振动诊断中的倒谱分析
倒谱分析 是一种先进的信号处理技术，能够揭示周期性结构 之内 频谱。名称“cepstrum”是“spectrum”的异序词，这种文字游戏精准地捕捉了它的本质：它实际上就是“频谱的频谱”。其计算方法是对频率取对数 频谱 然后对结果进行逆傅里叶变换，这一步会将重复的模式——即一类 谐波 或 边带 — 转化为清晰易辨的单一峰值，而这些峰值在原始频谱中往往难以辨识。对于变速箱等复杂机械，它能带来一种普通 快速傅里叶变换 分析往往无法做到这一点。
在倒谱图中，x 轴被称为 倒频率 （“频率”一词的异序词）并具有时间单位。该轴上的峰值称为 倒谐波，给出原始频谱中重复模式的周期（以秒为单位）。这些刻意重新组合的术语（cepstrum、quefrency、rahmonics）时刻提醒着我们，该技术是在距离我们熟悉的领域一个变换之遥的域中运行的。
1. 为什么要使用倒谱分析？
标准FFT频谱非常适合识别单个频率分量，但当故障同时产生大量谐波和边带时，频谱图可能会变得杂乱无章，难以辨认。倒谱分析通过将一组等间隔的频率整合为一个清晰的峰值，从而消除了这种杂乱。其主要用途包括：
- 检测和声家族： 即使在频谱中基频本身很弱或缺失的情况下，它也能识别出基频及其谐波。
- 识别边带族： 它擅长检测振幅微弱且被噪声掩盖的边带，能够清晰地显示其存在并测量其间距。
- 区分源效应与路径效应： 在某些应用中，这有助于将振动源信号与对其产生影响的机器结构响应区分开来。
- 回声检测： 它可以从信号中分离出回波或反射。
其核心思想在于转换：一个常规的 间距 在频域中——例如，每30赫兹的边带——会变成一个 位置 在倒频域中（此处为1/30 = 0.033 s处的一个瑞哈曼尼克）。因此，许多高度各异的分散峰值被简化为一个可测量的特征。
2. 机器诊断中的主要应用
2.1 变速箱诊断
这是最常见且功能最强大的应用。受损的齿轮齿会调节 齿轮啮合频率 (GMF)，在GMF峰值周围形成以故障齿轮转速为间隔的边带。在包含多个轴和齿轮对的齿轮箱中，频谱会变成由不同GMF及其边带组成的混乱混合信号。倒谱则能穿透这种复杂性：
- 观察与齿轮转动周期（1 / RPM）相对应的倒频率峰值，是判断该特定齿轮是否存在故障的明确指标，能够精确定位故障轴，而不仅仅是确认“存在齿轮问题”。
- 该倒谱峰值的振幅可用于趋势分析，以监测 齿轮磨损 随着时间的推移而发展。
它是对直接光谱工作的补充，而非替代： 齿轮啮合频率计算器 它会告诉你预计会出现哪些网状结构和边带频率，而倒谱分析则会确认究竟是哪一类群正在增长。这两者共同为更全面的诊断提供依据， 齿轮缺陷.
2.2 滚动轴承分析
轴承缺陷也会产生侧带。例如，内圈上的缺陷会产生以轴转速为间隔、围绕内圈缺陷频率分布的侧带（BPFI) 及其谐波。倒谱有助于确认这些模式，尤其是在频谱中这些模式并不明显时。实际上，它与预测结果配合使用 轴承故障频率 — 可轻松从……获得 轴承缺陷频率计算器 ——且常与……搭配 包络分析，该装置用于解调轴承故障激发的高频冲击信号。
2.3 涡轮机械分析
在涡轮机和压缩机中，倒谱法可以识别 刀片通过频率 谐波，并有助于诊断叶片损坏或 空气动力 问题，否则许多间距很近的叶片相关谐波会挤占频谱空间。
3. 如何解读倒谱图
有条理的阅读分为四个步骤：
- 首先计算旋转周期： 在分析倒谱之前，先计算主要旋转分量的周期。对于转速为 1800 RPM（30 Hz）的轴，其周期为 1/30 = 0.033 s。 谐波频率计算器 加快了传动系统中每根轴的转速（RPM）到赫兹（Hz）的转换速度。
- 寻找已知周期内的峰值： 检查倒谱中是否存在与计算出的周期相符的显著拉霍曼成分，因为已知周期处的峰值直接指向已知的成分。
- 识别谐波结构： 寻找基本频率整数倍处的峰值，这些峰值表明原始频谱中存在强谐波族。
- 绘制振幅趋势图： 监测倒谱峰值随时间的变化——幅值的上升表明状况恶化，因此倒谱峰值成为一种简明有效的健康指标，用于 趋势分析.
4. 倒谱法在诊断工具箱中的应用
倒谱分析虽然功能强大，但要熟练运用它需要一定的经验；最好将其视为更广泛计划中的一项专用工具。 振动诊断 而不是一个独立的答案。通常的工作流程是从频谱开始， 光谱分析, 当密集的边带或谐波群导致信号图谱模糊时，应采用倒谱分析，并借助包络法确认轴承的影响。倒谱分析所揭示的大多数故障——如齿轮齿和轴承缺陷——属于诊断性发现，而非平衡问题，因此倒谱分析属于在采取任何纠正措施之前的分析阶段。如果根本问题最终被发现是 不平衡 在 运行速度，例如 Balanset-1A 该技术可测量现场校正所需的1×振幅和相位，同时倒谱分析则专注于其最擅长的齿轮和轴承故障诊断。对于复杂机械而言，这种结合能提供仅靠频谱分析无法比拟的诊断清晰度。
