تجزیه و تحلیل لرزش ماشین برای نظارت بر سلامت تجهیزات و پیش بینی شکست ها ضروری است، استفاده از کتابخانه های پایتون مانند NumPy و SciPy فرآیند محاسبه پاسخ های فرکانسی را ساده می کند که برای درک ویژگی های ارتعاشی بسیار مهم است.

درک پاسخ فرکانسی

پاسخ فرکانس یک ماشین توضیح می دهد که چگونه به فرکانس های ورودی مختلف واکنش نشان می دهد.این به شناسایی رزانس ها، اثرات مرطوب و مسائل بالقوه در سیستم های مکانیکی کمک می کند. محاسبه این پاسخ شامل تجزیه و تحلیل عملکرد انتقال سیستم یا واکنش های محرک است.

استفاده از NumPy و SciPy

NumPy عملیات عددی کارآمد را فراهم می کند، در حالی که SciPy عملکردهای تخصصی برای پردازش سیگنال را با هم ارائه می دهد، آنها محاسبه پاسخ های فرکانسی را از طریق توابع مانند (FLT:0) و [FLT 1] انجام می دهند.

پاسخگویی فرکانسی محاسبه شده

برای محاسبه پاسخ فرکانس، تابع انتقال سیستم یا فیلتر دیجیتال را تعریف کنید.استفاده از برای فیلترهای دیجیتال یا برای سیستم های مداوم، این توابع به شدت و فاز در طیف وسیعی از فرکانس ها بازمی گردند.

مثال کد:

[در این باره] [[[ویرایش]

⁇ python import numpy as np از سیگنال ورودی سیگنال ورودی plotlib.pyplotlotlotlot به عنوان plt # تعریف تابع انتقال: numerator و denominator num = [1] ({، 0.1، 1) # ایجاد یک سیستم انتقال = سیگنال انتقال = سیگنال.Transferunction (num، دن) پاسخ فرکانس #magn = pqul.

برنامه های کاربردی در تجزیه و تحلیل ارتعاش

پاسخ فرکانس محاسبه کمک می کند تا فرکانس های تکراری و ویژگی های مرطوب کننده در ماشین آلات شناسایی شود.این اطلاعات برای بهینه سازی برنامه های تعمیر و نگهداری، بهبود طراحی و جلوگیری از شکست های غیرمنتظره استفاده می شود.

با تجزیه و تحلیل داده های ارتعاشی با این ابزارها، مهندسان می توانند ناهنجاری های اولیه را تشخیص دهند و اطمینان حاصل کنند که ماشین آلات در محدوده فرکانس ایمن عمل می کنند.