Bliv ringet op

Hvis du har spørgsmål eller brug for hjælp...


Vibrationsmåling teori

Herunder kan du læse lidt mere teori omkring vibrationsmåling, hvis du er ny indenfor vibrationsmåling.

Vibrationssignalet

Forestil dig, at du ryster vibrationssensoren op og ned, præcis lige langt om med samme kraft op og ned over tid, derved framkommer denne graf (et perfekt sinussignal). Dette signal er det elektriske signal fra sensoren om man vil.

Amplitude: Er op af Y-aksen og er relateret til alvorlighedsgraden af vibrationerne

RMS (Root Mean Square): Beskriver den energi som vibrationerne indeholder

PEAK: Bevægelse fra nul til top “pukkel” på signalet

PEAK-PEAK: Den totale bevægelse fra top til bund

Frekvens

Vi antager at tiden ud af x-aksen er 1 sek.

Hvis vi tager det samme vibrationssignal fra før og tæller “puklerne” på grafen da får vi frekvensen (Hz). Altså hvor mange gange er der sket en hændelse over 1 sekund (Hz), hvor mange gange bevægede sensoren sig op og ned.

Denne frekvens kan aflæses på tidssignalet over tid, men vi kan også afbillede det som vist under sinussignalet med et spektrum (FFT). Hvor vi ændre akseværdien på x-aksen til frekvens. Dette skal vise sig at være nyttigt, når flere signaler er blandet sammen.

Øget frekvens

Vi antager at tiden ud af x-aksen er 1 sek.

Vi har nu fordoblet frekvensen, derfor er der nu dobbelt så mange “pukler” på vores time waveform. Der er nu 20 pulser på 1 sekund..

Kig nøje på den nederste graf (spektrum – FFT) frekvensen har flyttet sig længere ud af x-aksen.

Flere frekvenser

Vi har selvfølgelig kigget på simple vibrationer her ovenover, samt kigget på enkeltstående frekvenser. Maskiner har mange forskellige komponenter og rotations-hastigheder. Det bliver straks lidt mere kompliceret, når vi tager udgangspunkt i en rigtig situation og ikke opstillede sinussignaler.

I maskiner er der komponenter som gear, lejer, blæserblade og mange andre komponenter som danner vibrationer. Hver af disse komponenter har deres egen måde at vibrere på, og deres egen frekvens den som vi kan opdele i et spektrum også kaldet FFT.