4、FFT频谱分析：傅里烨变换原理、频谱图解读、频率分辨率、窗函数选择
好了，咱们进入频谱分析的核心环节——FFT。说实话，很多搞振动的新手一上来就盯着频谱图看，却搞不清这图是怎么来的。我刚开始做轴承故障诊断时也犯过这毛病，直到有一次误判了一个内圈故障，才老老实实回头补了补FFT的基础。今天咱们就把这块彻底讲透。
4.1 傅里叶变换原理：时域到频域的“翻译官”
傅里叶变换说白了就干一件事：把一段随时间变化的信号，拆解成不同频率的正弦波组合。你想想看，一个轴承的振动信号在时域里看着乱糟糟的，但到了频域里，每个频率分量都对应着某个机械部件的特征频率。
数学上长这样：
X(f) = ∫ x(t) · e^(-j2πft) dt别被公式吓到。我个人的理解是：这就像用不同频率的“筛子”去过滤信号，看哪个频率的能量大。实际工程中我们用的是离散傅里叶变换（DFT），而FFT只是DFT的一种快速算法——把计算量从N²降到了N·log₂(N)。
核心要点：FFT不是一种新的变换，而是DFT的高效实现。对于振动分析，我们通常用FFT把加速度或速度信号从时域转换到频域，然后找特征频率的峰值。
4.2 频谱图解读：别只看峰值大小
拿到一张频谱图，很多人第一反应是找最高的那个峰。嗯，这没错，但远远不够。我在项目里见过太多人因为只看主峰而漏掉了边频带。
解读频谱图，我建议按这个顺序来：
- 看整体基线——噪声底噪是否平坦？如果某段频率范围整体抬高，可能是有松动或共振。
- 找转频及其谐波——1X、2X、3X… 这些是判断不平衡、不对中的基础。
- 找轴承特征频率——BPFI、BPFO、BSF、FTF，这些才是判断轴承故障的直接证据。
- 看边频带——故障频率两侧有没有间隔为转频的边带？有的话，说明故障已经发展到一定程度了。
我的经验：曾经有一台风机，频谱上BPFI处有个小峰，但幅值不高。我差点放过它，后来放大一看，两侧有清晰的转频边带。拆开检查，内圈已经出现剥落。记住：边频带比峰值本身更能说明问题。
4.3 频率分辨率：决定你能看清多近的两个频率
频率分辨率，说白了就是频谱图上相邻两条谱线之间的频率间隔。公式很简单：
Δf = fs / N其中fs是采样率，N是FFT点数。举个例子：采样率5000 Hz，取2048点做FFT，那么Δf = 5000/2048 ≈ 2.44 Hz。
这意味着什么？如果两个故障频率相差不到2.44 Hz，它们在频谱上就会“粘”在一起，你根本分不清。我曾经遇到过一台电机，轴承外圈故障频率和某个谐波只差1.8 Hz，用默认设置死活看不出来，后来把FFT点数加到4096才分开。
| FFT点数 | 采样率 (Hz) | 频率分辨率 (Hz) | 适用场景 |
|---|---|---|---|
| 1024 | 5000 | 4.88 | 快速巡检、粗筛 |
| 2048 | 5000 | 2.44 | 常规分析 |
| 4096 | 5000 | 1.22 | 精密诊断、边频分析 |
| 8192 | 5000 | 0.61 | 低速轴承、极低转速 |
注意：提高频率分辨率意味着需要更长的采样时间。分辨率翻倍，采样时间也翻倍。对于转速不稳定的设备，过长的采样时间反而会引入频率模糊。这是个权衡。
4.4 窗函数选择：汉宁窗、矩形窗、平顶窗
为什么要加窗？因为FFT假设信号是周期无限的，但我们只能截取一段有限长度的信号。直接截断会在频谱上产生“泄漏”——能量从真实频率扩散到相邻频率上。窗函数就是用来减轻这个问题的。
我常用的三种窗：
- 矩形窗——相当于不加窗。频率分辨率最高，但泄漏最严重。适合瞬态信号或频率成分间隔很远的场景。说实话，振动分析里我很少用它。
- 汉宁窗——最常用的窗。泄漏抑制好，频率分辨率适中。对于连续振动信号（比如轴承稳态运行），我90%的情况都用它。
- 平顶窗——幅值精度最高，但频率分辨率最差。适合需要精确测量幅值的场景，比如校准或标定。日常诊断中不太用。
| 窗函数 | 主瓣宽度 | 旁瓣抑制 | 幅值精度 | 推荐场景 |
|---|---|---|---|---|
| 矩形窗 | 最窄 | 差 (-13 dB) | 差 | 瞬态冲击、频率间隔大 |
| 汉宁窗 | 中等 | 好 (-32 dB) | 中等 | 连续振动、轴承故障 |
| 平顶窗 | 最宽 | 较好 | 最好 (<0.1 dB) | 幅值校准、精密测量 |
我的建议：做轴承故障诊断，默认用汉宁窗。如果你发现某个频率峰值总在相邻谱线间“跳动”，试试平顶窗看看真实幅值。矩形窗？除非你很清楚自己在做什么，否则别碰。
4.5 知识体系总览
下面这张图把FFT频谱分析的核心逻辑串起来了。从时域信号开始，经过采样、加窗、FFT变换，最终得到频谱图。每一步都有坑，每一步都有技巧。
这张图把整个流程串起来了。你从时域信号出发，先确定采样参数（采样率、点数），然后选窗函数，做FFT，最后解读频谱。每一步都影响最终结果。
避坑指南：我曾经在分析一台低速轴承时，用了默认的1024点FFT和矩形窗，结果频谱上全是假峰。后来换成4096点加汉宁窗，故障频率才清晰显现。记住：参数不是固定的，要根据转速和故障类型调整。
好了，FFT频谱分析这块就讲到这里。核心就三件事：理解变换原理、会读频谱图、会选窗函数和分辨率。把这些吃透了，轴承故障诊断就迈过了最关键的坎。
公众号:蓝海资料掘金营，微信deep3321