Understanding Wavelet Analysis
Pagsusuring Wavelet ay isang advanced signal-processing technique na ginagamit upang suriin vibration mga signals na ang frequency content ay nagbabago sa paglipas ng panahon. Hindi tulad ng tradisyonal Fast Fourier Transform (FFT), na angkop para sa stationary signals na may constant frequency content, ang wavelet analysis ay epektibong kumukuha ng transient events, shocks, at iba pang non-stationary behaviour. Ito ay isang specialist instrument sa diagnostics ng vibration toolkit — inabot kapag ang standard spectrum falls short.
Gumagana ito sa pamamagitan ng pagdecompose ng isang signal sa isang set ng basis functions na tinatawag na “wavelets.” Bawat wavelet ay isang maikli, oscillating wave-like packet na naka-localize sa parehong oras at frequency. Ang dual na localization na ito — alam ang pareho what frequency and when — ito ang nagbibigay sa method ng natatanging kapangyarihan nito.
1. Kahulugan: Ano ang Wavelet Analysis?
Most everyday pagsusuri ng vibration ipinapalagay na tumatakbo ang makina sa constant speed at load, kaya ang vibration nito ay “stationary” at isang spectrum lang ang naglalarawan nito nang maayos. Marami sa mga pinaka-revealing faults, gayunpaman, ay hindi steady sa lahat: sila ay brief bursts ng energy na dumarating at lumalabas sa loob ng isang revolution. Ang wavelet analysis ay binuo para sa eksaktong mga signal na ito. Sa halip na magtanong lamang kung aling frequencies ang present sa buong record, ito ay nagslide ng wavelets ng iba't ibang sizes kasama ang time waveform, sinusukat kung paano malakas ang bawat isa ay tumutugon sa signal sa bawat instant. Maikli, high-frequency wavelets ay nagtutukoy ng sharp impacts sa oras; mahaba, low-frequency wavelets ay nalulutas ang slow components sa frequency.
2. Wavelet Analysis vs. ang FFT
Upang mapahalagahan ang value ng wavelet analysis, nakakatulong na makita ang limitasyon ng FFT:
- FFT (Fast Fourier Transform): the FFT tells you what ang mga frequencies ay present ngunit walang impormasyon tungkol sa when kung kailan sila nangyari. Ito ay nag-analyze ng buong record nang sabay-sabay, na nagbibigay ng excellent frequency resolution but zero time resolution.
- Wavelet Analysis: ang wavelet analysis ay nagsasabi sa iyo ng parehong aling frequencies ang present at kailan. Ito ay gumagawa ng “time-frequency” map ng signal, na nagpapakita kung paano umuunlad ang spectral content sa buong pagsusukat.
Isipin ang isang signal na naglalaman ng maikli na “click” mula sa isang cracked gear tooth. Ang FFT ay maaaring ipakita lamang ang isang maliliit na pagtaas sa broadband energy, dahil ang click ay naa-average out sa buong record. Ang wavelet analysis, sa kaibahan, ay gumagawa ng plot na malinaw na nagpapakita ng burst ng high-frequency energy sa eksaktong sandali na nangyari ang click. Ito ang praktikal na kalamangan: ito ay pinapanatili ang timing ng mga events na ang FFT ay sinisira. Ito ay malapit na nauugnay sa spirit sa order analysis, na tumutugon din sa mga signals kung saan ang simple fixed-frequency picture ay nagsisira.
3. Ang Scalogram: Isang Time-Frequency Map
Ang pinakakaraniwang output ng wavelet analysis ay isang scalogram (or a similar time-frequency plot) — a 2D colour map where:
- Ang X-axis ay kumakatawan sa oras.
- Ang Y-axis ay kumakatawan sa frequency (o scale).
- Ang kulay ay kumakatawan sa amplitude o energy ng vibration sa partikular na oras at frequency.
Ang visualization na ito ay ginagawang madali na makita ang transient events kung saan sila ay nakatagong sa isang standard spectrum. Isang vertical line ng “hot” kulay sa isang scalogram, halimbawa, ay nagmamarka ng broadband event tulad ng isang impact na nangyari sa isang precise instant — ang visual fingerprint ng isang localized, repetitive fault. Conceptually ang scalogram ay sumasaklaw sa ibang advanced displays tulad ng waterfall plot, na sumusubaybay kung paano nagbabago ang isang spectrum sa maraming successive averages o speeds.
4. Mga Aplikasyon sa Vibration Diagnostics
Ang wavelet analysis ay hindi kadalasang ginagamit para sa routine vibration monitoring, ngunit ito ay isang powerful tool para sa advanced diagnostics sa specific situations:
- Gearbox Analysis: napakahusay sa pagtuklas ng nakatuon na mga sira tulad ng isang nababasag o putol na ngipin, na lumilikha ng isang natatanging epekto minsan bawat rebolusyon.
- Bearing Defect Analysis: makakagawa ng pag-detect ng individual impacts na sanhi ng isang rolling element na dumadaan sa isang spall, lalo na sa very slow-speed machinery kung saan ang conventional envelope analysis maaaring maging hamon.
- Kaganapang Transyente Analysis: perpekto para sa mga signal mula sa paglunsad, paghinto, o anumang proseso kung saan patuloy na nagbabago ang bilis at mga katangian ng vibration.
- Pagsusuring Istraktura: kapaki-pakinabang para sa pagsusuri ng pagtugon ng istruktura sa isang impact — a bump test — upang maunawaan ang damping and natural frequencies.
5. Praktikal na Paggamit at mga Limitasyon
Ang wavelet analysis ay mas demanding sa computational power kaysa sa FFT, at ang pagsasalin ng scalogram ay nangangailangan ng mas maraming karanasan kaysa sa pagbasa ng isang line spectrum. Para sa mga kadaong ito, ito ay nakaposisyon kasama, sa halip na pagpapalit, ang araw-araw na mga teknika. Ang araw-araw na fault-finding ay umaasa pa rin sa FFT spectrum, overall levels, at envelope analysis; ang mga wavelet ay ginagamit kung ang mga tool na ito ay nagsasaad ng isang kakaibang bagay ngunit hindi ito makolokalisá sa oras. Sa field, ang datos mismo ay nakolekta gamit ang isang portable instrument — isang dalawang-channel analyzer gaya ng Balanset-1A kumukuha ng mga high-quality time waveform, na naitala sa sariling bearing ng makina sa operating speed, na anumang susunod na time-frequency study ay umaasa dito. Ang modernong computer software ay naging accessible at valuable resource para sa advanced analyst na tumitingin sa kumplikado, non-stationary signals.
