Aplikace Fourierovy a Waveletové transformace ve vibrační a akustické analýze mechanických zařízení

Abstract

Většina mechanických zařízení vydává vibrační a akustické signály. Tyto signály mnohdy obsahují informace o oscilačním pohybu těchto zařízení, které mohou pomoci odhalit jejich aktuální stav, jakožto například že trpí závadou. Fourierova a Vlnková transformace jsou metody spektrální analýzy, jež dokážou reprezentovat signály pomocí oscilací a tedy jsou běžně používány pro zjišťování aktuálního stavu mechanických zařízení. Tato práce popisuje Fourierovu a Vlnkovou transformaci a demonstruje jejich aplikaci ve vibrační a akustické analýze mechanických zařízení pomocí experimentů provedených na reálných datech. Výsledky experimentů potvrzují, že obě metody dokáží detekovat závadný stav mechanických zařízení. Přesněji, Furierova transformace může identifikovat přítomnost závady, kdežto Vlnková transformace dokáže i lokalizovat specifické vadné chování v čase.

Majority of industrial machinery emits vibration and acoustic signals. These signals often contain information about the oscillatory movement of the machinery that could reveal its condition, such as a defective state. Fourier and Wavelet transforms are spectral analysis methods which decompose signals into a representation by oscillatory functions. Thus, those methods are often used for condition monitoring of machinery. This Thesis describes Fourier and Wavelet transforms and demonstrates their application for vibration and acoustic analysis of machinery on experiments conducted upon real-world data sets. The results of the experiments verify that both of the methods can distinguish different conditions of a machinery. Specifically, the experiments show that Fourier transform can identify a defective condition while Wavelet transform can even localize specific defective behavior in time.