第1章：振动信号基础——振动三要素、时频域分析与传感器选型

各位同行，大家好。我是老张，搞风机故障诊断这行有十几年了。今天咱们开始聊《风机不平衡故障快速定位法》的第一章——振动信号基础。别小看这基础，我见过太多人拿着频谱图瞎分析，最后发现是传感器装错了位置。嗯，咱们一步步来。

1.1 振动三要素：振幅、频率、相位

振动信号说白了就三个核心参数：振幅、频率、相位。我习惯把它们比作一个人的三个特征——振幅是嗓门大小，频率是说话快慢，相位是站在哪个位置开口。

• 振幅：表示振动的强烈程度。单位常用μm（位移）、mm/s（速度）、m/s²（加速度）。
  我在项目中遇到过，某次风机振动值从5μm飙到30μm，现场老师傅说“没事，还能转”。结果第二天轴承就烧了。振幅是报警的第一道防线，别忽视。
• 频率：表示振动每秒重复的次数，单位Hz。风机不平衡的频率通常等于转频（1X）。
  举个例子：一台风机转速1500 RPM，转频就是25 Hz。如果频谱上25 Hz处有尖峰，八成是不平衡。
• 相位：表示振动信号在时间轴上的位置，单位度。相位是定位不平衡位置的关键。
  我曾经靠相位差判断出叶轮上某个叶片掉了——相位突变180°，现场拆开一看，果然。

1.2 时域与频域分析

时域波形和频谱图，就像一个人的正面照和X光片。时域看“长什么样”，频域看“里面有什么病”。

时域分析

时域波形是振动信号随时间变化的曲线。我刚开始学诊断时，总盯着时域波形看半天，其实它主要看三件事：

• 波形是否正弦？——不平衡的波形接近正弦波
• 有没有削波？——可能碰到了限幅或松动
• 有没有冲击？——可能是轴承故障或叶片通过

频域分析

频域分析就是把时域信号通过FFT变换到频率轴。说白了，就是把一堆乱七八糟的波形拆成不同频率的“纯音”。

我习惯用Python做快速分析，下面是个简单的FFT示例：

import numpy as np
import matplotlib.pyplot as plt

# 模拟一个不平衡信号：1X转频 + 噪声
fs = 1000  # 采样率
t = np.arange(0, 1, 1/fs)
f_rot = 25  # 转频25 Hz
signal = 5 * np.sin(2 * np.pi * f_rot * t) + 0.5 * np.random.randn(len(t))

# FFT
fft_vals = np.fft.fft(signal)
freqs = np.fft.fftfreq(len(signal), 1/fs)

# 只取正频率
idx = freqs > 0
plt.plot(freqs[idx], np.abs(fft_vals[idx]))
plt.xlabel('频率 (Hz)')
plt.ylabel('幅值')
plt.title('不平衡信号频谱')
plt.grid(True)
plt.show()

1.3 传感器选型与安装

传感器选错了，后面所有分析都是白搭。我踩过这个坑，所以多说几句。

选型三原则

传感器类型	适用频率范围	典型应用场景
加速度传感器	0.5 Hz ~ 10 kHz	滚动轴承、齿轮箱（高频故障）
速度传感器	1 Hz ~ 2 kHz	风机不平衡、不对中（中低频）
位移传感器	0 ~ 500 Hz	滑动轴承、轴振动监测

我个人习惯：风机不平衡诊断首选加速度传感器，因为它频带宽、灵敏度高。但要注意——低频响应差，低于1 Hz的信号会衰减。所以测低速风机（<300 RPM）时，我会改用速度传感器。

安装避坑指南

• 安装位置：尽量靠近轴承座，越近越好。我曾经见过有人把传感器装在机壳中间，测出来的振动值只有实际的一半。
• 安装方向：水平、垂直、轴向三个方向都要测。不平衡主要在径向（水平和垂直），轴向振动小说明不是不对中。
• 固定方式：磁吸座最方便，但高频会衰减。我建议用螺纹安装（M5或M6螺栓），尤其是测高频故障时。
• 线缆固定：线缆不能悬空抖动，否则会引入噪声。用扎带固定在机壳上，留一点余量防止拉扯。

1.4 知识体系框架

下面这张图是我自己总结的振动信号基础框架，帮你理清思路：

这张图把振动三要素、时频域分析、传感器选型串起来了。你想想看，三要素是基础，时频域是工具，传感器是眼睛。三者缺一，不平衡诊断就无从谈起。

---

公众号:蓝海资料掘金营，微信deep3321