Program för förebyggande underhåll: Implementering av ESA – Del II

Detta är en uppföljning av den artikel som publicerades i Uptime i december/januari 2012.

Abstrakt

Detta är den andra delen i en serie artiklar om hur man kan använda elektrisk signaturanalys (ESA) för att förbättra en anläggnings elektriska tillförlitlighet. Denna artikel har skrivits för att ge dem som inte är bekanta med spektrumanalys grunderna för att läsa och tolka de grafer och displayer som används vid spektrumanalys. Den introducerar också några grundläggande analystekniker för att börja använda ESA för att identifiera problem i motorsystemet som kan leda till antingen produktionsförluster eller ökade underhållskostnader.

Analys av elektrisk signatur

ESA är en teknik för prediktivt underhåll (PdM) som använder motorns matningsspänning och driftström för att identifiera befintliga och nya fel i hela motorsystemet. Dessa mätningar fungerar som givare och alla störningar i motorsystemet får motorns matningsström att variera (eller modulera). Genom att analysera dessa modulationer är det möjligt att identifiera källan till dessa störningar i det motoriska systemet.

Maskinanalys Historiskt sett har vibrationsanalys varit grunden för analys av roterande maskiner för att bedöma tillståndet hos roterande utrustning och har använts mycket effektivt i över 70 år. Modern elektronik och mikroprocessorer har utvecklat denna process, från enkla mätningar av vibrationsamplituden med en spole, magnet och en mätare för att mäta den totala vibrationsamplituden till en snabb bedömning av det mekaniska tillståndet hos roterande maskiner. Det blev snart uppenbart att maskiner med höga vibrationsnivåer i allmänhet var i dåligt mekaniskt skick, vilket ledde till utvecklingen av olika diagram över vibrationsnivåer, som alla enbart baseras på användarnas erfarenheter.

Analys av spektrum

Spektrumanalys inom signalbehandling är den process som definierar frekvensinnehållet i en tidsdomänsignal. När frekvensinnehållet i de uppmätta signalerna är känt korreleras de med maskinens eller maskinernas drifts- och konstruktionsegenskaper för att identifiera den kraft som skapar den oscillerande rörelsen.

Analys av maskiners vibrationsspektrum börjar med att sensorn (givaren) placeras på eller nära den oscillerande komponenten; detta är vanligtvis vid lagret eller lagerhuset för att omvandla komponentens mekaniska rörelse till en elektrisk signal. Den elektriska utsignalen följer exakt komponentens rörelse, som varierar med tiden och kallas tidsdomänsignaler. Signalens styrka eller amplitud varierar beroende på hur mycket du rör dig.

I tidig spektrumanalys användes analysatorer med avstämbara filter för att svepa ett analogt bandpassfilter över ett förutbestämt frekvensområde. Dessa analysatorer fungerade ungefär som att ställa in en radio. När bandpassfiltret skannar genom frekvensområdet kommer alla signaler som finns i det området att skapa en utgång. Utgången från bandpassfiltret skulle spåras på en frekvensgraf för att identifiera de frekvenser som fanns i utgången från givaren.

Moderna flerkanaliga, högupplösta, digitala analysatorer skapar frekvensspektra med hjälp av snabb Fourier-transformation (FFT). Dessutom medger de olika signalbehandlingstekniker, t.ex. sidbandsanalys, synkron tidsmedelvärdesbildning, negativ medelvärdesbildning, enveloppbehandling och många andra avancerade tekniker som ger en korrekt tolkning av spektrumen.

Oavsett framstegen inom signalbehandling är vibrationsanalys fortfarande begränsad av fysikens lagar och givarnas begränsningar. Eftersom vibrationen är ett mått på en maskins mekaniska svängningar, antingen slumpmässiga eller periodiska, krävs tillräcklig kraft från maskintillståndet eller komponentfelet för att övervinna maskinens och strukturens massa och styvhet, samt eventuell dämpning från lager eller stödsystem.

Ytterligare begränsningar skapas av själva mätomvandlaren. Dessa är typen av mätning, relativ eller absolut, givarens frekvensrespons och de inneboende frekvensbegränsningarna för själva mätningarna, förskjutning, hastighet eller acceleration.

Frekvensanalys

Vågformer för tid

En tidsvågform är helt enkelt en visning av en variabel funktion i förhållande till tiden. Om variationerna sker med samma tidsintervall är vågformen periodisk. En periodisk vågform är en vågform som upprepar exakt samma form eller mönster under hela vågformens varaktighet. Den enklaste formen av en vågform är en sinusvåg och består av en enda frekvens. Vågformer som består av flera frekvenser kallas komplexa vågformer. Den grafiska visningen av vågformer kallas tidsdomän. Displayen visar helt enkelt det momentana värdet för variabeln i förhållande till tiden. I tidsdomänen anger den horisontella axeln tiden, medan den vertikala axeln anger variabelns storlek.

Fouriertransform

Jean Baptiste Joseph Fourier, en fransk matematiker och fysiker från 1700-talet, var en av de första som insåg att komplexa vågformer är en kombination av flera sinuskurvor och inledde forskning inom detta område. Den matematiska lösning som används för att bestämma den serie frekvenser som utgör en komplex vågform har fått sitt namn efter honom och kallas Fouriertransform. Den ursprungliga Fouriertransformen förutsätter ett obegränsat eller oändligt urval. Sedan dess har det visat sig att Fouriertransformen kan tillämpas på en ändlig vågform och har kallats diskret Fouriertransform (DFT). Algoritmer har utvecklats för effektiv och snabb beräkning av DFT; dessa algoritmer kallas fast Fourier transform (FFT).

Enkelt uttryckt tar FFT ett begränsat sampel av en tidsvågform och beräknar sedan amplitud och frekvens för de sinusvågor som kombineras för att skapa den komplexa vågformen.

De grafiska bilderna av FFT presenteras i frekvensdomänen och kallas för frekvensspektrum. Frekvensspektrumet visar de frekvenser som finns i den komplexa vågformen på den horisontella axeln och signalens amplitud på den vertikala axeln. Om tillräcklig rörelse föreligger vid någon frekvens kommer en vertikal linje att visas på den horisontella axeln för att indikera förekomsten av den frekvensen. Höjden på den vertikala linjen eller spektrallinjen anger vågformens styrka eller amplitud vid den aktuella frekvensen. Om en av sinusvågorna i den komplexa vågformen ligger vid 30 Hz och har en amplitud på 3 ampere, kommer en spektraltopp att placeras vid 30 Hz och höjden kommer att motsvara tre enheter.

Det finns många program för att utföra FFT och analytikern behöver inte utföra dessa, men analytikern behöver en grundläggande förståelse för själva den grafiska displayen. Minimikraven för att förstå FFT-displayen är frekvensområde, upplösning och bandbredd. Mer avancerad analys kan utföras med förståelse för sidband, övertoner, logaritmisk skalning och demodulering. Följande information försöker ge en tillräcklig förståelse för dessa grundläggande FFT-principer för att läsaren ska kunna analysera de data som samlats in med hjälp av ESA på ett korrekt sätt.

Förståelse av FFT

Att förstå gränserna för en bildskärm är ovärderligt för en korrekt analys av bildskärmen. FFT är en matematisk beräkning och dessa gränser fastställs innan den matematiska beräkningen utförs. Dessa gränser är frekvensområde och upplösningslinjer.

Frekvensområde

Frekvensområdet bestämmer vilka frekvenser som ska ingå i FFT-beräkningen. Om det valda frekvensområdet är för lågt missas fel vid högre frekvenser. Om det valda frekvensområdet är för högt kan frekvensserier som ligger nära varandra kombineras. Dessutom avgör frekvensområdet hur lång tid det tar att samla in data. Frekvensen för en periodisk signal är inversen av tiden; ju lägre frekvensområde som väljs, desto längre tid tar det att utföra datainsamlingen. I PdM startar de flesta FFT-analyser vid DC (0 Hz) och fortsätter till något maxvärde. Det maximala frekvensområdet benämns Fmax. För mer djupgående analys är det möjligt att sätta den nedre gränsen för frekvensområdet till ett värde större än 0 Hz och en viss övre gräns. Detta kallas för ett zoomat spektrum.

Upplösning

Den andra förutbestämda gränsen är resolutionslinjerna. Varje frekvensspektrum är uppdelat i ett begränsat antal spektrallinjer. Spektrallinje är egentligen en felaktig benämning eftersom det i själva verket inte är en linje, utan en spektral bin. Varje spektralområde har en gräns för hög och låg frekvens. Dessa gränser bestäms av frekvensområdet för FFT och antalet linjer. Bredden på det spektrala binnet kallas bandbredd (BW). För att bestämma bredden på varje spektral bin, dividera helt enkelt antalet spektrallinjer med frekvensområdet (FR). Om frekvensområdet är 100 Hz och det finns 100 spektrallinjer, är bredden på varje linje 1 Hz.

BW = antal linjer/FR

Bandbredden för varje spektral bin kan också beräknas genom att subtrahera den låga frekvensgränsen (fl ) från den övre frekvensgränsen (fu ) för varje spektral bin.

BW = fu -fl

Varje spektral bin är placerad bredvid den föregående bin och den nedre frekvensgränsen för varje bin är den övre frekvensgränsen för den föregående bin. Den övre frekvensgränsen kommer att vara den nedre gränsen för bin plus bandbredden.

Som exempel kan nämnas I den första spektrala bin i ett 100-linjers spektrum med FR från DC till 100 Hz är den nedre frekvensgränsen 0 och den övre frekvensgränsen 1 Hz. BW för den spektrala bin är 1 Hz. Därefter skulle den andra bin Frekvensområdet bestämmer vilka frekvenser som ska ingå i FFT-beräkningen (Fast Fourier Transform). Om det valda frekvensområdet är för lågt missas fel vid högre frekvenser. 20 juni/juli12 går från 1 Hz till 2 Hz, tredje bin från 2 Hz till 3 Hz och så vidare, med den sista spektrala bin 99 Hz till 100 Hz.

Om bandbredden för en spektral bin är för stor kan flera frekvenser finnas i samma spektrala bin. Vid utvärdering av ett frekvensspektrum är den visade frekvensen för den spektrala bin dessutom centrumfrekvensen (cf) för den spektrala bin. För att bestämma cf för den spektrala bin, beräkna helt enkelt genomsnittet av den övre frekvensgränsen och den nedre frekvensgränsen.

cf = (fu + fl)/2

Detta innebär att den angivna frekvensen kanske inte är den faktiska signalens frekvens. Det frekvensvärde som visas är mittfrekvensen för den spektrala bin, medan de faktiska frekvenserna för vågformen/vågformerna kan vara vilken frekvens som helst inom bandbredden för den spektrala bin. Varje spektral bin kan innehålla mer än en frekvens. Ju bredare bandbredd, desto mindre exakt frekvens för det visade värdet för den spektrala bin, och detta ökar sannolikheten för analysfel.

För att minska detta analysfel kan man helt enkelt öka upplösningen i ett FFT-spektrum. Genom att minska frekvensområdet för FFT ökar upplösningen, men också både tidsintervallet mellan dataprovtagningstiden och datainsamlingstiden. En annan metod är att öka antalet spektrala bins som FFT delas in i. För att öka antalet spektrala bins måste man ta fler sampel av den uppmätta signalen. För att fördubbla antalet upplösningslinjer måste dubbelt så mycket data samlas in.

Fastställande av resolution

Antalet upplösningslinjer (# linjer) i ett FFT-spektrum kan bestämmas genom att helt enkelt multiplicera tidsvågformens period (P) med frekvensområdet (FR) i cykler per sekund (cps).

(antal linjer=P x FR)

Eftersom ESA digitaliserar tidsvågformen utförs FFT i datorn, där det är möjligt att ändra FFT-upplösningen efter datainsamlingen. Detta gör det möjligt för analytikern att undersöka mycket små delar av den inspelade vågformen. Det är dock viktigt att komma ihåg att om man förkortar tidsperioden för tidsregistreringen kommer antalet rader med resolution att minskas proportionellt och sannolikheten för analysfel ökar.

Visning av amplitud

Linjär skalning

Den vanligaste grafiska visningen av FFT är den linjära skalan. På den linjära skalan är avståndet mellan markörerna alltid detsamma och lika stort. På så sätt kan alla data visas på ett överskådligt sätt i ett enda diagram. Linjära diagram fungerar bra med datauppsättningar där meningsfulla förändringar är viktiga och mycket små förändringar är obetydliga. De enheter som visas på den linjära skalan är de tekniska enheterna för den uppmätta variabeln. I ESA är dessa enheter antingen spänning (volt) eller ström (ampere).

Logaritmisk skalning

Den logaritmiska skalan visar amplituden i storleksordning eller som en logaritm av variabeln istället för variabeln själv. En fördel med logaritmisk skala är att man kan visa ett mycket stort amplitudintervall i ett enda diagram. När mycket små förändringar i den uppmätta variabeln är betydande, kan det hända att visning av variabeln i linjärt format inte identifierar förändringen på ett adekvat sätt. I dessa fall används en logaritmisk (log) visning.

I ESA används ofta logaritmisk skala eftersom de uppmätta variablerna är nätspänning eller nätström. Mycket små förändringar i något av dessa mätvärden används för att identifiera fel i motorsystemet. Bärfrekvensen för dessa variabler är samma som frekvensen för den pålagda spänningen, vanligtvis 50 Hz eller 60 Hz.

Eftersom logaritmisk visning i princip är en kvot, är det också en mycket praktisk metod för att jämföra olika variabler. Detta har visat sig vara mycket användbart i ESA eftersom en av dess viktiga aspekter är förmågan att differentiera The Revolution Begins! Endast 2 450 dollar! ALiSENSOR™ Level är här! ALiSENSOR™ Level är världens första geometriska mätsystem för iOS. Nu är mätningar som rakhet, lutning och kvadratur ännu enklare och mer prisvärda än någonsin! Du kan till och med använda din egen iPad, iPhone eller iPod Touch som visningsenhet, med GRATIS nedladdningsbara appar från App Store, inklusive automatiska uppdateringar! 2 års garanti! Ring eller besök Alignment Supplies, Inc. idag för att få veta mer om detta revolutionerande nya system! 419.887.5890 / 800.997.4467 www.alignmentsupplies.com skilja mellan fel i den inkommande strömmen och fel som tillförs av antingen motorn eller den drivna maskinen.

Den enhet som används i logaritmskalan är decibel (db), som är en logaritm med basen tio. db är en enhet som används för att beskriva ett förhållande. Mätningarna av spänning och ström är fältstorheter och de db-förhållanden som används i ESA är också fältstorheter. Tabell 1 ger en vägledning om förhållandet mellan den uppmätta variabeln och toppvärdet för ström- och spänningsvågformerna jämfört med den högsta toppen i spektrumet.

Sammanfattning

Effektiv användning av ESA som en PdM-teknik kräver förmåga att manipulera, tolka och förstå de grafer, diagram och displayer som utvecklas av ESA-programvaran. Dessa grafer, diagram och displayer används sedan för att identifiera fel i motorsystemet. Ingenjörer och PdM-tekniker som är bekanta med vibrationsanalys kommer att upptäcka att ESA FFT liknar vibrationsspektrumet och att många av analysteknikerna är desamma. Även vid MVA är det dock viktigt att analytikern har en grundlig förståelse inte bara för vad FFT indikerar, utan framför allt för vad det inte indikerar.