Güç Spektral Yoğunluğu (PSD) nedir? Autopower’dan farkı nedir?

Bir Güç Spektral Yoğunluğu (PSD), sinyalin, güç içeriğinin frekansa karşı ölçüsüdür. Bir PSD tipik olarak geniş bantlı rastgele sinyalleri karakterize etmek için kullanılır. PSD’nin genliği, sinyali sayısallaştırmak için kullanılan spektral çözünürlük ile normalleştirilir.

Titreşim verileri için PSD’nin genlik birimi g2 / Hz’dir. Bu birim ilk başta anlaşılması ve kullanılması kolay görünmese de, rastgele verilerin üzerine yerleştirilmesini ve verileri ölçmek için kullanılan spektral çözünürlükten bağımsız olarak karşılaştırılmasını sağlar. Bu makalede bunun nasıl yapıldığı açıklanmaktadır.

Bir Güç Spektral Yoğunluğunu (PSD) anlamak için, verileri farklı spektral çözünürlüklerle analiz ederken autopower fonksiyonunun bazı sınırlamalarını anlamak faydalı olacaktır.

Senaryo:

Aynı geniş bant verileri üç kez farklı şekilde ölçüldü. Her ölçüm için sadece frekans çözünürlüğü değiştirildi. 1 Hz frekans çözünürlüğü, sonra 4 Hz frekans çözünürlüğü ve son olarak 8 Hz frekans çözünürlüğü ile elde edildi.

Ortaya çıkan autopower verilerinin genlikleri çok farklıdır (Şekil 1). Neden? Hangisi doğru?

Cevap:

Tüm autopower sonuçları doğrudur! Ancak görsel olarak farklı genliklere sahip oldukları anlaşılıyor, bu da kafa karıştırıcı bir durumdur.

Frekans çözünürlüğü (bazen spektral çözünürlük olarak da adlandırılır) azaldıkça (8 Hz, ardından 4 Hz, sonra 1 Hz ile başlar), sinyali ölçmek için daha fazla veri noktası kullanılır. Aynı sinyal daha küçük parçalara bölünüyor, ancak toplam aynı kalıyor.

Bireysel frekanslardaki genlik farklı gibi görünse de, frekans aralığı boyunca toplam veri aynıdır.

Sinyalin “toplamı”, Şekil 2’de gösterildiği gibi tüm spektrumun RMStoplamına yansıtılır. RMS toplamı, üç autopower spektrumunun tümü için aynıdır.

Daha küçük bir frekans aralığına dayanan verilerin kısmi RMS toplamı bile (Şekil 3) her üç ölçüm için de aynıdır.

Spektral Çizgiler

Spektral çizgiler, bu özdeş sinyaller için çizilen genliklerin neden farklı göründüğünü, ancak neden aynı miktarda toplandığını anlamanın anahtarıdır.

1 Hz çözünürlük ve 6000 Hz bant genişliği ile ölçülen bir autopower spektrumu, Denklem 1’de gösterildiği gibi 6000 veri noktasına veya spektral çizgiye sahip olacaktır.

Spektral çizgiler, spektrumu dijitalleştirmek için kullanılan frekans alanındaki ayrık noktalardır (bir bilgisayarın sürekli bir analog işlevi saklayamayacağını, herhangi bir veriyi ayrı noktalara bölmesi gerektiğini unutmayın). Tüm sinyal bu 6000 veri noktası (yani spektral çizgiler) arasında bölünür.

Üç ayrı ölçüm için (her biri maksimum 6000 Hz frekansına sahip) aşağıdakiler gözlenir:
– 1 Hz frekans çözünürlüğü -> 6000 spektral çizgi -> en düşük görünür genlik
– 4 Hz frekans çözünürlüğü -> 1500 spektral çizgi -> orta menzilli görünen genlik
– 8 Hz frekans çözünürlüğü -> 750 spektral çizgi -> en yüksek görünür genlik

Genliğin gerçekten spektral çizgi sayısının bir fonksiyonu olduğunu unutmayın. Spektral çizgiler ne kadar fazlaysa, her spektral çizginin genliği o kadar düşük olur.

Sonuçlar belirli bir frekans çözünürlüğü için doğrudur, ancak spektrum görüntülenirken bu kolayca görülmemektedir. Daha dar bir frekans aralığına yakınlaşarak (Şekil 4), üç ölçüm arasındaki farklı frekans çözünürlükleri daha belirgin olmaya başlar. Mavi çizginin (8 Hz çözünürlük) kırmızı çizgiden (1 Hz çözünürlük) daha az veri noktasına sahip olduğu görülebilir.

Verilerin görüntülenme şekli, veri eğrileri arasındaki farkları gizler. Varsayılan olarak, çoğu FFT analizörü veri noktalarını birbirine bağlayan çizgilerle görüntüler. Verilere, Şekil 4’teki gibi çizgilerle bağlanmak yerine, aynı veriler, blok anahatları olarak görüntülenebilir (Şekil 5). Blok anahatları ayrı spektral çizgilerin görülmesini sağlar.

Blok anahatlarını kullanarak görüntülenen verilerde, üç ölçümdeki farklar daha açıktır (Şekil 5). 8 Hz frekans çözünürlüğü ile ölçülen mavi eğride, her spektral çizginin seviyelerinin daha yüksek olduğunu, ancak frekans aralığında daha az veri noktası olduğunu görebilirsiniz. Kırmızı eğride daha fazla veri noktası vardır, ancak her nokta / çizgi genlik olarak daha düşüktür. Yeşil eğri ortadadır.

Parti Anolojisi

İçeceklerin sunulduğu bir parti, autopower fonksiyonundaki frekans çözünürlüğü ve genlik arasındaki bu ilişkiyi açıklamak için bir benzetme olarak kullanılabilir (Şekil 6).

Ölçülen sinyalin, servis edilecek sabit bir içecek miktarı olduğunu düşünün. Katılımcılar tarafından tutulan bardak sayısı, spektral çizgilerin sayısına benzer.

Geniş bantlı bir sinyali simüle etmek için içecek,bardaklar arasında eşit olarak dağıtılır. Dağıtım için ne kadar çok bardak (yani spektral çizgiler) olursa, her bir bardaktaki miktar o kadar düşük olur. Sunulan toplam içecek miktarı (yani RMS) aynı kalır.

Güç Spektral Yoğunluk fonksiyonu şimdi üç autopower spektrumundaki belirgin farkı gidermek / azaltmak için kullanılacaktır. Unutmayın, autopower ve Güç Spektral Yoğunluğu her ikisi de doğrudur, yalnızca verilerin gösterimi işlevler değiştirilerek değiştirilmektedir.

Güç Spektral Yoğunluğu

Toplam sinyal miktarı (RMS tarafından gösterildiği gibi) aynı olmasına rağmen, autopower grafiğinde gösterilen genliklerin de benzer olması istenir.

Güç Spektral Yoğunluğu (PSD), genliklere benzer bir görünüm vermek için genlikleri frekans çözünürlüğüyle normalleştirir (Şekil 7).

Frekans çözünürlüğü ile “normalleştirme” terimi, her spektral çizginin genliğinin frekans çözünürlüğüne bölünmesi anlamına gelir.
– 1 Hz frekans çözünürlüğü durumunda, genlik değişmeden kalacaktır.
– 4 Hz frekans çözünürlüğü için, genlik her frekansta 4’e bölünür.
– 8 Hz’lik bir çözünürlük için, genlik her frekansta 8’e bölünür.

Genlik her zaman sonuç olarak Hertz’e bölünerek gösterilir, örneğin 25 g2 / Hz.

PSD rastgele veriler için benzer genlikler verdiğinden, rastgele titreşim kontrol testinde genellikle kontrol fonksiyonu olarak kullanılır.

Geleneksel olarak, bir Güç Spektral Yoğunluğundaki verilerin genliği kare içine alınır. Örneğin, biri 5 g genlik (rms) sinüs dalgasını ölçüyorsa, bir PSD’de gösterilen genlik 25 g2 / Hz olacaktır.

Sinüzoidal Veriler

Sinüzoidal veriler için her şey tam tersidir!

Parti benzetimimize geri dönersek, sinüzoid durumunda, sürahi içindeki tüm sinyaller tek bir bardağa (spektral çizgi) konur. Örneğin, 1 Hz, 4 Hz veya 8 Hz frekans çözünürlüğüyle elde edilen 200 Hz sinüs dalgası, tüm sinyali tek bir spektral çizgiye yerleştirir (200, 1, 4 ve 8 ile eşit olarak bölünebilir).

Bir sinüzoid için genlik, spektral çizgilerin sayısındaki değişikliklerle büyük ölçüde değişmeyecektir. Sinyal her zaman bir “bardağa” (yani spektral çizgiye) yerleştirildiği için, daha fazla bardak eklendikçe camdaki genlik değişmez.

Aslında, sinüzoidal sinyalin bir Güç Spektral Yoğunluğu (PSD), sinüs dalgasının görünür genliğini Şekil 10’daki gibi büyük ölçüde değiştirecektir.

Bunun nedeni sinüs dalgalarının genliklerinin kendi frekans çözünürlüklerine (delta f) bölünmesidir. Aynı genliği almak ve bunu farklı frekans çözünürlüğü (delta f) değerlerine bölmek genlikleri farklı kılar.

Genlik değerini en büyük frekans çözünürlüğüne (bu durumda 8 Hz) böldüğümüz PSD, en düşük genliğe neden olur.

Sinüs dalgalarının PSD’sinin RMS toplamı aynı kalır. Bunun nedeni, RMS toplama işlevinin doğru değeri elde etmek için frekans çözünürlüğü bölümünü otomatik olarak ayarlamasıdır.

Sonuç

Bilgisayarlar sinyalleri ayrık noktalara dönüştürdükleri için bazı ilginç dijital sinyal işleme fenomenleri yaratılır.

Geniş bant (rastgele) sinyaller:
– Farklı frekans çözünürlüklerine sahip autopower spektrumlarının farklı genlik seviyeleri olacaktır.
– Farklı frekans çözünürlüklerine sahip Güç Spektral Yoğunlukları aynı genlik seviyelerine sahip olacaktır.

Sinüzoidal (periyodik) sinyaller:
– Farklı frekans çözünürlüklerine sahip autopower spektrumları aynı genlik seviyelerine sahip olacaktır.
– Farklı frekans çözünürlüklerine sahip Güç Spektral Yoğunlukları farklı genlik seviyelerine sahip olacaktır.

Tablo 1, Güç Spektral Yoğunluklarına karşı autopower ile ilgili bu gözlemleri özetlemektedir.

Her durumda, frekans aralığı üzerindeki verilerin RMS toplamı tüm durumlarda aynıdır. Bir spektral işlevi değerlendirirken, karşılaştırma amacıyla bir RMS kullanmak en iyi uygulamadır, çünkü RMS genlikleri tutarlı ve kullanılabilir değerler üretmek için frekans çözünürlüğünü ve diğer ayarlamaları dikkate alır.

Uygulamada, aşağıdaki gibi kullanılırlar:
– Güç Spektral Yoğunluğu – Rastgele titreşim yorulmasını ölçmek için kullanılır.
– Autopower -Motorlar, pompalar, dişliler, vb. tarafından üretilen sinüzoidal verileri ölçmek için kullanılır.

Simcenter Testlab Format Dönüştürme

Simcenter Testlab‘da (eski adıyla LMS Test.Lab), bir autopower PSD’ye dönüştürülebilir veya tam tersi yapılabilir.

‘Conditioning’ araç çubuğunda (Şekil 11), bir spektral fonksiyonun formatı “FFT Format Conversion” düğmesi seçilerek dönüştürülebilir.

Menüden aşağıdakiler değiştirilebilir:
– ‘AmplitudeScaling’ – RMS ve Peak arasından genlik modunu seçin.
– ‘SpectrumFormat’ -Linear, Power, PSD ve ESD arasında seçim yapın

Mod ve biçim değiştirilebilirken, spektral çözünürlük değiştirilemez. Spektral çözünürlüğü değiştirmek için verilerin orijinal zaman geçmişinden yeniden işlenmesi gerekir.

Uygulama hakkında sorularınız için DTA Mühendislik Test Bölümü mühendisleriyle iletişime geçebilirsiniz.

The post Güç Spektral Yoğunluğu (PSD) Nedir ? appeared first on .

Bir Fourier Dönüşümü gerçekleştirirken, hesaplanabilen birkaç tip spektral fonksiyon vardır. Bu fonksiyonlardan ikisi, Autopower ve Spectrum çok farklı sonuçlar verebilir. Şekil 1’de gösterildiği gibi, SIEMENS LMS Test.Lab’da iki fonksiyon arasında seçim yaparken, fonksiyonların nasıl hesaplandığını ve sonuçların nasıl değişebileceğini anlamak için çok dikkatli olunmalıdır.

Sonuçlar genlik, faz ve ortalamadan etkilenebilir. Bu makalede, iki fonksiyon arasındaki farklılıklar ve bunları ne zaman kullanacağınız açıklanmaktadır.

Arka Plan

Spectrum ve Autopower fonksiyonlarının ikisi de genliğe karşılık gelen frekansın sonuçlarını üretir. İki fonksiyon arasındaki başlıca fark, fazın işlenme şeklidir:
– Spectrum fonksiyonu faz bilgisi içerir.
– Autopower fonksiyonu faz bilgisi içermez.
Şekil 2, aynı sinyal için Spectrum ve Autopower göstermektedir:

Şekil 2’deki grafikler tek bir ortalama ile işlenmiştir ve her iki fonksiyonun genlik kısmı aynıdır. Tek fark, Spectrum faz bilgisi içerir fakat Autopower faz bilgisi içermemektedir. (Faz, tüm frekanslarda sıfırdır.)
Spektral verileri işlerken fazın ne kadar önemli olabileceğini anlamak için Fourier Dönüşümünü ve fazı nasıl işlediğini gözden geçirmek yararlı olacaktır.

Fourier Dönüşümü ve Faz

Herhangi bir zaman sinyalinin Fourier Dönüşümü gerçekleştirilirken, benzersiz bir tekil sinüs dalgası setine bölünür. Bu sinüs dalgaları, birlikte toplandığında, orijinal zaman sinyaline eşittir (Şekil 3).

Her bir sinüs dalgası sadece bir genliğe sahip değildir, aynı zamanda bir faz değerine de sahiptir. Hem faz hem de genlik değerleri, Fourier Dönüşümü ile her sinüs dalgası için ayrı ayrı belirlenir. Genlik ve faz değerleri, sinüs dalgalarının toplamının orijinal sinyale eşit olacağı şekilde belirlenir.

Fourier Dönüşümü herhangi bir zaman sinyalini benzersiz bir sinüs dalgası setine böler. Her sinüs dalgası benzersiz bir genlik ve frekansa sahiptir, böylece birlikte eklendiğinde, orijinal sinyal yeniden oluşturulur.

Her sinyal, tek sinüs dalgalarından oluşan bir koleksiyon olduğundan, bu makalenin çoğu, tek sinüs dalgalarını kullanan örnekleri gösterir.
Şekil 4’teki iki sinüs dalgasını inceleyelim. Bu sinüs dalgaları aynı genliğe sahipler, fakat faz açıları 45 derece farklıdır.

Faz açısı, zaman bloğunun başlangıcındaki değere bağlıdır. Şekil 4’te, kırmızı sinüs dalgasının sıfır derece faz açısına sahip olduğu ve mavi sinüs dalgasının 45 derece faz açısına sahip olduğu dikkate alınmıştır.
Zaman alanındaki bu değişim, Şekil 5’te gösterildiği gibi her iki sinyalin Fourier Dönüşümünde belirgindir.

Autopower’ın işlevi olmasa da Spectrum’un fazdaki farkları koruduğu gerçeği, hangisinin ne zaman kullanılacağını anlamak için anahtardır.
Bir sonraki bölüm, Fourier Dönüşümü’nün Spectrum veya Autopower ile nasıl ilişkili olduğunu kapsamaktadır.

Spectrum ve Autopower arasındaki Matematiksel Fark

Birçok dijital sinyal işleme algoritmasında, Fourier Dönüşümü 0 Hertz etrafında aynalanan çift taraflı bir Spectrum ile sonuçlanır. Sıfır Hertz etrafındaki bu aynalanma elimine edilirse Spectrum (S_x) sadece 0 Hertz ve üzerindeki frekansları içerir. Spectrum, genlik ve faz değerlerinden oluşan kompleks bir fonksiyondur. Reel ve imajiner (a+ib) şeklinde karmaşık sayılarla ifade edilebilir.

Autopower(G_xx) ise, Denklem 1’deki gibi Spectrum’un karmaşık sayı şeklinde eşleniği ile çarpımıdır. Bu eşlenik, Spectrum’un frekans çizgisindeki her değer için ayrı ayrı hesaplanır.

Karmaşık sayılarla bu işlem gerçekleştirilerek Spectrum, genlik içeren fakat faz içermeyen Autopower fonksiyonuna dönüşür.
Karmaşık sayıyı eşleniğiyle çarparak genliğin karesi alınmış olur. Lineer genliklere ulaşmak için bu değerlerin karekökünü almak yaygın bir uygulamadır. Bu durum için ‘Autopower Linear’ ifadesi kullanılır. Buradaki ‘Linear’ ifadesi Autopower fonksiyonunun sonucunda oluşan genliklerin karekökünün alındığını gösterir.

Bir sonraki bölümde birden fazla fonksiyon veya örneklemelerin ortalaması alınacaksa, Autopower veya Spectrum’dan hangisinin tercih edilmesi gerektiğinin öneminden bahsedilecektir.

Ortalamanın Önemi

Şekil 6’da, 180 derece faz farkına sahip iki farklı sinüs dalgasının zaman alanı ve frekans alanı grafiği gösterilmektedir.

İki sinüs dalgasının ortalaması alınırsa, sonuç sıfır olacaktır. Ortalama zaman alanında veya frekans alanında farketmeksizin sonuç sıfır olur. Ancak Autopower kullanılarak frekans alanında ortalama alınırsa sonuç sıfırdan farklı olur.

Şekil 7’de, her iki sinüs dalgasının Autopower’ı görünmektedir. Her iki sinüs dalgasının Autopower fazının sıfır olduğuna dikkat edin. İki sinüs dalgasının zaman alanındaki fazları farklı olsa bile frekans alanında Autopower’da aynıdır.

Bu durumda, zaman alanındaki ortalama sıfır olurken, frekans alanındaki Autopower fonksiyonunun ortalaması doğru olur. Autopower fonksiyonu sayesinde, frekans alanında ortalama sıfır olmaz.

Autopower, ortalamadaki doğru genliği korumak için fazı sıfıra ayarlar.

Fazı Ortadan Kaldırarak Doğru Genlik Seviyeleri Elde Etme

Autopower fonksiyonu ile ortalamanın doğru genliğini bulmak nasıl mümkün olur? Fazı elimine etme aşaması nasıl yapılıyor? Şekil 8’de açıklayıcı bir örnek görünmektedir. Örnek zaman verilerine dayanır, ancak frekans alanında doğrudur:
– Şekil 8’in sol tarafında fazları farklı olan iki sinüs dalgası görünmektedir. Bu iki sinüs dalgasının ortalamaları açıkça sıfırdır. Frekans alanında bile sıfır olacaktır, çünkü fazların arasında 180 derecelik ters ilişki vardır.
– Şekil 8’in sağ tarafında iki sinüs dalgasının ortalamasından önce kareleri alınmıştır. Bu durum frekans alanındaki karmaşık sayıların eşleniğiyle çarpımına eşdeğerdir. Sinüs dalgalarının kareleri alındığında, tüm değerler pozitif olur ve ortalamanın sonucu sıfırdan farklı bir değer çıkar.

Aslında, bu örnekte, kareleri alınmış sinüs fonksiyonları çok tutarlı bir ortalama sonucu çıkacak şekilde tamamen aynı verilmiştir.

Pratikte, iki sinyalin Spectrum’larının ortalaması her zaman sıfır olmaz. Örneğin, geniş bantta rastgele bir sinyalin ölçümünde sinyal genliği ortalama sayısına bağlı olarak kademeli şekilde azalır. Daha fazla ortalama Şekil 9’daki gibi daha düşük bir genliğe sebep olur.

Bazı gözlemler:
1) 10, 25 ve 100 ortalamaları ile Autopower genliklerindeki değişiklik azalmış ve genliklerin ortalaması aynı kalmıştır.
2) 10, 25 ve 100 ortalamaları ile Spectrum ise çok fazla değişken bir genlik içeriğine sahip olup, genlik değerleri giderek azalmıştır.
Spectrum fonksiyonu kullanıldığında, genlik ortalama sayısına bağlı olarak giderek düşer. Doğru genliğin elde edilmesi önemli olduğundan, fazın tutarlı olmasını sağlamak için özel önlemler alınmadıkça (tetikleyici gibi), ortalama alırken Spectrum tercih edilmez.

Faz Referanslı Spectrum (Phase Referenced Spectrum)

Doğru genlik, faz ve ortalama aynı anda istenir mi ? Örneğin yapının operasyonel şartlarda modal davranışının incelendiği Operational Deflection Shape (ODS) analizinde ortalamayla birlikte doğru genlik ve faz bilgisine ihtiyaç duyulur:
– Faz gerekiyorsa Autopower fonksiyonu kullanılmaz, Spectrum kullanılır.
– Ortalama gerekiyorsa, ortalamalar arasındaki faz değişimi kontrol edilemediği sürece Spectrum doğru genlik değerlerini sağlamayacaktır.

Bu durumda en iyi alternatif ise Faz Referanslı Spectrum yöntemidir.
Faz Referanslı Spectrum, veri toplamaya her başlandığında oluşan göreceli bir faz yapısının yerine, farklı tipte bir faz kullanılır. Burada ortalamanın yerine, titreşime maruz kalan yapı üzerinden toplanan farklı veri kanalları arasındaki faz farkını kullanır.

Şekil 10’daki titreşim halindeki yapının animasyonu üzerinden değerlendirelim:
– Ölçüm noktalarından; plate:1:Z ve plate:13:Z aynı fazdadır.
– Ölçüm noktalarından; plate:15:Z ve plate:13:Z ters fazdadır.

Titreşimli bir yapı üzerindeki farklı noktaların arasındaki sabit faz ilişkisinden yararlanılarak, Spectrum fonksiyonu kullanılarak bile ortalama almak mümkündür.

Faz Referanslı Spectrum ile çok kanallı ölçümlerde, bir konum her ölçümde faz referansı olarak belirlenir. Seçilen konum referans olarak belirlenir ve her ölçümde bu konumdan veri alınır. Bu sayede bütün noktaların arasındaki faz ilişkisi belirlenmiş olur. Bu faz ilişkisi ortalamanın doğru sonuç vermesi için kullanılır.

Titreşimli yapı üzerinden elde edilen veriler Şekil 11’de gösterilmiştir:
– Üç ölçümün de (A, B, C) başlangıç zamanları farklı olduğu için, farklı fazlara sahiptirler.
– Veri toplanan ölçüm konumları arasındaki faz farkları her zaman sabittir. Örneğin, Plate:15:Z ile Plate:13:Z arasında her ölçümde 180 derecelik bir faz farkı mevcuttur.

Bütün sinüs dalgaları aynı genlikte olmasına rağmen, ortalamaların hiçbirinden doğru genlik elde edilemeyecektir.

Faz Referanslı Spectrum’u faz durumlarını düzenli hale getirerek ortalamasının alınmasını sağlar. (Şekil 12)
– Faz, referans kanalındaki her frekans için sıfıra ayarlanır. Bu işlem her frekans çizgisi için ayrı ayrı yapılır.
– Referans kanalın fazını sıfırlamak için gereken fark, o ölçümdeki diğer kanallardan da çıkarılır. Bu işlem de her frekans çizgisi için ayrı ayrı yapılır.
– Ortalama alınırken kullanılacak bütün Spectrum’lar için bu durum geçerlidir. Bu işlemler yapılmadan ortalama almak söz konusu değildir.

Veri kanalları ve referans kanalı arasındaki fazda sabit bir ilişki olduğu için, ölçümlerdeki aynı noktalar arasında görünen tutarsız faz durumu Şekil 12’deki gibi tutarlı hale getirilir.

Verilerin tutarlı hale getirilmesi ortalamanın sorunsuz uygulanıp doğru sonuçlar vermesini sağlar. Kanallar arasında hiçbir ilişki olmadığı frekanslarda bu durum söz konusu değildir.

Örneğin, bir araç üzerinden veri toplanıyor ise ve referans kanalı aracın üzerinde durduğu zemindeki bir nokta olarak belirlenirse, faz referansı çalışmayacaktır. Bunun yerine, referans olarak belirlenen noktanın araç üzerindeki aktif davranış gösteren bir nokta olması gerekmektedir.

Faz Referanslı Spectrum ve Autopower her zaman aynı genlik değerini vermeyebilir. Random içerikli bir titreşime maruz kalan yapıda, diğer noktalarla sabit bir faz ilişkisi içerisinde olmayan bir noktanın ortalamaya bozucu yönde etki ettiği söylenebilir. Bu tip farklılıklar, ölçüm bölgelerindeki titreşimin içeriği ve noktalar arasındaki faz ilişkisinin durumuna bağlıdır.

Örnekte konunun anlaşılır olması için sinyal sabit frekanstadır. ‘Faz Referanslı Spectrum’ spektral içerikten bağımsız olarak her frekans için işlem yapar. Faz farkı her zaman 0, 90, 180 derece gibi tam değerlere sahip olmaz. Titreşimli yapıda bulunan farklı noktaların arasındaki faz farkı değerleri birbirinden çok farklı (32, 47, 72 gibi) olabilir.

SIEMENS LMS Tes.Lab ‘da Faz Referanslı Spectrum

SIEMENS LMS Test.Lab‘da faz referanslı Spectrum’u hesaplamak için, fonksiyon tipi ‘Spectrum’ olarak değiştirilir ve Şekil 13’de gösterildiği gibi ‘Phase Referenced Spectrum’ seçeneği aktif hale getirilir.

‘Phase Referenced Spectrum’ ayarları altındaki ‘References’ sekmesindeki ‘Define’ kısmından referans olarak kullanılacak kanal seçilir.

Sonuç:

Spectrum ve Autopower, frekans ve genlik belirten fonksiyonlardır. Spectrum’da faz korunurken, Autopower’da faz bilgisi yoktur.
1. Verilerin ortalaması alınırken Spectrum fonksiyonu kullanılacaksa dikkatli olun. Yanlış genlik değerleri elde edilebilir.
2. Sadece genlik gerekli ise Autopower kullanılmalıdır.
3. Hem faz hem de ortalama bilgisi gerektiği durumlarda ‘Phase Referenced Spectrum’ yöntemi kullanılmalıdır.

The post Spectrum ve Autopower Fonksiyonları appeared first on .