理解光谱分析
光谱分析 是指将一个复杂信号——例如一个 时间波形 来自振动传感器——并将信号分解为各个频率分量。其目的是将信号从 时域 （振幅与时间的关系）转换为 频域 （振幅与频率的关系）。输出为一个 光谱 （复数：频谱）：显示特定频率下振动幅度的图表。频谱分析是 振动诊断，因为它能让分析人员识别出与不同机器故障相关的独特频率特征。
1. 定义：什么是光谱分析？
机器的振动是许多同时作用的周期性力的总和，在时域中，这些力交织成一条难以解读的复杂曲线。频谱分析正是用来理清这条曲线的。其数学基础是傅里叶原理：任何周期性信号，无论多么复杂，都可以表示为简单正弦波的和，每个正弦波都有其自身的频率、振幅和相位。 频谱分析能够还原这一组正弦波，并将其呈现为频谱——将“随时间变化的混乱波动”转化为“一组在已知频率下排列整齐的峰值”。这种转化正是频谱分析的核心意义，其他一切皆由此衍生。
2. 快速傅里叶变换（FFT）的作用
现代频谱分析之所以能够付诸实践，得益于一种名为 快速傅里叶变换（FFT）. 快速傅里叶变换（FFT）是一种被编程到每台数字设备中的数学算法 振动分析仪. 它以数字化的时域波形数据为输入，输出频率谱，仅需几毫秒即可完成一项计算，而这项计算若靠人工完成，曾经需要数小时。
FFT 能够将一个复杂且看似混乱的信号——在时域中难以解读——在频域中呈现为一系列清晰可辨的频率峰值。为了使 FFT 结果有效，信号必须首先被正确采样，并避免受到 混叠，这就是为什么抗锯齿滤波器总是位于变换之前。
3. 频谱的诊断能力
频谱分析之所以如此有效，是因为旋转机械中的各种机械和电气故障都会产生具有可预测特征频率的振动。通过分析频谱，分析人员可以将峰值的频率与已知的故障模式进行比对，从而诊断出问题的根本原因。常见的例子包括：
- 在 1× 处出现一个大的峰值 运行速度 常常表示 不平衡 ——这是进行平衡调整的信号。
- 运行速度达到2倍时出现显著峰值，这是 错位.
- 运行频率谐波的出现通常表明存在机械松动。
- 一系列非整数倍跑步速度的峰值可能表明 轴承缺陷，通常最好通过 包络分析.
- 在齿轮啮合频率处出现一个高振幅峰值，且 边带 表示 齿轮缺陷.
- 如果峰值达到电源频率的2倍，则可能表明电机定子存在问题。
4. 光谱分析中的关键参数
为了获得有用的频谱，分析人员必须定义几个关键参数。如果这些参数设定错误，即使是最完美的FFT也会误导你：
- Fmax（最大频率）： 频谱中包含的最高频率。该频率必须设置得足够高，才能检测到疑似故障——对于齿轮和轴承问题，应设置较高；对于低速不平衡，则应设置较低。
- 分辨率（分辨率线）： 这决定了细节的丰富程度。线数越多，频率分辨率越高，使分析仪能够分离出两个相距很近的峰值——这对齿轮箱分析中分离边带至关重要。相应的代价是采集时间变长，您可以通过 FFT分辨率计算器.
- 平均： 为了获得清晰、稳定的频谱，分析仪会采集多个“快照”并对其进行平均处理，从而抑制随机噪声，并揭示真实的稳态振动。
- 窗口： 对每个数据块应用汉宁窗等数学函数，以防止 频谱泄漏否则，这会导致峰值的振幅和形状发生模糊和失真。
5. 现场光谱分析
频谱分析并不局限于实验室——这正是维护工程师使用便携式仪器在现场进行的工作。例如，像 平衡仪-1a 从一个 加速度计 在轴承座上运行FFT，并当场显示频谱，这样技术人员就能在下一班次开始前查明故障并采取措施。由于同一台仪器还能读取轴 阶段 从 转速表, 诊断出1×不平衡后，无需更换工具即可直接进行平衡校正——诊断与修复一气呵成。
6. 频谱分析与时域波形
频谱分析虽然强大，但并不能呈现全貌。平均处理和FFT可能会掩盖那些短暂而剧烈的瞬态事件——例如齿轮齿裂或轴承剥落的影响——而这些在原始时域波形中却十分明显。因此，经验丰富的分析人员会将这两种视图视为互补：利用频谱定位 其中 频率携带能量，需要研究的时间波形 如何 该能量得以传递。本质上，频谱分析是现代振动诊断的核心，它能清晰地“透视”机器内部发生的力和运动——结合波形和声学基准参考进行解读，它能将原始振动数据转化为可靠的决策依据。
