Programm zur vorbeugenden Instandhaltung: Einführung der ESA – Teil II

Dies ist eine Fortsetzung des Artikels, der in der Dezember/Januar-Ausgabe 2012 von Uptime veröffentlicht wurde.

Abstrakt

Dies ist der zweite Teil einer Reihe von Artikeln, die sich mit dem Einsatz der elektrischen Signaturanalyse (ESA) zur Verbesserung der elektrischen Zuverlässigkeit einer Anlage befassen. Dieser Artikel wurde geschrieben, um denjenigen, die mit der Spektrumanalyse nicht vertraut sind, die Grundlagen zum Lesen und Interpretieren der in der Spektrumanalyse verwendeten Grafiken und Anzeigen zu vermitteln. Darüber hinaus werden einige grundlegende Analysetechniken vorgestellt, um mit Hilfe der ESA aufkommende Probleme im Motorsystem zu erkennen, die entweder zu Produktionsausfällen oder zu einem Anstieg der Wartungskosten führen könnten.

Analyse der elektrischen Signatur

ESA ist eine Technologie zur vorausschauenden Wartung (PdM), die die Versorgungsspannung und den Betriebsstrom des Motors nutzt, um bestehende und sich entwickelnde Fehler im gesamten Motorsystem zu erkennen. Diese Messungen dienen als Messwertgeber, und jede Störung im Motorsystem führt zu einer Veränderung (oder Modulation) des Motorstroms. Durch die Analyse dieser Modulationen ist es möglich, die Quelle dieser Störungen des motorischen Systems zu identifizieren.

Maschinenanalyse Historisch gesehen war die Schwingungsanalyse die Grundlage für die Analyse rotierender Maschinen zur Beurteilung des Zustands rotierender Geräte und wird seit über 70 Jahren sehr effektiv eingesetzt. Moderne Elektronik und Mikroprozessoren haben dieses Verfahren von einfachen Schwingungsamplitudenmessungen mit einer Spule, einem Magneten und einem Messgerät zur Messung der Gesamtschwingungsamplituden zu einer schnellen Bewertung des mechanischen Zustands rotierender Maschinen weiterentwickelt. Es stellte sich bald heraus, dass Maschinen mit starken Vibrationen in der Regel in schlechtem mechanischen Zustand waren, und führte zur Entwicklung verschiedener Tabellen für den Vibrationsgrad, die alle ausschließlich auf den Erfahrungen der Benutzer beruhen.

Spektralanalyse

Die Spektralanalyse in der Signalverarbeitung ist der Prozess, der den Frequenzinhalt eines Zeitsignals definiert. Sobald der Frequenzgehalt der gemessenen Signale bekannt ist, werden sie mit den Betriebs- und Konstruktionsmerkmalen der Maschine(n) korreliert, um die Kraft zu ermitteln, die die oszillierende Bewegung verursacht.

Die Analyse des Schwingungsspektrums von Maschinen beginnt mit einem Sensor (Aufnehmer), der am oder in der Nähe des schwingenden Bauteils angebracht wird; dies ist in der Regel das Lager oder das Lagergehäuse, um die mechanische Bewegung des Bauteils in ein elektrisches Signal umzuwandeln. Das elektrische Ausgangssignal folgt genau der Bewegung des Bauteils, die sich mit der Zeit ändert und als Zeitbereichssignal bezeichnet wird. Die Stärke bzw. Amplitude des Signals variiert je nach der Menge der Bewegung.

Bei der frühen Spektralanalyse wurden abstimmbare Filteranalysatoren verwendet, um ein analoges Bandpassfilter über einen vorgegebenen Frequenzbereich hinweg abzustimmen. Diese Analysatoren funktionierten ähnlich wie die Abstimmung eines Radios. Wenn der Bandpassfilter den Frequenzbereich abtastet, werden alle in diesem Bereich vorhandenen Signale ausgegeben. Das Ausgangssignal des Bandpassfilters wird in einem Frequenzdiagramm aufgezeichnet, um die Frequenzen zu ermitteln, die im Ausgangssignal des Wandlers enthalten sind.

Die modernen mehrkanaligen, hochauflösenden, digitalen Analysatoren erstellen die Frequenzspektren mit Hilfe der schnellen Fourier-Transformation (FFT). Darüber hinaus ermöglichen sie verschiedene Signalverarbeitungstechniken wie Seitenbandanalyse, synchrone Zeitmittelung, negative Mittelwertbildung, Hüllkurvenverarbeitung und viele andere fortschrittliche Techniken, die eine genaue Interpretation der Spektren ermöglichen.

Ungeachtet der Fortschritte in der Signalverarbeitung ist die Schwingungsanalyse immer noch durch die physikalischen Gesetze und die Grenzen der Aufnehmer begrenzt. Da die Schwingung ein Maß für die zufälligen oder periodischen mechanischen Schwingungen einer Maschine ist, ist eine ausreichende Kraft erforderlich, um die Masse und die Steifigkeit der Maschine und der Struktur sowie eine eventuelle Dämpfung durch das Lager oder das Trägersystem zu überwinden, die durch den Maschinenzustand oder einen Komponentenfehler verursacht wird.

Zusätzliche Einschränkungen ergeben sich durch den Messwertaufnehmer selbst. Dabei handelt es sich um die Art der Messung, relativ oder absolut, den Frequenzgang des Messwertaufnehmers und die inhärenten Frequenzgrenzen der Messungen selbst, d. h. Verschiebung, Geschwindigkeit oder Beschleunigung.

Frequenzanalyse

Zeitliche Wellenformen

Eine Zeitsignalform ist einfach eine Darstellung einer variablen Funktion in Abhängigkeit von der Zeit. Treten die Schwankungen in gleichen Zeitabständen auf, handelt es sich um eine periodische Wellenform. Eine periodische Wellenform ist eine Wellenform, die über die gesamte Dauer der Wellenform genau dieselbe Form oder dasselbe Muster wiederholt. Die einfachste Form einer Wellenform ist eine Sinuswelle und besteht aus einer einzigen Frequenz. Wellenformen, die sich aus mehreren Frequenzen zusammensetzen, werden als komplexe Wellenformen bezeichnet. Die grafische Darstellung von Wellenformen wird als Zeitbereich bezeichnet. Die Anzeige zeigt einfach den Momentanwert der Variablen in Abhängigkeit von der Zeit an. Im Zeitbereich gibt die horizontale Achse die Zeit an, während die vertikale Achse den Betrag der Variablen angibt.

Fourier-Transformation

Jean Baptiste Joseph Fourier, ein französischer Mathematiker und Physiker aus dem 18. Jahrhundert, war einer der ersten, der erkannte, dass komplexe Wellenformen eine Kombination aus mehreren Sinuswellenformen sind, und er initiierte die Forschung auf diesem Gebiet. Die mathematische Lösung zur Bestimmung der Frequenzreihen, aus denen sich eine komplexe Wellenform zusammensetzt, ist nach ihm benannt und wird Fourier-Transformation genannt. Die ursprüngliche Fourier-Transformation geht von einer unbeschränkten oder unendlichen Stichprobe aus. Seitdem wurde festgestellt, dass die Fourier-Transformation auf eine endliche Wellenform angewandt werden kann, und sie wurde diskrete Fourier-Transformation (DFT) genannt. Es wurden Algorithmen zur effizienten und schnellen Berechnung von DFTs entwickelt; diese Algorithmen werden als schnelle Fourier-Transformation (FFT) bezeichnet.

Einfach ausgedrückt, nimmt die FFT eine endliche Probe einer Zeitwellenform und berechnet dann die Amplitude und die Frequenzen der Sinuswellen, die miteinander kombiniert werden, um die komplexe Wellenform zu erzeugen.

Die grafische Darstellung von FFTs erfolgt im Frequenzbereich und wird als Frequenzspektrum bezeichnet. Das Frequenzspektrum zeigt die in der komplexen Wellenform vorhandenen Frequenzen auf der horizontalen Achse und die Amplitude des Signals auf der vertikalen Achse an. Wenn eine ausreichende Bewegung bei einer beliebigen Frequenz vorhanden ist, wird auf der horizontalen Achse eine vertikale Linie angezeigt, um das Vorhandensein dieser Frequenz anzuzeigen. Die Höhe der vertikalen Linie oder Spektrallinie gibt die Stärke oder Amplitude der Wellenform bei dieser Frequenz an. Wenn eine der Sinuswellen in der komplexen Wellenform eine Frequenz von 30 Hz und eine Amplitude von 3 Ampere hat, würde eine spektrale Spitze bei 30 Hz liegen und die Höhe würde drei Einheiten entsprechen.

Es gibt viele Programme zur Durchführung der FFT, und der Analytiker muss diese nicht beherrschen, aber er muss ein grundlegendes Verständnis für diese grafische Darstellung selbst haben. Die Mindestangaben zur FFT-Anzeige sind der Frequenzbereich, die Auflösung und die Bandbreite. Fortgeschrittene Analysen können mit einem Verständnis von Seitenbändern, Oberwellen, logarithmischer Skalierung und Demodulation durchgeführt werden. Die folgenden Informationen sollen ein ausreichendes Verständnis dieser grundlegenden FFT-Prinzipien vermitteln, damit der Leser die mit der ESA erfassten Daten genau analysieren kann.

Die FFT verstehen

Das Verständnis der Grenzen eines Bildschirms ist von unschätzbarem Wert für die genaue Analyse dieses Bildschirms. Die FFT ist eine mathematische Berechnung, und diese Grenzen werden vor der Durchführung der mathematischen Berechnung festgelegt. Diese Grenzen sind der Frequenzbereich und die Auflösungslinien.

Frequenzbereich

Der Frequenzbereich bestimmt die Frequenzen, die in die FFT-Berechnung einbezogen werden. Wenn der gewählte Frequenzbereich zu niedrig ist, werden Fehler bei höheren Frequenzen übersehen. Wenn der gewählte Frequenzbereich zu hoch ist, werden möglicherweise nahe beieinander liegende Frequenzreihen kombiniert. Außerdem bestimmt der Frequenzbereich die Dauer der Datenerfassung. Die Frequenz eines periodischen Signals ist der Kehrwert der Zeit; je niedriger der gewählte Frequenzbereich, desto länger dauert die Datenerfassung. In PdM beginnen die meisten FFTs bei DC (0 Hz) und setzen sich bis zu einem Maximalwert fort. Der maximale Frequenzbereich wird als Fmax bezeichnet. Für eine tiefer gehende Analyse ist es möglich, die untere Grenze des Frequenzbereichs auf einen Wert größer als 0 Hz und eine höhere Grenze festzulegen. Man spricht hier von einem gezoomten Spektrum.

Auflösung

Die zweite vorher festgelegte Grenze sind die Auflösungslinien. Jedes Frequenzspektrum ist in eine endliche Anzahl von Spektrallinien unterteilt. Spektrallinie ist eigentlich eine falsche Bezeichnung, da es sich in Wirklichkeit nicht um eine Linie, sondern um einen Spektralbereich handelt. Für jeden Spektralbereich gibt es eine obere und eine untere Frequenzgrenze. Diese Grenzen werden durch den Frequenzbereich der FFT und die Anzahl der Linien bestimmt. Die Breite des Spektralbereichs wird als Bandbreite (BW) bezeichnet. Um die Breite der einzelnen Spektralbereiche zu bestimmen, teilen Sie einfach die Anzahl der Spektrallinien durch den Frequenzbereich (FR). Wenn der Frequenzbereich 100 Hz beträgt und 100 Spektrallinien vorhanden sind, beträgt die Breite jeder Linie 1 Hz.

BW = # Zeilen/FR

Die Bandbreite eines jeden Spektralbereichs kann auch durch Subtraktion der unteren Frequenzgrenze (fl ) von der oberen Frequenzgrenze (fu ) eines jeden Spektralbereichs berechnet werden.

BW = fu -fl

Die untere Frequenzgrenze eines jeden Spektralbereichs entspricht der oberen Frequenzgrenze des vorherigen Bereichs. Die obere Frequenzgrenze ist die untere Grenze des Bereichs plus die Bandbreite.

Ein Beispiel: Im ersten Spektralbereich eines 100-Linien-Spektrums mit FR von DC bis 100 Hz liegt die untere Frequenzgrenze bei 0 und die obere Frequenzgrenze bei 1 Hz. Der BW des Spektralbereichs beträgt 1 Hz. Der Frequenzbereich bestimmt die Frequenzen, die in die Berechnung der schnellen Fourier-Transformation (FFT) einbezogen werden. Wenn der gewählte Frequenzbereich zu niedrig ist, werden Fehler bei höheren Frequenzen übersehen. 20 Juni/Juli12 von 1 Hz bis 2 Hz, die dritte Tonne von 2 Hz bis 3 Hz und so weiter, die letzte Tonne 99 Hz bis 100 Hz.

Wenn die Bandbreite eines Spektralbereichs zu groß ist, können sich mehrere Frequenzen im selben Spektralbereich befinden. Außerdem ist bei der Auswertung eines Frequenzspektrums die angezeigte Frequenz des Spektralbereichs die Mittenfrequenz (cf) dieses Spektralbereichs. Um den cf des Spektralbereichs zu bestimmen, berechnen Sie einfach den Mittelwert aus der oberen und unteren Frequenzgrenze.

cf = (fu + fl)/2

Das bedeutet, dass die angezeigte Frequenz möglicherweise nicht der Frequenz des tatsächlichen Signals entspricht. Der angezeigte Frequenzwert ist die Mittenfrequenz des Spektralbereichs, während die tatsächlichen Frequenzen der Wellenform(en) jede beliebige Frequenz innerhalb der Bandbreite des Spektralbereichs sein können. Jeder Spektralbereich kann mehr als eine Frequenz enthalten. Je größer die Bandbreite, desto ungenauer ist die Frequenz des angezeigten Wertes des Spektralbins, was die Wahrscheinlichkeit von Analysefehlern erhöht.

Um diesen Analysefehler zu verringern, erhöhen Sie einfach die Auflösung eines FFT-Spektrums. Die Verringerung des Frequenzbereichs der FFT erhöht die Auflösung, vergrößert aber auch die Zeitintervalle zwischen den Datenabtastungen und die Datenerfassungszeit. Eine andere Methode besteht darin, die Anzahl der Spektralbereiche, in die die FFT unterteilt ist, zu erhöhen. Um die Anzahl der Spektralbereiche zu erhöhen, müssen mehr Proben des gemessenen Signals genommen werden. Um die Anzahl der Auflösungslinien zu verdoppeln, müssen doppelt so viele Daten erfasst werden.

Bestimmung der Auflösung

Die Anzahl der Auflösungslinien (# Linien) eines FFT-Spektrums kann durch einfache Multiplikation der Periode (P) der Zeitsignalform mit dem Frequenzbereich (FR) in Zyklen pro Sekunde (cps) bestimmt werden.

(# Zeilen=P x FR)

Da die ESA die Zeitsignalform digitalisiert, wird die FFT im Computer durchgeführt, wo es möglich ist, die FFT-Auflösung nach der Datenerfassung zu ändern. Auf diese Weise kann der Analytiker sehr kleine Teile der erfassten Wellenform untersuchen. Es ist jedoch zu bedenken, dass sich durch die Verkürzung des Zeitraums der Zeiterfassung die Anzahl der Auflösungszeilen proportional verringert und die Wahrscheinlichkeit von Analysefehlern steigt.

Amplitudenanzeigen

Lineare Skalierung

Die am häufigsten verwendete grafische Darstellung der FFT ist die lineare Skala. Bei der linearen Skala sind die Abstände zwischen den Markierungen immer gleich groß und gleich verteilt. Auf diese Weise lassen sich alle Daten bequem in einem einzigen Diagramm darstellen. Lineare Diagramme eignen sich gut für Datensätze, bei denen aussagekräftige Änderungen wichtig sind und sehr kleine Änderungen unbedeutend sind. Die auf der linearen Skala angezeigten Einheiten sind die technischen Einheiten der Messgröße. In der ESA sind diese Einheiten entweder Spannung (Volt) oder Strom (Ampere).

Logarithmische Skalierung

Die logarithmische Skala zeigt die Amplitude in der Größenordnung oder einen Logarithmus der Variablen anstelle der Variablen selbst an. Ein Vorteil der logarithmischen Skala ist die Möglichkeit, einen sehr großen Bereich von Amplituden in einem einzigen Diagramm darzustellen. Wenn sehr kleine Änderungen in der gemessenen Variable signifikant sind, kann es sein, dass die Anzeige der Variable im linearen Format die Änderung nicht angemessen identifiziert. In diesen Fällen wird eine logarithmische (log) Anzeige verwendet.

In der ESA wird üblicherweise die logarithmische Skala verwendet, da es sich bei den Messgrößen um Netzspannung oder -strom handelt. Sehr kleine Veränderungen in einem dieser Messwerte werden zur Erkennung von Fehlern im Motorsystem verwendet. Die Trägerfrequenz dieser Variablen entspricht der Frequenz der angelegten Spannung, in der Regel 50 Hz oder 60 Hz.

Da es sich bei der logarithmischen Darstellung im Wesentlichen um ein Verhältnis handelt, ist sie auch eine sehr praktische Methode für den Vergleich ungleicher Variablen. Dies hat sich bei der ESA als äußerst nützlich erwiesen, da einer ihrer wichtigen Aspekte die Fähigkeit zur Differenzierung der Die Revolution beginnt! Nur $2.450! Der ALiSENSOR™ Level ist da! Das ALiSENSOR™ Nivellier ist das weltweit erste iOS-Messsystem für geometrische Messungen. Jetzt sind Messungen wie Geradheit, Neigung und Rechtwinkligkeit noch einfacher und günstiger als je zuvor! Sie können sogar Ihr eigenes iPad, iPhone oder iPod Touch als Anzeigegerät verwenden, indem Sie GRATIS herunterladbare Apps aus dem App Store nutzen, einschließlich automatischer Updates! 2 Jahre Garantie! Rufen Sie an oder besuchen Sie Alignment Supplies, Inc. noch heute, um mehr über dieses revolutionäre neue System zu erfahren! 419.887.5890 / 800.997.4467 www.alignmentsupplies.com zwischen Fehlern in der Einspeisung und Fehlern, die durch den Motor oder die angetriebene Maschine hinzugefügt werden.

Die in der logarithmischen Skala verwendeten Einheiten sind Dezibel (db), ein Logarithmus zur Basis 10. Das db ist eine Einheit, die zur Beschreibung eines Verhältnisses verwendet wird. Die Messungen von Spannung und Strom sind Feldgrößen und die in der ESA verwendeten db-Verhältnisse sind ebenfalls Feldgrößen. Tabelle 1 gibt einen Anhaltspunkt für das Verhältnis zwischen der Messgröße und dem Spitzenwert der Strom- und Spannungskurven im Vergleich zum höchsten Spitzenwert im Spektrum.

Zusammenfassung

Der wirksame Einsatz der ESA als PdM-Technologie erfordert die Fähigkeit, die von der ESA-Software erstellten Grafiken, Diagramme und Anzeigen zu manipulieren, zu interpretieren und zu verstehen. Diese Grafiken, Diagramme und Anzeigen werden dann verwendet, um Fehler im Motorsystem zu identifizieren. Ingenieure und PdM-Techniker, die mit der Schwingungsanalyse vertraut sind, werden feststellen, dass die ESA FFT dem Schwingungsspektrum ähnlich ist und viele der Analysetechniken dieselben sind. Aber auch bei der MVA ist es wichtig, dass der Analytiker nicht nur weiß, was die FFT anzeigt, sondern vor allem, was sie nicht anzeigt.