagsasama ang mga ito, pinipigilan ang random na ingay at nagbubunga ng mas matatag at paulit-ulit na spectrum na tunay na kumakatawan sa kondisyon ng makina’s.
Windowing
A window function — kadalasan ay ang Hanning window — ay isang matematikal na weighting na inilalapat sa time data bago ang transform. Pinipigilan nito ang isang error na tinatawag na spectral leakage, na kung hindi ay magpapalabo ng isang matulis na tuktok sa mga kalapit na bin at sisira sa parehong amplitud at totoong dalas nito.
4. Pag-interpret ng FFT Spectrum
Ang isang bihasang analyst ay nagbabasa ng spectrum sa pamamagitan ng pagkilala sa mga katangiang pattern:
- Ang isang malaking tuktok sa 1× running speed nagpapahiwatig ng imbalance.
- Ang isang malaking tuktok sa 2× ang bilis ng pag-ikot ay kadalasang nagpapahiwatig ng misalignment.
- Ang mahabang serye ng harmonics (1×, 2×, 3×, 4×…) ay isang klasikong tanda ng mechanical looseness.
- Ang isang high-frequency na tuktok na may kasamang sidebands na nakalayo sa bilis ng pag-ikot ay isang malinaw na palatandaan ng depekto sa gearbox o bearing.
- Ang mataas na “sahig” ng broadband noise ay maaaring magpahiwatig ng cavitation sa isang pump o pangkalahatang friction.
Sa pamamagitan ng paghahambing ng kasalukuyang spectrum sa isang baseline na naitala nang maayos pa ang makina, makikilala ng isang analyst ang mga pagbabago at masususuri ang mga umuusbong na problema bago pa man maging kritikal na pagpalya.
5. Ang FFT sa Praktikal na Field Measurement
Sa isang portable na instrumento, ang FFT ay kinakalkula sa lugar mula sa live na accelerometer signal. The Balanset-1A, isang two-channel field analyser, kumukuha ng time waveform at nagpapakita ng spectrum nito mula sa humigit-kumulang 5 Hz hanggang 1000 Hz, upang mabasa ng engineer ang running-speed peak, ang mga harmonic nito, at anumang bearing o gear tone sa makina. Kasama ang once-per-revolution na tachometer pulse, sinusuportahan ng parehong dataset ang phase-based na balancing, habang ang order analysis ay maaaring i-reference muli ang spectrum sa mga multiplo ng bilis ng pag-ikot sa mga variable-speed na makina — na ginagawang engine ng on-site diagnostic at balancing workflow ang FFT mula sa isang static na tsart.
