了解频谱泄漏
频谱泄漏 是一种在……过程中产生的测量误差 快速傅里叶变换（FFT） 信号分析。这是将单一离散频率峰值的能量“展宽”或扩散到 光谱 相邻的频率bin。这种展宽现象既会扭曲真实振动分量的振幅，也会改变其表观频率，从而可能掩盖较微弱的信号，或导致诊断结果不准确。理解这一现象对于信任任何FFT结果都至关重要。
1. 定义：什么是频谱泄漏？
在理想情况下，单频纯正弦波在频谱中应呈现为一条单一的、无限细的线。而在现实世界中，却会出现频谱泄漏现象：本应集中在单一频率上的能量 快速傅里叶变换 该频段会向侧面“泄漏”到相邻频段，从而形成一个基底宽阔的峰值，而非尖锐的尖峰。其结果是，所得频谱看起来比实际物理过程所应有的更为模糊且噪声更大，这一点在试图从附近的大峰值中分离出微弱的故障信号时尤为重要。
2. 根本原因：中断
频谱泄漏源于对FFT基本假设的违背。该算法假设有限数据块的 时波形 它所分析的数据是一个周期性信号的完整重复周期。要满足这一条件，信号在该区段末尾的值必须与开头的值完全相同，这样该区段才能无缝地首尾相接循环。
实际上，在测量真实的振动信号时，几乎不可能捕获到包含恰好整数个周期的信号段，因为 每 存在频率分量。结果是 不连续性：捕获信号的末端与起始点未对齐。FFT将这种突变解释为高频瞬态——类似于一次冲击——而这种人造瞬态携带了原始信号中本不存在的能量。正是这种杂散能量在最终的频谱中向宽频带范围泄漏。
数据块越短，两个真实峰值之间的距离越近，漏频造成的干扰就越大——这就是为什么漏频、频率分辨率和数据块长度总是被一起讨论。
3. 频谱泄漏的影响
能量的扩散会产生两种主要的负面影响：
- 振幅精度降低： 本应集中在单个桶中的能量，现在分散到了许多桶中。因此，主峰显示为 降低 比其真实振幅还要大，而相邻的“旁瓣”频段则被人为抬高。一个 振幅 直接从泄漏的峰值数据进行判断，可能会导致严重程度评估出现偏差。
- 频率分辨率降低： 泄漏现象可能严重到足以完全掩盖附近较小的峰值。来自早期 轴承缺陷例如，它可能会完全淹没在大型 1× 泄漏产生的广阔泄漏区域中 不平衡 峰值。.
这两种效应都与分析员的目标背道而驰：即准确反映趋势和严重程度的波幅，以及便于早期故障检测的清晰分辨率。
4. 解决方案：分窗法
通过以下方式控制频谱泄漏： 窗口化 函数。窗口是将数学加权函数与时间波形数据相乘所得的结果 前 它被传递给FFT。
在一般旋转机械工作中，最常见的选择是 汉宁窗. 它具有平滑的钟形轮廓，能使信号在块的起始和结束处逐渐衰减至零。这种渐变迫使两端相匹配，从而有效消除了最初导致泄漏的人为不连续性。通过向FFT提供平滑的周期性信号，窗函数处理能显著减少泄漏——从而获得更尖锐的峰值、更低的噪声底限以及更灵敏的分析结果。
窗函数是一种权衡，而非万能解。能够抑制泄漏的锥形特性，也会使主峰值略微变宽并降低其测量振幅，这就是仪器会应用振幅校正系数的原因。不同的窗函数在这些特性上的权衡各不相同：当单音的精确振幅至关重要时（例如在 校准)，在……中，均匀（矩形）的窗口适合瞬态捕获 碰撞测试……而汉宁仍是日常的首选。
5. 为何这在实践中至关重要
对于现场工程师来说，这个道理很简单：干净的频谱是准确诊断的前提。如果漏磁掩盖了微弱的轴承噪声，或者低估了峰值的振幅，就会导致排查工作偏离正轨。在测量1×振幅时， 阶段 用于平衡校准工作——这是一项常规任务，通常由便携式仪器（如 平衡仪-1a 在机器自身的轴承中表现出来——适当的窗函数处理能使该同步峰值保持尖锐且振幅稳定，因此计算出的修正值是基于真实的振动，而非模糊的伪影。
