Forudsigeligt vedligeholdelsesprogram: Implementering af ESA – Del II

Dette er en opfølgning på den artikel, der blev offentliggjort i december/januar 2012-udgaven af Uptime.

Abstrakt

Dette er anden del af en artikelserie, der diskuterer brugen af elektrisk signaturanalyse (ESA) til at forbedre et anlægs elektriske pålidelighed. Denne artikel er skrevet for at give dem, der ikke er fortrolige med spektrumanalyse, det grundlæggende kendskab til at læse og fortolke de grafer og displays, der bruges i spektrumanalyse. Den introducerer også nogle grundlæggende analyseteknikker, så man kan begynde at bruge ESA til at identificere udviklingsproblemer i motorsystemet, som kan føre til enten produktionstab eller øgede vedligeholdelsesomkostninger.

Analyse af elektrisk signatur

ESA er en PdM-teknologi (Predictive Maintenance), der bruger motorens forsyningsspænding og driftsstrøm til at identificere eksisterende og kommende fejl i hele motorsystemet. Disse målinger fungerer som transducere, og eventuelle forstyrrelser i motorsystemet får motorens forsyningsstrøm til at variere (eller modulere). Ved at analysere disse modulationer er det muligt at identificere kilden til disse forstyrrelser i det motoriske system.

Maskinanalyse Historisk set har vibrationsanalyse været grundlaget for analyse af roterende maskiner for at vurdere tilstanden af roterende udstyr, og det har været brugt meget effektivt i over 70 år. Moderne elektronik og mikroprocessorer har udviklet denne proces fra simple målinger af vibrationsamplituden ved hjælp af en spole, en magnet og en måler til måling af den samlede vibrationsamplitude til hurtig vurdering af den mekaniske tilstand af roterende maskiner. Det blev hurtigt klart, at maskiner med høje vibrationsniveauer generelt var i dårlig mekanisk stand, og det førte til udviklingen af forskellige diagrammer over vibrationernes sværhedsgrad, som alle udelukkende er baseret på brugernes erfaringer.

Spektrumanalyse

Spektralanalyse i signalbehandling er den proces, der definerer frekvensindholdet i et tidsdomænesignal. Når frekvensindholdet i de målte signaler er kendt, korreleres de med maskinens eller maskinernes drifts- og designkarakteristika for at hjælpe med at identificere den kraft, der skaber den svingende bevægelse.

Analyse af maskiners vibrationsspektrum begynder med, at sensoren (transduceren) placeres på eller i nærheden af den svingende komponent; det er normalt på lejet eller lejehuset for at konvertere komponentens mekaniske bevægelse til et elektrisk signal. Det elektriske udgangssignal følger nøjagtigt komponentens bevægelse, som varierer med tiden og kaldes tidsdomænesignaler. Signalets styrke eller amplitude varierer afhængigt af bevægelsesmængden.

Tidlig spektrumanalyse brugte tunable filteranalysatorer til at feje et analogt båndpasfilter over et forudbestemt frekvensområde. Disse analysatorer fungerede på samme måde som at indstille en radio. Når båndpasfilteret scanner gennem frekvensområdet, vil alle signaler, der er til stede i dette område, skabe et output. Båndpasfilterets output ville blive sporet på en frekvensgraf for at identificere de frekvenser, der var til stede i transducerens output.

De moderne flerkanals, højopløselige, digitale analysatorer skaber frekvensspektrene ved hjælp af hurtig Fourier-transformation (FFT). Derudover tillader de forskellige signalbehandlingsteknikker, såsom sidebåndsanalyse, synkron tidsgennemsnit, negativt gennemsnit, konvolutbehandling og mange andre avancerede teknikker, der fortolker spektrene nøjagtigt.

Uanset fremskridtene inden for signalbehandling er vibrationsanalyse stadig begrænset af fysikkens love og transducernes begrænsninger. Da vibrationen er et mål for en maskines mekaniske svingninger, enten tilfældige eller periodiske, er det nødvendigt med tilstrækkelig kraft fra maskinens tilstand eller komponentfejl til at overvinde maskinens og strukturens masse og stivhed samt enhver dæmpning, der leveres af lejet eller støttesystemet.

Yderligere begrænsninger skabes af selve måletransduceren. Det drejer sig om typer af målinger, relative eller absolutte, transducerens frekvensrespons og de iboende frekvensbegrænsninger for selve målingerne, forskydning, hastighed eller acceleration.

Frekvensanalyse

Tidsbølgeformer

En tidskurve er simpelthen en visning af en variabel funktion i forhold til tiden. Hvis variationerne forekommer med de samme tidsintervaller, er bølgeformen periodisk. En periodisk bølgeform er en, der gentager nøjagtig den samme form eller det samme mønster i hele bølgeformens varighed. Den simpleste form for bølgeform er en sinusbølge, som består af en enkelt frekvens. Bølgeformer, der består af flere frekvenser, kaldes komplekse bølgeformer. Den grafiske visning af bølgeformer kaldes tidsdomænet. Displayet viser blot den øjeblikkelige værdi af variablen i forhold til tiden. I tidsdomænet angiver den vandrette akse tiden, mens den lodrette akse angiver størrelsen af variablen.

Fourier-transformation

Jean Baptiste Joseph Fourier, en fransk matematiker og fysiker fra det 18. århundrede, var en af de første, der erkendte, at komplekse bølgeformer er en kombination af flere sinuskurver, og han indledte forskning på dette område. Den matematiske løsning, der bruges til at bestemme rækken af frekvenser, der udgør enhver kompleks bølgeform, er opkaldt efter ham og kaldes Fourier-transformation. Den oprindelige Fourier-transformation forudsætter en ubegrænset eller uendelig prøve. Siden da har man fundet ud af, at Fourier-transformationen kan anvendes på en begrænset bølgeform og er blevet kaldt diskret Fourier-transformation (DFT). Der er udviklet algoritmer til effektiv og hurtig beregning af DFT’er; disse algoritmer kaldes fast Fourier transform (FFT).

Enkelt sagt tager FFT en endelig prøve af en tidsbølgeform og beregner derefter amplituden og frekvenserne af de sinusbølger, der kombineres for at skabe den komplekse bølgeform.

De grafiske visninger af FFT’er præsenteres i frekvensdomænet og kaldes et frekvensspektrum. Frekvensspektret viser frekvenserne i den komplekse bølgeform på den vandrette akse og signalets amplitude på den lodrette akse. Hvis der er tilstrækkelig bevægelse til stede ved en frekvens, vises en lodret linje på den vandrette akse for at indikere tilstedeværelsen af den pågældende frekvens. Denne højde på den lodrette linje eller spektrallinjen angiver styrken eller amplituden af bølgeformen ved den pågældende frekvens. Hvis en af sinusbølgerne i den komplekse kurveform er på 30 Hz med en amplitude på 3 ampere, vil et spektralt peak blive placeret ved 30 Hz, og højden vil repræsentere tre enheder.

Der findes mange programmer til at udføre FFT, og det er ikke nødvendigt, at analytikeren kan udføre dem, men analytikeren skal have en grundlæggende forståelse af selve den grafiske visning. Minimumsforståelsen af FFT-displayet er frekvensområdet, opløsningen og båndbredden. Mere avanceret analyse kan udføres med en forståelse af sidebånd, overtoner, logaritmisk skalering og demodulation. De følgende oplysninger forsøger at give en tilstrækkelig forståelse af disse grundlæggende FFT-principper, så læseren kan analysere de data, der indsamles ved hjælp af ESA, korrekt.

Forståelse af FFT

At forstå grænserne for enhver skærm er uvurderligt for den nøjagtige analyse af skærmen. FFT er en matematisk beregning, og disse grænser er fastlagt, før den matematiske beregning udføres. Disse grænser er frekvensområdet og opløsningslinjerne.

Frekvensområde

Frekvensområdet bestemmer de frekvenser, der vil blive inkluderet i FFT-beregningen. Hvis det valgte frekvensområde er for lavt, vil fejl ved højere frekvenser blive overset. Hvis det valgte frekvensområde er for højt, kan frekvensserier, der ligger tæt på hinanden, blive kombineret. Derudover bestemmer frekvensområdet dataindsamlingstiden. Frekvensen af et periodisk signal er den omvendte af tiden; jo lavere det valgte frekvensområde er, jo længere tid tager det at udføre dataindsamlingen. I PdM starter de fleste FFT’er ved DC (0 Hz) og fortsætter til en maksimumværdi. Det maksimale frekvensområde kaldes Fmax. For mere dybdegående analyse er det muligt at indstille den nedre grænse for frekvensområdet til en værdi større end 0 Hz og en højere grænse. Dette kaldes et zoomet spektrum.

Opløsning

Den anden forudbestemte grænse er beslutningslinjerne. Hvert frekvensspektrum er opdelt i et begrænset antal spektrallinjer. Spektrallinje er faktisk en forkert betegnelse, da det i virkeligheden ikke er en linje, men en spektral bin. Hver spektral bin vil have en høj og lav frekvensgrænse. Disse grænser bestemmes af FFT’ens frekvensområde og antallet af linjer. Bredden af den spektrale bin kaldes båndbredden (BW). For at bestemme bredden af hver spektral bin skal du blot dividere antallet af spektrallinjer med frekvensområdet (FR). Hvis frekvensområdet er 100 Hz, og der er 100 spektrallinjer, er bredden af hver linje 1 Hz.

BW = antal linjer/FR

Båndbredden for hver spektral bin kan også beregnes ved at trække den lave frekvensgrænse (fl ) fra den øvre frekvensgrænse (fu ) for hver spektral bin.

BW = fu -fl

Hver spektral bin er justeret ved siden af den foregående bin, og den nedre frekvensgrænse for hver bin er den øvre frekvensgrænse for den foregående bin. Den øvre frekvensgrænse vil være den nedre grænse for bin’en plus båndbredden.

For eksempel: I den første spektrale bin i et 100-linjers spektrum med FR fra DC til 100 Hz er den nedre frekvensgrænse 0, og den øvre frekvensgrænse er 1 Hz. BW for den spektrale bin er 1 Hz. Så ville den anden bin Frekvensområdet bestemmer de frekvenser, der vil blive inkluderet i FFT-beregningen (Fast Fourier Transform). Hvis det valgte frekvensområde er for lavt, vil fejl ved højere frekvenser blive overset. 20 juni/juli12 går fra 1 Hz til 2 Hz, den tredje bin fra 2 Hz til 3 Hz og så videre, med den sidste spektrale bin 99 Hz til 100 Hz.

Hvis båndbredden for en spektral bin er for stor, kan der være flere frekvenser i den samme spektrale bin. Når man evaluerer et frekvensspektrum, er den viste frekvens for den spektrale bin desuden den centrale frekvens (cf) for den spektrale bin. For at bestemme spektralbinsens cf skal du blot beregne gennemsnittet af den øvre frekvensgrænse og den nedre frekvensgrænse.

cf = (fu + fl)/2

Det betyder, at den angivne frekvens muligvis ikke er frekvensen for det faktiske signal. Den viste frekvensværdi er centerfrekvensen for den spektrale bin, mens de faktiske frekvenser for bølgeformen(erne) kan være en hvilken som helst frekvens inden for båndbredden af den spektrale bin. Hver spektral bin kan indeholde mere end én frekvens. Jo bredere båndbredden er, jo mindre præcis er frekvensen for den viste værdi af spektralbinen, og det øger sandsynligheden for analysefejl.

For at reducere denne analysefejl skal du blot øge opløsningen af et FFT-spektrum. Ved at reducere frekvensområdet for FFT øges opløsningen, men også både tidsintervallerne mellem datasampling og dataindsamlingstiden. En anden metode er at øge antallet af spektrale bins, som FFT er opdelt i. For at øge antallet af spektralbins skal der tages flere prøver af det målte signal. For at fordoble antallet af linjer med opløsning skal der indsamles dobbelt så mange data.

Bestemmelse af opløsning

Antallet af linjer med opløsning (# linjer) i et FFT-spektrum kan bestemmes ved simpelthen at gange perioden (P) for tidsbølgeformen med frekvensområdet (FR) i cyklusser pr. sekund (cps).

(Antal linjer = P x FR)

Da ESA digitaliserer tidsbølgeformen, udføres FFT i computeren, hvor det er muligt at ændre FFT-opløsningen efter dataindsamling. Det giver analytikeren mulighed for at undersøge meget små dele af den optagne bølgeform. Det er dog vigtigt at huske, at ved at reducere perioden for tidsoptagelsen reduceres antallet af opløsningslinjer proportionalt, og sandsynligheden for analysefejl øges.

Amplitudevisning

Lineær skalering

Den mest almindeligt anvendte grafiske visning af FFT er den lineære skala. På den lineære skala er afstanden mellem markørerne altid den samme og lige stor. Det gør det nemt at vise alle data på en enkelt graf. Lineære grafer fungerer godt med datasæt, hvor meningsfulde ændringer er vigtige, og meget små ændringer er ubetydelige. De enheder, der vises på den lineære skala, er de tekniske enheder for den målte variabel. I ESA er disse enheder enten spænding (volt) eller strøm (ampere).

Logaritmisk skalering

Den logaritmiske skala viser amplituden i størrelsesorden eller en logaritme af variablen i stedet for selve variablen. En fordel ved log-skalaen er muligheden for at vise et meget stort udvalg af amplituder på en enkelt graf. Når meget små ændringer i den målte variabel er signifikante, kan visning af variablen i det lineære format muligvis ikke identificere ændringen tilstrækkeligt. I disse tilfælde bruges en logaritmisk (log) visning.

I ESA bruges log-skalaen ofte, da de målte variabler er linjespænding eller strøm. Meget små ændringer i en af disse målinger bruges til at identificere fejl i motorsystemet. Bærefrekvensen for disse variabler er den samme som frekvensen for den anvendte spænding, normalt 50 Hz eller 60 Hz.

Da den logaritmiske visning i bund og grund er et forhold, er det også en meget praktisk metode til at sammenligne variabler, der ikke ligner hinanden. Det har vist sig at være ekstremt nyttigt i ESA, da et af de vigtige aspekter er evnen til at differentiereRevolutionen begynder! Kun 2.450 dollars! ALiSENSOR™ Level er her! ALiSENSOR™ Level er verdens første iOS geometriske målesystem. Nu er målinger som rethed, hældning og vinkelrethed endnu nemmere og billigere end nogensinde før! Du kan endda bruge din egen iPad, iPhone eller iPod Touch som displayenhed ved hjælp af GRATIS apps, der kan downloades fra App Store, inklusive automatiske opdateringer! 2 års garanti! Ring eller besøg Alignment Supplies, Inc. i dag for at høre mere om dette revolutionerende nye system! 419.887.5890 / 800.997.4467 www.alignmentsupplies.com mellem fejl i den indkommende strøm og fejl, der tilføjes af enten motoren eller den drevne maskine.

Enhederne, der bruges i logaritmeskalaen, er decibel (db), som er en logaritme med ti som base. db er en enhed, der bruges til at beskrive et forhold. Målingerne af spænding og strøm er feltstørrelser, og de db-ratioer, der bruges i ESA, er også feltstørrelser. Tabel 1 giver en vejledning i forholdet mellem den målte variabel og spidsværdien af strøm- og spændingskurverne sammenlignet med den højeste spids i spektret.

Resumé

Effektiv brug af ESA som en PdM-teknologi kræver evnen til at manipulere, fortolke og forstå de grafer, diagrammer og displays, der udvikles af ESA-softwaren. Disse grafer, diagrammer og displays bruges derefter til at identificere fejl i motorsystemet. Ingeniører og PdM-teknikere, der er fortrolige med vibrationsanalyse, vil opdage, at ESA FFT ligner vibrationsspektret, og at mange af analyseteknikkerne er de samme. Men selv i MVA er det vigtigt, at analytikeren har en grundig forståelse af, ikke bare hvad FFT indikerer, men endnu vigtigere, hvad den ikke indikerer.