تکنیک FFT در آنالیز ارتعاشات ماشین(آموزش ویدئویی)

در این فیلم رایگان آموزشی قصد دارم درباره استفاده از تکنیک (FFT  (Fast Fourier Transform یا تبدیل فوریه سریع در عیب یابی ماشین های دوار مطالبی را با شما به اشتراک بگذرام.

• FFT چیست؟
• قضیه فوریه و چگونگی محاسبه FFT یا تبدیل فوریه سریع
• ساده ترین مثال ممکن در کاربرد قضیه فوریه

همراهان همیشگی وبسایت آموزش نیروگاه متشکر متشکر متشکر چون شما در این شرایط انتخاب کردید که فایل آموزشی تماشا کنید.

برای دانلود ویدئو اینجا کلیک کنید

FFT چیست؟

ریاضی‌دانی فرانسوی به نام فوریه، در سال 1882 ثابت کرد که می‌توان هر سیگنال مرکب را به هارمونیک‌های سازنده‌اش تجزیه کرد. این نظریه به قضیه فوریه[Fourier Theory] شهرت یافت. آنالیز طیف فرکانسی، ساده‌ترین روش تحلیل ارتعاشات در زمینه فرکانس به کمک تبدیل گسسته فوریه[Discrete Fourier Transform] است. به عبارتی، تبدیل گسسته فوریه، سیگنالی ارتعاشی را به مجموعه‌ای از موج‌های سینوسی ساده تبدیل می‌کند. ما با استفاده از آن، به جای تفسیر یک سیگنال مرکب پیچیده در حوزه زمان، با مجموعه‌ای از سیگنال‌های هارمونیک ساده، در حوزه فرکانس سروکار داریم. بنابراین در طیف فرکانسی[Frequency Spectrum] که به اسپکتروم معروف است، هرکدام از این سیگنال‌ها، دامنه و فرکانس جداگانه‌ای دارند و با توجه به این دامنه و فرکانس، می‌توان عیب ماشین را تشخیص داد.

محاسبه تبدیل فوریه به طور مستقیم، کار راحتی نیست و با توجه به تعداد نمونه‌های اندازه‌گیری‌شده، کاری زمان‌بر است. بنابراین الگوریتم تبدیل سریع فوریه[Fast Fourier Transform (FFT)] با بهره‌گیری از خاصیت تقارن در محاسبه تبدیل فوریه، زمان محاسبات را کاهش می‌دهد.

طیف فرکانسی

برای درک بهتر طیف فرکانسی، تصور کنید در اتاقی، جلسه سخنرانی‌ای در حال برگزاری است و شما از کنار در اتاق می‌گذرید. اگر بخواهید به صدای همه افراد جلسه هم‌زمان گوش بدهید، موضوع سخنرانی را متوجه نمی‌شوید؛ ولی اگر به صدای یک نفر گوش کنید، می‌فهمید که در آن اتاق، درمورد چه‌چیزی صحبت می‌شود. ماشین‌ها نیز همین گونه هستند. آنها مؤلفه‌های گوناگونی دارند و به‌ خاطر هریک از این مؤلفه‌ها، عیب‌های زیادی در ماشین‌ها پدید می‌آید. طیف فرکانسی به جای تفسیر یک سیگنال مرکب پیچیده در حوزه زمان، با مجموعه‌ای از سیگنال‌های هارمونیک ساده در حوزه فرکانس سروکار دارد و با شناسایی فرکانسی که بیشترین دامنه ارتعاشات را دارد، عیب اصلی ماشین را پیدا می‌کند.

در تحلیل فرکانسی، معمولاً دامنه ارتعاش در فرکانس‌های مشخصی بررسی می‌شوند. از رایج‌ترین این فرکانس‌ها، می‌توان به فرکانس یک برابر دور ماشین یا X1 اشاره کرد. فرکانس معمولاً با واحد هرتز گزارش می‌شود؛ اما گاهی به صورت ضریب سرعت دوران نیز، بیان می‌شود. در این حالت، فرکانسی را که برابر حاصل‌ضرب دور ماشین در عدد یک است، X 1 و اولین هارمونیک نیز نامیده می‌شود.  فرکانس X1 در طیف فرکانسی، می‌تواند نشان‌دهنده وجود آنبالانسی در سیستم باشد. شدت آنبالانسی به دامنه ارتعاش در فرکانس X1 بستگی دارد. به عبارت دیگر، دامنه متناظر با فرکانس X1، بیانگر سهم آنبالانسی در ارتعاش و ایجاد پاسخ ارتعاشی سیستم است که با سنسور اندازه‌گیری می‌شود.

برای مثال، فرض کنید (شکل 1) ماشینی دچار عیب آنبالانسی باشد. اگر به کمک دستگاه آنالایزر ارتعاشات، از این ماشین داده‌برداری شود، به دلیل مشکل آنبالانسی، سیگنالی با فرکانس X1 یا یک برابر دور ماشین، تولید می‌شود. سیگنال حوزه زمان آن، با رنگ سبز نشان داده شده است.

با آنبالانسی بیشتر آشنا شوید.

(شکل 1)

همچنین ممکن است همین ماشین، از فرکانس گذر پره [Blade Pass Frequency] رنج ببرد و سیگنال ارتعاشی با فرکانس X4 تولید کند. سیگنال حوزه زمان آن در شکل 2، با رنگ قرمز نشان داده شده است.

(شکل 2)

اگر در همین ماشین، چرخ‌دنده­ای 17 دندانه داشته باشد، فرکانس درگیری چرخ‌دنده‌ها[Gear Mesh Frequency]، ارتعاشی با فرکانس X17 ایجاد می‌کند. سیگنال حوزه زمان آن، با رنگ آبی در شکل 6-8 نشان داده شده است

(شکل 3)

از ترکیب سیگنال‌های سبز، قرمز و آبی، سیگنالی مرکب با رنگ بنفش تولید می‌شود (شکل 4). در فصل هفتم، هریک از این عیب‌ها به صورت جداگانه، توضیح داده شده‌اند. اما پرسش اساسی این است که چگونه می‌توانیم این سیگنال مرکب پیچیده را تحلیل و به کمک آن، عیب ماشین را پیدا کنیم؟ در این مواقع، سیگنال حوزه زمان نمی‌تواند در عیب‌یابی ماشین، سودمند باشد.

مقاله سیگنال در حوزه زمان را از دست ندهید.

 

(شکل 4)

ساده ترین مثال ممکن در کاربرد قضیه فوریه

اجازه بدهید قضیه فوریه را با یک مثال خدمت شما توضیح بدهم. همانطور که در این تصویر مشاهده میکنید، سیگنال بالایی، سیگنال حوزه زمان (Time Waveform Signal) و سیگنال پائینی،FFT یا تبدیل فوریه سریع همان سیگنال است. سیگنال در یک ثانیه 50 مرتبه تکرار شده و بنابراین فرکانس این سیگنال 50Hz است. دامنه این سیگنال  2.8mm/s می باشد. اگر از این سیگنال سینوسی در حوزه زمان، طیف فرکانسی (Frequency Spectrum) بگیرید، یک سیگنال با فرکانس 50Hz و دامنه  2.8mm/s را و به صورت یک خط در حوزه فرکانس ترسیم میشود. در واقع این دو سیگنال معادل یکدیگر می باشند. این سیگنال میتواند مربوط به عیب آنبالانسی در یک ماشین باشد.

مقاله فرکانس ارتعاشات ماشین را هم مشاهده کنید.

در این ویدئو که بخشی از دوره آموزشی آنالیز ارتعاشات ماشین است، روش تولید fft یا اسپکتروم به طور کامل توضیح داده شده است.

در این ویدئو نیز  روش تولید «اسپکتروم کامل» (Full Spectrum)توضیح داده شده است.

برای دانلود مقاله « تکنیک‌های عیب‌یابی ماشین به کمک آنالیز ارتعاشات(بخش اول)، دوماهنامه نگهداری و تعمیرات در صنایع معدن، سیمان و فولاد، سال دوازدهم، شماره شصت و چهار، صفحات 51 الی 56، فروردین و اردیبهشت ماه 1402» به لینک زیر بروید.

64-m-تکنیک های عیب یابی ماشین به کمک آنالیز ارتعاشات

using the FFT technic to find fault

In The Name Of God

Hello my friends. I^‘m Saeid Kordizade.

A senior mechanical engineer.

In this article, I intend to instruct you using the FFT technic to find fault.

Let consider speech meeting in a room and pass near the door of that room.

If you want to listen to the all noises, you can not recognize the subject of speech. But, if you listen to a person^,s voice, you will understand what is the meeting about. Such a relation is done for the machines. There are a lot of components in a machine and because of them, many faults may be occurred.

what is FFT  (Fast Fourier Transform)?

For example, a machine may have unbalance condition and makes a signal with 1X frequency.

Perhaps it is involved in blade pass frequency and if the machine has 4 blades, it makes the blade pass frequency signal with 4X.

if in this machine would have existed 17 teeth in gear, it makes the gear mesh frequency signal with 17 X.

A compound signal will be made by gathering all above signals that you may find the fault by this signal. In results, the time waveform signal is not useful to find the fault.

how can you calculate FFT?

A French mathematician Fourieh, suggested the Fourieh theory in 1882, that each compound signal can be analyzed to its maker harmonics.

This theory helps you to find fault in the machine. As in this theory instead of interpreting a complicated and compound signal, you may work with a set of harmonics signals.

For each of these signals, there is a separate frequency and amplitude .

You can detect the machine^,s fault according to the frequency and amplitude of a simple harmonic signal.

Let me to explain you an example.

This signal is time waveform signal. Its frequency is 50Hz, because it has repeated 50 times.

The amplitude of this signal is 2.8 mm/s.

If you take the frequency spectrum from this sine signal of time waveform, a signal is drawn by frequency 50Hz and amplitude 2.8 mm/s as a line in the frequency.

In fact, these both signals are equivalent to each other and it is related to unbalanced deficiency in a machine. Thanks your attention.