Konevärähtelyanalyysi on olennaista laitteiden terveyden seurannassa ja virheiden ennakoinnissa. Python-kirjastojen, kuten NumPy- ja SciPy-kirjastojen avulla voidaan yksinkertaistaa taajuusvasteiden laskentaprosessia, joka on ratkaisevan tärkeää tärinäominaisuuksien ymmärtämisen kannalta.

Taajuusvasteen ymmärtäminen

Taajuusvaste kone kuvaa, miten se reagoi eri tulotaajuuksille. Se auttaa tunnistamaan resonanssin, vaimentavat vaikutukset, ja mahdolliset ongelmat mekaanisissa järjestelmissä. Laskemalla tämä vaste edellyttää järjestelmän siirtotoiminto tai impulssivaste.

NumPy- ja SciPy-järjestelmän käyttö

NumPy tarjoaa tehokkaita numeerisia toimintoja, kun taas SciPy tarjoaa erikoistoimintoja signaalin käsittelyyn. Yhdessä ne mahdollistavat taajuusvasteiden laskemisen esimerkiksi ja toimintojen kautta.

Taajuusvasteen laskeminen

Taajuusvaste lasketaan määrittämällä järjestelmän siirtotoiminto tai digitaalinen suodatin. Käytä [ digitaalisissa suodattimissa tai [ jatkuvissa järjestelmissä. Nämä toiminnot palauttavat voimakkuuden ja vaiheen eri taajuuksilla.

Esimerkkikoodi snippet:

Python-esimerkki:

.Python importy numpy as np from scipy import signal importing matplotlib.pyplot as plt # Määrittele siirtofunktio: osoittaja ja nimittäjä kertoimet num = [1] den = [1, 0,1, 1] # Luo siirtofunktiojärjestelmä = signaali.transferFunction(num, den) # Casete frequency require w, mag, phase = signal.bode(system) # Plot gradity response plt.figure() plt.semilogx(w, mag) plt.titlett.title('Frequency Response Mritory') plt.xlabel('Frequency [Hz]') plt.ylabel('Micular [dB]') pltshow() .show

Sovellukset tärinän analyysissä

Taajuusvasteiden laskeminen auttaa tunnistamaan resonanssitaajuuksia ja vaimennusominaisuuksia koneessa. Tätä tietoa käytetään optimoimaan huoltoaikatauluja, parantamaan suunnittelua ja estämään odottamattomia vikoja.

Analysoimalla tärinätietoja näillä työkaluilla insinöörit voivat havaita poikkeavuuksia varhaisessa vaiheessa ja varmistaa, että koneet toimivat turvallisilla taajuusalueilla.