Hiểu về phân tích Wavelet

1. Định nghĩa: Phân tích Wavelet là gì?

Phân tích Wavelet là một kỹ thuật xử lý tín hiệu tiên tiến được sử dụng để phân tích rung động tín hiệu trong đó nội dung tần số thay đổi theo thời gian. Không giống như truyền thống Biến đổi Fourier nhanh (FFT), phù hợp nhất với các tín hiệu tĩnh (tín hiệu có tần số không đổi), phân tích wavelet có thể nắm bắt và biểu diễn hiệu quả các sự kiện thoáng qua, xung đột và các hành vi không tĩnh khác.

Phương pháp này hoạt động bằng cách phân tích tín hiệu thành một tập hợp các hàm cơ sở gọi là "wavelet". Mỗi wavelet là một gói sóng ngắn, dao động, được định vị theo cả thời gian và tần số. Tính định vị kép này chính là yếu tố tạo nên sức mạnh của phân tích wavelet.

2. Phân tích Wavelet so với FFT

Để hiểu được giá trị của phân tích wavelet, điều quan trọng là phải hiểu được hạn chế của FFT:

• FFT (Biến đổi Fourier nhanh): FFT cho bạn biết *những* tần số nào hiện diện trong tín hiệu, nhưng không cung cấp thông tin về *thời điểm* chúng xuất hiện. Nó phân tích toàn bộ tín hiệu cùng một lúc, mang lại độ phân giải tần số tuyệt vời nhưng không có độ phân giải thời gian.
• Phân tích wavelet: Phân tích wavelet cho bạn biết *những* tần số nào hiện diện và *khi nào* chúng hiện diện. Nó cung cấp bản đồ "thời gian-tần số" của tín hiệu, cho thấy nội dung phổ thay đổi như thế nào theo thời gian.

Hãy tưởng tượng một tín hiệu chứa một tiếng "tách" ngắn phát ra từ một răng bánh răng bị nứt. Phép biến đổi FFT có thể cho thấy một sự gia tăng nhẹ năng lượng băng thông rộng, nhưng tiếng tách sẽ được tính trung bình trên toàn bộ tín hiệu. Tuy nhiên, phân tích wavelet sẽ tạo ra một biểu đồ thể hiện rõ ràng một xung năng lượng tần số cao tại đúng thời điểm tiếng tách phát ra.

3. Scalogram: Bản đồ thời gian-tần số

Đầu ra phổ biến nhất của phân tích wavelet là biểu đồ hình thang (hoặc biểu đồ tần suất thời gian tương tự). Đây là bản đồ màu 2D trong đó:

• Trục X biểu thị thời gian.
• Trục Y biểu thị tần suất (hoặc thang đo).
• Màu sắc biểu thị biên độ hoặc năng lượng của rung động tại thời điểm và tần số cụ thể đó.

Hình ảnh trực quan này giúp dễ dàng phát hiện các sự kiện thoáng qua vốn bị ẩn trong phổ FFT tiêu chuẩn. Ví dụ, một đường thẳng đứng màu "nóng" trên biểu đồ scalogram biểu thị một sự kiện băng thông rộng (như va chạm) xảy ra tại một thời điểm cụ thể.

4. Ứng dụng trong chẩn đoán rung động

Phân tích wavelet thường không được sử dụng cho mục đích thường lệ giám sát rung động nhưng là một công cụ mạnh mẽ để chẩn đoán nâng cao trong những tình huống cụ thể:

• Phân tích hộp số: Thiết bị này đặc biệt hiệu quả trong việc phát hiện các lỗi cục bộ như một chiếc răng bị nứt hoặc gãy, tạo ra tác động riêng biệt ở mỗi vòng quay.
• Lỗi ổ trục Phân tích: Nó có thể được sử dụng để phát hiện các tác động riêng lẻ do một phần tử lăn đi qua một mảnh vỡ, đặc biệt là trong máy móc tốc độ rất chậm, nơi mà các máy móc truyền thống phân tích phong bì có thể là một thách thức.
• Sự kiện tạm thời Phân tích: Thích hợp để phân tích tín hiệu từ quá trình khởi động, tắt máy hoặc các quá trình khác có đặc điểm về tốc độ và độ rung liên tục thay đổi.
• Phân tích cấu trúc: Nó có thể được sử dụng để phân tích phản ứng của một cấu trúc khi va chạm (thử nghiệm va chạm) để hiểu được tần số giảm chấn và tần số tự nhiên của nó.

Mặc dù tính toán phức tạp hơn FFT, phần mềm máy tính hiện đại đã biến phân tích wavelet thành một công cụ dễ tiếp cận và có giá trị đối với các nhà phân tích rung động tiên tiến xử lý các tín hiệu phức tạp, không tĩnh.

← Quay lại Mục lục chính