1. 频谱分析入门：什么是频谱分析？为什么做故障诊断离不开它？时域与频域的核心区别
大家好，我是老张。在设备诊断这行摸爬滚打了十几年，今天咱们来聊聊频谱分析。
说实话，我刚入行那会儿，也觉得频谱分析挺玄乎的。屏幕上那些花花绿绿的谱线，看着就头疼。但后来我发现，这东西其实就是个翻译器——把设备说的“方言”翻译成我们能听懂的话。
1.1 什么是频谱分析？
先问大家一个问题：你听到一首歌，能听出里面有哪些乐器吗？
频谱分析干的事，跟这个差不多。它把一个复杂的信号，拆解成不同频率的成分。说白了，就是告诉你：这个信号里，哪些频率在“说话”，每个频率说了多大声。
举个例子。我测一台电机的振动信号，时域波形看起来乱糟糟的，像一团乱麻。但一转到频谱上，嘿，50Hz处有个大尖峰，100Hz处也有个矮一点的。这就告诉我：电机可能在转频50Hz处有故障，100Hz可能是谐波。
核心定义：频谱分析是将时域信号通过傅里叶变换，转换到频域进行分析的技术。它揭示了信号中不同频率成分的幅值、相位信息。
1.2 为什么故障诊断离不开频谱分析？
我遇到过不少新手，拿着时域波形看了半天，愣是看不出问题。为什么？因为故障特征在时域里藏得太深了。
你想想看，一个轴承故障，它的冲击信号可能只有几毫秒，被淹没在正常的振动信号里。时域上看，就是波形稍微“毛糙”了一点。但转到频谱上，故障特征频率会以谱峰的形式清晰地跳出来。
我个人习惯，拿到数据第一件事就是看频谱。原因有三：
- 故障特征频率化：每种故障都有自己独特的频率“指纹”。比如齿轮啮合频率、轴承故障频率，在频谱上一目了然。
- 趋势变化可量化：某个频率的幅值从0.1mm/s涨到0.5mm/s，这就是故障在恶化的信号。时域里很难这么精确。
- 多故障可分离：一台设备可能同时存在不平衡、不对中、松动。时域里它们混在一起，频谱里却能分得清清楚楚。
我的经验：曾经有一台风机，时域波形看着还行，但频谱里出现了明显的边频带。我判断是齿轮磨损，拆开一看，果然。要是只看时域，这故障至少还要运行两周才会被发现。
1.3 时域与频域的核心区别
这个问题，我经常被问到。咱们打个比方：
时域就像看一个人的日常行为记录——他几点起床、几点吃饭、几点睡觉。你能看到他的生活规律，但很难一眼看出他有没有生病。
频域就像给这个人做体检——测心率、量血压、查血常规。每个指标对应一个“频率”，异常值直接告诉你哪里有问题。
| 对比维度 | 时域 | 频域 |
|---|---|---|
| 横轴含义 | 时间（秒、毫秒） | 频率（Hz、kHz） |
| 纵轴含义 | 幅值（位移、速度、加速度） | 幅值密度（或幅值） |
| 直观程度 | 直观，但信息混杂 | 抽象，但特征清晰 |
| 故障识别 | 难（需丰富经验） | 易（有明确频率对应） |
| 典型应用 | 冲击检测、波形观察 | 故障诊断、模态分析 |
嗯，这里要注意：时域和频域不是谁替代谁的关系。它们是互补的。我一般先看频谱锁定故障频率，再回时域确认冲击特征。两下印证，诊断才靠谱。
1.4 频谱分析的核心逻辑
为了让大家更直观地理解，我画了一张图。这张图展示了从时域到频域的转换逻辑，以及频谱分析在故障诊断中的位置。
避坑指南：我曾经犯过一个低级错误——采样频率设得太低，导致高频故障特征被“混叠”到了低频区。结果我对着一个假频率分析了大半天。记住：采样频率至少是最高分析频率的2.56倍，这是铁律。
1.5 一个简单的频谱分析示例
光说不练假把式。咱们看一段简单的Python代码，演示如何从时域信号得到频谱：
import numpy as np
import matplotlib.pyplot as plt
# 生成一个模拟信号：50Hz主频 + 120Hz谐波 + 噪声
fs = 1000 # 采样频率 1000Hz
t = np.arange(0, 1, 1/fs) # 1秒时长
# 信号：幅值1的50Hz + 幅值0.5的120Hz + 随机噪声
x = 1.0 * np.sin(2*np.pi*50*t) + 0.5 * np.sin(2*np.pi*120*t) + 0.2*np.random.randn(len(t))
# 做FFT变换
X = np.fft.fft(x)
freq = np.fft.fftfreq(len(x), 1/fs)
# 只取正频率部分
n = len(x)//2
X_mag = np.abs(X[:n]) * 2 / n
freq_pos = freq[:n]
# 打印结果
print("频谱中主要频率成分：")
for i in range(len(freq_pos)):
if X_mag[i] > 0.1: # 只显示幅值大于0.1的频率
print(f"频率: {freq_pos[i]:.1f} Hz, 幅值: {X_mag[i]:.3f}")
运行这段代码，你会看到输出：
频谱中主要频率成分：
频率: 50.0 Hz, 幅值: 0.998
频率: 120.0 Hz, 幅值: 0.497看到了吗？50Hz和120Hz的幅值，跟咱们设定的几乎一模一样。这就是频谱分析的威力——把隐藏的频率成分，清清楚楚地摆在你面前。
小技巧：实际诊断中，我习惯在频谱图上标注出设备的各个特征频率。比如转频、叶片通过频率、齿轮啮合频率。这样一眼就能看出哪个频率异常，效率高很多。
好了，这一章的内容就到这里。频谱分析是故障诊断的“眼睛”，没有它，你就像在黑暗中摸索。下一章咱们聊聊频谱分析的具体参数设置——分辨率、采样频率、窗函数这些，都是实战中绕不开的坑。
公众号:蓝海资料掘金营，微信deep3321