Fast fourier transform (FFT) är den dominerande metoden för att omvandla en tidssignal (även kallat råsignal) till ett spektra inom vibrationsanalys. I en artikel från 2020 [1] testar en forskargrupp på LTU att behandla data från verkliga haverier (2 st) som gått igenom en envelope-process med en 3 stegs descrete walvet transform (DWT) och welvet packet transform (WPT) där dom jämför dessa mot varandra och standard processen FFT. Förklaring av alla 3 får bli ett eget inlägg senare.
Resultatet blir att FFT och DWT är relativt lika varandra, däremot så har WPT mindre brus vilket ger att skadan i ett av fallen syns 4a dagar tidigare jämfört mot FFT och DWT. WPT ökar tydligare i trend, nästan dubbelt upp mot övriga. Detta för att det blir lättare att larmsätta och med det i förlängningen träna upp en modell för maskininlärning för att övervaka.
Baksidan på medaljen är att WPT är en mer komplex process än FFT och det leder till att beräkningen tar 6200 gånger längre att göra för WPT (5,62 s) mot FFT (0,92 ms).
Det ska också nämnas att 1 av 2 fall kunde varken WPT, DWT eller FFT hitta några tecken på inkommande haveri, forskargruppen misstänker att det hade att göra med att givaren var placerad för långt ifrån felande lager.
Ska bli spännande att följa om WPT tekniken blir mer vanlig i framtiden och om det är den tekniken som behövs för att kunna använda maskininlärning på ett mer pålitligt sätt än idag.
Referenser
- Strömbergsson D, Marklund P, Berglund K, Larsson P-E. ”Bearing monitoring in the wind turbine drivetrain – A comparative study of the FFT and wavelet transforms.” Wind Energy. 2020;23:1381–1393. https://doi.org/10.1002/we.2491
Ersholm 
Lämna en kommentar