[실전 NVH 가이드] 한 번 찍은 FFT는 믿지 마라: Linear · Exponential · Peak Hold, 평균화(Averaging)의 모든 것
by NVH 엔지니어 | 실전 NVH 가이드
🚨 [Hook] 같은 기계, 같은 센서인데 왜 측정할 때마다 스펙트럼이 다를까?
현장에서 FFT 분석을 하다 보면 이런 상황을 맞닥뜨립니다.
"기계는 멀쩡히 돌고 있는데, 아까 찍은 스펙트럼이랑 지금 찍은 스펙트럼이랑 모양이 다르네? 어느 게 진짜야?"
진짜는 둘 다 진짜이고, 둘 다 불완전합니다. FFT 한 번의 결과에는 항상 랜덤 노이즈가 뒤섞여 있기 때문입니다. 이 노이즈 때문에 피크처럼 보이던 게 사라지기도 하고, 없던 피크가 갑자기 튀어나오기도 합니다.
이 문제를 해결하는 것이 바로 평균화(Averaging)입니다. DAQ 소프트웨어마다 설정 항목의 이름과 방식은 달라도, 평균화라는 개념 자체는 모든 FFT 분석 장비에 공통입니다.
💡 [Concept] 천문사진사의 노이즈 제거법
밤하늘 은하를 찍는 천문사진사들이 쓰는 비법이 있습니다. 같은 하늘을 수십 장 찍어서 합성하는 겁니다.
- 별빛(진짜 신호): 매 장 동일한 위치에, 동일한 밝기로 찍힙니다. 여러 장을 합성해도 그대로 남습니다.
- 센서 노이즈(랜덤 노이즈): 매 장 위치도, 밝기도 제각각입니다. 합성하면 서로 상쇄되며 고르게 평탄해집니다.
FFT 평균화도 완전히 같은 원리입니다. 기계의 진동 피크는 측정할 때마다 같은 주파수에 나타나지만, 노이즈 바닥은 매번 달라집니다. 여러 번 찍어서 평균을 내면, 피크는 선명하게 남고 노이즈는 평탄하게 눌리는 것이죠.
🔬 [Deep Dive] 정규화 랜덤 오차: 평균화의 이론적 근거
FFT 분석에서 평균화의 효과를 정량화하는 데 쓰이는 개념이 있습니다. 신호 처리 분야의 고전 교재인 Bendat & Piersol의 "Random Data"에서 정의하는 정규화 랜덤 오차(Normalized Random Error, εr)입니다.
정규화 랜덤 오차 (Normalized Random Error)
nd = 평균 횟수 (number of averages)
여기서 한 가지 정확하게 짚고 넘어가야 할 것이 있습니다. 이 공식이 의미하는 것은 "노이즈 바닥의 절대적인 높이"가 낮아진다는 게 아닙니다.
정확히는, 노이즈 바닥 추정값의 변동성(variability), 즉 얼마나 들쭉날쭉하게 튀느냐가 1/√nd로 줄어드는 것입니다. 결과적으로 스펙트럼이 훨씬 안정적이고 부드럽게 보여서, 진짜 신호 피크를 노이즈와 구별하기가 훨씬 쉬워집니다.
이를 실무 숫자로 풀어보면 이렇습니다.
- nd = 4: 노이즈 변동성이 원본의 1/2 수준으로 안정화됩니다.
- nd = 16: 노이즈 변동성이 원본의 1/4 수준으로 안정화됩니다.
- nd = 64: 노이즈 변동성이 원본의 1/8 수준으로 안정화됩니다.
nd를 4배 늘려야 변동성이 절반으로 줄어듭니다. 이것이 대부분의 DAQ 장비가 8∼16을 기본값으로 쓰는 이유입니다. 그 이상부터는 측정 시간 대비 효과가 빠르게 감소합니다.
🎮 [통합 시뮬레이터] 신호가 변할 때, 세 방법은 어떻게 다른가?
정적인 신호에서는 Linear와 Exponential이 비슷해 보입니다. 진짜 차이는 신호가 바뀌는 순간에 드러납니다. 아래 시뮬레이터는 측정 40번째 시점에 새로운 결함(240Hz)이 발생하는 시나리오입니다. 재생 버튼을 누르고 각 방법이 어떻게 반응하는지 비교하세요.
회색 파형: 현재 단일 측정값 | 컬러 파형: 평균화 결과 | 점선 수직선: 결함 발생 시점(t=40)
⚙️ [3가지 타입] 언제, 무엇을 써야 하는가
📊 Linear Averaging (선형 평균)
최근 N개의 스펙트럼 블록을 모두 동등하게 평균냅니다. 슬라이딩 윈도우처럼 N개가 채워지면 가장 오래된 블록이 빠지고 새 블록이 들어옵니다.
- 장점: 정규화 랜덤 오차(εr)가 수학적으로 예측 가능합니다. 재현성이 높아 레포트용 데이터에 적합합니다.
- 단점: 신호 변화에 반응하는 데 N번의 측정이 필요합니다. Exponential보다 변화 포착이 느립니다.
- 쓸 때: 정상 상태(Steady-state)로 안정적으로 돌고 있는 기계의 정밀 스펙트럼. 레포트에 올릴 확정된 데이터가 필요할 때.
📈 Exponential Averaging (지수 이동 평균)
최신 측정값에 더 큰 가중치(α=2/(N+1))를 주고, 과거 데이터는 기하급수적으로 잊혀집니다.
Xavg[n] = α · Xnew[n] + (1 − α) · Xavg[n−1] (α = 2 / (N + 1))
- 장점: 신호 변화에 Linear보다 빠르게 반응합니다. 정지 없이 계속 업데이트됩니다.
- 단점: 수학적으로 완전히 수렴하지 않아 항상 약간의 변동이 남습니다. εr이 Linear보다 약간 큽니다.
- 쓸 때: 설비 실시간 모니터링. 기동/정지 과도 구간 추적. 결함이 언제 발생했는지 시간 추적이 필요할 때.
🔺 Peak Hold (피크 유지)
각 주파수 빈에서 지금까지 기록된 최대값만 유지합니다. 노이즈 감소 도구가 아니라, "놓쳐선 안 되는 피크를 잡는" 도구입니다.
- 장점: 순간적으로 나타났다 사라지는 공진 피크, 충격성 진동을 절대 놓치지 않습니다.
- 단점: 한 번 올라간 피크는 내려오지 않습니다. 주기적 리셋이 필요합니다.
- 쓸 때: RPM을 올리며 공진 주파수를 찾는 스윕 테스트. 가동 중 허용 기준 초과 여부 감시.
🛠️ [Theory to Practice] 상황별 선택 요약
| 현장 상황 | 추천 타입 | 추천 N |
|---|---|---|
| 정상 상태 모터 정밀 스펙트럼 레포트 | Linear | 16 ∼ 32 |
| 설비 실시간 24시간 모니터링 | Exponential | 8 ∼ 16 |
| RPM 스윕하며 공진 주파수 찾기 | Peak Hold | 제한 없음 |
| 기동 과도 구간 실시간 추적 | Exponential | 4 ∼ 8 (빠른 반응) |
| 빠른 현장 확인 (정밀도 불필요) | Linear | 4 ∼ 8 |
✅ [Action Item] 내일 장비 켜기 전 확인하세요
- 지금 하는 측정이 정상 상태(Steady-state)인가, 과도 상태(Transient)인가? → Steady면 Linear, 변화 추적이면 Exponential.
- RPM을 변화시키면서 측정하는가? → Peak Hold를 켜두세요. 공진점을 절대 놓치지 않습니다.
- N을 무작정 크게 키우지 마세요. εr은 4배 늘려야 절반. 측정 시간도 4배 늘어납니다.
- Peak Hold를 쓴 뒤엔 반드시 리셋. 이전 측정의 피크가 섞이면 다음 데이터가 오염됩니다.
'NVH > 신호 분석' 카테고리의 다른 글
| [실전 NVH 가이드] 차수 분석(Order Tracking): RPM이 변하는데도 피크를 고정시키는 법 (0) | 2026.05.25 |
|---|---|
| [실전 NVH 가이드] PSD vs 진폭 스펙트럼: 언제 무엇을 써야 할까? (0) | 2026.05.18 |
| [실전 NVH 가이드] 지저분한 FFT 피크의 주범? '윈도우 함수'와 '누설 현상' 완벽 정리 (0) | 2026.05.14 |
| [실전 NVH 가이드] "왜 피크가 뭉개질까?" FFT 주파수 분해능과 측정 시간의 상관관계 (0) | 2026.05.10 |
| [실전 NVH 가이드] 모터 진동 데이터에 나타난 유령 주파수? 샘플링 레이트와 에일리어싱 완벽 해부 (0) | 2026.05.10 |