振动分析中的FFT（快速傅里叶变换）

定义：什么是 FFT？

"(《世界人权宣言》) 快速傅里叶变换（FFT） 是一种高效的数学算法，用于将信号从时域转换到频域。在振动分析中，这意味着将原始的、复杂的 时间波形 （振动幅度与时间的关系图）变成 频谱 （振动幅度与频率的关系图）。这种转换是现代机械诊断中最重要、最基本的过程。

为什么 FFT 对于诊断至关重要？

运行机器的原始时间波形是由多种振动同时发生的复杂混合体组成的。仅凭观察这种信号就判断机器的健康状况几乎是不可能的。FFT 就像一个棱镜，将这个复杂的信号分离成各个频率分量。最终会得到一个清晰易懂的图表，让分析师能够看到：

• 存在哪些频率？
• 每个频率的能量（振幅）是多少？
• 这些频率之间有什么关系？

由于不同的机械和电气故障（如不平衡、未对准、轴承缺陷和松动）都会以非常具体、可预测的频率产生振动，因此 FFT 频谱可以直接提供问题根本原因的路线图。

FFT 分析的关键参数

为了获取有用的 FFT 频谱，振动分析师必须在数据采集器或软件上定义几个关键参数：

1.Fmax（最大频率）

这是频谱中将包含的最高频率。必须将其设置得足够高，才能捕获您要查找的最高频率故障（例如，高频齿轮啮合或轴承音）。

2. 分辨率（分辨率线）

这决定了频谱的详细程度。它被定义为在最大频率范围内计算的离散频率“区间”或数据点的数量。线数越多（例如 3200 或 6400），频率分辨率就越高，这意味着能够区分两个非常接近的振动频率。高分辨率对于诊断拍频或分析变速箱中的边带至关重要。

3. 平均

由于机器振动可能波动，单个“快照”FFT 可能会产生误导。平均法是指快速连续采集多个 FFT，然后对它们进行平均。此过程可以减少随机噪声，并提供更稳定、可重复且更具代表性的机器真实状态频谱。

4. 窗口

窗口函数（例如汉宁函数）是在计算FFT之前应用于时间波形数据的数学加权函数。它是一种信号处理技术，用于最小化称为“频谱泄漏”的误差，确保频谱中信号的幅度和频率尽可能准确。

解释 FFT 频谱

训练有素的分析师通过寻找特征模式来解释 FFT 频谱：

• 一个大山峰 1倍运行速度 表示 不平衡.
• 一个大山峰 2倍运行速度 经常指向 错位.
• 一系列 谐波 （峰值为 1x、2x、3x、4x 等）是机械松动的典型标志。
• 高频峰值 边带 以运行速度间隔开是变速箱或轴承故障的明显迹象。
• 宽带噪声的升高“基底”可能表明泵内存在气蚀或摩擦。

通过将当前 FFT 频谱与机器正常运行时的基线进行比较，分析师可以轻松发现变化并在问题发展成为严重故障之前进行诊断。

← 返回主索引