Hiểu về phân tích Wavelet
Phân tích Wavelet là một kỹ thuật xử lý tín hiệu tiên tiến được sử dụng để phân tích rung động các tín hiệu có thành phần tần số thay đổi theo thời gian. Khác với phương pháp truyền thống Biến đổi Fourier nhanh (FFT), vốn phù hợp nhất với các tín hiệu không đổi có thành phần tần số không đổi, phân tích sóng nhỏ lại có khả năng nắm bắt hiệu quả các sự kiện thoáng qua, các cú sốc và các hiện tượng không ổn định khác. Đây là một công cụ chuyên dụng trong lĩnh vực chẩn đoán rung động bộ công cụ — được sử dụng chính xác khi tiêu chuẩn quang phổ chưa đạt yêu cầu.
Cơ chế hoạt động của nó là phân tách tín hiệu thành một tập hợp các hàm cơ sở được gọi là “wavelets”. Mỗi wavelet là một gói sóng ngắn, dao động, có tính cục bộ cả về thời gian lẫn tần số. Tính cục bộ kép này — tức là nắm bắt được cả Gì tần suất và khi — chính là yếu tố mang lại sức mạnh đặc trưng cho phương pháp này.
1. Định nghĩa: Phân tích Wavelet là gì?
Thường xuyên nhất Phân tích rung động giả định rằng máy hoạt động ở tốc độ và tải ổn định, do đó dao động của nó là “tĩnh” và có thể được mô tả chính xác bằng một phổ duy nhất. Tuy nhiên, nhiều lỗi mang tính chỉ báo cao nhất lại hoàn toàn không ổn định: chúng là những đợt năng lượng ngắn ngủi xuất hiện rồi biến mất trong vòng một vòng quay. Phân tích sóng nhỏ (wavelet) được thiết kế dành riêng cho những tín hiệu như vậy. Thay vì chỉ xem xét các tần số nào xuất hiện trên toàn bộ bản ghi, phương pháp này di chuyển các sóng nhỏ có kích thước khác nhau dọc theo dạng sóng thời gian, nhằm đo lường mức độ khớp giữa từng thành phần với tín hiệu tại từng thời điểm. Các sóng nhỏ ngắn, tần số cao giúp xác định chính xác các dao động đột ngột theo thời gian; các sóng nhỏ dài, tần số thấp giúp phân giải các thành phần dao động chậm theo tần số.
2. Phân tích Wavelet so với FFT
Để hiểu rõ giá trị của phân tích sóng, việc nhận ra những hạn chế của FFT sẽ rất hữu ích:
- FFT (Biến đổi Fourier nhanh): FFT cho bạn biết Gì các tần số này có mặt nhưng không cung cấp thông tin về khi khi chúng xảy ra. Nó phân tích toàn bộ dữ liệu cùng một lúc, mang lại kết quả tuyệt vời Tính thường xuyên độ phân giải không gian nhưng độ phân giải thời gian bằng không.
- Phân tích wavelet: Phân tích sóng nhỏ cho biết cả tần số nào xuất hiện và vào thời điểm nào. Phương pháp này tạo ra bản đồ “thời gian-tần số” của tín hiệu, cho thấy sự biến đổi của thành phần phổ trong suốt quá trình đo.
Hãy tưởng tượng một tín hiệu chứa tiếng “lách cách” ngắn do răng bánh răng bị nứt. Phân tích FFT có thể chỉ cho thấy sự gia tăng nhẹ về năng lượng băng rộng, bởi vì tiếng lách cách này đã bị trung bình hóa trên toàn bộ đoạn ghi. Ngược lại, phân tích sóng nhỏ (wavelet) tạo ra một đồ thị cho thấy rõ ràng một đợt bùng phát năng lượng tần số cao ngay tại thời điểm chính xác mà tiếng lách cách xảy ra. Đây chính là lợi thế thực tiễn: nó giữ nguyên thời điểm xảy ra các sự kiện mà FFT làm mờ đi. Về bản chất, phương pháp này có mối liên hệ chặt chẽ với phân tích đơn hàng, đồng thời cũng giải quyết các trường hợp tín hiệu mà mô hình tần số cố định đơn giản không còn áp dụng được.
3. Scalogram: Bản đồ thời gian-tần số
Đầu ra phổ biến nhất của phân tích wavelet là biểu đồ hình thang (hoặc một đồ thị thời gian-tần số tương tự) — một bản đồ màu hai chiều trong đó:
- Trục X biểu thị thời gian.
- Trục Y biểu thị tần suất (hoặc thang đo).
- Màu sắc tượng trưng cho biên độ hoặc năng lượng của dao động tại thời điểm và tần số cụ thể đó.
Hình ảnh hóa này giúp dễ dàng phát hiện các sự kiện thoáng qua, vốn thường bị che khuất trong phổ tiêu chuẩn. Ví dụ, một đường thẳng dọc có màu “nóng” trên đồ thị quy mô (scalogram) đánh dấu một sự kiện băng rộng như một vụ va chạm xảy ra tại một thời điểm chính xác — dấu vết hình ảnh của một đứt gãy cục bộ và lặp đi lặp lại. Về mặt lý thuyết, đồ thị quy mô bổ sung cho các hình thức hiển thị tiên tiến khác như lô đất thác nước, cho thấy sự thay đổi của phổ qua nhiều giá trị trung bình hoặc tốc độ liên tiếp.
4. Ứng dụng trong chẩn đoán rung động
Phân tích wavelet thường không được sử dụng cho mục đích thường lệ giám sát rung độngnhưng là một công cụ mạnh mẽ để chẩn đoán nâng cao trong những tình huống cụ thể:
- Phân tích hộp số: rất hiệu quả trong việc phát hiện các lỗi cục bộ như một chiếc răng bị nứt hoặc gãy, tạo ra một lực va chạm rõ rệt mỗi vòng quay.
- Lỗi ổ trục Phân tích: có thể phát hiện các tác động riêng lẻ do một chi tiết lăn đi qua một vết nứt, đặc biệt là trong các loại máy móc vận hành ở tốc độ rất chậm, nơi mà các loại phân tích đường bao có thể là một thách thức.
- Sự kiện tạm thời Phân tích: rất phù hợp cho các tín hiệu từ quá trình khởi động, tắt máy hoặc bất kỳ quy trình nào mà các đặc tính về tốc độ và độ rung thay đổi liên tục.
- Phân tích cấu trúc: hữu ích trong việc phân tích phản ứng của kết cấu trước một tác động — một kiểm tra va chạm — để hiểu rõ giảm chấn and tần số tự nhiên.
5. Ứng dụng thực tiễn và những hạn chế
Phân tích sóng nhỏ (wavelet) đòi hỏi nhiều tài nguyên tính toán hơn so với FFT, và việc giải thích đồ thị quy mô (scalogram) cần nhiều kinh nghiệm hơn so với việc đọc phổ đường (line spectrum). Vì những lý do này, phương pháp này được sử dụng song song, chứ không phải thay thế, các kỹ thuật thông thường. Việc phát hiện sự cố hàng ngày vẫn chủ yếu dựa vào phổ FFT, mức độ tổng thể và phân tích đường bao; sóng nhỏ được áp dụng khi các công cụ đó phát hiện điều bất thường nhưng không thể xác định chính xác vị trí theo thời gian. Trong thực tế, dữ liệu được thu thập bằng một thiết bị cầm tay — một máy phân tích hai kênh như Balanset-1A phương pháp này thu thập các dạng sóng thời gian chất lượng cao, được ghi lại tại các ổ trục của chính máy ở tốc độ vận hành, và đây là cơ sở cho mọi nghiên cứu thời gian-tần số sau này. Tuy nhiên, phần mềm máy tính hiện đại đã biến phân tích sóng nhỏ (wavelet) thành một công cụ dễ tiếp cận và hữu ích cho các nhà phân tích chuyên sâu khi xử lý các tín hiệu phức tạp, không ổn định.
