Messvariabilität zwischen Schwingungsanalysatoren in der Zustandsüberwachung Verstehen

In der Zustandsüberwachung und vorausschauenden Wartung ist die Schwingungsanalyse eines der leistungsstärksten Werkzeuge zur frühzeitigen Erkennung mechanischer Fehler. Techniker und Zuverlässigkeitsingenieure stoßen jedoch häufig auf unerwartete Herausforderungen: Zwei Schwingungsanalysatoren, die dieselbe Maschine unter ähnlichen Bedingungen messen, können deutlich unterschiedliche Werte melden. Diese Abweichungen können zu Verwirrung, Fehldiagnosen oder Misstrauen gegenüber der Instrumentierung führen, wenn sie nicht richtig verstanden werden. Zuverlässigkeitsexperten raten daher davon ab, Instrumente zu mischen, wenn Schwingungsbaselines und Alarme auf einem konsistenten Messsystem basieren müssen.

Variation zwischen Geräten ist normal und oft zu erwarten. Messunterschiede zwischen Schwingungsanalysatoren entstehen häufig durch Hardware-/Softwarefaktoren wie Abtastrate, Auflösungslinien und ADC- sowie Dynamikbereich-/Anti-Aliasing-Implementierung. Das Verständnis, warum sich Messwerte unterscheiden, hilft Organisationen, ihre Datenerfassung zu standardisieren, Messungen korrekt zu interpretieren und die richtigen Werkzeuge für ihre Wartungsstrategie zu wählen.

Abtastrate und Anti-Aliasing

Moderne Schwingungsanalysatoren wandeln das Analogsignal eines Beschleunigungssensors durch Abtastung in digitale Daten um. Die Geschwindigkeit, mit der Proben entnommen werden, die Abtastrate, bestimmt die höchste Schwingungsfrequenz, die genau gemessen werden kann. Ist die Abtastrate zu niedrig, kann der Analysator schnell wechselnde Signale nicht korrekt darstellen, und im Spektrum tritt Verzerrung auf.

Um ein Schwingungssignal ohne Verzerrung zu erfassen, muss die Abtastfrequenz mindestens doppelt so hoch sein wie die höchste Schwingungsfrequenz von Interesse. Die Hälfte der Abtastrate ist als Nyquist-Frequenz bekannt. Wenn Schwingungskomponenten diese Grenze überschreiten, falten sie sich im Spektrum auf niedrigere Frequenzen zurück. Dieses Phänomen wird Aliasing genannt.

Aliasing tritt auf, wenn eine hochfrequente Schwingung im Spektrum als eine völlig andere, niedrigere Frequenz erscheint. Der Analysator „verwechselt” die höhere Komponente im Wesentlichen mit etwas anderem, weil er zu langsam abtastet. Der Aliaswert landet immer irgendwo unterhalb der Nyquist-Frequenz, was das resultierende Spektrum irreführend machen kann.

Nicht alle Analysatoren behandeln hochfrequente Inhalte gleich. Unterschiede in Abtastrate, Anti-Aliasing-Filterung und Filtersteilheit können vollständig verändern, wie ein Analysator auf Frequenzen oberhalb seiner Nyquist-Grenze reagiert. Ein Analysator mit einem starken, modernen Digitalfilter unterdrückt unerwünschte Frequenzen scharf, während ein schwaches Analogfilter möglicherweise etwas Hochfrequenzenergie durchlässt und künstliche Peaks erzeugt. Deshalb können zwei Geräte, die dieselbe Maschine messen, manchmal widersprüchliche Ergebnisse liefern.

Beispiel

Stellen Sie sich eine Maschine mit einer starken Schwingung bei 6.200 Hz vor.

Ein Analysator, der mit 25,6 kHz abtastet, kann dies präzise erfassen, da seine Nyquist-Frequenz viel höher als 6.200 Hz ist.

Ein anderer Analysator, der nur mit 12 kHz abtastet, hat eine Nyquist-Frequenz von 6 kHz, daher überschreitet die Komponente bei 6.200 Hz seine Grenze und wird auf 5.800 Hz aliaset.

Ein dritter Analysator, der mit 10 kHz abtastet, schneidet noch schlechter ab: Seine Nyquist-Frequenz beträgt nur 5 kHz, daher meldet er das Signal bei etwa 3.800 Hz — weit vom wahren Wert entfernt.

Das obige Beispiel zeigt, wie unterschiedliche Abtastraten hochfrequente Peaks beeinflussen können. Solche Abweichungen beeinflussen direkt die Fehlerdiagnose, insbesondere bei der hochfrequenten Lageranalyse. Anti-Aliasing-Filter sind dafür ausgelegt, Frequenzen jenseits der Nyquist-Grenze zu blockieren, bevor das Signal digitalisiert wird. Die Qualität dieses Filters bestimmt, wie Hochfrequenzenergie unterdrückt wird. Das Ergebnis ist, dass einige Analysatoren klare, zuverlässige Hochfrequenzspektren liefern, während andere die Amplitude verzerren, Komponenten nahe der Grenzfrequenz reduzieren oder falsche Peaks einführen können.

Es ist wichtig, den richtigen Analysator auszuwählen.

Auflösungslinien

Sobald ein Signal aufgezeichnet ist, verwenden Analysatoren die Schnelle Fourier-Transformation (FFT), um Zeitwellenformdaten in ein Frequenzspektrum umzuwandeln. Die Klarheit dieses Spektrums hängt von der FFT-Linienauflösung ab, die beschreibt, wie fein die Frequenzachse unterteilt ist.

Die FFT-Auflösung hängt sowohl von der Abtastfrequenz als auch von der Anzahl der verwendeten Proben ab. Eine kleinere Frequenz-Bin-Größe ergibt eine höhere Auflösung. Bei hoher Auflösung erscheinen Schwingungspeaks scharf und präzise. Bei niedriger Auflösung werden Peaks breit oder geschwächt, weil ihre Energie über mehrere Bins verteilt wird.

Warum Zwei Analysatoren Unterschiedliche Peak-Amplituden Zeigen Können

Betrachten wir zwei Analysatoren, die bis zu 5 kHz messen. Einer verwendet 3.200 Auflösungslinien, während der andere nur 800 verwendet. Der zweite Analysator hat viermal breitere Bins, sodass ein Schwingungspeak, der nicht genau in die Mitte eines Bins fällt, verschmiert wird, was seine gemessene Amplitude erheblich sinken lässt.

In der Praxis kann dies zu Fehlern von 20-30% oder mehr führen. Dies geschieht selbst wenn beide Analysatoren mit derselben Rate abtasten. Angenommen, der wahre Peak liegt bei 120,4 Hz mit einer Amplitude von 0,20 g. Ein hochauflösender Analysator könnte fast genau denselben Wert messen, da der nächste Bin extrem nah ist.

Ein niedrigauflösender Analysator jedoch kann nur innerhalb mehrerer Hertz des wahren Werts landen. Die resultierende Energie verteilt sich auf mehrere Bins, sodass der Peak bei 0,14-0,16 g statt bei 0,20 g erscheint. Obwohl sich das Maschinenverhalten nicht geändert hat, lässt die Auflösung des Analysators es anders aussehen.

Wenn eine Frequenz nicht perfekt in einen Bin fällt, leckt ein Teil ihrer Energie in die umgebenden Bins. Dies ist eine normale Konsequenz des FFT-Prozesses und variiert je nach gewähltem Fenstertyp. Niedrigauflösende Spektren leiden am meisten, da ihre Bins breit sind. Peaks können abgeflacht erscheinen, Seitenbänder können verschwinden und Breitbandrauschniveaus können künstlich hoch wirken. Dies beeinträchtigt erheblich die Fähigkeit, Fehler wie Lagerschäden, Getriebe-Seitenbänder oder Niedergeschwindigkeits-Harmonische zu diagnostizieren.

Weitere Faktoren, die die Datenvariabilität zwischen Analysatoren Beeinflussen

Sensor- und Montageunterschiede: Analysatoren verwenden unterschiedliche Wandler; piezoelektrische (IEPE) Beschleunigungssensoren und MEMS-Beschleunigungssensoren haben unterschiedliche Bandbreiten und Rauschcharakteristiken, was zu leicht unterschiedlichen Ergebnissen für dasselbe Equipment führt. Auch die Montagemethode beeinflusst die Messgenauigkeit erheblich, insbesondere bei höheren Frequenzen. Gewindestift-montierte Sensoren liefern die konsistentesten und genauesten Daten, während Magnetmontagen die Hochfrequenzübertragung leicht reduzieren. Handgehaltene Sonden erzeugen die größte Variabilität, da Druck und Winkel leicht wechseln.

Kalibrierung und Instrumentenzustand: Beschleunigungssensoren und Analysatoren driften natürlich mit der Zeit und produzieren merklich unterschiedliche Schwingungsmesswerte. Diese Drift kann Analysten in die Irre führen, indem sie denken, dass sich die Maschinenbedingungen geändert haben, obwohl das Instrument tatsächlich außerhalb der Spezifikation liegt. Außerdem können niedrige Batteriespannung oder alternde elektronische Komponenten den Signalpfad innerhalb des Analysators verändern. Diese Probleme können Rauschen einführen oder die Geräteverstärkung verändern, was die Messgenauigkeit beeinflusst.

Datenverarbeitung: Einige Analysatoren mitteln Spektren oder verwenden standardmäßig Überlappung/Dezimierung; andere zeigen Einzelakquisitionen. Mittelung reduziert zufälliges Rauschen und verändert scheinbare Amplituden. Anbieter wählen Standard-Fensterfunktionen (Hanning, Hamming usw.). Verschiedene Fenster tauschen Hauptkeulengröße gegen Nebenkeulenniveaus aus; bei groben Linien beeinflusst die Fensterwahl die Peak-Amplitude.

Maschinen- und Umgebungsfaktoren: Eine Maschine befindet sich nie in einem perfekt identischen Betriebszustand, selbst Minuten später nicht. Kleine Variationen in Last, Drehzahl, Temperatur und nahegelegener Aktivität können ihre Schwingungssignatur beeinflussen. Einige Analysatoren reagieren aufgrund ihrer Empfindlichkeit oder Filterung unterschiedlich auf diese transienten Bedingungen. Unterschiede in Sensorplatzierung, Montagekraft und Oberflächenbedingungen tragen zusätzlich zu inkonsistenten Messungen bei.

Operatorabhängige Unterschiede: Die Technik des Bedieners hat einen großen Einfluss auf die Messkonsistenz. Kleine Unterschiede in der Sensorplatzierung oder dem Winkel können die Schwingungsamplitude spürbar beeinflussen, insbesondere bei hohen Frequenzen. Variationen in Druck, Kabelhandhabung oder die Wahl leicht unterschiedlicher Messpunkte führen ebenfalls zu Variabilität.

Wie Man die Variabilität zwischen Analysatoren Reduziert

Es gibt einige Schritte, die Teams unternehmen können, um Abweichungen zu minimieren und die Datenkonsistenz zu verbessern:

Erfassungsverfahren standardisieren: Ein formales Verfahren erstellen, das Sensortyp, Montagemethode, Messpunkte, FFT-Einstellungen, Mittelungsregeln sowie Einheiten und Skalierung definiert.

Denselben Analysator für Trendanalysen verwenden: Selbst wenn zwei Analysatoren beide präzise sind, können sie möglicherweise nicht identisch Trends darstellen. Bei der Maschinenüberwachung ist Konsistenz wichtiger als absolute Präzision.

Regelmäßig kalibrieren: Jährliche oder halbjährliche Kalibrierung der Ausrüstung gewährleistet Vertrauen in langfristige Daten.

Bediener schulen: Selbst kleine Technikdifferenzen erzeugen große Messveränderungen, daher sollten Bediener in der richtigen Technik geschult werden.

Fazit

Unterschiede zwischen Schwingungsanalysatoren sind nicht nur üblich, sie sind völlig normal. Variationen entstehen durch Abtastrate, Auflösungslinien und Anti-Aliasing-Implementierung. Zusätzlich können Sensortyp, Softwarealgorithmen, Kalibrierung, Umgebungsbedingungen und menschliche Technik die Ergebnisse beeinflussen. Das Verständnis dieser Faktoren befähigt Zuverlässigkeitsteams, ihre Daten mit größerem Vertrauen zu interpretieren, falsche Annahmen zu vermeiden und konsistentere und zuverlässigere Zustandsüberwachungsprogramme aufzubauen.

Erbessd EI WiSER®- und PHANTOM®-System

Der Erbessd PHANTOM® Gen 3 Sensor bietet eine ausreichend hohe Abtastrate und eine angemessene Spektralauflösung, um häufige Maschinenfehler zuverlässig zu identifizieren, was ihn gut geeignet für Standard-Zustandsüberwachungsprogramme macht. Mit Abtastraten bis zu 25 kHz, Frequenzbereichen bis zu 10 kHz und FFT-Auflösungen bis zu 12.800 Linien kann der PHANTOM®-Sensor Unwucht, Fehlausrichtung, Lockerheit und frühe Lagerfehler effektiv erkennen. Seine triaxiale Schwingungsfähigkeit, kombiniert mit Temperaturmessung, kabelloser Installation, langer Batterielebensdauer, robustem industriellen Design und Kosteneffizienz, ermöglicht eine skalierbare Bereitstellung über große Anlagenpopulationen. Für sehr hochdrehende Ausrüstungen oder fortgeschrittene Diagnosearbeiten, die ultrahohe Frequenzdetails und tiefere analytische Auflösungen erfordern, wird der EI WiSER®-Sensor aufgrund seiner überlegenen Bandbreite, höheren Abtastkapazität von 48 kHz, Auflösungslinien bis zu 3.000.000 und verbesserten Diagnoseleistung empfohlen.