第4章趋势分析基础

4. 趋势分析基础：趋势图的绘制、时域指标与预警线设定

各位同行，大家好。今天我们来聊聊趋势分析。说实话，很多搞振动的新手容易犯一个毛病——拿到数据就急着做FFT、看频谱。但我个人习惯是，先看趋势图。为什么？因为趋势图能告诉你设备状态在时间轴上的变化，这是频谱图给不了的全局感。

我记得刚入行那会儿，跟着老师傅去现场测一台风机。他看了一眼趋势图就说：“这台机子撑不过三个月。”我当时半信半疑，结果两个月零二十天，轴承果然烧了。从那以后，我对趋势分析就格外重视。

4.1 趋势图——设备状态的“心电图”

趋势图，说白了就是把振动数据按时间顺序画出来。横轴是时间，纵轴是振动值。就这么简单？嗯，但简单的东西往往最有用。

你想想看，一台风机从健康到故障，振动值不会突然飙升（除非是突发性故障）。大多数情况下，它会慢慢爬升。趋势图就是捕捉这种“慢慢爬升”的最佳工具。

  核心观点：趋势图的价值不在于单点数值，而在于变化速率和变化模式。

我在项目中遇到过一台离心风机，振动值一直在4.5mm/s左右，看起来挺正常。但趋势图显示，这个值在三个月内从3.2mm/s涨到了4.5mm/s，斜率明显在增大。我建议客户安排检修，拆开一看，轴承保持架已经裂了。

绘制趋势图，我一般用Python的Matplotlib库。下面给个简单的示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 模拟振动数据（每天采集一次，共90天）
dates = pd.date_range('2024-01-01', periods=90, freq='D')
vibration = 3.2 + 0.015 * np.arange(90) + np.random.normal(0, 0.2, 90)

plt.figure(figsize=(12, 5))
plt.plot(dates, vibration, 'b-', linewidth=1.5, label='振动速度 (mm/s)')
plt.xlabel('日期')
plt.ylabel('振动速度 (mm/s)')
plt.title('风机轴承振动趋势图')
plt.grid(True, alpha=0.3)
plt.legend()
plt.tight_layout()
plt.show()

这段代码生成的就是最基础的时域趋势图。实际工作中，我还会叠加报警线、预警线，后面会讲到。

4.2 时域指标——三个核心参数

趋势图上画什么？不是随便画个原始波形就完事了。我们需要提取有意义的时域指标。常用的有三个：峰值、有效值、峭度。

指标	物理含义	适用场景	我的经验值
峰值 (Peak)	振动波形的最大幅值	冲击类故障（如轴承点蚀）	峰值突然翻倍，大概率有冲击
有效值 (RMS)	振动能量的统计平均值	磨损类故障、整体状态评估	RMS缓慢上升，典型磨损特征
峭度 (Kurtosis)	波形分布的陡峭程度	早期故障检测	峭度>4，要警惕；>8，基本确认故障

峰值，就是波形里最大的那个值。我习惯用峰值来捕捉突发性冲击。比如轴承滚道出现点蚀，每次滚珠滚过缺陷位置，就会产生一个冲击，峰值会明显升高。

有效值，也叫RMS。这个指标反映的是振动的“能量大小”。一台正常运转的风机，RMS值通常比较稳定。如果RMS值持续上升，说明设备在慢慢恶化。我曾经监测过一台引风机，RMS值从2.8mm/s涨到4.2mm/s用了半年，最后发现是叶轮积灰导致的不平衡。

峭度，这个指标有点意思。它衡量的是波形分布的“尖峰程度”。正态分布的峭度是3。如果峭度大于3，说明波形里有更多的冲击成分。我在做轴承早期故障诊断时，峭度往往比峰值更敏感。有时候峰值还没明显变化，峭度已经先报警了。

我的小技巧：把峰值、有效值、峭度画在同一张趋势图上，用不同颜色区分。这样一眼就能看出设备状态的变化模式。比如峰值涨、有效值没涨，说明有冲击但能量不大；两者都涨，说明问题在恶化。

4.3 趋势预警线——给设备画条“红线”

趋势图有了，指标也有了，接下来就是设定预警线。预警线不是随便画的，得有依据。

我一般分三步走：

收集历史数据——至少要有设备正常运行3个月以上的数据
计算基线值——取正常运行期间数据的平均值作为基线
设定阈值——基线值 × 安全系数

安全系数怎么定？我个人的经验：

对于关键设备（如主风机），安全系数取1.5~2.0
对于一般设备，安全系数取2.0~3.0
如果设备本身振动就偏大，建议用统计方法（如均值+3σ）

注意：预警线不是一成不变的。设备经过大修或更换部件后，基线值会变，预警线也要相应调整。我曾经吃过这个亏——一台风机换了轴承后，振动值降了一半，但我忘了更新预警线，结果新轴承出现早期磨损时，振动值还没碰到旧预警线，差点酿成大祸。

下面是一个带预警线的趋势图绘制代码：

import matplotlib.pyplot as plt
import numpy as np

# 模拟数据
days = np.arange(1, 91)
vibration = 3.2 + 0.02 * days + np.random.normal(0, 0.3, 90)

# 计算基线（取前30天）
baseline = np.mean(vibration[:30])
warning_line = baseline * 2.0  # 预警线
alarm_line = baseline * 2.5    # 报警线

plt.figure(figsize=(12, 6))
plt.plot(days, vibration, 'b-', label='振动值', linewidth=1.5)
plt.axhline(y=warning_line, color='orange', linestyle='--', 
            linewidth=2, label=f'预警线 ({warning_line:.2f} mm/s)')
plt.axhline(y=alarm_line, color='red', linestyle='--', 
            linewidth=2, label=f'报警线 ({alarm_line:.2f} mm/s)')
plt.axhline(y=baseline, color='green', linestyle=':', 
            linewidth=1.5, label=f'基线 ({baseline:.2f} mm/s)')

plt.xlabel('运行天数')
plt.ylabel('振动速度 (mm/s)')
plt.title('风机振动趋势与预警线')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

这段代码画出了三条线：基线（绿色虚线）、预警线（橙色虚线）、报警线（红色虚线）。当振动值突破预警线时，我会安排检查；突破报警线时，必须停机处理。

4.4 知识体系总览

为了让大家更直观地理解本章的知识结构，我画了一张图：

这张图把本章的核心内容串起来了。趋势图是基础，时域指标是工具，预警线是标准，三者结合才能做好设备状态评估。

避坑指南：我曾经犯过一个错误——只盯着有效值看，忽略了峰值和峭度。结果一台风机有效值一直很平稳，但峰值已经悄悄涨了50%。拆开一看，轴承外圈出现了裂纹。所以我的建议是：三个指标要综合看，别偏科。

好了，关于趋势分析的基础内容就讲到这里。记住一句话：趋势图是设备状态的“心电图”，时域指标是“诊断参数”，预警线是“生死线”。把这三点吃透了，你就能从振动数据里读出设备的“健康状况”。

📚 课程目录

4. 趋势分析基础：趋势图的绘制、时域指标与预警线设定

4.1 趋势图——设备状态的“心电图”

4.2 时域指标——三个核心参数

4.3 趋势预警线——给设备画条“红线”

4.4 知识体系总览