Zeit-Frequenz-Analyse
Englisch: time-frequency analysis
Ein Verfahren, das ein Signal gleichzeitig im Zeit- und Frequenzbereich untersucht und verschiedene Zeit-Frequenz-Darstellungen verwendet.
Zeit-Frequenz-Analyse: erkennen, wann Signale auftreten und woraus sie bestehen
Die Zeit-Frequenz-Analyse ist ein Verfahren, um ein Signal in seine Frequenzkomponenten zu zerlegen und gleichzeitig zu verfolgen, wie sich diese Frequenzen über die Zeit ändern. Die klassische Fourier-Analyse zeigt dir, welche Frequenzen in einem Signal vorhanden sind, verliert aber alle Zeitinformationen; die Zeit-Frequenz-Analyse stellt beide wieder her. Das ist in der Elektrotechnik unverzichtbar, weil reale Signale nicht stationär sind: ein 60-Hz-Brummen kann beim Hochfahren eines Motors ansteigen, eine Störung kann für Millisekunden einen Energiepuls im hochfrequenten Bereich erzeugen, oder ein Lager kann beim Verschleiß sich ändernde Vibrationsmuster abstrahlen. Du musst nicht nur wissen, was vorhanden ist, sondern auch wann es auftritt.
Die häufigste Zeit-Frequenz-Darstellung ist das Spektrogramm, das das Signal in kurze, überlappende Zeitfenster unterteilt und das Frequenzspektrum in jedem Fenster berechnet. Ein Spektrogramm zeigt die Zeit auf der horizontalen Achse, die Frequenz auf der vertikalen Achse und die Leistung als Farbintensität. Andere Darstellungen sind die Wigner-Ville-Verteilung, die höhere Auflösung bietet, aber Artefakte erzeugen kann, und Wavelet-Transformationen, die die Fenstergröße an die analysierte Frequenz anpassen: breitere Fenster für niedrige Frequenzen, schmalere Fenster für hohe Frequenzen. Diese Anpassungsfähigkeit macht Wavelets sehr geeignet, um Transienten und Störungen zu erkennen, die bei bestimmten Frequenzen auftreten.
Bedeutung in der Praxis
Elektroingenieure nutzen Zeit-Frequenz-Analyse für Zustandsüberwachung, Stromqualitätsbewertung und Fehlerdiagnose. Bei rotierenden Maschinen erzeugen Lagerschäden sich wiederholende Stöße, die als Energieimpulse bei bestimmten Frequenzen und Abständen sichtbar werden; ein Spektrogramm zeigt sowohl die Stoßfrequenz als auch deren Entwicklung über Wochen oder Monate. In Stromnetzen erzeugen Störungen wie das Schalten von Kondensatorbänken oder Lichtbogenfehler transiente Energie, die über ein breites Frequenzband verteilt und zeitlich konzentriert ist; Zeit-Frequenz-Werkzeuge zeigen das Ereignis und seine spektrale Signatur genau. Gerätehersteller integrieren Spektrogramm-Analyse in Schwingungsanalysatoren und Stromanalysatoren, die für die Instandhaltung verkauft werden.
Die Mathematik beinhaltet einen grundlegenden Zielkonflikt: hohe Zeitauflösung bedeutet schlechte Frequenzauflösung und umgekehrt. Das ist keine Einschränkung des Werkzeugs, sondern eine Eigenschaft des Unsicherheitsprinzips in der Signalverarbeitung. Ein Fenster mit 10 Millisekunden Breite ermöglicht genaue Zeitangaben, verwischt aber Frequenzen, die näher als etwa 100 Hz beieinander liegen. Ein Fenster mit 1 Sekunde Breite trennt Frequenzen gut, verschwimmt aber Ereignisse zu einer Unschärfe von einer Sekunde. Wavelet-Verfahren entgehen diesem Dilemma teilweise, indem sie unterschiedliche Fensterbreiten bei verschiedenen Frequenzen verwenden; deshalb sind sie bevorzugt, wenn du einen kurzen, hochfrequenten Transient erfassen musst.
Praktische Zeit-Frequenz-Analyse erfordert sorgfältige Parameterauswahl: Fenstertyp (Hann-, Hamming- oder Blackman-Fenster sind üblich), Fensterlänge, Überlappung und ob Standard-Fourier-basierte Spektrogramme oder Wavelet-Analyse verwendet werden sollen. Viele Ingenieure nutzen Softwarewerkzeuge mit Voreinstellungen für ihre Anwendung, statt Parameter manuell einzustellen. Die Qualität deines Ergebnisses hängt von der Abtastrate, der Signallänge und der Rauschbehandlung ab; zu niedrige Abtastung führt zu Aliasing von hochfrequenten Signalen, ein zu kurzes Signal verwischt niedrige Frequenzen, und Rauschen ohne angemessene Filterung erzeugt falsche Merkmale über die gesamte Zeit-Frequenz-Ebene.