Przewodnik po analizie drgań

Czym jest analiza drgań?

Analiza drgań pozwala gromadzić i przetwarzać dane o drganiach mechanicznych w maszynie, komponencie lub strukturze. Wykorzystuje się ją do wykrywania nieprawidłowych drgań, które mogą wskazywać na ogólny stan badanego obiektu. Wiele narzędzi i technik analizy drgań zostało zaprojektowanych do pomiaru, przechowywania i wydobywania informacji o drganiach. Techniki te pozwalają na monitorowanie stanu maszyn i mogą pomóc przedsiębiorstwu w zwiększeniu wydajności, ograniczeniu kosztów i produkcji towarów w bardziej zrównoważony sposób.

Dlaczego warto mierzyć drgania?

Pomiar drgań oferuje szereg korzyści dla inżynierów, których zadaniem jest monitorowanie stanu konstrukcji i komponentów. Pozwala inżynierom reagować w czasie rzeczywistym na zmiany w stanie komponentu i umożliwia zdalne monitorowanie. Istnieją także dobrze ugruntowane techniki analizy drgań, które mogą być wykorzystywane w konserwacji predykcyjnej.

Dwa główne zastosowania monitorowania drgań to ochrona integralności strukturalnej infrastruktury, takiej jak mosty i rurociągi, a tym samym zapewnienie bezpieczeństwa ich użytkowania, oraz monitorowanie komponentów, takich jak silniki i łożyska, w celu przedłużenia ich działania oraz zarządzania ich cyklem żywotności eksploatacyjnej i konserwacją.

• Drgania silników i innych części poruszających się

Drgania mogą również występować w silnikach i innych poruszających się komponentach. To, że silniki generują niewielkie drgania, to normalne zjawisko, jednak zmiany lub nasilenie drgań silnika mogą wskazywać na problemy. Istnieje kilka potencjalnych przyczyn drgań silnika, w tym brak równowagi spowodowany wadami komponentów, źle ustawione koła zębate, awarie łożysk, ogólne zużycie łożysk i innych części lub silnik, który jest luźno przytwierdzony do swojego elementu mocującego.

Drgania mogą wskazywać na problemy, które ograniczają wydajność energetyczną silnika, zwiększając koszty. Wraz ze wzrostem cen energii jest to coraz większy problem. Największe koszty mogą jednak powstać w przypadku awarii silnika. Oprócz kosztów wymiany lub naprawy, może to spowodować przerwanie produkcji, utratę przychodów i dalsze koszty związane z koniecznością wymiany zepsutych materiałów.

• Zapewnienie integralności strukturalnej

Innym zastosowaniem analizy drgań jest monitorowanie integralności strukturalnej elementów infrastruktury, takich jak mosty, rury i turbiny wiatrowe. Na przykład, gdy turbiny wiatrowe stają się coraz większe, podlegają większym drganiom strukturalnym. Pomiar „normalnych” drgań łopaty turbiny wiatrowej, a następnie porównanie ich z zaobserwowanymi zmianami w tym wzorcu, może wskazać problem strukturalny, umożliwiając zajęcie się nim zanim spowoduje on katastrofalną awarię.

Uszkodzenie komponentu może również nastąpić gwałtownie, z powodu drgań wywołanych przez zastosowanie obciążenia udarowego, które jest obciążeniem przejściowym, wykazującym bardzo wysoką amplitudę w krótkim czasie. Na przykład sprzęt elektroniczny może być dostarczany z czujnikami wykrywającymi nadmierne wstrząsy i drgania.

Jak mierzone są drgania?

Czujniki drgań to urządzenia, które mierzą siłę i częstotliwość drgań w danym komponencie lub systemie. Częstotliwość drgań pokazuje, jak często występują drgania. Śledzenie skoków drgań może pomóc w znalezieniu pierwotnej przyczyny problemu. Czujniki drgań rejestrują również intensywność drgań — im więcej drgań wykazuje sprzęt, tym większa jest intensywność pomiarów.

Istnieje kilka różnych typów czujników drgań, z których każdy działa na innych zasadach i ma swoje własne zastosowanie. Niektóre wymagają bezpośredniego kontaktu z testowanym elementem, inne mogą wykrywać drgania zdalnie. Najpopularniejszym rodzajem czujników drgań są akcelerometry, szeroko stosowane są również tensometry i czujniki mikrofonowe.

• Akcelerometry

Akcelerometry mierzą zmiany prędkości komponentu. Drgania wskazują na zmiany w prędkości, które powodują, że akcelerometr wytwarza sygnał elektryczny. Sygnały te mogą być przetwarzane w celu uzyskania użytecznych danych o drganiach. Akcelerometry piezoelektryczne są najczęściej stosowanym typem. Są one popularne, ponieważ wytwarzają silny, wyraźny sygnał w obrębie większości częstotliwości, chociaż coraz częściej stosuje się również akcelerometry piezorezystancyjne. Są one zdolne do wykrywania wysokich i niskich częstotliwości, ale są znacznie droższe niż typ piezoelektryczny.

• Tensometry

Inną metodą kontaktową są tensometry, które mają postać folii nakładanej bezpośrednio na element. Folia zawiera elektrycznie przewodzącą siatkę, która odkształca się w miarę jak komponent doświadcza drgań. Odkształcenia te zmieniają opór elektryczny siatki i odczytując czas potrzebny na przejście przez nią prądu elektrycznego można ocenić drgania obiektu.

Aby działać, tensometry muszą być odpowiednio przyklejone do powierzchni komponentu, co może sprawić, że ich instalacja będzie długim procesem.

• Czujniki mikrofonowe

Popularne są również czujniki mikrofonowe. Drgania generują dźwięki, które często są niesłyszalne dla ludzi. Czujniki mikrofonowe mogą wykrywać zmiany w tych dźwiękach o wysokiej częstotliwości i są opłacalną metodą dostarczania pewnych podstawowych informacji. Są one często stosowane wraz z akcelerometrami, które są dostępne,.

Istnieje ogromny zakres czujników drgań, które są dostępne, aby spełnić wymagania prawie każdej aplikacji.

Jakie są główne techniki analizy drgań?

Po pozyskaniu danych przez czujniki należy je przetworzyć w celu wykrycia problemów. Techniki analizy drgań opierają się na trzech głównych metodach: maksymalnym przyspieszeniu, analizie częstotliwości i sztucznej inteligencji. Maksymalne przyspieszenie pozwala analizować ilość ruchów obiektu wibrującego; analiza częstotliwości pozwala badać prędkość, z jaką te ruchy występują; sztuczna inteligencja wykorzystuje dane do wykrycia wzorców, które mogą wskazywać na usterki.

• Maksymalne przyspieszenie

Maksymalne przyspieszenie pozwala analizować drgania w dziedzinie czasu. Na jego podstawie na osi czasu tworzony jest wykres amplitudy drgań — od najwyższego punktu zarejestrowanego kształtu fali do najniższego punktu. Wynikiem jest liczba przyspieszenia w Gs. Tak, jak szybkość zmiany prędkości, reprezentuje on siły oddziaływujące na sprzęt lub komponent. Przyspieszenie kładzie szczególny nacisk na wysokie częstotliwości i jest użytecznym narzędziem do oceny stanu łożysk.

Prędkość jest pochodną danych dotyczących przyspieszenia i jest szybkością zmiany przemieszczenia. Jest to miara zmęczenia mechanicznego.

Przebiegi czasowe pokazują krótką próbkę surowych danych o drganiach, dając wgląd w stan maszyn, które nie zawsze są łatwe do zinterpretowania z poziomu widma częstotliwości.

• Analiza częstotliwości

Tak, jak utwór muzyczny składa się z różnych częstotliwości, drgania oddziaływujące na maszynę także składają się z różnych częstotliwości. Na przykład: całkowite drgania mogą składać się z wielu różnych drgań silnika, łożyska, wału napędowego lub wielu innych komponentów. Do analizy tych wielu częstotliwości wykorzystywana jest szybka transformacja Fouriera (ang. Fast Fourier Transforms, FFT). Technika ta rozkłada sygnał na wszystkie jego częstotliwości składowe, konwertując go z domeny czasu do domeny częstotliwości.

Szybka transformacja Fouriera jest najczęściej stosowana do wykrywania błędów maszyn, takich jak niewspółosiowość lub niewyważenie.

• Sztuczna inteligencja

Systemy pomiaru drgań mogą gromadzić ogromne ilości danych. To sprawia, że analiza i identyfikacja wzorców stanowi wyzwanie dla ludzkich analityków drgań. Jednym z rozwiązań jest zwiększenie ich wysiłków poprzez wykorzystanie technik sztucznej inteligencji (ang. Artificial Intelligence, AI).

Ponieważ narzędzia AI doskonale radzą sobie z rutynowymi zadaniami, mogą natychmiast przeanalizować każdy fragment danych o drganiach i zdecydować, czy jest on nieistotny, czy też stanowi anomalię, na którą należy zwrócić większą uwagę. Zdolność systemów AI do stosowania technik uczenia maszynowego oznacza, że nie muszą być one zaprogramowane, aby wiedzieć, jak wyglądają sygnały anomalne — mogą badać regularne drgania, a następnie identyfikować sygnały drgań, które różnią się od tych normalnych warunków.

Wykorzystanie AI do identyfikowania znaków ostrzegawczych w danych może pomóc analitykom drgań skupić się na opracowywaniu planów reagowania na te ostrzeżenia. Jako taka, AI jest głównym narzędziem w rozwoju kultury konserwacji predykcyjnej.

Wykorzystywanie analizy drgań w konserwacji predykcyjnej

Wiele organizacji zmierza w kierunku konserwacji predykcyjnej, aby zmaksymalizować dostępność i żywotność swoich aktywów produkcyjnych. Różni się to od tradycyjnych technik, takich jak konserwacja reaktywna. W tym przypadku środek trwały jest naprawiany dopiero po awarii, co powoduje zakłócenia w produkcji. Konserwacja zapobiegawcza także może być uciążliwa, ponieważ jest przeprowadzana w ustalonych zalecanych odstępach czasu, a nie wtedy, gdy wymaga tego maszyna lub pozwala na to harmonogram produkcji.

Poprzez przewidywanie, kiedy maszyna lub środek trwały może ulec awarii i kiedy należy interweniować, aby jej zapobiec, konserwacja predykcyjna oferuje szereg korzyści. Obejmują one zmniejszenie częstotliwości zadań konserwacyjnych, ograniczenie nieplanowanych przestojów i oszczędność zasobów.

Korzystanie z konserwacji predykcyjnej jest łatwiejsze dzięki zastosowaniu komputerowego systemu zarządzania utrzymaniem ruchu (ang. Computerized Maintenance Management System, CMMS), który centralizuje informacje dotyczące konserwacji, ułatwia procesy i automatyzuje niektóre zadania w celu zwiększenia wydajności. System CMMS optymalizuje wykorzystanie, dostępność i żywotność sprzętu i maszyn, aby zapewnić maksymalną produktywność i zwrot z inwestycji.

Jedną z zasad konserwacji predykcyjnej jest identyfikacja i monitorowanie sprzętu o znaczeniu krytycznym. Może to być każdy element lub maszyna, która w przypadku wyłączenia może spowodować poważne zakłócenia w produkcji, doprowadzić do znaczącego incydentu związanego z bezpieczeństwem lub spowodować naruszenie przepisów dotyczących zgodności ze środowiskiem. Silniki są szeroko stosowane w przemyśle, stanowiąc podstawę wielu procesów i dlatego często mogą być klasyfikowane jako zasoby o znaczeniu krytycznym. Ciągła analiza drgań silników i maszyn, które napędzają lub zasilają, może pomóc w wykryciu anomalii, ujawniając problemy ze smarowaniem lub nadmiernym zużyciem łożysk.

Analiza drgań może być również stosowana do monitorowania stanu mocno eksploatowanego sprzętu, aktywów, które są używane przez całą dobę z niewielkimi przerwami. Czujniki drgań mogą wysyłać alerty, gdy warunki ulegną zmianie, dzięki czemu przestoje mogą być ograniczone do minimum.

Niektóre maszyny, takie jak urządzenia klimatyzacyjne, dźwigi lub zbiorniki przetwórcze są trudne do utrzymania, ponieważ znajdują się w trudno dostępnych miejscach, wymagają pracy na wysokości lub znajdują się w obszarach niebezpiecznych dla zdrowia. Monitorowanie ich pod kątem anomalii drgań pozwala na przeprowadzanie konserwacji w bardziej dogodnych terminach i eliminuje konieczność niepotrzebnego wkraczania pracowników w obręb potencjalnie ryzykownych obszarów.