Programme de maintenance prédictive : Mise en œuvre de l’ASE – Partie II

This article follows the one published in the December/January 2012 issue of Uptime.

 

Summary

This is the second part in a series of articles discussing the use of Electrical Signature Analysis (ESA) to improve the electrical reliability of a plant. This article is written to provide those unfamiliar with spectrum analysis with the basics for reading and interpreting the graphs and displays used in spectrum analysis. It also presents some basic analysis techniques to begin using ESA to identify problems developing in the engine system that could lead to lost production or increased maintenance costs.

 

Analysis of the electrical signature

ESA is a predictive maintenance (PdM) technology that uses the motor’s supply voltage and operating current to identify existing and developing faults throughout the motor system. These measurements act as transducers, and any disturbance in the motor system results in a variation (or modulation) of the motor’s supply current. Analyzing these modulations allows the source of these disturbances in the motor system to be identified.

Machine Analysis: Historically, vibration analysis has been the basis for analyzing rotating machinery to assess the condition of rotating equipment and has been used very effectively for over 70 years. Modern electronics and microprocessors have evolved this process, from simple vibration amplitude measurements using a coil, magnet, and measuring device to measure overall vibration amplitudes, to the rapid assessment of the mechanical condition of rotating machines. It quickly became apparent that machines exhibiting high levels of vibration were generally in poor mechanical condition, leading to the development of various vibration severity charts, all based solely on user experience.

Spectrum analysis

L’analyse du spectre dans le traitement des signaux est le processus qui définit le contenu en fréquence d’un signal dans le domaine temporel. Une fois que la fréquence des signaux mesurés est connue, elle est mise en corrélation avec les caractéristiques de fonctionnement et de conception de la ou des machines afin d’aider à identifier la force qui crée le mouvement d’oscillation.

L’analyse du spectre vibratoire des machines commence par le capteur (transducteur) placé sur ou à proximité du composant oscillant ; il s’agit généralement du palier ou du logement du palier pour convertir le mouvement mécanique du composant en un signal électrique. Le signal électrique de sortie suit exactement le mouvement du composant, qui varie dans le temps et est appelé signal temporel. La force ou l’amplitude du signal varie en fonction de l’importance du mouvement.

Les premières analyses de spectre utilisaient des analyseurs à filtre accordable pour balayer un filtre passe-bande analogique sur une plage de fréquences prédéterminée. Le fonctionnement de ces analyseurs est similaire à celui d’une radio. Lorsque le filtre passe-bande parcourt la gamme de fréquences, tous les signaux présents dans cette gamme créent une sortie. La sortie du filtre passe-bande est tracée sur un graphique de fréquence afin d’identifier les fréquences présentes dans la sortie du transducteur.

Les analyseurs numériques modernes, multicanaux et à haute résolution créent les spectres de fréquence à l’aide de la transformée de Fourier rapide (FFT). En outre, ils permettent diverses techniques de traitement du signal, telles que l’analyse des bandes latérales, le calcul de la moyenne temporelle synchrone, le calcul de la moyenne négative, le traitement de l’enveloppe et bien d’autres techniques avancées qui interprètent les spectres avec précision.

Malgré les progrès réalisés dans le traitement des signaux, l’analyse des vibrations reste limitée par les lois de la physique et les limites des transducteurs. La vibration étant une mesure des oscillations mécaniques d’une machine, qu’elles soient aléatoires ou périodiques, une force suffisante est nécessaire de la part de l’état de la machine ou du défaut d’un composant pour surmonter la masse et la rigidité de la machine et de la structure, ainsi que tout amortissement fourni par le roulement ou le système de support.

Des limitations supplémentaires sont créées par le transducteur de mesure lui-même. Il s’agit des types de mesures, relatives ou absolues, de la réponse en fréquence du transducteur et des limites de fréquence inhérentes aux mesures elles-mêmes, au déplacement, à la vitesse ou à l’accélération.

 

Analyse des fréquences

Formes d’ondes temporelles

Une forme d’onde temporelle est simplement l’affichage d’une fonction variable par rapport au temps. Si les variations se produisent aux mêmes intervalles de temps, la forme d’onde est périodique. Une forme d’onde périodique est une forme qui répète exactement la même forme ou le même motif pendant toute sa durée. La forme la plus simple d’une onde est l’onde sinusoïdale, qui consiste en une seule fréquence. Les formes d’onde composées de plusieurs fréquences sont appelées formes d’onde complexes. L’affichage graphique des formes d’onde est appelé domaine temporel. L’écran affiche simplement la valeur instantanée de la variable en fonction du temps. Dans le domaine temporel, l’axe horizontal indique le temps, tandis que l’axe vertical indique l’ampleur de la variable.

Transformée de Fourier

Jean Baptiste Joseph Fourier, mathématicien et physicien français du XVIIIe siècle, a été l’un des premiers à reconnaître que les formes d’ondes complexes sont une combinaison de plusieurs formes d’ondes sinusoïdales et a lancé des recherches dans ce domaine. La solution mathématique utilisée pour déterminer la série de fréquences qui composent toute forme d’onde complexe est nommée en son honneur et s’appelle la transformée de Fourier. La transformée de Fourier originale suppose un échantillon non borné ou infini. Depuis lors, il a été établi que la transformée de Fourier peut être appliquée à une forme d’onde finie et a été appelée transformée de Fourier discrète (DFT). Des algorithmes ont été développés pour le calcul efficace et rapide des TFD ; ces algorithmes sont appelés transformée de Fourier rapide (FFT).

En termes simples, la FFT prend un échantillon fini d’une forme d’onde temporelle, puis calcule l’amplitude et les fréquences des ondes sinusoïdales qui sont combinées pour créer la forme d’onde complexe.

Les représentations graphiques des FFT sont présentées dans le domaine des fréquences et sont appelées spectre de fréquences. Le spectre de fréquence affiche les fréquences présentes dans la forme d’onde complexe sur l’axe horizontal et l’amplitude du signal sur l’axe vertical. Si le mouvement est suffisant à une fréquence donnée, une ligne verticale s’affiche sur l’axe horizontal pour indiquer la présence de cette fréquence. La hauteur de la ligne verticale ou de la ligne spectrale indique la force ou l’amplitude de la forme d’onde à cette fréquence. Si l’une des ondes sinusoïdales présentes dans la forme d’onde complexe est à 30 Hz avec une amplitude de 3 ampères, un pic spectral sera placé à 30 Hz et la hauteur représentera trois unités.

Il existe de nombreux programmes permettant d’effectuer la FFT et l’analyste n’est pas tenu de les utiliser, mais il doit avoir une compréhension de base de l’affichage graphique lui-même. Les notions minimales d’affichage de la FFT sont la gamme de fréquences, la résolution et la largeur de bande. Une analyse plus poussée peut être effectuée si l’on comprend les bandes latérales, les harmoniques, l’échelle logarithmique et la démodulation. Les informations suivantes tentent de fournir une compréhension suffisante de ces principes de base de la FFT pour permettre au lecteur d’analyser avec précision les données recueillies à l’aide de l’ESA.

 

Comprendre la FFT

Comprendre les limites d’un affichage est inestimable pour l’analyse précise de cet affichage. La FFT est un calcul mathématique et ces limites sont établies avant que le calcul mathématique ne soit effectué. Ces limites sont la gamme de fréquences et les lignes de résolution.

Gamme de fréquences

La plage de fréquences détermine les fréquences qui seront incluses dans le calcul de la FFT. Si la gamme de fréquences sélectionnée est trop basse, des défauts à des fréquences plus élevées ne seront pas détectés. Si la plage de fréquences sélectionnée est trop élevée, des séries de fréquences proches les unes des autres peuvent être combinées. En outre, la gamme de fréquences détermine le temps d’acquisition des données. La fréquence d’un signal périodique est l’inverse du temps ; plus la gamme de fréquences sélectionnée est basse, plus la collecte des données est longue. Dans PdM, la plupart des FFT commencent à DC (0 Hz) et se poursuivent jusqu’à une valeur maximale. La gamme de fréquences maximale est appelée Fmax. Pour une analyse plus approfondie, il est possible de fixer la limite inférieure de la gamme de fréquences à une valeur supérieure à 0 Hz et une limite supérieure. C’est ce qu’on appelle un spectre zoomé.

Résolution

La deuxième limite prédéterminée est celle des lignes de résolution. Chaque spectre de fréquence est divisé en un nombre fini de lignes spectrales. La ligne spectrale est en fait une appellation erronée, car il ne s’agit pas d’une ligne, mais d’une case spectrale. Chaque cellule spectrale aura une limite de haute et de basse fréquence. Ces limites sont déterminées par la gamme de fréquences de la FFT et le nombre de lignes. La largeur de la case spectrale est appelée largeur de bande (BW). Pour déterminer la largeur de chaque cellule spectrale, il suffit de diviser le nombre de lignes spectrales par la gamme de fréquences (FR). Si la gamme de fréquences est de 100 Hz et qu’il y a 100 lignes spectrales, la largeur de chaque ligne est de 1 Hz.

BW = # lignes/FR

La largeur de bande de chaque cellule spectrale peut également être calculée en soustrayant la limite de basse fréquence (fl ) de la limite de haute fréquence (fu ) de chaque cellule spectrale.

BW = fu -fl

Chaque case spectrale est alignée sur la case précédente et la limite inférieure de fréquence de chaque case est la limite supérieure de fréquence de la case précédente. La limite supérieure de la fréquence sera la limite inférieure de la case plus la largeur de bande.

Par exemple, dans la première case spectrale d’un spectre de 100 lignes avec FR de DC à 100 Hz : Dans la première case spectrale d’un spectre de 100 lignes avec FR de DC à 100 Hz, la limite inférieure de fréquence est 0 et la limite supérieure de fréquence est 1 Hz. La largeur de bande de la case spectrale est de 1 Hz. La gamme de fréquences détermine les fréquences qui seront incluses dans le calcul de la transformée de Fourier rapide (FFT). Si la plage de fréquences sélectionnée est trop basse, des défauts à des fréquences plus élevées ne seront pas détectés. 20 juin/juillet12 vont de 1 Hz à 2 Hz, le troisième bin de 2 Hz à 3 Hz et ainsi de suite, avec le dernier bin spectral de 99 Hz à 100 Hz.

Si la largeur de bande d’une case spectrale est trop large, plusieurs fréquences peuvent se trouver dans la même case spectrale. En outre, lors de l’évaluation d’un spectre de fréquences, la fréquence affichée de la case spectrale est la fréquence centrale (cf) de cette case spectrale. Pour déterminer le cf de la case spectrale, il suffit de calculer la moyenne de la limite supérieure de la fréquence et de la limite inférieure de la fréquence.

cf = (fu + fl)/2

Cela signifie que la fréquence indiquée peut ne pas correspondre à la fréquence du signal réel. La valeur de la fréquence affichée est la fréquence centrale de la case spectrale, alors que les fréquences réelles de la (des) forme(s) d’onde peuvent être n’importe quelle fréquence dans la largeur de bande de la case spectrale. Chaque cellule spectrale peut comprendre plus d’une fréquence. Plus la largeur de bande est importante, moins la fréquence de la valeur affichée de la case spectrale est précise, ce qui augmente la probabilité d’une erreur d’analyse.

Pour réduire cette erreur d’analyse, il suffit d’augmenter la résolution d’un spectre FFT. La réduction de la gamme de fréquences de la FFT augmente la résolution, mais aussi les intervalles de temps entre l’échantillonnage des données et le temps d’acquisition des données. Une autre méthode consiste à augmenter le nombre de cellules spectrales dans lesquelles la FFT est divisée. L’augmentation du nombre de cellules spectrales nécessite de prélever davantage d’échantillons du signal mesuré. Pour doubler le nombre de lignes de résolution, il faut acquérir deux fois plus de données.

Détermination de la résolution

Le nombre de lignes de résolution (# lignes) d’un spectre FFT peut être déterminé en multipliant simplement la période (P) de la forme d’onde temporelle par la gamme de fréquences (FR) en cycles par seconde (cps).

(# lignes=P x FR)

Étant donné que l’ESA numérise la forme d’onde temporelle, la FFT est effectuée dans l’ordinateur, où il est possible de modifier la résolution de la FFT après la collecte des données. Cela permet à l’analyste d’examiner de très petites portions de la forme d’onde capturée. Cependant, il est important de se rappeler qu’en réduisant la période de la capture du temps, le nombre de lignes de résolution sera réduit proportionnellement et la probabilité d’une erreur d’analyse augmentera.

Affichages d’amplitude

Mise à l’échelle linéaire

La représentation graphique de la FFT la plus couramment utilisée est l’échelle linéaire. Sur l’échelle linéaire, l’espacement entre les marqueurs est toujours le même et identique. Cela permet d’afficher toutes les données sur un seul graphique. Les graphiques linéaires fonctionnent bien avec les ensembles de données lorsque les changements significatifs sont importants et que les très petits changements sont insignifiants. Les unités affichées sur l’échelle linéaire sont les unités d’ingénierie de la variable mesurée. Dans le SEC, ces unités sont soit la tension (volts), soit le courant (ampères).

Échelle logarithmique

L’échelle logarithmique affiche l’amplitude en ordre de grandeur ou un logarithme de la variable au lieu de la variable elle-même. L’un des avantages de l’échelle logarithmique est la possibilité d’afficher une très large gamme d’amplitudes sur un seul graphique. Lorsque de très petites variations de la variable mesurée sont significatives, l’affichage de la variable en format linéaire peut ne pas permettre d’identifier correctement la variation. Dans ce cas, un affichage logarithmique (log) est utilisé.

Dans l’ASE, l’échelle logarithmique est couramment utilisée car les variables mesurées sont la tension ou le courant de ligne. De très faibles variations de l’une ou l’autre de ces mesures permettent d’identifier des défauts dans le système du moteur. La fréquence porteuse de ces variables correspond à la fréquence de la tension appliquée, généralement 50 Hz ou 60 Hz.

Since a logarithmic display is essentially a ratio, it’s also a very practical method for comparing different variables. This has proven extremely useful at the ESA, as one of its important aspects is the ability to differentiate between ESA activities, which isn’t always the case. Only $2,450! The ALiSENSOR™ Level has arrived! The ALiSENSOR™ Level is the world’s first iOS geometric measurement system. Now, measurements such as straightness, slant, and squareness are easier and more affordable than ever! You can even use your own iPad, iPhone, or iPod Touch as the display unit, using apps that are FREE to download from the App Store, including automatic updates! 2-year warranty! Call or visit Alignment Supplies, Inc. today to learn more about this revolutionary new system! 419.887.5890 / 800.997.4467 www.alignmentsupplies.com a difference between faults in the power supply and faults added by the motor or driven machine.

The units used in the logarithmic scale are decibels (dB), which are base-ten logarithms. The dB is a unit used to describe a ratio. Voltage and current measurements are field quantities, and the dB ratios used in SEEE are also field quantities. Table 1 provides a guide to the relationship between the measured variable and the peak value of the current and voltage waveforms relative to the highest peak in the spectrum.

Summary

The effective use of ESA as a PdM technology requires the ability to manipulate, interpret, and understand the graphs, charts, and displays generated by the ESA software. These graphs, diagrams, and displays are then used to identify faults in the engine system. PdM engineers and technicians familiar with vibration analysis will find that the ESA FFT is similar to the vibration spectrum and that many analysis techniques are identical. However, even in the case of AMV, it is important that the analyst fully understands not only what the DFT indicates, but also, and more importantly, what it does not indicate.