4. 振动信号分析：时域分析、频域分析与包络分析
各位同行，大家好。今天我们来聊聊振动信号分析。这是状态监测里最核心的环节，没有之一。
我常说一句话：传感器是耳朵，信号分析才是大脑。你装再多的传感器，如果不会分析信号，那跟聋子没啥区别。今天我就把时域、频域、包络分析这三板斧，掰开了揉碎了讲给你听。
核心逻辑：振动信号分析的本质，就是从杂乱无章的波形里，找到设备故障的“指纹”。时域看“有没有问题”，频域看“问题出在哪”，包络看“早期故障”。
4.1 时域分析：最直观的“体检报告”
时域分析，说白了就是看波形本身。你想想看，一个正常的轴承，它的振动波形应该是平稳的、随机的。但如果出现了故障，波形就会“长毛”、出现尖刺、或者变得不对称。
我个人习惯，拿到数据第一件事，先看时域波形。这就像医生看病先看气色一样，能快速建立直觉。
4.1.1 峰值（Peak）
峰值就是波形上的最大值。它反映的是瞬时冲击力。我在项目中遇到过一台离心泵，时域波形峰值突然翻了三倍，但均方根值变化不大。当时很多人觉得没事，我坚持拆检——结果发现叶轮上卡了一小块金属碎片。峰值对冲击性故障非常敏感。
我的小技巧：峰值适合检测“打齿”、“碰磨”这类突发性故障。但要注意，单个噪声尖峰也可能导致峰值虚高。我一般会结合“峰值因子”（峰值/均方根）来判断，大于3就要警惕了。
4.1.2 均方根（RMS）
均方根，也叫有效值。它反映的是振动的总能量。这是ISO 10816等国际标准里最常用的指标。
均方根的好处是稳定、重复性好。坏处是——它对早期故障不敏感。为什么？因为早期故障的能量占比太小，被正常振动“淹没”了。我曾经用RMS监测一台风机，连续三个月数据都很平稳，结果第四周突然轴承烧毁。后来复盘才发现，其实峭度指标早在两个月前就报警了。
| 指标 | 物理含义 | 适用场景 | 我的建议 |
|---|---|---|---|
| 峰值 | 最大冲击力 | 打齿、碰磨、松动 | 配合峰值因子使用 |
| 均方根 | 振动能量 | 整体状态评估、标准合规 | 作为长期趋势指标 |
| 峭度 | 波形脉冲性 | 早期故障、轴承点蚀 | 我最看重的早期预警指标 |
4.1.3 峭度（Kurtosis）
峭度，这个指标很有意思。它衡量的是波形“有多尖”。正常振动信号的峭度值接近3（高斯分布）。如果峭度大于3，说明波形里出现了“尖脉冲”——这往往是早期故障的信号。
我记得有一次给某石化厂做预测性维护，一台减速机的峭度从3.2慢慢爬升到5.8，但RMS一直很稳定。我建议他们安排检修，打开一看，齿轮表面已经出现了微小的点蚀坑。如果再晚一个月，可能就要断齿了。
⚠️ 避坑指南：我曾经犯过一个错误——只看峭度不看趋势。峭度对单个冲击很敏感，但如果故障发展到后期，波形变成连续冲击，峭度反而会下降。所以一定要看趋势，而不是看绝对值。
4.2 频域分析：故障诊断的“显微镜”
时域只能告诉你“有没有问题”，但频域能告诉你“问题出在哪”。
为什么？因为每种故障都有自己独特的“频率指纹”。比如：
- 不平衡 → 1倍转频（1X）
- 不对中 → 2倍转频（2X）
- 轴承外圈故障 → 特定的故障特征频率（BPFO）
- 齿轮断齿 → 啮合频率及其边频
4.2.1 FFT与频谱图
FFT（快速傅里叶变换）就是把时域信号转换到频域的工具。说白了，就是把“波形”变成“频率柱状图”。
频谱图的横轴是频率（Hz），纵轴是幅值（振动能量）。每个峰值对应一个频率成分。我拿到频谱图，第一件事就是找“转频”在哪，然后看有没有异常的峰值。
这里有个关键点：采样率和采样点数。采样率不够，高频成分会混叠；采样点数太少，频率分辨率不够。我一般遵循一个原则：采样率至少是最高分析频率的2.56倍，采样点数保证频率分辨率小于转频的1/10。
# 一个简单的FFT示例（Python）
import numpy as np
import matplotlib.pyplot as plt
# 生成模拟信号：1X + 2X + 噪声
fs = 1000 # 采样率 1000 Hz
t = np.arange(0, 1, 1/fs)
signal = 1.0 * np.sin(2*np.pi*50*t) + 0.5 * np.sin(2*np.pi*100*t) + 0.2*np.random.randn(len(t))
# FFT
N = len(signal)
freq = np.fft.rfftfreq(N, 1/fs)
amp = np.abs(np.fft.rfft(signal)) * 2 / N
# 找峰值
peak_idx = np.argsort(amp)[-5:] # 取前5个最大峰值
print("主要频率成分：", freq[peak_idx])
# 输出：主要频率成分： [ 50. 100. ...]实战经验：看频谱图时，别只盯着幅值最大的峰。有时候故障特征频率的幅值很小，但它的“边频带”才是关键。比如齿轮故障，啮合频率两侧会出现间隔为转频的边频。这个细节，新手很容易忽略。
4.3 包络分析：揪出早期故障的“侦察兵”
包络分析，也叫解调分析。它是专门用来对付早期微弱故障的。
你想想看，一个轴承早期出现点蚀，每次滚珠滚过缺陷处，会产生一个短暂的冲击。这个冲击能量很小，在原始频谱里几乎看不见。但是，这个冲击会“调制”到高频共振频率上。包络分析就是先把高频共振信号“提取”出来，然后解调，得到冲击的重复频率——也就是故障特征频率。
我个人认为，包络分析是预测性维护里最被低估的技术。很多工程师只会看原始频谱，错过了最佳的预警时机。
4.3.1 包络分析怎么做？
步骤其实不复杂：
- 带通滤波：选择一个高频共振频带（通常是加速度传感器灵敏度最高的频段）
- 希尔伯特变换：计算信号的包络线（即瞬时幅值）
- FFT：对包络线做频谱分析，得到包络谱
包络谱里的峰值，对应的就是故障特征频率。比如轴承外圈故障频率BPFO，内圈BPFI，滚动体BSF等。
关键点：包络分析的效果，很大程度上取决于带通滤波器的选择。滤波频段选错了，故障信号就被滤掉了。我一般会先看原始频谱，找到共振峰所在的频段，然后以这个频段为中心进行带通滤波。
4.3.2 一个真实案例
某钢厂轧机轴承，温度正常，振动RMS正常，原始频谱也看不出异常。但我用包络分析，在包络谱里清晰地看到了BPFO频率及其谐波。我判断轴承外圈已经出现早期疲劳剥落。建议他们利用检修窗口更换轴承。拆下来一看，外圈滚道果然有一条细小的裂纹，长度约5mm。如果再运行两个月，很可能造成抱轴事故。
⚠️ 注意：包络分析不是万能的。它对冲击性故障敏感，但对磨损类故障（比如均匀磨损）效果不佳。磨损类故障更适合看RMS趋势和频谱的底噪抬升。所以，三种方法要结合使用，不要迷信任何一种。
4.4 三域联动：我的实战框架
讲了这么多，最后分享一个我自己的分析框架：
- 第一步：时域筛查 → 看峰值、峭度，判断有无异常冲击
- 第二步：频域定位 → 看频谱图，识别故障特征频率
- 第三步：包络确认 → 对早期或微弱故障，用包络谱做最终确认
这三步走下来，90%的故障都能准确定位。剩下的10%，需要结合工况、历史数据、以及一点经验判断。嗯，经验这东西，没法写在书里，只能靠项目积累。
好了，振动信号分析就讲到这里。记住一句话：时域看“有没有”，频域看“是什么”，包络看“早不早”。三者缺一不可。
公众号:蓝海资料掘金营，微信deep3321