KutupASP DijitalAnaliz bandınıza göre örnekleme hızını hesaplayın, aliasing'in yanıltıcı düşük frekanslı tepeler ürettiğini görün ve PLC ya da SCADA kayıtlarının neden yetersiz olduğunu anlayın.
Bir sinyali dijitale çevirdiğinizde örnekleme hızı fs, örnekler arasındaki zaman aralığını belirler. Nyquist–Shannon örnekleme teoremine göre, bir sinyalin içerdiği en yüksek frekans f_maks ise, sinyali bozulmadan yeniden oluşturmak için fs değerinin f_maks'ın en az iki katı olması gerekir. Bu eşiğe Nyquist sınırı denir. Dijital ölçümde fs/2, doğru temsil edilebilecek en yüksek frekanstır.
Bu koşul sağlanmadığında hata yalnızca grafiğin görünümünde kalmaz. Spektrumda yanlış bir frekansta sahte bir tepe belirir. İlgilenmediğiniz yüksek frekanslı bileşenler de örnekleme sırasında düşük frekanslı bölgeye katlanabilir. Teorem sinyalin bant sınırlı olduğunu varsayar. Gerçek sensör çıkışlarında ise her zaman bir miktar yüksek frekanslı gürültü bulunur; bu yüzden sınırlama, yazılımdan önce analog bir filtreyle yapılmalıdır.
Örneklenmiş veride fs/2 üzerindeki bir bileşen, daha düşük bir frekansla aynı görünür. Görünen frekans, k en yakın tamsayı olmak üzere |f − k·fs| ile bulunur. Bu olguya aliasing ya da frekans katlanması denir.
İki örnek kuralı netleştirir. 60 Hz'lik bir titreşim 50 Hz'de örneklenirse, k = 1 alındığında görünen frekans |60 − 50| = 10 Hz olur. Başka bir örnek: 0,9 Hz'lik bir pulsasyon saniyede bir kez okunursa, fs = 1 Hz olur ve görünen frekans |0,9 − 1| = 0,1 Hz'dir. İki durumda da veriye bakan kişi, sinyalde bulunmayan bir düşük frekanslı olay görür.
Aliasing, örneklemeden sonra geri alınamaz. Bu nedenle anti-aliasing filtresi analog olmalı ve dönüştürücüden önce uygulanmalıdır. Filtre, analiz bandının üzerindeki bileşenleri örneklemeden önce yeterince zayıflatır. Yazılımda sonradan yapılan filtreleme, sinyal zaten katlanmışsa bu hatayı düzeltemez.
Alt-örnekleme (downsampling) yapılırken de aynı mantık geçerlidir: örneklerin yalnızca bir kısmını tutmadan önce, yeni Nyquist sınırının üzerindeki içeriği kaldıran bir alçak geçiren filtre uygulanmalıdır. Aksi halde yüksek frekanslı içerik, yeni ve daha düşük bantta katlanır. Filtrenin kesim frekansı analiz bandının üstünde, ama fs/2'nin altında olmalıdır. Kesim çok düşük seçilirse analiz bandının kendisi zayıflar; çok yüksek seçilirse fs/2 civarındaki bileşenler katlanmadan geçer.
Veri hattında ayrı bir sorun ortaya çıkar. Bir PLC ya da SCADA sistemi değerleri sabit aralıklarla okur. Örneğin okuma periyodu 1 saniyeyse, saniyede bir alınan değerler yalnızca 0,5 Hz'in altındaki değişimleri doğru temsil edebilir. Historian tarafındaki deadband ya da sıkıştırma ek bir bozulma getirir: değer yeterince değişmeden yeni kayıt yazmaz, dolayısıyla saklanan seri artık düzenli örneklenmiş bir süreç verisi olmaz. Sonuç aliasing'e benzer bir görünüm verebilir.
Bu yüzden yavaş taranmış veriden yüksek frekanslı bir spektrum kurmaya çalışmayın. Etkin örnekleme hızı, yalnızca sensöre değil, toplama zincirinin her halkasına bağlıdır.
Pratik bir kural, ilgilendiğiniz en yüksek frekansı f_maks olarak belirleyip fs'yi ona göre seçmektir. Spektrum analizinde FFT analizörleri sık olarak fs ≈ 2,56 × f_maks kullanır; bu, Nyquist'in teorik alt sınırının üzerinde bir koruma payı bırakır. Dalga biçimini de görmek istiyorsanız, f_maks'ın 5 ila 10 katı bir hız daha uygundur. Örneğin f_maks = 400 Hz için fs = 2,56 × 400 = 1 024 Hz alınır; bu durumda fs/2 = 512 Hz olur. Anti-aliasing filtresinin geçiş bandı 400 Hz ile 512 Hz arasına sığmalıdır.
Analiz bandını ilgilendiğiniz arıza frekanslarından çok daha geniş seçmek, gereksiz veri hacmi ve gereğinden yüksek bir fs anlamına gelir; bandı ilgilendiğiniz frekanslarla sınırlayın.
Seçimden sonra fs/2 yakınındaki spektrumu kontrol edin. Bu bölgede düz ya da düşük bir seviye olmalıdır. Belirgin bir enerji görüyorsanız bu, ya gerçek bir içeriğin sınıra yakın olduğunu ya da anti-aliasing filtresinin yumuşak kaldığını gösterebilir. Her iki durumda da fs/2 yakınındaki veriye, nedeni anlaşılmadan dayanarak sonuç çıkarmayın.
Yeni bir ölçüm kurmadan önce mevcut ayarları yazın: kanal, okuma ya da örnekleme hızı, analog filtre olup olmadığı ve historian'da sıkıştırmanın açık olup olmadığı. Sonra küçük bir test yapın. Bilinen frekanslı bir referans sinyali (örneğin bir sinyal üreteci) bağlayın ve tepenin beklenen yerde görünüp görünmediğine bakın. Tepe, fs değiştirildiğinde yer değiştiriyorsa büyük olasılıkla bir alias tepesidir.
Bu kontrol, verinin ileride makine öğrenmesi ya da spektral teşhis için kullanılacağı durumlarda değerlidir. Önce ölçüm zincirini doğrulayın, sonra analiz yöntemini seçin. Test sonuçlarını referans frekansı, ayarlanan fs, görülen tepe ve farkın açıklamasıyla birlikte yazılı tutun. Bu kayıt, sistemde sonra yapılacak değişikliklerden sonra karşılaştırma için kullanılabilir.
En az iki katı olmalıdır; bu Nyquist sınırıdır. Pratik FFT analizörleri ise genellikle en yüksek analiz frekansının yaklaşık 2,56 katını kullanır. 1 kHz'e kadar analiz için fs yaklaşık 2 560 Hz olur ve fs/2 = 1 280 Hz sınırı oluşur. Bu sınırın üzerindeki bileşenleri örneklemeden önce analog filtreyle zayıflatmak gerekir.
Spektrum için genellikle yeterli değildir. SCADA okuma hızı ve historian sıkıştırması, titreşim frekanslarını çok yavaş örnekler; ayrıca deadband ile saklanan veri düzenli örnekleme değildir. Titreşim analizi için yüksek hızlı bir toplama hattı, analog anti-aliasing filtresi ve belgelenmiş kayıt ayarları gerekir.
Bu rehberdeki pilot adımları önerilen mühendislik iş akışlarıdır. Örnekler saha performansı iddiası içermez.
Bir titreşim kaydından FFT spektrumu çıkarırken frekans çözünürlüğünü hesaplayın, pencere seçimini gerekçelendirin ve tepe noktalarını teşhis değil, ipucu olarak yorumlayın.
Bu yazıda zarf analiziyle tekrarlı darbeleri nasıl ayıklayacağınızı, dört arıza frekansını nasıl hesaplayacağınızı ve sonucu adım adım nasıl yorumlayacağınızı görürsünüz.
Bu yazıdan sonra, bir makinenin geniş bantlı titreşim şiddetini kendi başlangıç ölçümüne göre izleyebilir ve ISO 20816 bölgelerini teşhis yerine geçmeden doğru bağlamda okuyabilirsiniz.
