Siemens Digital Industries Software, bu zorluklara yanıt olarak Simcenter Testlab ve Simcenter SCADAS donanımlarının en yeni 2506 sürümünü tanıttı. Bu yeni sürüm, mühendislerin daha erken, daha akıllı ve daha hızlı test yapabilmesi için devrim niteliğinde özellikler sunuyor.

İşte yeni sürümün test süreçlerinizi nasıl dönüştüreceğine dair öne çıkan başlıklar:

Yapay Zeka (AI) ile 7 Kat Daha Hızlı Modal Analiz

Yeni yapay zekâ destekli modal analiz, karmaşık mod seçimi ve doğrulama adımlarını otomatikleştirerek manuel çabayı ve operatöre bağımlılığı önemli ölçüde azaltır. Yeniden tasarlanan bu yenilik modal gösterge paneliyle birleştiğinde, iş akışlarını büyük ölçüde hızlandırır ve analiz süresini yedi kata kadar düşürür—örneğin 1,5 saat süren bir süreci yalnızca 15 dakikaya indirir.

En önemlisi, yapay zekâ destekli sonuçlar, karmaşık durumlarda bile uzman doğruluğunu tutarlı şekilde yakalar. Bu sürüm, ürün doğrulama süreçlerini daha hızlı, daha güvenilir ve kaynak açısından çok daha verimli hâle getirir.

Impact Testlerinde Tek Kişilik Uygulama

Simcenter Testlab 2506, yeni akıllı vuruş (smart hit) seçimi mekanizmasıyla impact ölçümlerini büyük ölçüde basitleştirir. Bu yenilikçi özellik, vuruş kalitesini otomatik olarak izler ve değerlendirir; böylece tek tek manuel doğrulama ihtiyacını —hem yorucu hem de hataya açık olan bu süreci— tamamen ortadan kaldırır.

Sistem tüm vuruşları proaktif bir şekilde takip eder, analiz için yalnızca en yüksek kaliteye sahip verileri akıllıca belirleyip seçer. Bu sayede test mühendisleri, sürekli gözetim ihtiyacından kurtulur ve veri tutarlılığı ile güvenilirliği en üst seviyeye çıkar.

Sistemlerin Sadeleştirilmiş Şekilde NVH Tahmini

Sıfır prototipe yaklaşmaya çalışan NVH mühendisleri, minimum fiziksel testle sanal modelleri doğrulamada ciddi zorluklar yaşıyor. Transfer Path Analysis (TPA) bu sürecin en kritik adımlarından biri: karmaşık gürültü/titreşim kaynaklarını yollarından doğru şekilde ayırmak ve modelleri gerçekçi koşullar altında doğrulamak çoğu zaman uzun ve maliyetli testlere yol açıyor. Bu durum geliştirme süreçlerini uzatıyor ve fiziksel prototip sayısını azaltma hedefini zorlaştırıyor.

Simcenter Testlab 2506, NVH bileşen karakterizasyonunu %40’a kadar hızlandırıyor. Otomatik veri hazırlama ve yeniden tasarlanmış TPA iş akışları süreci önemli ölçüde kolaylaştırıyor. Patentli Simcenter Testlab Automated Component Model Extraction, tek tıkla tekrarlanabilir blocked force ölçümleri sunarak test mühendislerini manuel işlemlerden kurtarıyor.

Sonuç: Daha hızlı, daha basit ve daha sağlam NVH karakterizasyonu ile “sıfır prototip” hedefinize çok daha hızlı ilerleyin.

Yeniden Tasarlanan Transfer Path Analysis ile %40 Zaman Kazanımı

Simcenter Testlab 2506, transfer path analysis (TPA) sürecini baştan sona dönüştürüyor. Süreç, ölçümlerin ham halinden temel bileşen hesaplamalarına kadar tüm adımları otomatikleştiren Process Designer ile başlıyor. Bu sezgisel ve sağlam iş akışı, veri hazırlama süresini %40’a kadar azaltıyor.

Buna ek olarak, Simcenter Testlab Neo’daki yeniden tasarlanmış TPA arayüzü görselleştirmeyi ve yorumlamayı önemli ölçüde kolaylaştırıyor; bu sayede daha az deneyimli kullanıcılar bile süreci güvenle yönetebiliyor. Birden fazla analizi paralel olarak çalıştırabilme özelliği ise karşılaştırmaları %30’a kadar hızlandırıyor.

Sonuç olarak, NVH kaynaklarının bileşen seviyesinde karakterizasyonu çok daha hızlı, basit ve güvenilir hale geliyor; bu da ürün geliştirme sürecini belirgin şekilde hızlandırıyor.

Otomatik Komponent Model Çıkarımı

Simcenter Testlab 2506, sektöründe bir ilk olan ve patentli Simcenter Testlab Automated Component Model Extraction özelliğini sunuyor. Bu yenilikçi çözüm, bileşen karakterizasyonunu hızlandırmak ve fiziksel prototip ihtiyacını azaltmak için tasarlanmış donanım–yazılım bütünleşik bir yaklaşım getiriyor. Sistem, blocked force ölçümlerini ve hesaplamalarını tamamen otomatikleştirerek NVH değerlendirmelerinin çok daha erken aşamada yapılabilmesini sağlıyor ve bileşen modellerinin sanal montajlara doğru şekilde entegre edilmesini mümkün kılıyor.

Bu yapı, tekrarlanabilirlik sınırlamalarından, operatör bağımlılığından ve yüksek uzmanlık gereksiniminden kaynaklanan belirsizlikleri ortadan kaldırıyor. Minimum kullanıcı etkileşimi ve sabit enstrümantasyon sayesinde mutlak veri tutarlılığı sunuyor ve ISO 20270 standardına uygun yüksek hassasiyet sağlıyor.

Simcenter Testlab Automated Component Model Extraction, haftalar süren manuel çalışmayı saatlere indirerek simülasyon ile fiziksel test arasındaki boşluğu kapatıyor. Sanal prototipleme sürecinizi hızlandırmak için güvenilir, tekrarlanabilir sonuçlar elde etmenizi sağlıyor.

Test Süreçlerinin Otomasyonu ile Daha Fazla Test İmkanı

Fiziksel test mühendisleri, artan karmaşıklık ve daha hızlı, açıklamalı sonuç beklentileri nedeniyle ciddi bir baskı altında çalışıyor. En kritik problemlerden biri, ölçümlerin tekrarlanması gerektiğinin çok geç fark edilmesi — bu durum maliyetli gecikmelere ve yeniden çalışmalara yol açıyor. Bu problem, yüksek kaliteli ve karşılaştırılabilir test sonuçlarının zamanında teslim edilmesini zorlaştırarak verimliliği düşürüyor ve sıkı zaman çizelgelerini karşılamayı neredeyse imkânsız hale getiriyor.

Simcenter Testlab 2506 operasyonel test süreçlerini önemli ölçüde iyileştiriyor. Test hazırlığını sadeleştirerek, veri işlemesini otomatikleştirerek ve tam izlenebilirlik sağlayarak karmaşıklığın etkilerini proaktif şekilde azaltıyor. Bu entegre yaklaşım ile maliyetli ölçüm tekrarlarını ortadan kaldırıyor ve tutarlı, yüksek kaliteli sonuçları garanti ediyor. Veri yönetimi ile sorunsuz entegre çalışma sayesinde mühendisler daha hızlı ve daha güvenilir çıktılar üreterek zorlu gereksinimlere rahatlıkla cevap verebiliyor.

Veri Toplamayı Otomatikleştirin, Daha Fazla Ölçüm Alın

Veri toplama, veri işleme ve raporlama süreçlerinin tamamındaki kapsamlı otomasyon, test süreçlerini kökten dönüştürmenize yardımcı olabilir. Yeni Simcenter Testlab Schedule Designer, enstrümantasyonun tanımlanmasından ölçüm ayarlarına ve operatör görevlerine kadar tüm test hazırlığını sadeleştiriyor ve tam veri izlenebilirliği sağlıyor. Bu sayede teknisyenler sadece ölçüme odaklanıyor; Simcenter SCADAS RS donanımına bağlı cihazlarda gösterilen net talimatlarla yönlendiriliyor.

Ölçüm sonrası, Simcenter Testlab Workflow Automation veriyi otomatik olarak işliyor; tutarlı sonuçları garanti ederken manuel çabayı tamamen ortadan kaldırıyor. Son adımda, işlenmiş veriler kurum içi ya da bulut tabanlı merkezi veri yönetim sistemlerine sorunsuzca aktarılıyor. Bu uçtan uca bütünleşik yaklaşım, tüm test kampanyası boyunca benzersiz bir verimlilik, doğruluk ve güvenilirlik sunuyor.

Veri İşleme Süreçlerinizi Otomatikleştirerek Daha Fazla Veri İşleyin

Simcenter Testlab 2506, Process Designer içindeki otomasyonu önemli ölçüde geliştirerek mühendislerin verimliliğini ve güvenilirliğini hiç olmadığı kadar artırıyor. Yeni yetenekler sayesinde işlem değişkenleri Microsoft Office dosyalarından doğrudan değer okuyabiliyor; bu da özellikle görev çalışma senaryosu sentezi (mission synthesis) ve ömür hasarı (life damage) hesaplamaları gibi uygulamalar için ideal bir yapı sunuyor.

En önemlisi, ölçüm sırasında kaydedilen açıklayıcı notlar artık test verisi işlemede akıllıca kullanılıyor; böylece bileşen türü, test koşulları gibi kriterlere göre şartlı iş akışları oluşturulabiliyor. Sistem ayrıca işlenmiş test verisinin otomatik doğrulanmasını da destekliyor: Hedef eğrilerle karşılaştırmalar yapılabiliyor veya tanımlı limitlerin dışındaki ölçümler otomatik olarak reddedilebiliyor.

Enstrümantasyondan veri toplama, işleme ve yayımlamaya kadar tüm sürece yayılan bu kapsamlı otomasyon, iş akışını büyük ölçüde sadeleştiriyor, mühendislerin verimliliğini ciddi şekilde artırıyor ve tutarlı, yüksek kaliteli sonuçlar elde edilmesini sağlıyor.

Simcenter SCADAS RS ile Esnek Veri Toplama

Veri toplama, fiziksel test mühendisleri için ciddi zorluklar barındırıyor. Yüksek gerilimli elektrikli araç (EV) sistemleri dahil olmak üzere farklı kaynakların entegrasyonu genellikle ayrı ve maliyetli donanımlar gerektiriyor. Yetersiz planlama ölçüm hatalarına ve tekrar testlere yol açıyor. Farklı üçüncü taraf analiz araçlarını yönetmek ise iş akışlarını karmaşıklaştırıyor, maliyetleri artırıyor ve verimliliği düşürüyor.

Yeni Simcenter SCADAS RS donanımı, veri toplama sürecini büyük ölçüde sadeleştiriyor. Yüksek gerilim EV sinyalleri ve XCP/PTP gibi farklı kaynakları tek bir sistemde toplayabiliyor. Modüler yapısı sayesinde mevcut Simcenter SCADAS birimleriyle entegre olarak kapasiteyi kolayca genişletiyor. Schedule Designer, operatörleri yönlendirerek doğru ve tutarlı veri toplama sağlıyor. Evrensel veri dışa aktarma (universal export) yetenekleri ise donanım açıklığını koruyor ve yatırımın geleceğe dönük olmasını güvence altına alıyor.

Gelişmiş Zaman Senkronizasyonu ile Ethernet Üzerinden XCP

Simcenter SCADAS RS, Ethernet üzerinden XCP desteğini önemli ölçüde iyileştirerek veri toplama yeteneklerini yeni bir seviyeye taşıyor. Precision Time Protocol (PTP) ile yapılan zaman senkronizasyonu sayesinde benzersiz bir hassasiyet elde ediliyor. Bu geliştirme, üçüncü taraf şartlandırma ünitelerinin sorunsuz şekilde bağlanmasını sağlıyor; yüksek bant genişlikli veri aktarımı artık kesin zaman uyumu ile gerçekleştirilebiliyor.

Zorlu yüksek gerilimli bölgelerde kritik ölçümler yaparken veya farklı dijital ağlardan ve veri hatlarından önemli bilgileri toplarken, Simcenter SCADAS RS artık çok daha güçlü bir şekilde genişletilebiliyor. Bu yeni yetenek, sistemin kullanım alanını önemli ölçüde artırarak mühendislerin daha karmaşık test senaryolarını güvenle yönetmesini sağlıyor ve farklı endüstriyel uygulamalarda verimlilik ile veri bütünlüğünü yeni bir seviyeye taşıyor.

Simcenter SCADAS RS: Mobile, Recorder ve Lab ile Esnek Entegrasyon

Simcenter SCADAS RS, genişletilebilir konfigürasyonları destekleyen esnek ve modüler bir sistemdir. Sağlam yapısı sayesinde PC gerektirmeyen bağımsız veri toplama mümkündür ve sezgisel Recorder App ile kolayca yönetilir. Wi-Fi ve 5G bağlantılarıyla da güçlü bir haberleşme altyapısı sunar.

Güzel haber şu ki, artık Simcenter SCADAS RS’in şartlandırma ünitelerinden (CU) tüm avantajları —Simcenter SCADAS Recorder, Mobile veya Lab sistemleriyle birleştirseniz bile— kullanabilirsiniz. Üstelik bu entegrasyon için bir Simcenter SCADAS RS Recorder (REC) birimine ihtiyacınız yoktur; yalnızca bağımsız veri toplama, dahili depolama veya genişletilmiş bağlantı özelliklerine ihtiyaç duyduğunuz durumlarda REC birimi gerekir.

Bu yaklaşım sayesinde hem kanal sayınızı artırabilir hem de sistem kabiliyetinizi yükseltebilirsiniz. Böylece mevcut yatırımınızı geleceğe dönük, doğru yönde büyütmüş olursunuz.

Test Talimatların Doğrudan İletimi ve Veri Doğrulama İşlemlerinin Sadeleştirilmesi

Simcenter SCADAS RS, yukarıda bahsedilen yeni Simcenter Testlab Schedule Designer ile tam uyumlu çalışır. Schedule Designer’da tanımlanan test planı ve talimatlar, Simcenter SCADAS RS Recorder App’e sorunsuz şekilde aktarılır ve test sırasında operatöre tablet üzerinden net ve anlaşılır yönergeler olarak sunulur. Bu yapı, operatörün bir sonraki adımda ne yapması gerektiğini açıkça gösterir; yanlış anlaşılmaları ve test tutarsızlıklarını ortadan kaldırır.

Evrensel ve Üçüncü Taraf Formatlar ile Veri Paylaşımı

Siemens’in açıklık felsefesine uygun olarak, artık Simcenter SCADAS RS’den evrensel veya üçüncü taraf formatlarında veri aktarımı yapabilir, böylece veri işleme ve analiz için tercih ettiğiniz yazılım platformunu sorunsuz bir şekilde kullanmaya devam edebilirsiniz. Bu donanım açıklığı size esneklik sağlar ve mevcut yatırımlarınızı korur.

Geleceğin Test Süreçlerine Hazır Olun

Siemens, mühendislik yaşam döngüsü boyunca manuel görevleri azaltmak ve süreçleri sadeleştirmek için yapay zekadan yararlanmaya kararlıdır. Simcenter Testlab ve SCADAS 2506 sürümü, test ekiplerinizin sadece veri toplamasını değil, aynı zamanda daha doğru kararları daha hızlı almasını sağlar.

Bu yeniliklerin projelerinize nasıl değer katabileceğini öğrenmek ve Simcenter çözümleri hakkında daha fazla bilgi almak için info@dta.com.tr adresinden bize ulaşabilir, hizmet ve ürünlerimizi incelemek için www.dta.com.tr adresinden web sitemizi ziyaret edebilirsiniz.

The post Simcenter Testlab ve Simcenter SCADAS 2506: Yenilikler appeared first on .

Örneğin, Şekil l’de gösterildiği gibi, bir Alçak geçiren (Low Pass) filtresi, bir sinyaldeki frekans içeriğini üç farklı şekilde etkiler: Bazı frekans içeriği değişmeden kalır, diğer frekans içeriği ise genlik olarak azaltılır veya tamamen sinyalden çıkarılır.

Filtreler ayrıca, sadece azaltmak veya kaldırmak değil, frekans içeriğini de yükseltebilir. Bir filtrenin, bir sinyalin genliğini ayarladığı miktar, Şekil 2’de gösterildiği gibi ya doğrusal terimlerle (yani güçlendirme faktörü) ya da desibel arttırma / azaltma ile ifade edilebilir.

Doğrusal ölçek desibel ölçeğinde aşağıdaki eşdeğerlere sahiptir:
– Doğrusal genliğin yarıya indirilmesi, 6dB azaltmaya eş değerdir.
– Doğrusal genliğin 1 veyaazaltma değeri 0 dB olduğunda, genlik değişmez.
Filtre karakteristiğini frekans alanında görüntülemek daha kullanışlı olsa da filtreleme işlemi zaman alanına uygulanır.

Filtre, zaman alanındaki sinyali giriş olarak alır, frekans içeriğini değiştirir ve zaman alanında yeni bir sinyal verir. Filtreleme, çeşitli uygulamalar için kullanışlı olabilir.

Makale içerikleri;
1. Filtre Uygulamaları
2. Filtre Çeşitleri
3. FIR ve IIR
4. Filtre Mertebesi ve Hesaplama Hızı
5. Zaman Gecikmesi ve Filtreler
6. Filtre Metotları ve Özellikleri
6.1. FIR Filtre Metotları
6.2. IIR Metotları
7. Simcenter Testlab Filtreleme

1.Filtre Uygulamaları

Filtreler, sinyal temizlemeden analize kadar farklı şekillerde kullanılır.

Bazı uygulamalarda, filtreler, istenmeyen frekans içeriğini azaltarak bir zaman alanı sinyalini koşullandırmak için kullanılır. Örnekler:
– Anti- aliasing filtresi- Analogdan dijitale dönüşümden önce düzgün şekilde dijitalleştirilemeyen sinyal içeriğini kaldırmak için anti-aliasing filtresi kullanılır.
– Gürültü Giderme- Filtreler, bir sinyalden istenmeyen yüksek frekanslı gürültüyü gidermek için kullanılabilir. Örneğin, bir müzik kaydındaki tıslama gibi.
– Sapma Giderme- Sapma ya da büyük ofsetler yüksek geçiren filtre ya da AC coupling ile sinyalden giderilebilir.

Bazen, filtreler analiz için belirli karakteristiği sinyal verisine eklemek için kullanılır:
– A- Weighting- A weighting filtresi insan duyma karakteristiğini mikrofon verisine eklemekte kullanılır. Bir mikrofon bütün frekansları eşit şekilde “duyar”, ama insan kulağı duymaz. A- weighting filtresi mikrofon sinyalindeki yüksek ve düşük frekansları azaltır ve insan kulağı açısından nasıl algılandığını yansıtır.

– Bütün Vücut Titreşim Ağırlıklandırması (Whole Body Vibration Weighting): İnsan vücudu belirli titreşim frekanslarına diğerlerinden daha duyarlıdır. Bir ivmeölçer titreşim sinyaline dayalı olarak insan vücudu sağlığını ve konforunu değerlendirmek için bir filtre (ISO 2631 ile tanımlanmıştır) kullanılabilir.

Filtreler analog (sürekli sinyaller için) sistemlerde veya dijital olarak (önceden kaydedilmiş bir sinyalin PC’de manipülasyonu için) uygulanabilir.

2. Filtre Çeşitleri

Filtreler çeşitli amaçlar için tasarlanabilir. Örneğin, bir filtre yüksek geçiren, alçak geçiren, bant durduran veya bant geçiren olarak sınıflandırılabilir. (Şekil5)

Filtre Çeşitleri:

– Yüksek geçiren– Yüksek geçiren filtre düşük frekanslardaki ofsetleri gidermek için kullanılır. Örneğin, eğer bir gerinim pulu sinyalindeki dinamik içerik ile ilgileniliyorsa, yüksek geçiren filtre kullanılarak düşük frekanstaki sapmalar giderilebilir.
– Alçak geçiren – Belirli bir frekansın üzerinde kalan frekansları zayıflatır, kaldırır. Örneğin, ses kaydında yüksek frekanslarda bulunan cızırtıları gidermek için kullanılabilir.
– Bant geçiren – Bu filtre, frekans içeriğinin sadece bant sınırlı bir kısmının filtreden geçirilmesine izin vermek için kullanılır.
– Bant durduran – Belirli aralıkta bulunan frekans içeriğini silmek için kullanılır.

Filtre çeşitleri, FIR veya IIR filtreleri olarak da ayrıştırılabilir. Keyfi şekilli bir filtre üretmek için bunların bir kombinasyonunu kullanmak da mümkündür.

3. FIR ve IIR

Dijital filtrelerin iki çeşidi vardır. Bunlar Finite Impulse Response (FIR) ve Infinite Impulse Response (IIR).

“Impulse Response” terimi, filtrenin zaman alanındaki görünümünü belirtir. Filtreler tipik olarak, Şekil 6’da gösterildiği gibi zaman alanındaki kısa süreli darbelere karşılık gelen geniş frekans tepkilerine sahiptir.

Hem IIR hem de FIR filtresi için denklemler Denklem 1’de gösterilmiştir. Filtreye giriş zaman serisi x (n) ve filtrenin çıkışı bir zaman serisi y (n). Zaman sinyalindeki ilk örnek n = 0’dır.

IIR ve FIR uygulaması arasındaki matematiksel fark, IIR filtresinin filtre çıkışının bir kısmını girdi olarak kullanmasıdır. Bu, IIR filtresini “recursive” (özyinelemeli) bir işlev haline getirir.
Her denklemin üç sayı serisi vardır: bir giriş zaman sinyali, bir filtre ve bir çıkış zaman sinyali (Şekil 7).

Bu seriler:
– X(n) – Zamanda giriş serisi, x (0), x (1), x (2), x(n)’ e kadar. “n” sayısı zaman alanındaki giriş sinyalinin veri noktalarının toplam sayısıdır.
– A(k) – Filtre “a” olarak isimlendirilen seriyle, FIR filtre olarak tanımlanmaktadır, IIR filtre için “a” ve “b” etiketli serilerle ifade edilir.” N” ve “P” sırasıyla “mertebe” ve “bağlantı sayısı” olarak da adlandırılan, filtrelerdeki terim sayılarıdır. Örneğin, FIR filtresi k=0 ila k=N arasında gerçekleştirilir.
– Y(n) – Çıkış zaman sinyali, y (0), y (1), y (2), ….

Uygulamada, FIR ve IIR filtreler önemli performans farklılıklarına sahiptir, Şekil 8’ de özet halinde mevcuttur.

IIR filtresinin, FIR’a benzer bir filtre dönüşümü için daha düşük bir mertebe veya terim sayısının kullanılabilir. Yani, aynı sonucu elde etmek için daha az hesaplama yapılması gerekir ve bu da IIR filtresinin daha hızlı hesaplama yaptığını gösterir. Bununla birlikte, IIR filtresinin doğrusal olmayan faz ve stabillik sorunları vardır. Biraz kaplumbağa ve tavşanın masalı gibi. FIR filtresi yarıştaki kaplumbağa gibidir- yavaş ve sabittir ve daima biter. Tavşan IIR filtresi gibidir- çok hızlı, ancak bazen tökezler ve yarışı tamamlayamaz.

Bu farklılıklar sonraki bölümlerde daha ayrıntılı olarak ele alınacaktır.

4. Filtre Mertebesi ve Hesaplama Hızı

FIR filtre denkleminde, N sayısı, filtrenin mertebesini belirtir. Örneğin 5 elemanlı ve 10 elemanlı filtreleri karşılaştırdığımızda, filtre hesaplanması iki kat uzunlukta olacaktır. Fakat, filtre Şekil 9’da görüldüğü gibi daha keskin olacaktır.

Daha fazla terime sahip bir filtrenin (yani, daha yüksek bir mertebe) geçirilen frekanslar ile durdurulan frekanslar arasında daha keskin bir geçiş vardır.

Farklı filtre mertebeleriyle hesaplanan aynı filtre tipinin örnek karşılaştırması, Şekil 10’da gösterilmektedir.

Mertebeyi arttırmak, filtreyi daha keskin hale getirir. Bu daha fazla hesaplama gerektirir ve filtre tarafından kaynaklanan zamanda gecikmeye neden olur.

FIR ve IIR filtrelerin keskinliği, Şekil 11’de gösterildiği gibi aynı mertebeye göre çok farklıdır. Filtre çıkışının bir kısmının girdi olarak kullanıldığı IIR filtresinin recursive yapısı (bkz. Denklem 1) nedeniyle daha keskin bir sonuç elde edilir, aynı mertebe ile daha keskin düşüşü başarır.

Bununla birlikte, Şekil 12’de gösterildiği gibi bir FIR ile aynı performansı elde etmek için bir IIR’de daha az terim kullanılabilir.

Bu durum, IIR filtrelerini hesaplama açısından FIR filtrelerinden daha hızlı hale getirir. Bir filtrenin gerçek zamanlı uygulamada kullanılması gerekiyorsa (örneğin dinlerken interaktif filtreleme), tipik bir IIR filtresi ile yapılır.

Bununla birlikte, bir IIR filtresi kullanmanın bazı dezavantajları vardır:
– Gecikmeler- Bir IIR filtresinin farklı frekanslarda eşit olmayan bir gecikmesi varken, FIR filtresi her frekansta tutarlı bir gecikmeye sahiptir.
– Kararlılık- Yapısından dolayı, bir IIR filtresi bazen kararsız olabilir ve veri hesaplanamaz veya verilere uygulanamaz. FIR filtre denklemi her zaman kararlıdır.

5. Zaman Gecikmesi ve Filtreler

Zaman verilerine bir filtre uygulandığında ve orijinal zaman verisi ile karşılaştırıldığında, verilerde hafif bir kayma veya zaman gecikmesi görülebilir. Şekil 13’te, aynı anda elde edilen ses (kırmızı eğri, üst) ve titreşim verileri (mavi eğri, alt) gösterilmiştir. Ses verilerinin filtrelenmesi (yeşil eğri, üst) ses ve titreşim arasındaki olayların hizalanmamasına neden olur.

Bazı uygulamalarda bu bir sorun teşkil etmez- ofset bilinir ve göz ardı edilebilir.

Diğer bazı uygulamalarda, bu gecikme önemli olabilir.

Örneğin:
– Troubleshooting(Sorun Giderme) – Çok kanallı ses ve titreşim kaydı ile, yalnızca ses kanalına bir filtre uygulanırsa, ses kanalına titreşim kanallarına göre bir zaman gecikmesi eklenir (Şekil 13’teki alt grafiğe bakın). Bir titreşim olayının ses oluşturup oluşturmadığını anlamaya çalışırken, buradaki yanlış hizalama titreşim ve ses olaylarının ilişkili olup olmadığını görmeyi zorlaştıracaktır.
– Operational Deflection Shapes (ODS) – ODS de kullanılan bazı titreşim kanallarına filtre uygulanmış ve diğerlerine uygulanmamışsa, bu kanallar arasındaki faz ilişkisinin değişmesine neden olur. Sonuç olarak, animasyon doğru olmaz.

Filtrelerin, zaman alanında çıkış sinyallerinde zaman gecikmesi getirmesine ne sebep olur?

Şekil 14’teki bir FIR filtresi için denklemi alın. Denklem ile çalışırken, zaman gecikmesinin nedeni gözlenebilir.

Filtre çalışmadan önce, giriş sinyalinden (x) gelen birkaç zaman veri örneği, terimlerin sayısıyla (N) orantılı olan filtreden geçmelidir. Filtrelenen çıkış verileri, filtreden geçen (n) veri noktası N’den büyük olana kadar başlamaz.

Bazı verilerin bir çıktı oluşturmak için bile filtreden geçmesi gerektiğinden, Şekil 13’te gösterildiği gibi, giriş zaman sinyaline (x) kıyasla çıkış zaman sinyalinde (y) bir gecikme yaratılır.Filtreyi daha keskin hale getirmek, gecikmeyi artırır.

IIR ve FIR filtrelerinin gecikme karakteristikleri, Şekil 15’te gösterildiği gibi çok farklıdır.

FIR filtresinin tüm frekanslarda eşit zaman gecikmesi olurken, IIR filtre zaman gecikmesi frekansa göre değişir. Genellikle IIR filtresindeki en büyük zaman gecikmesi filtrenin kesme frekansındadır.

Tüm filtreler bir tür analog ve dijital gecikme oluşturur. Filtre özelliklerine bağlı olarak, gecikme daha kısa veya daha uzun olabilir. Ayrıca frekansın bir fonksiyonu olarak değişken olabilirler.

Direct ve Zero Faz

Çıktı zaman sinyalindeki gecikme, verileri ‘ileri ve geri’ filtreleyerek ortadan kaldırılabilir. Zaman sinyali x (n) filtrelendikten ve yeni çıkış zamanı sinyali y (n) oluşturulduktan sonra, filtreye geri beslenebilir. Bunu yapmak için y (n) ‘deki veri noktaları zaman içinde ters çevrilir ve tekrar filtreye beslenir. Buna “sıfır faz filtreleme” denir. Sonuç Şekil 16’da gösterilmektedir.

“Sıfır faz” filtre sadece y (n) çıkışı x (n) ile hizalanmakla kalmaz, veriler iki kez filtrelenir, böylece zayıflama iki katına çıkar. Sıfır fazlı filtreler kullanılırken bazı ödünler verilir:
– Hesaplama iki kat uzun sürede gerçekleşir.
– Sadece dijital sinyallerle kolayca yapılır, analog sinyallerle kolayca yapılmaz.
– Zaman ekseninin sonundaki veriler yok olur.

6. Filtre Metotları ve Özellikleri

Filtre katsayıları, a(n), belirli filtre niteliklerini kontrol etmek için seçilebilir. Katsayılar veya yöntemler, Şekil 17’de gösterilen filtre niteliklerini etkiler.

Yöntemlerin etkilediği dört ana filtre özelliği vardır:

– Geçirme Bandı- Geçirme bandındaki veriler doğrudan çıkış zaman sinyaline gönderilir. Geçirme bandındaki verilerin orijinal zaman sinyalleri ile aynı olduğundan emin olmak için filtrede herhangi bir dalgalanma olmamalıdır. Dalgalanma, frekansın fonksiyonu olarak genlikte küçük bir değişikliğe neden olur. İdeal olarak, bu bantta filtrenin tam olarak bir genliği olmalıdır.
– Geçiş Genişliği- Uygulamaya bağlı olarak, geçirme ve durdurma bantları arasındaki geçiş genişliğinin frekans açısından mümkün olduğunca dar olması arzu edilebilir. Hem yöntem hem de filtre mertebesi, geçirme ve durdurma bantları arasındaki geçiş bandının ne kadar hızlı gerçekleştiğini belirler.
– Durdurma Bandı- Filtrenin dalgalanması varsa durdurma bandı da veri içerebilir. Bazı uygulamalarda, genlik önemli olmadığı kadar küçük olabilir. Diğerlerinde ise, dalgalanma kabul edilemeyebilir.
– Grup Gecikmesi/Faz- Filtreler çıkış zaman sinyalinde bir gecikme oluşturur ve bu, frekansın bir fonksiyonu olarak bile değişebilir. Daha önce açıklandığı gibi, bir filtreden ileri ve geri bir zaman sinyali çalıştırmak bu gecikmeyi kaldırır (Sıfır Faz filtresi). Fazın kritik olduğu ve sıfır fazlı filtre işleminin bir seçenek olmadığı bazı uygulamalar için bu dikkate alınması gereken önemli bir husustur.

6.1. FIR Filtre Metotları

Finite Impuls Response (FIR) filtre metotları aşağıda listelen, Şekil 18’ de gösterilmiştir.

FIR yöntemleri, frekanstan zaman alanına dönüşüm yaparken farklı spektral pencereler kullanır. Bazı pencere yöntemleri şunları içerir:
– Chebyshev- Durdurma bandında en düşük dalgalanma miktarına sahiptir, ancak en geniş geçiş bandına sahiptir.
– Hamming- Dar geçiş bölgesi, Hanning’den daha küçük dalgalanma. Manhattan Projesinin bir üyesi olan Richard Hamming tarafından geliştirildi.
– Kaiser- Bell Laboratuarlarında James Kaiser tarafından geliştirilen Kaiser penceresinde durma bölgesinde küçük genlik dalgalanması var, sadece geniş geçiş genişliği Chebyshev daha düşük genlik dalgalanmasına sahip.
– Hanning- En dar geçiş bandı, ancak durdurma bandında büyük dalgalanma.
– Rectangular- En büyük dalgalanma / lob miktarı, geçirme bandını bile etkiler.

6.2. IIR Metotları

Infinite Impulse Response (IIR) metotları, Şekil 19’da gösterilmiştir.

Farklı IIR filtre metotlarının özellikleri:

– Butterworth- Hem geçirme hem de durdurma bandında düz tepki, ancak geniş bir geçiş bölgesine sahiptir. İlk olarak 1930’da İngiliz fizikçi Stephen Butterworth tarafından tanımlandı.
– Inverse Chebyshev- Geçirme bandında düz, Butterworth filtresinden daha dar bir geçiş genişliğine sahip, ancak durdurma bandında dalgalanma var. Durdurma bandındaki dalgalanma bir sorun değilse, belirli bir uygulama için Butterworth filtresine karşı tercih edilebilir.
– Chebyshev- Geçirme bandında dalgalanma olabilir, ancak Ters Chebyshev’den daha dik bir düşüş vardır.
– Cauer- En dar geçiş bölgesi. Hem durdurma hem de geçirme bantlarında dalgalanma. Bazen Eliptik filtre denir.
– Bessel- Çok geniş bir geçiş bölgesi ile hem geçirme hem de durdurma bandında eğimli genlik. Filtredeki gecikmeye karşı frekans bu listedeki en düzdür. Bessel filtresi, Alman bir matematikçi olan Freidrich Bessel (1784-1846) için seçildi.

Belirli bir uygulamaya en uygun filtre yöntemi seçilebilir.

7. Simcenter Testlab / Filtreleme

Simcenter Testlab‘de filtreler, “Time Data Selection” çalışma sayfasındaki “Time Signal Calculator” (Tools>Add-ins>Time Signal Calculator, 26 tokens) kullanılarak kaydedilen sinyallere uygulanabilir.
Time Signal Calculator’ın filtreleme özellikleri Koşullandırma (Conditioning) grubundadır. Bir Alçak geçiren filtresi (Low pass filter) eklemek için, fonksiyon Şekil 20’de gösterildiği gibi “FILTER_LP” olarak adlandırılır.

Fonksiyon eklenirken, filtre tipi (IIR ve FIR), mertebe, metot vb. Şekil 21’de gösterildiği gibi belirtilebilir.

“Örnekleme Frekans (Sample frequency)” seçiminin filtre performansı veya özellikleri üzerinde hiçbir etkisi yoktur. Filtre şeklinin görselleştirileceği frekans aralığını tanımlamak içindir.

“Show” butonu filtre şeklini, fazı ve grup gecikmesini görselleştirmek için kullanılabilir.

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

The post Filtrelere Giriş – FIR ve IIR Filtreleri appeared first on .

Tüm dünyadaki geliştirme ekipleri, doğrulama merkezli mühendislik metotlarından, model tabanlı mühendisliğe geçiş yapıyor. Bu yaklaşımla beraber, mühendisler erken ürün performans tahmini için daha pratik yöntemler elde edebiliyor ve sistem odaklı geliştirmeyi destekliyorlar. Yükselişte olan bu endüstri trendi mühendislere, inovasyonu daha hızlı sağlamalarına olanak tanırken, ürünlerin dijital eşlerinin ortaya çıkarılması ile de daha büyük güven ve daha düşük maliyetlerde yapmalarına olanak sağlıyor.

Simcenter Testlab 2019.1 sürümü tam da bunun için yayınlandı. Yani, ürün geliştirmenin tüm aşamalarında test tabanlı verinin değerlendirilmesini ve kullanılmasını sağlamak için. Günümüzde test tabanlı bilgiler, ürün doğrulama ve sertifikasyonda anahtar bir rol oynarken, tasarım ve mühendislik evrelerinde test verisinin çok önemli olduğu bir döneme giriyoruz.

Simcenter Testlab 2019.1 sürümü, dijitalleşme trendine yeni bir boyut ekleyen ve fiziksel testlerin yeni rolünü etkin bir şekilde uygulayan yeni teknolojiler ve bir dizi fonksiyonel geliştirme sunuyor.

Bu sürümün öne çıkan başlıkları; model tabanlı sistem testi, bileşen bazlı transfer yolu analizi (Component-based TPA), aktif ses dizaynı, AVAS çözümleri, ses kalitesi mühendisliği, geçiş gürültüsü mühendisliği güncellemeleri ve Simcenter Testlab Neo’daki gelişmeler.

Model Tabanlı Sistem Testi

Model tabanlı sistem test çözümleri, fiziksel test ve simülasyon işlemlerini birleştiren benzersiz bir çalışma ortamı sunar. Simcenter Testlab 2019.1 simülasyon modellerini fiziksel test iş akışlarına yerleştirerek, mühendislik ekiplerinin ürün geliştirmeyi hızlandırma potansiyelini ortaya çıkarır.

Bileşen Tabanlı TPA ile NVH Sentezi

Yeni gürültü, titreşim ve sertlik (NVH) sentezi çözümü, bağımsız bileşen modelleri ve yüklerinden tam sistem NVH performansını tahmin etmek için bileşen tabanlı transfer yolu analizi (TPA) teknolojilerini kullanır. Mühendisler artık, tam olarak araç prototiplerinin hazır olmasını beklemeden ve varyasyonların her birini ayrı ayrı test etmek zorunda kalmadan birden fazla araç türünün NVH performansını karakterize edebilir. Mühendislerin, seçilen bileşenlerin farklı varyasyonlarının etkisini tahmin etmek için gelişmiş what-if senaryolarını incelemelerini ve tasarım sürecinden önceki aşamalarda da daha hızlı bir şekilde titreşim ve gürültü değerlendirmesine olanak sağlar. Bu bileşen tabanlı çözüm paketi, tüm TPA sürecini efektif ve verimli bir şekilde desteklemek için gereken tüm özellikleri sunar.

Araç Geçiş Gürültüsü Mühendisliğindeki Trendler

En güncel uluslararası gürültü yönetmeliklerini karşılamak için, Simcenter Testlab 2019.1, geçiş gürültüsü mühendisliği için birçok güncelleme getirmiştir. Tüm dünyada Akustik Araç Uyarı Sistemi (AVAS) gereksinimi şartı uygulanmaktadır ve otomotiv üreticileri içten yanmalı motora sahip araçlarının geçiş gürültüsü seviyelerini sürekli olarak azaltmakta zorlanıyorken, elektrikli araç üreticilerinin şimdilerde düşük hızdaki sürüşlerde yapay sesler ekleme gerekliliği ortaya çıkmıştır. Bu sürüm bu iki trend için çözümler sunuyor.

Aktif Ses Dizaynı

Elektrikli taşıtların sessiz çalışması, bir markanın kendi araçlarına, kimliğini yansıtan yeni sesler ekleyerek, kendine özgü sürüş deneyimleri yaratma fırsatları sunar. Simcenter Testlab’daki yeni modül olan Sound Designer, aracın orijinal sesine benzersiz bir imza eklemenize olanak sağlar. Sentezlenen son ses, gerçek zamanlı olarak sürüş parametrelerine dayanır. Dahası, Sound Designer hem dış, hem de iç mekan akustik mühendisliği için mükemmel bir araçtır. Elektrikli otomobiller için yeni sesler sağlamanın yanı sıra, istenildiği takdirde içten yanmalı motorlu araç gürültüsünü geliştirmek için de kullanılabilir.

Ses Kalitesi Mühendisliği

Ses kalitesi mühendisliği, endüstriler arasında bir markalaşma unsuru olarak önem kazandığından, Simcenter Testlab 2019.1, bu alanda büyük gelişmeler ortaya koyuyor. Bu sürümde, ses kalitesi mühendisliği çözümleri, gelişmiş ses oynatımı, analiz, ek ölçümler ve çok daha fazlası için temel işlevlerle genişletilmiştir.

Simcenter Testlab’daki Diğer Gelişmeler

Simcenter Testlab 2019.1, kaçırmak istemeyeceğiniz birçok çeşitli yenilikler ile birlikte geliyor. Tabii bu yeniliklerden bazıları da Simcenter Testlab yazılımımızın geleceği olan Testlab Neo tarafında gerçekleşmiş durumda.

Ayrıcalıklı Simcenter Testlab kullanıcılarından biri misiniz? Bu sürüm hakkında bilgi edinin, yeni özellikleri ve güncellemeleri test edin, yazılımınızı bugün yükseltin.

The post Simcenter Testlab 2019.1: Yenilikler appeared first on .

CAN Bus verilerini toplamaya hazır, ancak verilerin kodunu çözmek için bir .dbc dosyasına sahip değil misiniz? Sorun yok!

SIEMENS Simcenter Testlab (Eski adıyla LMS Test.Lab)’da Versiyon 16A ve sonraki sürümlerde ham CANBUS verilerini kaydetmek ve daha sonra çevrimdışı olarak .dbc dosyasıyla CANBUS verilerinin kodunu çözmek mümkündür.

Ham CAN verilerini kaydetmek için:

1. Simcenter Testlab Signature arayüzünü açın. Channel Setup sekmesinde sağ üstteki açılır menüden “CAN Settings” görünümünü seçin.

2. Ham veri toplama ayarlarını Şekil 2’deki gibi yapın:
A: CAN verisi toplamak için kullanılacak cihazı seçin.
B: Baud hızı girin, çoğu araç için bu değer 500000’dir.
C: Cihazı “Passive” olarak ayarlayın.
D: Ayarları uygulamak için “Apply” tuşuna tıklayın.
E: “Channel Setup” görünümüne geri dönün.

3. “Channel Setup” görünümüne geri dönün. Ekranın sol alt köşesinde “Digital Bus Channels” adında yeni pencere göreceksiniz.
Bu alanda, “Save Raw Data” seçeneği bulunmaktadır. Bu seçili durumdayken, ham CAN verilerini kaydedecektir.

Ham CAN verisinin çevrimdışı kod çözme:
1. Tüm çalışmayı “Input Basket” içerisine atın.(Sadece LDSF veya RDDF olarak değiştirmek yeterli değildir.) Çalışmanın üzerine sağ tıklayarak “Replace in Input Basket” seçeneğini seçin.

NOT: LDSF, çalışmanın ham zaman verilerini içerir. RDDF, ham CAN Bus verilerini içerir. RDDF ve LDSF ayrı dosyalardır, ancak aynı dizinde saklanırlar.

NOT: Eğer “Digital Bus Data” adında bir RDDF dosyası yoksa, bu ham CAN Bus verilerinin kaydedilmediği anlamına gelir.

2. “Time Data Selection” sekmesi (Şekil 6):
A: “Data Source” kısmının “Input Basket” olarak ayarlandığından emin olun. Veri almak için “Replace” butonuna tıklayın.
B: “Import digital bus channels” butonuna tıklayın.
C: CAN cihazına karşılık gelen .dbc dosyasını seçin.
D: “Interpolation”, “Sample and Hold” yerine “Linear” seçilmesi önerilir.
E: “OK” tıklayın.
F: Tüm kodu çözülmüş CAN sinyalleri için yeni kanallar oluşturulur.
G: “Save As…” butonuna tıklayarak kodu çözülmüş CAN Bus kanallarını projeye kaydedin.

Veriler proje dosyasında saklanacak ve “Navigator” sekmesinde görüntülenebilecektir.

3. Çözülen CAN Bus verileri, Navigator sekmesindeki yeni bir klasörün çıktı dosyasına kaydedilir.

NOT: Kanunlaştırılmış OBDII sinyalleri ham CAN veri akışında kaydedilmez. Satın alma sırasında aktif olarak talep edilmeleri gerekir. Varsayılan olarak CAN Bus’ta yayınlanmazlar.

Bu özelliğin Simcenter SCADAS Mobile, Simcenter SCADAS Lab, and Simcenter SCADAS XS üzerindeki CAN Bus arayüzünde desteklendiğini unutmayın.

Bu kadar! Ham CAN veri akışını kaydetme ve kodunu çözme rahatlığının tadını çıkarın!

SIEMENS Simcenter Testlab yazılımları hakkındaki sorularınız için lütfen DTA Mühendislik Test Bölümü mühendisleriyle iletişime geçiniz.

The post Ham CAN Bus Verilerini Kaydedin ve Çevrimdışı Kodları Çözün! appeared first on .

Veri zaman alanında kaydedilir, ancak frekans alanında verinin görüntülenmesi için Fourier dönüşümü uygulanması gereklidir. Fourier dönüşümü uygulandığında ortaya çıkan terimler aşağıdaki görselde listelenmiştir.

Dijital verinin zaman alanında ya da frekans alanında görüntülenmesi ve bu farklı terimler arasındaki ilişkiyi anlamak yapılacak olan analizinin kalitesini belirler.

Zaman Alanı Terimleri

• Örnekleme Frekansı (Fs) – Her bir saniyede elde edilmiş veri örneklerinin sayısıdır.
• Pencereleme Süresi (T) – Bir Fourier dönüşümüne uygulanacak toplanmış zaman verisinin miktarıdır. (Nyquist Kriteri)
• Blok Boyutu (N) – Bir pencereleme süresi boyunca elde edilmiş veri örneklerinin toplam sayısıdır.

Frekans Alanı Terimleri

• Bant Genişliği (Fmax) – Fourier dönüşümünde elde edilmiş en yüksek frekans, örnekleme frekansının yarısıdır.
• Spektral Çizgiler (SL) – Fourier dönüşümünden sonra, Toplam frekans alanı örneklerinin sayısıdır.
• Frekans Çözünürlüğü (∆f) – Frekans alanındaki örnekler arasındaki boşluktur.

Örnekleme Frekansı (Fs)

Örnekleme frekansı (FS ) her bir saniyede elde edilmiş veri noktalarının sayısıdır.
2000 örnek/saniye örnekleme frekansı her bir saniyede elde edilmiş olan 2000 ayrı veri noktası demektir.

Zaman alanındaki doğru tepe noktası genliğini yakalamak için ilgili en yüksek frekansın en azından 10 kat fazlası örneklenmelidir. 100 Hz’lik bir sinüsoidal eğri için minimum örnekleme frekansı her saniye için 1000 örnek olabilir. Pratikte, 10 kattan daha fazla örnekleme yapmak zaman alanındaki genliği doğru olarak ölçmeye yardımcı olacaktır.

Frekans alanındaki genliği doğru elde etmek için ilgili en yüksek frekansın 2 katı kadar örneklenmesi gereklidir. Pratikte, birçok veri toplama sistemindeki anti-aliasing filtresinden dolayı frekansın 2.5 kat fazlasına kadar örneklemesi gereklidir.

Örnekleme frekansının (FS) tersi örnekleme aralığı veya ∆t’dir. Aşağıdaki görselde görüldüğü üzere zaman alanında toplanmış veri örnekleri arasındaki zaman aralığı miktarıdır.

Daha küçük miktardaki ∆t, zaman alanındaki doğru tepe noktasını yakalama şansımızı arttırır.

Blok Boyutu (N)

Blok boyutu (N) bir Fourier dönüşümü gerçekleştirmek için elde edilen zaman verisi noktalarının toplamıdır. 2000 Blok boyutu, 2000 veri noktası elde edilmiş ve Fourier dönüşümü uygulanmış demektir.

Pencereleme Süresi (T)

Pencereleme süresi bir veri bloğunun elde edilmesi için gerekli toplam zamandır (T). Pencereleme süresi aşağıda gösterildiği gibi Blok boyutunun örnekleme frekansına bölünmesiyle elde edilir.

Örneğin; 2000 veri noktasının blok boyutu ile 1000 örnekleme frekansı bir tek veri elde etmek için 2 saniye gerektiğini belirtir. Toplam zaman; Pencereleme süresi, blok boyutu ve ∆t’nin çarpımına eşittir.

• Bir Blok Elde Etme Süresi – Pencereleme Süresi (T) bir veri bloğunun elde edileceği zamandır. Örneğin; 2 saniye olabilir.
• Toplam Zaman – Eğer beş veri bloğunun (her biri için 2saniye) toplamı alınırsa, 5 blok elde etmek için gerekli toplam zaman 10 sn olur.

Bant Genişliği (Fmax)

Bant genişliği (Fmax) analiz edilebilen maksimum frekanstır. Bant genişliği, örnekleme frekansının yarısıdır. Nyquist örnekleme kriteri, örnekleme frekansının maksimum frekansın en az 2 katı olmasını gerektirir.

1000 Hertz’lik bant genişliği, örnekleme frekansının 2000 örnek/saniye alınması demektir.

Gerçekte karşılaşılan durumlarda örnekleme frekansını 2000 örnek/saniye seçersek teoride kullanılabilir görülen 1000 Hz’lik bant genişliği limiti daha az olur. Bunun nedeni birçok veri toplama sisteminde bant genişliğinin %80’inden sonra sinyalin genliğini azaltan anti-aliasing filtresi bulunmasıdır.

1000 Hertz olan bant genişliğini anti-aliasing filtresi 800 Hertz ve aşağısına düşürür.
SIEMENS Simcenter Testlab’ta ‘Tools -> Options -> General’ altında aşağıdaki görseldeki gibi ‘Frequency’ altındaki ‘Span’a tıklayarak kullanılabilir bant genişliği görüntülenebilir.

Spektral Çizgiler (SL)

Fourier dönüşümü gerçekleştirildikten sonra karşılaşacağımız Spektral çizgiler, veri noktalarının frekans alanındaki toplam sayısıdır. Blok boyutuna (N) benzer. Her bir spektral çizgide iki veri değeri vardır – aşağıdaki görselde gösterildiği gibi bir genlik ve bir faz değeri.

Fourier dönüşümü genlik ve faz çıktısı verirken bazı durumlarda içerisinde faz bulunmayan Autopower’a dönüştürülerek de kullanılır.

Blok boyutunun yarısı spektral çizgilerin sayısına eşittir.

2000 veri noktasının blok boyutuna karşılık 1000 spektral çizgi vardır.

Frekans Çözünürlüğü

Frekans çözünürlüğü (∆f) frekanstaki veri noktaları arasındaki boşluktur. Frekans çözünürlüğü, bant genişliğinin spektral çizgilere bölünmesine eşittir.

Örneğin; 8 spektral çizgi ve 16 Hz olan bant genişliği 2.0 Hz’lik frekans çözünürlüğüne sahiptir.

0 ve 16 Hertz arasında yayılan 8 spektral çizgi frekans eksenine 2.0 Hertz’lik boşluklarla yerleşir. 0 Hertz’in toplam spektral çizgilere dahil olmadığına dikkat edin. 0 Hertz’de hesaplanan değer DC offseti temsil eder. Örneğin 1 Volt’luk sinüsoidal bir eğri 5 volt offset değeri civarına yerleştirilirse sinüsoidal eğrinin 1 Volt’luk genliği sinüsoidal dalganın frekansına tekabül eden spektral çizgiye yerleştirilirken offset değeri 0 Hertz’e yerleştirilir.

Dijital Sinyal İşleme İlişkileri

Yukarıdaki ilişkileri bir araya getirirsek, farklı dijital sinyal işleme parametreleri birbirleriyle ilişkilendirilebilir.

Bu durum pencereleme süresi (T) ve frekans çözünürlüğü (∆f) ile ilişkili bir oran olarak ortaya çıkar.

Çıkarabileceğimiz sonuçlar;
• Daha iyi frekans çözünürlüğü için daha uzun toplama süresi gereklidir.
• Daha kısa veri toplama süresi daha kaba frekans çözünürlüğü demektir.

Sinyal analiz edilirken frekans çözünürlüğünün tam olarak anlaşılması önemlidir. Aşağıdaki görselde 2 sinüs tonu dijital ortama aktarılmış ve Fourier dönüşümü uygulanmıştır. 1.0 Hertz ve 0.5 Hertz’lik iki farklı frekans çözünürlüğü ile bu işlem gerçekleştirilmiştir.

1.0 Hertz yerine 0.5 Hertz’lik frekans çözünürlüğü uygulandığında 2 ayrı tepe noktasının ortaya çıktığına dikkat ediniz. Daha iyi frekans çözünürlüğünün faydası tartışılamaz. Aklınıza tüm bu durumlar için neden en iyi frekans çözünürlüğü kullanmıyoruz sorusu gelebilir.

Bu durumun daha uzun veri toplama süresi gerektireceği göz önünde bulundurulmalıdır.
• 10 Hz’lik frekans çözünürlüğü için 0.1 saniye gerekli.
• 1 Hz’lik frekans çözünürlüğü için 1 saniye gerekli.
• 0.1 Hz’lik frekans çözünürlüğü için 10 saniye gerekli.
• 0.01 Hz’lik frekans çözünürlüğü için 100 saniye gerekli.

Bazı durumlarda, bu uzun veri toplama süreleri pratik değildir. İşleme en uygun durum seçilmelidir.

SIEMENS Simcenter Testlab yazılımları hakkındaki sorularınız için lütfen DTA Mühendislik Test Bölümü mühendisleriyle iletişime geçiniz.

The post Dijital Sinyal İşleme: Örnekleme Frekansı, Bant Genişliği, Spektral Çizgi appeared first on .

SIEMENS Simcenter Testlab ile eğri uydurma işlemi aşağıdaki işlem adımları ile yapılmaktadır;
1. Arkaplan Gürültüsü
2. XY Veri Seti Analojisi
3. Simcenter Modal Analiz Yazılımı:
– FRF ve bant genişliği
– Stabilizayon diyagramı
– Modal şekil hesaplama
– Modal validasyon
4. Tekrarlanan Kökler: Aynı frekansta 2 Mod

Arkaplan Gürültüsü

Modal eğri uydurma işleminde dikkat edilmesi gereken birkaç nokta vardır (Görsel 2) :
– FRF’lerden yapıdaki doğru doğal frekansların sayısı nasıl belirlenir? Tahmin edilen modların az veya çok olduğunu nasıl belirleriz?
– FRF’deki bir tepe noktasının ölçüm gürültüsü mü yoksa gerçek bir rezonans mı olduğunu nasıl anlarız?
– FRF’deki tepe noktaları birbirlerine çok yakınsa, tek bir tepe noktası şeklinde görünüyorsa, bu bitişik modlar matematiksel olarak birbirinden nasıl ayrılır?

Modal eğri uydurma esnasında yukarıdaki zorlukların önüne geçebilmek için, Simcenter Testlab Modal Analysis yazılımı kullanılabilir. Stabilizasyon Diyagramı yardımıyla FRF setini tanımlayan en iyi matematiksel modal parametreler (frekanslar, sönümleme vb.) belirlenebilir.
Simcenter Testlab yazılımını detaylandırmadan önce, aşağıdaki eğri uydurma analojisi, eğri uydurma sürecini daha iyi anlamamıza yardımcı olabilir.

XY Veri Seti Analojisi

Şekil 3’de gösterildiği gibi X ve Y data seti kullanılarak eğri uydurma prosesi görselleştirilebilir.

Amaç, X ve Y verilerini en iyi tanımlayan bir eğri hesaplamaktır.
Veri noktalarına bakıldığında, noktaların üçüncü dereceden bir polinom gibi görünen, matematiksel bir ilişkiye sahip olduğu görülmektedir. Ancak tüm veri noktaları polinom üzerinde yer almamaktadır.
XY veri setinden bir eğri oluşturulduğunda, veri noktaları üçüncü dereceden bir polinoma göre biraz farklılık göstermektedir. Bu farklılık, tıpkı veri toplarken elde edilen gürültü gibidir.

Veriyi matematiksel olarak en iyi şekilde temsil etmek aşağıdaki yaklaşım kullanılabilir;
1. Farklı mertebelere sahip polinomlar denemek. Örneğin; verileri önce birinci dereceden bir polinom eğrisi, sonra ikinci dereceden bir polinom ve daha sonra üçüncü dereceden bir polinom ile temsil etmek.
2. Matematiksel deklem ile veri noktaları arasındaki farkı (veya hatayı) en aza indiren polinomların mertebesini ve katsayıları bulmak.

Şekil 4’den Şekil 7’ye kadar, 1. dereceden 10. Dereceye oluşturulan polinomlar görselleştirilmektedir.

Şekil 5’de gösterilen, birinci dereceden polinom eğrisini göz önünde bulunduralım.

Birinci dereceden polinom, XY verilerinin genel eğilimini izlemektedir, ancak veri noktalarını mükemmel şekilde temsil etmemektedir. Eğri ve veri noktalar arasındaki farkı en aza indirmek için eğri parametreleri (eğim ve ofset) hesaplanır.
Veri noktalarını daha iyi temsil etmesi için daha yüksek dereceli bir polinomun gerekmektedir. Polinomun derecesini üçe yükselterek, Şekil 6’da gösterildiği gibi verilere daha iyi uyan bir polinom elde edilebilir.

XY verilerinde, polinoma uymayan noktalar bulunmakta ve bu da polinom eğrisinin tüm veri noktalarından geçmesini imkansız hale getirmektedir.
Polinomun derecesi daha da artarsa ne olur? Şekil 7’de 10. dereceden polinomun veriler ile uyumu gösterilmektedir.

Onuncu dereceden polinomun veri noktaları ile eğri arasındaki mesafeye bağlı olarak hesaplanan hata, daha düşük dereceli polinomlara göre iyi olabilir: çünkü eğri, veri noktalarının çoğundan geçmektedir. Bununla birlikte, oluşturulan polinomun noktalar ile olan uyumunun iyi olmadığı görülmektedir. – eğride üçüncü dereceden polinoma göre şeklinden sapan bazı büyük sıçramalar bulunmaktadır.

Eğri uydururken aşağıdaki hususlar göz önünde bulundurulmalıdır;
– Polinomun derecesini arttırmak, sonucu iyileştirmektedir.
– Herhangi bir eğri uydurma metodu, verilerindeki gürültüyü ve diğer varyasyonları gidermelidir.
– Verileri analiz eden kişi, uydurulan matematiksel eğriyi doğru bir derece ile belirlemelidir.
Şimdi bu polinom analojisini Simcenter Testlab Modal Analysis kullanarak, gerçek FRF verilerinden eğri uydurmak için kullanabiliriz.

Simcenter Testlab Modal Analiz ile Modal Eğri Uydurma

Ölçülen FRF’lerden iyi bir modal parametre seti tahmin etme süreci, XY veri analojisiyle benzerlik göstermektedir:
– Ölçülen FRF’lerde, kullanılan ekipmanlardan kaynaklı elektriksel gürültü, küçük yapısal lineersizlikler, ivmeölçerlerin kaydırılması gibi, bir çok ölçüm gürültüsü yer almaktadır.
– Yapı üzerindeki farklı konumlardan elde edilen FRF’ler dikkate alınmalıdır. (Şekil 8)
– İlgilenilen frekans aralığındaki birçok mod ( doğal frekans, sönüm, mod şekli) dikkate alınmalıdır.

Ayrıştırılması gereken çok sayıda bilinmeyen ve dikkate alınacak birçok FRF veri noktası vardır. Model eğri yazılım ve algoritmaları ile aşağıdaki işlem adımları takip edilir;
– Test edilen yapı için belirli bir frekans aralığında doğru mod sayısını belirlenir.
– Ölçülen FRF’lerden doğal frekans, sönüm ve diğer modal bilgileri belirlenir.
– Hesaplanan modlar ve ölçülen FRF verileri arasındaki hata en aza indirilir.
– Verilerdeki gürültü azaltılır.
– En son oluşturulan modal model üzerinde, herhangi uygun olmayan bir modun olup olmadığı değerlendirilir.
Analiz yapan kişinin sonuçları manuel olarak incelemesi ve yukarıdakilerin hepsinin uygun şekilde yapıldığından emin olması gerekecektir.

Süreç
Simcenter Testlab Modal Analysis yazılımında modal eğri uydurma işlem adımları Şekil 9’da gösterilmektedir .

Tatmin edici bir eğri elde edilinceye kadar bu işlemin tekrarlanması gerekebilir. Sürecin ilk üç adımı Simcenter TestLAB Modal Analiz çalışma sayfasında yer alan Polymax veya Time MDOF ile yapılır. Doğrulama adımları, Modal Synthesis ve Modal Validation ile yapılır.
Polymax, Simcenter Modal Analysis yazılımında (Tools -> Add-ins -> Modal Analysis and Polymax Modal Analysis) aracılığıyla açılır. Modal eğri uydurma işleminde, çoğunlukla Polymax algoritması kullanılmaktadır.

Seçilen FRF’ler ve Frekans Aralığı

Şekil 10’da gösterildiği gibi, Modal eğri uydurmanın ilk adımı, analiz edilecek FRF seti ve frekans aralığını belirlemektir.

Bant genişliği seçim penceresinin bazı önemli özellikleri:

• FRF Seçimi – FRF seçimi ekranın sol üst kısmından yapılır. Varsayılan olarak, mevcut proje bölümünün tüm ölçümleri kullanılır. Aynı isimdeki FRF’ler mevcutsa, sadece en son ölçüm kullanılır. Eğer kötü bir FRF ölçümü elde edilmişse, örneğin zayıf tutarlılıkla (coherence), problemin kaynağı tespit edilerek bu FRF ölçümü tekrarlanır. Ardından yeniden elde edilmiş FRF, eğri uydurma işlemine katılır.
•  Bant Genişliği Seçimi – Analiz edilecek frekans aralığı çift imleç kullanılarak seçilir. Genelde, imleçleri düşük ivme yanıtlı veya anti-rezonans bölgesine yerleştirmek en iyi yöntemdir, böylece modal bilgiler kesilmemiş olacaktır.
• Veri Görselleştirme Yerleşimi – Çalışma sayfasının sol alt köşesinde, kullanıcının eğri uydurma işlemi sırasında ekranda gösterilecek FRF işlevlerini seçmesine izin verir. “Selected Function” seçimi bireysel ölçümlerin gösterilmesine izin verirken, “Sum” ölçülen tüm FRF’lerin ortalamasını göstermektedir.

Ekranda gösterilen (Şekil 10) bu toplam FRF eğrisi, analiz için bant genişliğinin seçilmesine yardımcı olmak amaçlı yanlızca görselleştirme içindir. Analizde tüm FRF’ler kullanılacaktır. Analiz edilen FRF’lerin tam listesi ekranın sol tarafında gösterilir.

Stabilizasyon Diyagramı

Stabilizasyon diyagramı, her biri harf içeren birçok satıra sahiptir:

• Satır Numarası – Ekranın sağ tarafındaki sayılar, yazılım algoritmasının FRF verilerini tanımlamak için kullandığı iterasyon sayısını (önceki XY data analojisinden gelen polinomun derecesi gibi) temsil eder.
• Harfler – Her satırdaki harfler, ölçülen FRF’leri analiz ederek, yazılımın belirlediği potansiyel modları temsil eder. Harf tipi, modal tahminin kalitesini gösterir.

Stabilizasyon Diyagramı Satırları

Her satırdaki harf sayısı veya potansiyel modlar, satır numarasını asla aşmaz ( Şekil 12 ). Simcenter Testlab anlamsız mod seçimlerini göstermeyeceğinden, satırlardaki harf sayısı, satır sayısından az olabilir. Örneğin, eğri uydurma algoritması tarafından negatif frekanslı veya negatif sönümlemeli bir potansiyel mod tanımlanmışsa, gösterilmez.

Potansiyel modu temsil eden harf, üzerine tıklanarak eğri uyumu analizi için seçilebilir.

Stabilizasyon Diyagramı Harfleri

Harfler, belirli bir potansiyel model çözümünün tekrarlanabilirliğini gösterir. Bu, mevcut satırdaki potansiyel çözümler (frekanslar, sönümler, vb.), Şekil 13’te gösterildiği gibi önceki satırdaki potansiyel çözümler ile karşılaştırılarak yapılır .

Harfleri yazmak ile çözümlerin istikrarı, işaret ler en tekrarlanabilir olma.
• o- Yeni: Bu çözümün bir önceki satırda mevcut olmadığı anlamına gelir.
• f – Frekans: Potansiyel modun frekansı bir önceki satıra göre dengelenirse, f harfi kullanılır.
• d – Sönümleme: Hem frekans hem de sönümleme değerleri önceki satıra göre dengelenirse d harfi kullanılır.
• v – Vektör: Frekans ve modal katılım vektörünün her ikisi de stabilize edilmiş ise v harfi kullanılır.
• s – Kararlı: Modal çözüm, frekans, sönümleme ve modal katılım vektöründe tamamen dengelenmiş ise s harfi ile gösterilir.

İdeal olarak, s harflerinin sütunları modların varlığını gösterir (Not: 50 veya 60 Hz’de çok güçlü bir s harfi sütunu olsa bile, çok hafif bir şekilde sönümlenen bir mod, test nesnesinin bir modu değil, muhtemelen elektriksel gürültüdür).
Harflerin bulunduğu sütunlardan yanlızca bir s harfini seçmek, çözüm tekrarlanabilir olduğundan yeterli olacaktır.

Stabilizasyon Diyagramı Toleransları

Sonuçlar ne kadar tekrarlanabilir? Çözümün dengelemesi için toleransların belirlenmesi ekranının sol alt köşesinde “Tolerances…” butonu ile yapılır. Bu ekranda, harf atamaları için kullanılan tolerans yüzdeleri değiştirilebilir. ( Şekil 14 ).

Örneğin, doğal frekans için değişkenlik % 0.1’e kadar ayarlanabilir.

Mod Şekillerinin Hesaplanması

En iyi potansiyel mod grubunu seçtikten sonra, bir sonraki adım, Şekil 15’te gösterildiği gibi mod şekillerini hesaplamaktır . Ekranın sol üst köşesindeki “Shapes” küçük çalışma sayfasına tıklanır.

Modal şekilleri belirlemek için ekranın sol kısmında yer alan “Calculate” düğmesine basılır. Hesaplanan modal şekiller sol altta listelenir. Mod şekilleri, bu kısımdan geometri üzerine sürükleyerek veya sağ alt taraftaki oklar kullanılarak görüntülenir.

Modal Model Doğrulama

Hesaplanan mod şekilleriyle, bazı doğrulama adımları kullanılarak sonuçlar iki kez kontrol edilebilir. Bu şekilde hiçbir modun kaçırılmaması ve çok fazla modun dahil edilmesi önlenebilir.
Yaygın olarak kullanılan iki doğrulama yöntemi vardır: Modal Sentez ve Modal Güvence Kriteri . Bu yöntemler iki ayrı çalışma sayfasında yer almaktadır.

Modal Sentez: Cevapsız Modların Kontrolü

Hesaplanan mod seti kullanılarak, hesaplanan FRF’ler ölçülen FRF’lerle karşılaştırılabilir.
Bunu yaparken, Şekil 16’da gösterildiği gibi modların analiz dışında bırakıldığı hataları yakalamak çoğu zaman mümkündür .

Ölçülen her FRF bu şekilde kontrol edilebilir. Her FRF için bir korelasyon ve hata yüzdesi hesaplanır ve gösterilir. Korelasyon yüzdesinin mümkün olduğunca yüksek, %100’e yakın olması arzu edilirken, hata yüzdesinin düşük olması, mümkün olduğunca sıfıra yakın olmalıdır.
Analizde eksik olan modlar varsa, Stabilizasyon adımına geri dönülerek analize eklenmelidir.

Modal Güvence Kriteri: Çok Fazla Modu Kontrol Etme

İyi bir modal senteze sahip olunsa bile çok fazla mod seçilmiş olabilir. Modal Güvence Kriteri bu durumun belirlenmesini sağlar.
Modal Güvence Kriteri (MAC) iki mod şeklini karşılaştırır. Modlar birbirine benziyorsa, MAC değeri % 100’e yakın olacaktır. Farklı olan iki mod ise % 0’a yakın bir MAC’ye sahip olacaktır.
İdeal olarak, modal parametre tahmini sırasında tanımlanan her modun kendine özgü mod şekline sahip olması gerekir.
Çok fazla mod nasıl seçilebilir? İki farklı modal eğri uyarlama algoritması için Stabilizasyon Diyagramını gösteren Şekil 17’yi dikkate alın : Time MDOF ve Polymax.

Bir kullanıcının Time MDOF stabilizasyon şemasında ( Şekil 17’nin sol tarafı ) ekstra bir mod seçmesi kolay olacaktır. Ekstra veya yinelenen bir mod seçildiğinde, seçilen modun şekli, yakındaki modlara çok benzeyecektir. Benzer mod şekilleri fiziksel olarak imkansızdır: Her mod şekli benzersiz olmalıdır. Modal arasındaki bu benzerlik, Şekil 18’de gösterildiği gibi yüksek bir MAC değeri olarak işaretlenecektir .

Yukarıdaki şekil, 304 Hz modunun ve 311 Hz modunun muhtemelen aynı mod olduğunu göstermektedir. Modlardan birinin seçimi kaldırılmalıdır.

Tekrarlanan Kökler: Aynı Frekansta İki Mod

Birçok yapıda, aynı frekansta iki modun bulunması mümkündür. Bu genellikle simetrik yapılarda (tüpler, diskler vb.) görülmektedir.
Bir yapının tekrarlanan bir kökü olup olmadığını belirlemek için, Mode Indicator Function (MIF) kullanılır. Aynı frekansta iki mod varsa ve iki MIF varsa, her MIF, Şekil 19’da gösterildiği şekilde, aynı frekansta iki modun varlığına işaret edecek şekilde düşüş gösterir (mavi eğri).

Mode indicator function, iki modun olduğu frekanslarda “azalır”. Şekil 19’da , mavi ve yeşil MIF eğrisi aynı frekansta azalmaktadır. Bu düşüş, aynı frekansta iki modun varlığını gösterir.
Matematiksel olarak, hem birincil hem de ikincil mod gösterge fonksiyonuna sahip olmak için iki referansa sahip olmak gerekir.
Son olarak, Modal Modelin Maksimum Olabilirlik tahminini (MLMM) kullanılarak, toplanan FRF verileriyle daha iyi eşleşme yapabilmek için frekanslarda ve sönümlerde otomatik ayarlamalar yapılabilir.

SIEMENS Simcenter Testlab yazılımları hakkındaki sorularınız için lütfen DTA Mühendislik Test Bölümü mühendisleriyle iletişime geçiniz.

The post Modal Analizde Eğri Uydurmanın Temelleri appeared first on .

SIEMENS Simcenter Testlab 18’in yayınlanması ile birlikte, token lisansı ile erişim sağlanabilecek modül sayısı da arttırıldı.

Token lisansı nedir?

Simcenter Testlab tokenları, kullanıcılara Testlab’ın geniş kütüphanesinde bulunan yazılım modüllerine erişim sağlanması için oluşturulmuş esnek bir lisanslama mekanizmasıdır.

Sabit lisanslar ile yalnızca lisansı satın alınan yazılım modülü kullanılabilirken, Token lisanslama ile kullanıcılar ,toplam kullanılabilir token miktarını aşmadıkları sürece, yazılım modüllerini herhangi bir kombinasyon ile çalıştırabilirler.

Simcenter Testlab token lisanslama sisteminde:

• Belirli yazılım modulü lisansları satın almak yerine, belirli miktarda token satın alınır.
• Simcenter Testlab’ın her analiz ve veri toplama yazılımını çalıştırabilmek için sabit miktarda token’a ihtiyaç vardır.
• Gerekli token miktarı aşılmadığı sürece, yazılım modülleri farklı kombinasyonlar ile çalıştırabilir.
• Simcenter Testlab yazılımının Token ile kullanılabilen yazılım kütüphanesi her yeni sürüm ile genişletilmektedir.
• Simcenter Testlab tokenları süresi bitmeyen, kalıcı lisanslardır(yıllık üyelik olarak satın alınmadığı sürece)

Simcenter Testlab token lisansı nasıl çalışır?

Token Lisansı Örneği

Bir test ekibi, impact test, modal analiz ve gürültü analizi için 120 token almaya karar verir. Tablo 1’de bu tür test ve analizler için kullanılan bazı temel modüllerin bir listesi yer almaktadır.

İlk olarak, impact test ile modal analiz için gerekli FRF’ler toplanır. Bunun için SCADAS veri toplama sistemiyle, Simcenter Testlab Impact Testing (25 token) ve Front End Driver(12 token) açılır. Front end driver yanlızca veri toplama için gereklidir. Satın alınan 120 tokendan 37’si impact test için kullanılırken, başka modülleri kullanmak için geriye 83 token kalır.

Tablo 2’deki yeşil renkle vurgulanmış satırlar impact test için kullanılan lisansları göstermektedir.

FRF Veriler toplandıktan sonra, modal analiz yapılacaktır. Veri toplama modulleri kapatıldıktan sonra Modal Analysis (77 token) açılır. Opsiyonel olarak analizde Maximum Likelihood Estimator for a Modal Model (MLMM) modulü kullanılabilir (26 token). Bu moduller Simcenter Testlab’da Menü altındaki “Tools -> Add-ins” kısmından eklenir.

Tablo 3’de görüleceği üzere 103 token kullanılmaktadır. Diğer modulleri açmak için geriye 17 token kalmaktadır.

Testlerin hemen ardından baskın bir ses problem ile karşılaşıldığını düşünelim. Bu problemi tanımlamak için Sound Diagnosis kullanılacaktır. Modal analiz için çalıştırılan Modal Analysis ve MLMM kapatılarak tüm tokenlar boşa çıkartılır ve sonra Sound Diagnosis (62 token) çalıştırılır. Bu çalışma için kullanılan ve kalan token miktarı Tablo 4’de verilmektedir.

Modal Analysis ve Sound Diagnosis iki farklı analiz tipi olduğundan, bu modulleri birlikte çalıştırmak mantıklı olmayacaktır. Bu yüzden ilk olarak Simcenter Testlab’da menu altındaki “Tools-> Add-ins” ile modal analiz modulleri kapatılır ve Sound Diagnosis modülü açılır.

Örnekte görüldüğü gibi, 120 token bir mühendise ihtiyaç duyulan farklı tipte veri toplama ve analiz modülleri arasında sürekli geçiş yapma imkanı sağlamaktadır.

Token Konfigürasyonları
Token konfigürasyonları oluşturmak için birkaç farklı seçenek bulunmaktadır. Tokenlar bir USB anahtar ile taşınabilir ya da ağa bağlı bir lisans sunucusu üzerinden kullanılabilir.

USB anahtar ile token kullanımı;
Desktop ve token lisansları küçük bir USB anahtar içerisine atılabilir. USB anahtar bilgisayara takıldığında, bilgisayarda bulunan lisans dosyası USB anahtarda bulunan seri numara ile control edilir ve USB anahtarda tanımlanan Desktop ve token lisansları kullanıma hazır olur.

Kullanıcılar, USB anahtara atanmış token sayısı kontrol edilebilir. Aynı anda bir bilgisayarda birden fazla USB lisansı kullanılabilir.

Lisans Sunucu ile token kullanımı;
Bir ağdaki bilgisayara birden fazla Desktop ve Token lisansı yerleştirilebilir ve ağa bağlı herhangi bir bilgisayar bu lisanslara erişebilir. Bu birden fazla test ekibinin tokenları paylaşmasını sağlar.

Sabit Lisanslardan Token Lisanslamaya Geçiş Örnekleri

Darbe Testi

– Token lisansı olmadan: Test mühendislerinden oluşan bir ekibin 3 adet USB lisansını kullandığı düşünülsün. Test mühendislerinden birinin Impact Test yapmaya ihtiyacı vardır ancak Impact Test için yalnızca bir USB lisansı bulunmaktadır. Ve takımdaki başka bir test mühendisi bu USB lisansı yanlışlıkla yanına alarak birkaç günlük tatile çıktığında, bu testin yapılabilmesi için beklemek gerekmektedir.

– Token lisansı ile: Test mühendislerinden oluşan bir ekibin 3 adet USB lisansına sahip olduğu ve her USB anahtar 90 token olduğu düşünülsün. Test mühendislerinden biri Impact Test yapmaya ihtiyaç duyduğunda, herhangi bir USB belleği alarak Frontend Driver(12 token) ve Impact Testing(25 token) ile darbe testi yapabilir. Bu durumda belirli bir USB belleği aramaya veya başka bir mühendisin işini bitirmesini beklemeye ihtiyacı olmayacaktır.

Titreşim kontrolü

Tokenlar ile, bir titreşim test laboratuvarında daha geniş ölçekli titreşim kontrol testleri yapılabilir.

– Token lisansı olmadan: Birkaç sarsıcı sisteminin bulunduğu bir test laboratuvarında, testlerin genellikle yüzde 95’i standarda bağlı random, shock ve sine titreşim testleridir. Nadiren random-sine veya random-random titreşim profillerinde karmaşık bir test talebi gelebilir. Bu lisanslar(random-sine , random-random) daha önce satın alınmadığı için, bu testlerin yapılması için başka laboratuvarlara ihtiyaç duyulacaktır.

– Token lisansı ile: Bu laboratuvarda, Desktop lisansı ve 60 token ile kompleks titreşim testlerinin her biri yapılabilir. Örneğin: Testlab Desktop + 12 token frontend driver + 22 token random control + 25 token sine on random. Tokenları kullanarak, titreşim testleri ile birlikte ilave çalışmalarda yapılabilir. Örneğin Güç spektral yoğunluğu profilleri geliştirmek için Mission Synthesis (24 tokens) kullanılabilir.

Farklı lokasyonlarda çalışan test ekipleri

Bir mühendislik ekibinin diğer test ekiplerin sabit lisansları kullanmasından dolayı yaşadığı zaman kayıpları, token lisansları ile önlenebilmektedir.

– Token lisansı olmadan: Bir mühendislik ekibinde her ekip üyesinin ulaşabildiği sabit bir Simcenter Testlab lisans sunucusuna sahiptir. Analizler için sabit 3 tane Time Signal Calculator lisansına sahip olduğu düşünülsün. 5 mühendisin Time Signal Calculator kullanmak istediği durumda, mühendislerden bir kaçı diğer mühendislerin veri işleme proseslerini bitirmelerini beklemek zorundadırlar.

– Token lisansı ile: Bu test ekibi, birkaç Desktop lisansı ve 400 token bulunan bir sunucu sistemine geçiş yaparak,5 mühendis tek seferde, Time Signal Calculator (26 token) veya Operational Deflection Shapes (28 token) yada 3 Operational Deflection Shapes ve 2 Time Signal Calculator gibi kombinasyonlar oluşturarak çalışabilirler. Tokenlar, mevcut token sınırı aşılmadığı sürece her türlü kombinasyona müsade etmektedir.

Token ile kullanılabilecek yazılım modülleri

Token lisansları ile kullanılabilecek 50 den fazla yazılım modülü bulunmaktadır.

Desktop

• Simcenter Testlab Desktop lisansı ayrı olarak satın alınmak zorundadır. Token ile kullanılamamaktadır. Desktop, Simcenter Testlab yazılımını başlatmak için gereken temel lisanstır ve içerisinde veri görüntüleme ve raporlama özelliklerini barındırmaktadır. Eş zamanlı olarak her kullanıcı için bir Desktop lisansı gerekmektedir.

Veri toplama

• Simcenter Testlab Frontend Driver (12 tokens)
• Simcenter Testlab Signature (42 tokens)
• Simcenter Testlab Single and Dual Plane Balancing (20 tokens)
• Simcenter Testlab Order Tracking (20 tokens)
• Simcenter Testlab MIMO Sine Testing (36 tokens)
• Simcenter Testlab Random Control (22 tokens)
• Kurtosis Control (21 tokens)
• Sine on Random (25 tokens)
• Random on Random (25 tokens)
• Simcenter Testlab Sine Control (22 tokens)
• Simcenter Testlab Shock Control (22 tokens)
  ve daha fazlası..

Analiz

• Simcenter Testlab Sound Diagnosis (62 tokens)
• Simcenter Testlab Run Comparison Organizer (19 tokens)
• Simcenter Testlab Time-Frequency Wavelet Analysis (34 tokens)
• Simcenter Testlab Throughput Processing (36 tokens)
• Simcenter Testlab Order Tracking (20 tokens)
• Simcenter Testlab Sound Quality Metrics (33 tokens)
• Simcenter Testlab Time Signal Calculator (26 tokens)
• Simcenter Testlab Harmonic Removal (15 tokens
• Simcenter Testlab Jury Testing (46 tokens)
• Simcenter Testlab Offline RPM Extraction (20 tokens)
• Simcenter Testlab Geometry (16 tokens)
• Simcenter Testlab Operational Deflection Shapes (28 tokens)
• Simcenter Testlab Modal Analysis (77 tokens)
• Simcenter Testlab Polymax (26 tokens)
• Simcenter Testlab Maximum Likelihood Estimation of a Modal Model (26 tokens)
• Simcenter Testlab Modification Prediction (23 tokens)
  ve daha fazlası..

Özel Durumlar

• Simcenter Testlab 18 revizyonu ile birlikte Desktop’a ilave olarak, Simcenter Soundbrush, Simcenter Sound Camera, Simcenter HD Acoustic Camera yazılımlarıda token ile lisanslanamamaktadır.

Uygulama konusundaki sorularınız olması durumunda bizimle iletişime geçebilirsiniz.

The post SIEMENS Simcenter Testlab Tokens appeared first on .

Oktavlar belirli bir frekans aralığındaki toplam enerji düzeyini temsil eder.

Oktav bantları nasıl belirlenir?
“Oktav band” terimi, aynı notanın tonları arasında frekansın iki katına çıktığı müzik teorisinden ödünç alınmıştır.

İnsan işitme oktav bantları aynı şekilde gelişmiştir: İnsan işitme aralığı (20-20.000Hz) 11 oktav bandına bölünür, her bant bir önceki bandın frekans aralığını 2 katına çıkarır. Bunlara 1/1 oktav bant denir.

İnsanların frekansları ayırt etme şekline daha da yakınlaşmak için, her 1/1 oktav bandı üç alt banda ayrılabilir. Bunlara 1/3 oktav bant denir. Bu daha küçük oktav bantları, insanların frekanslar arasındaki farkı nasıl ayırt ettiğini daha yakından temsil eder.

Oktavlar eşit aralıklı değildir:
Oktavlar genellikle oktav bantlarının merkez frekanslarının doğrusal aralıklarla yerleştirileceği şekilde görüntülenir. Buna oktav biçimi denir. Bu, oktavların aralıkları eşit olmasa bile, frekansta eşit aralıklarla görünmesine neden olur.

Aşağıdaki Şekil 5‘te, beyaz gürültü (White noise) hem dar bant (mavi) hem de oktav biçiminde (yeşil) ifade edilir. X ekseni oktav biçimindedir (yukarıda açıklanmıştır). Daha düşük frekanslardaki oktav bantlarının, daha yüksek frekanslardaki oktavlara kıyasla daha az veriyi doldurduklarına dikkat edin. Bunun nedeni, yüksek frekanslardaki oktav bantlarının daha düşük frekanslarda oktav bantlarından daha geniş bir frekans aralığını kapsamasıdır.

Aynı veriler aşağıda (Şekil 6) çizilmiştir, ancak x ekseni bu sefer doğrusal formattadır. Autopower’ın (mavi) tüm frekanslarda aynı yoğunluğa sahip olduğuna dikkat edin. Her bir oktav bandının (yeşil) kapsadığı frekans aralıklarının giderek büyüdüğüne dikkat edin.

Oktav bantları, insan kulağının frekanslar arasında nasıl ayırt edildiğini belirlemeye yardım eder. Düşük frekanslarda; kulak, frekans aralarında daha kolay ayrım yapabilir. Bu yüzden oktav bantları düşük frekanslarda daha dardır. Daha yüksek frekanslarda, kulak frekansları birbirinden ayırmakta güçlük çeker. Bu yüzden oktav bantları yüksek frekanslarda daha geniştir. Bu fenomeni duymak için aşağıdaki videoyu izleyebilirsiniz.

NOT: Kritik bantlar ayrıca insan kulağının frekans belirlemesini tanımlamak için kullanılır. Kritik bant skalası, oktavlara kıyasla biraz daha rafine edilir. Birçok ses kalitesi metriğinin belirlenmesinde kritik bantlar (oktavlar gibi) kullanılır.

Oktavlar nasıl hesaplanır?
Oktavlar, zaman alanı tabanlı bir dizi band geçiren (band-pass) filtre kullanılarak hesaplanır.
Zaman verileri bir dizi dar bant filtresine beslenir. Her filtre bandı, her oktavın frekans aralığını temsil eder. Simcenter Testlab‘da, filtre şekilleri ANSI ve IEC standartlarına uygundur (ANSI S1.11-2011, IEC 61261: 2014).

Hem oktav haritası (yukarıdaki şekilde olduğu gibi) hem de oktav kesitleri hesaplanabilir.

• Oktav haritaları, oktav bantlarını ve bu bantlardaki genel enerji düzeyini gösterir.
• Oktav kesitleri, tek bir oktav bandının bir izleme parametresine süresinde nasıl davrandığını izler.

Örneğin, aşağıdaki şekil 12.5 Hz, 20.0 Hz ve 25.0 Hz oktav bantlarının zamanla nasıl değiştiğini göstermektedir.

SIEMENS Simcenter Testlab’da Oktavların Hesaplanması
Simcenter Testlab‘daki filtre tabanlı oktavları hesaplamak için “Tools -> Add-ins” e gidin ve “ANSI-IEC Octave Filtering” seçeneğini aktif edin.

Time Data Processing’de “Acquisition Parameters” bölümündeki “Change Settings” butonuna tıklayın.

Ortalama alma yöntemi seçin: üssel veya doğrusal. Üssel ortalamalar, daha önceki toplanan verilerden en son toplanan verilere daha fazla ağırlık verir. Doğrusal ortalamalar ise tüm değerlerin aritmetik ortalamasını hesaplar.

Bir ses seviyesi tipi seçin: hızlı (0.125 sn), yavaş (1.000 sn), tetikleme (0.035 sn) veya kullanıcı (özel). Bu parametre, ortalama hesaplama süresinin uzunluğunu değiştirir. Ortalama çerçevesi, her artışta bir ortalama hesaplamak için kullanılan süredir. Artış miktarı ve ortalama hesaplama süresi hakkında daha fazla bilgi için “Simcenter Testlab Throughput Processing” makalesine göz atın.

Time Data Processing’de, “Section” bölümünün altındaki “Change Settings” butonuna tıklayarak “Section” bölümlerini açın. Bir oktav haritasını hesaplamak için, “Octave Maps” sekmesine gidin. Hesaplanması gereken oktav bant tipini kontrol edin.

Bu hesaplamanın sonucu, aşağıdaki Şekil 12‘ye benzer bir grafiğe benzeyecektir.

Tek bir oktav kesitini hesaplamak için “Octave Sections” sekmesine gidin. Hesaplanması istenen oktav kesit veya kesitlerinin merkez frekansını yazın.

Oktav kesiti hesaplanırken, bir oktavın izleme parametresine göre nasıl davrandığı hesaplanır. Aşağıdaki Şekil 14’te bu hesaplamadan elde edilen sonucun bir örneği verilmiştir.

NOT: RTO (Real Time Octaves) ile birkaç ek seçenek bulunmaktadır. RTO, ekinde bulunan herhangi bir işlemi yapmak için filtre tabanlı oktav kullanacaktır. Örneğin, “Psychoacoustic Metrics RTO”, ses ölçümlerini hesaplamak için zaman tabanlı filtreler kullanır.

Simcenter Testlab’da oktav görüntüleme
Testlab‘da “Octave” adı verilen özel bir ekran var. Oktav ekranı, x eksenini oktav formatında otomatik olarak yerleştirir. Ayrıca verileri otomatik olarak bir “blok görüntüleme” formatına (oktavlar karakteristik olarak görüntülendiği gibi) yerleştirir. Bu ekranın simgesi aşağıdaki Şekil 15‘te büyütülmüştür.

Veriler oktav ekranına düştüğünde, yukarıda Şekil 12‘deki verilere benzer görünecektir.

Uygulama konusundaki sorularınız olması durumunda bizimle iletişime geçebilirsiniz.

The post Kulağımızdaki Oktavlar appeared first on .

Uygun bir besleme voltaj seviyesi seçerken, iki karşıt husus vardır:

• Yüksek Voltaj – Yüksek bir voltaj beslemesi, ölçümün sinyal / gürültü oranını artırır.
• Düşük Voltaj – Düşük voltaj beslemesi, gerinim pulu ölçümündeki ısıl kaynaklı hataları azaltır.

Bu nedenle; yüksek voltaj, bir sinyalden gürültü noktasına göre bir gerinim pulu ölçümünü geliştirirken, termal olarak uyarılan hatalar oluşturabilir. Kaliteli bir ölçüm sağlamak için uygun bir denge koşulu gereklidir.
Bu makalede, sinyal seviyelerinin ve termal hataların yanı sıra uygun voltaj değerlerinin seçilmesi için stratejiler de tartışılmaktadır.

Sinyal Seviyeleri

Gerinim puluna verilen voltaj ne kadar yüksek olursa, belirli bir yük için ölçüm sırasında gerinim pulundan geçen sinyal o kadar yüksek olur.
Bu, elektromanyetik alan gibi sorunların önlenmesine yardımcı olur. Gerinim pulu sinyalleri, tipik olarak mikrovolt aralığındadır ve telleri elektriksel gürültü ile kolayca ezilebilirler. Örneğin, güç hatlarının yakınında bulunan gerinim pulu telleri (Şekil 1) elektriksel olarak indüklenen sinyalleri kolaylıkla alabilirler.

Yüksek bir besleme voltajı kullandığımızda tellerdeki gerilme sinyalleri de daha kuvvetli olacaktır ve herhangi bir elektromanyetik gürültünün sinyal üzerinde daha az bir etkisi olacaktır.
Genel olarak, termal sapma veya köprü yanması gibi ek sorunların ortaya çıkmaması durumunda daha yüksek bir voltaj istenir.

Termal Hatalar

Termal sapma, gerinim ölçümünde bir hatadır ve gerinim pulu veya ölçüm sistemindeki, kendinden üretilen ısıdan kaynaklanır. Bu ısı, gerinim ölçümünde gerçekte test nesnesinin deformasyonuna bağlı olmayan, belirgin bir değişikliğe neden olur.
Gerinim puluna verilen voltaj ne kadar yüksek olursa, akımın aktığı teller boyunca daha fazla ısı oluşur. Bu, bir tost makinasının içindeki ısıtma elemanlarının nasıl çalıştığına benzer. İdeal olarak, termal sorunları önlemek için ısı, oluşturulduğundan daha hızlı atılmalıdır.

Isı, şu sebepler yüzünden hatalı bir gerinim pulu ölçümlerine neden olabilir:

• Gerinim pulunu test nesnesine göre genişletmek veya daraltmak.
• Isı nedeniyle pulun direncini değiştirmek. Bir gerinim pulu, normal olarak test nesnesinin deformasyonu nedeniyle direnç değişimini kullanarak gerinimi ölçer.
• AC ve DC gerinimleri için gauge faktör hassasiyetini değiştirmek.

Bir gerinim pulunun termal davranışını belirleyen üç ana özelliği vardır:

• Pul Direnci – Pul direnci ne kadar düşükse, verilen bir besleme voltajı için çekilen akım / güç (P=V^2/R) o kadar yüksektir. Yani, 120 Ohm dirence sahip pul, 350 Ohm’luk bir puldan daha kötü bir termal performansa sahip olacaktır, çünkü belirli bir voltaj için daha fazla güç çekmektedir.
• Termal İletkenlik – Gerinim pulunun monte edildiği yapının ısıl iletkenliği (λ) ne kadar yüksek olursa, daha iyi ısı dağılımı sağlanır. Örneğin, bir plastik yapı, ısıyı çelik yapıdan daha yavaş dağıtır.
• Güç Yoğunluğu – Güç yoğunluğu, gerinim pulu gücünün pulun alanına bölümüdür (Pulun alanı, Şekil 2‘de gösterilen bir pulun ilmeklenmiş telleridir). Bir gerinim pulundaki güç yoğunluğu ne kadar yüksek olursa, termal performans da o kadar kötü olur.

Bu özellikler gerinim puluna uygulandığında, ısıyı dağıtacak olan maksimum besleme voltajını belirlemek için kullanılabilir. Eğer besleme voltajı dağıtılabileceğinden önemli ölçüde yüksekse, gerinim pulunun aşırı ısınma ve yanma tehlikesi vardır.

Maksimum Besleme Voltajının Hesaplanması

Maksimum besleme voltajı, aşağıdaki Denklem 1‘den belirlenebilir.

Vmax = Minimum termal hata için maksimum besleme voltajı.
R = Gerinim pulu direnci, tipik olarak 120 ohm, 350 ohm veya 1000 ohm’dur.
A = Gerinim pulunun ızgara alanıdır. (Şekil 2)
T = Sıcaklık gradyanı, gerinim pulu etrafındaki alanın birim uzaklık başına sıcaklık değişimi. Öreğin, tipik bir değer olarak 0.75 ° C/mm veya 0.75 ° K/mm’dir (1 Santigrat derece, 1 Kelvin derece değişime eşittir, fakat Kelvin değerine 273.15 derece ekleyin).
λ = Test edilen parçanın ısıl iletkenliği, W/m*K birimiyle ifade edilir. Çelikler yüksek termal iletkenliğe (50 W/m*K) sahipken, plastikler düşük ısı iletkenliğine (0,05 W/m*K) sahiptir.

Bu terimleri kullanarak, farklı gerinim pulları için bazı örnek hesaplamalar Şekil 3‘te gösterilmiştir.

Gerinim pulu üreticileri (Vishay, Omega, vb.), maksimum besleme voltajını belirlemek için denklemleri ve bu değerleri içeren kılavuzları sağlar. Puldaki kusurların, kurulumdaki hataların ve diğer faktörlerin bu denklemi geçersiz kılabileceğini unutmayın.

Gerinim Pulu Tasarımları

Denklem 1‘deki terimlere dayanarak, gerinim pulu seçerken ve kurarken aşağıdakilere dikkat edilmelidir:

• Izgara Alanı – Gerinme verileri üzerindeki termal etkileri azaltmak için daha büyük ızgara alanına sahip bir ölçü kullanın. Daha büyük bir ızgara alanı, ısıyı daha hızlı dağıtır (Şekil 4).

• Gerinim Pulu Direnci – Gerinme verileri üzerindeki termal etkileri azaltmak için daha yüksek dirençli gerinim pullarını kullanın (120 Ohm yerine 350 Ohm gibi). Genellikle 350 Ohm gerinim pulları fiziksel olarak 120 Ohm olanlardan daha büyüktür.
• Rozet Gerinim Pulları – Üç gerinim pulunu birbirinin üzerine yerleştirerek daha az yer kaplayan rozet gerinim pulları, geleneksel rozet gerinim pullarından daha fazla ısı yaratır (Şekil 5). Gerekmiyorsa üst üste yerleştirilmiş rozet gerinim pullarını kullanmayın.

• Test Yapısı – İdeal olarak, plastikten ziyade metaller gibi yüksek termal iletkenliğe sahip alanlarda test objeleri üzerinde gerinim pulları monte edilecektir. Örneğin, gerinim pulları plastik üzerindeyse, mümkün olan en düşük besleme voltajını kullanın (1 Volt veya daha az).

Stabilizasyon

Ortam sıcaklığı sürekli olarak değişmiyorsa, termal etkiler besleme voltajı uygulandıktan hemen sonra görülür. Termal etkileri minimuma düşürek için, gerinim pulu ve ölçüm sisteminin uzun bir zaman aralığında stabilize olmasına izin verilebilir. (Şekil 6)

Düşük termal yükte, gerinim pulunun daha hızlı dengeleneceğinden, mümkün olduğunda daha iyi termal özelliklere (daha yüksek direnç, daha büyük ızgara alanı vb.) sahip gerinim pullarının seçilmesi her zaman en iyisidir.
Gerinim puluna voltaj verildikten sonra, bir gerinim (test nesnesinin deformasyonuna bağlı olmayan gerinim) görülür. Görünen gerinme bir süre sonra stabilize olacaktır. Stabilize edildikten sonra, gerinim pulu sıfırlanabilir ve minimum termal hatalarla ölçümler yapılabilir.
Bu stabilizasyon fenomeni, denklemi kullanmadan uygun besleme voltajını belirlemek için de kullanılabilir. Bunun için, besleme voltajını yavaşça artırın ve görünen gerinmeyi izleyin. Gerinim kararsızsa voltaj çok yüksektir. Besleme voltajı, görünen gerinim stabil olana kadar azaltılabilir. Bu şekilde, Denklem 1‘de yansıtılmayan ve gerinim pulu üzerinde bulunabilecek kusurlar da dikkate alınmış olur.

Mühendislik hizmetlerimiz veya satışını gerçekleştirdiğimiz sensörler ve veri toplama cihazları hakkında detaylı bilgi için lütfen DTA Mühendislik Test & Ölçüm Bölümü mühendisleriyle iletişime geçiniz.

The post Gerinim Pullarında Besleme Voltajının Seçimi 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 .