了解頻譜分析
頻譜分析 是將複雜訊號（例如 時域波形 來自振動感測器）分解為其個別頻率成分的過程。其目標是將訊號從 時域 （振幅對時間）轉換為 頻率域 （振幅對頻率）。輸出結果為 頻譜 （複數：頻譜）：顯示每個特定頻率下振動振幅的圖表。頻譜分析是 振動診斷中最基礎且強大的技術，因為它讓分析師能辨識與不同機器故障相關的獨特頻率特徵。
1. 定義：什麼是頻譜分析？
機器的振動是許多同時發生的週期性力的總和，而在時域中，這些力會模糊成一條難以解讀的複雜軌跡。頻譜分析能釐清該軌跡。其數學基礎是傅立葉原理：任何週期性訊號，無論多麼複雜，均可表示為一系列簡單正弦波的總和，每種正弦波各有其頻率、振幅與相位。頻譜分析會還原該正弦波清單，並以頻譜形式呈現——將「隨時間變化的混亂波動」轉換為「已知頻率下整齊的峰值集合」。該轉換是核心目的，其餘皆由此衍生。
2. 快速傅立葉轉換（FFT）的角色
現代頻譜分析之所以實用，得益於一種極高效率的演算法，稱為 快速傅立葉轉換 (FFT)。FFT 是一種數學程序，已編程至每一部數位 振動分析儀中。它以數位化的時域波形資料為輸入，產生頻率頻譜為輸出，在幾毫秒內完成過去需手動耗時數小時的運算。
FFT 讓複雜、看似混亂的訊號（在時域中極難解讀）得以在頻域中呈現為清晰的一系列獨立頻率峰值。為使 FFT 有效，訊號必須先正確取樣並防止 混疊，這就是為何抗混疊濾波器總是在轉換前使用。
3. 頻譜的診斷能力
頻譜分析之所以有效，是因為旋轉機械中不同的機械與電氣問題會在可預測的特徵頻率下產生振動。透過檢視頻譜，分析師可將峰值頻率與已知故障模式比對，從而診斷問題的根本原因。常見範例包括：
- 在 1× 運轉轉速 處出現大幅峰值通常表示 不平衡 處出現大幅峰值——這是進行動平衡校正的訊號。
- 在 2× 運轉速度處出現大幅峰值，是 不對心.
- 運轉速度諧波成列出現，通常表示機械鬆動。
- 在運轉速度的非整數倍數處出現一系列峰值可能指向 軸承缺陷，通常最好以 包絡分析.
- 在齒輪嚙合頻率處出現高振幅峰值，並伴隨 邊頻帶 表示 齒輪缺陷.
- 在 2× 電網頻率處出現峰值，可能表示馬達定子問題。
4. 頻譜分析中的關鍵參數
為取得有用的頻譜，分析師必須定義數項關鍵參數。若設定錯誤，即使完美的 FFT 也會誤導您：
- Fmax（最大頻率）： 頻譜中包含的最高頻率。必須設定得足夠高，以捕捉疑似故障——齒輪與軸承問題需設高，低速不平衡則可設低。
- 解析度（解析線數）： 這決定細節程度。線數越多，頻率解析度越細，分析儀便能分離彼此靠近的兩個峰值——對解析齒輪箱分析中的邊帶至關重要。代價是取樣時間變長，您可透過 FFT 解析度計算器.
- 平均化： 為取得乾淨穩定的頻譜，分析儀會拍攝數個「快照」並進行平均，以抑制隨機雜訊並顯現真實的穩態振動。
- 加窗： 對每個資料區塊套用漢寧窗等數學函數，以防止 頻譜洩漏，否則會使峰值的振幅與形狀模糊失真。
5. 現場頻譜分析
頻譜分析不限於實驗室——維護工程師正是使用便攜式儀器在現場執行此操作。雙通道分析儀如 Balanset-1A 會從安裝於 加速規 軸承座上的 相位 來自 轉速計取樣訊號、執行 FFT，並即時顯示頻譜，讓技術人員能在下一班前識別故障並採取行動。由於同一儀器也能讀取軸
6. 頻譜分析與時域波形
頻譜功能強大，但並非全貌。平均處理與 FFT 可能隱藏短暫、尖銳的瞬態事件——例如斷裂齒輪齒或剝落軸承的衝擊——這些在原始時域波形中清晰可見。因此，熟練的分析師將兩種視圖視為互補：頻譜用於定位 哪個 哪些頻率攜帶能量，時域波形則用於研究 如何 該能量如何傳遞。本質上，頻譜分析是現代振動診斷的核心，提供機器內部力與運動的清晰「X 光」視圖——並結合波形與良好的基線參考，將原始振動轉化為自信的決策。
