Weitere Infocenter-Themen : Thermoakustik | Messtechnik | Visualisierung
Mit der Abtastfrequenz, Abtastrate oder auch Sampling Rate wird in der Signaltechnik die Häufigkeit bezeichnet, mit der ein zeitkontinuierliches analoges Signals an diskreten Stellen abgetastet wird, um daraus ein zeitdiskretes digitales Signal zu generieren.
Die IFTA AD4 Module Familie erlaubt Abtastraten bis 204,8 kHz.
Das Abtasttheorem, genauer gesagt das Nyquist-Shannon Abtasttheorem ist ein grundlegendes Theorem der Nachrichtentechnik, Signalverarbeitung und Informationstheorie. Es befasst sich mit der Frage, in wie weit sich ein analoges Ausgangssignal aus einem zeitdiskreten digitalisierten Signal fehlerfrei rekonstruieren lässt. Um eine Schwingungen noch messen zu können, muss die Abtastfrequenz mindestens das doppelte der maximal zu messenden Frequenz des analogen Signals sein. Ansonsten tritt das sogenannte Aliasing auf.
Als Anti Aliasing wird in der Signalverarbeitung die aktive Vermeidung bzw. Verminderung von Aliasing Effekten bezeichnet. Aliasing Effekte treten vor allem dann auf, wenn das abgetastete Signal höhere Frequenzen als die halbe Abtastfrequenz besitzt. Dieser Effekt äußert sich dann dadurch, dass Frequenzen höher der halben Abtastfrequenz fälschlicherweise als niedrigere Frequenz interpretiert werden. Um Aliasing in technischen Anwendungen zu verhindern, werden Tiefpassfilter eingesetzt die Frequenzen oberhalb der halben Abtastfrequenz vor dem Abtasten herausfiltern.
Die IFTA AD4 & AD32 Module setzen konsequent mit analogen und digitalen Filtern das Anti Aliasing um.
Bei hohen Abtastraten und vielen Kanälen fallen innerhalb kurzer Zeit große Datenmengen an die kaum mehr für größere Zeiträume zu speichern noch zu analysieren sind. Um diese Datenmengen wieder handhabbar zu machen werden sie zeitlich oder über Kanäle hinweg zusammengefasst, zum Beispiel wird nur die maximale Amplitude innerhalb einer Minute gespeichert satt jede einzelne, oder es wird nur die maximal Amplitude über alle Kanäle hinweg zu einem Zeitpunkt gespeichert statt jeden Kanal zu speichern.
Der IFTA DataHub realisiert diese Datenaggregation und erlaubt es so auch große Datenmengen mittels kleiner kompakter Übersichtsdateien zu visualisieren und analysieren.
Bei der Fast Fourier Transformation handelt es sich um einen besonders schnellen und effizienten Algorithmus zur Berechnung der diskreten Fourier Transformation (DFT). Digitalisierte zeitdiskrete Signale können durch die Fourier-Transformation in ihre einzelnen Frequenzanteile zur weiteren Analyse überführt werden.
Die IFTA SignalMiner Firmware, die in Echtzeit auf dem DSP läuft und IFTA TrendViewer bieten eine FFT.
Worin besteht der Vorteil der Kombination von Online- & Offline-Datenanalyse?
Durch die Kombination von Offline- und Online-Datenanalyse in einem Programm können aktuell gemessene Schwingungsparameter der überwachten Maschine mit bereits vorhandenen und freigegebenen Messdaten verglichen werden. Neben den dynamischen Daten der Rotordynamik können auch langsamere Prozessgrößen im gleichen Plot dargestellt werden. Komplexe Szenarien werden somit effizienter analysierbar. Hardwareseitig stehen hierfür sowohl langsamere Messkarten, als auch Module zur Busanbindung zur Verfügung.
Das IFTA ArgusOMDS setzt Maßstäbe bei der detaillierten und lückenlosen Analyse des Schwingungsverhaltens von Rotoren.
Eine Ordnung ist bei rotierenden Maschinen definiert als ein Vielfaches der Drehzahl (1. Ordnung = 1 x Drehzahl, 2. Ordnung = 2 x Drehzahl, ..., n x Drehzahl). Die Ordnungsanalyse untersucht Ordnungs-abhängige Phänomene wie Unwucht oder Reiben über eine sich veränderte Drehzahl.
Beim Order Tracking wird ein Signal mit diskreten Werten abhängig von der Winkelposition der Welle mit Hilfe von Resamplingtechniken berechnet. Dieses wird per FFT in die Ordnungsdomäne anstelle der Frequenzdomäne transformiert. Das hat den Vorteil, dass es zu keinem Verschmieren von Ordnungs-abhängigen Phänomen kommt und dass diese leichter identifiziert und höher aufgelöst werden können.
IFTA TrendViewer bietet das Order tracking als optionale Berechnung an.
Beim Resampling wird ein diskretes Signal auf andere zeitlich diskrete Datenpunkte umgeschrieben. Es findet vor allem Anwendung als Vorbereitung für Order Tracking, bei dem ein Signal abhängig von der Winkelposition der Welle resampelt wird.
Als Trigger wird eine Bedingung definiert, die weitere Aktionen im Messsystem auslöst. Die Bedingung kann sowohl innerhalb des Messsystems bestimmt werden, als auch von extern definiert werden. Ein Beispiel hierfür ist die Speicherung von Daten sobald ein Grenzwert überschritten wird. Für bekannte Ereignisse lassen sich solche Grenzwerte meist definieren. Falls es sich jedoch um noch nicht bekannte und ins besondere sporadische Ereignisse handelt, für die noch kein Trigger definiert werden kann, so ist die kontinuierliche Speicherung vorzuziehen, da die Ereignisse sonst bei zu hohen Grenzwerten nicht erfasst werde. Weitere Anwendungsbeispiele sind die manuelle Triggerung, um Messpunkte zu nehmen, die Speicherung von transienten Betriebspunkten mit höherer Auflösung als konstante Betriebspunkte (RunUp, RunDown vs. Steady State bei Rotoren), sowie das Speichern bei unerwarteten Ereignissen wie Entlastungen oder Notabschaltungen von Maschinen.
