4. 信号处理基础：时域分析、频域分析（FFT）、窗函数、平均处理、滤波技术
各位好，我是老张。在传动链测试这个行当里摸爬滚打了十几年，今天咱们来聊聊信号处理这块硬骨头。
说实话，很多刚入行的工程师，一上来就抱着频谱图看，结果被一堆杂波搞得晕头转向。我当年也犯过这毛病。后来才明白，信号处理就像做菜——食材（原始信号）得先洗干净（滤波），再切好（加窗），最后才能下锅炒（FFT）。
好，咱们一步步来。
4.1 时域分析：最直观的“心电图”
时域分析，说白了就是看信号随时间怎么变化。你想想看，一个轴承坏了，振动波形会变成什么样？
我个人习惯，拿到数据第一件事，先看时域波形。为什么？因为最直观。一个健康的齿轮箱，时域波形应该是平稳的、周期性的正弦波叠加。如果突然出现一个尖峰，那八成是有点问题了。
- 峰值（Peak）： 反映瞬时最大冲击力。我在风电齿轮箱测试中遇到过，峰值突然增大，拆开一看，齿面有点胶合了。
- 均方根值（RMS）： 代表信号的能量水平。说白了就是振动的“平均力度”。
- 峭度（Kurtosis）： 这个指标很敏感。正常信号峭度接近3，如果大于4，说明有冲击性故障。
嗯，这里要注意：时域分析虽然直观，但有个致命弱点——它分不清故障频率。比如一个50Hz的振动，到底是转频还是工频？时域波形上看不出来。这时候，就得请出频域分析了。
4.2 频域分析（FFT）：把信号“拆开”看
FFT（快速傅里叶变换）是什么？我打个比方：你听到一首交响乐，时域波形就是那个混合的声音，而FFT就是告诉你，这里面有钢琴、有小提琴、有鼓，各自多大声。
在传动链测试中，FFT能把复杂的振动信号分解成各个频率成分。比如，一个齿轮箱的啮合频率是1000Hz，如果频谱图上1000Hz处出现边频带，那八成是齿轮有点磨损了。
我曾经在项目里遇到过：一个电机振动超标，时域波形看着还行，但一上FFT，发现2倍频特别高。我判断是电机转子不对中。拆开一查，果然，联轴器装偏了。
- 频率分辨率： Δf = 采样率 / 采样点数。分辨率越高，越能看清相邻频率的差异。
- 采样定理： 采样率必须大于最高分析频率的2倍。否则会出现“混叠”，就像车轮倒转一样假。
- 谱线数： 一般取1024、2048、4096。我习惯用2048，兼顾分辨率和计算速度。
4.3 窗函数：给信号“戴帽子”
做FFT有个前提：信号必须是周期性的。但实际采集的信号，往往不是整周期截断的。这就好比你要切一段绳子，结果没切在绳结上，绳子就散开了——这就是“频谱泄漏”。
窗函数就是来解决这个问题的。它相当于给信号戴上一顶“帽子”，让信号在两端平滑地衰减到零，减少泄漏。
| 窗函数类型 | 特点 | 适用场景 |
|---|---|---|
| 矩形窗 | 主瓣窄，旁瓣高 | 瞬态信号、整周期采样 |
| 汉宁窗 | 主瓣稍宽，旁瓣低 | 连续信号、一般振动分析 |
| 海明窗 | 类似汉宁，旁瓣更低 | 噪声较大的信号 |
| 平顶窗 | 幅值精度高 | 需要精确测量幅值的场合 |
我个人习惯，做齿轮箱振动分析时，首选汉宁窗。为什么？因为它能很好地平衡频率分辨率和幅值精度。我曾经试过用矩形窗，结果频谱图上出现一堆假峰，差点误判。
4.4 平均处理：把噪声“平均掉”
你想想看，一次FFT的结果，可能受随机噪声影响很大。怎么办？多测几次，取平均。
平均处理有两种方式：
- 线性平均： 把N次FFT的结果直接相加再除以N。简单有效，但需要信号稳定。
- 指数平均： 给新数据更大的权重。适合信号缓慢变化的场合。
我在做风电齿轮箱在线监测时，一般取16次线性平均。为什么是16？经验值。太少，噪声压不下去；太多，计算量太大，实时性跟不上。
嗯，这里要注意：平均处理虽然能降噪，但也会丢失瞬态信息。比如一个轴承出现早期故障，冲击信号很弱，平均次数太多，可能就把故障信号给“平均没了”。
4.5 滤波技术：只留下你想要的
滤波，说白了就是“选频”。你想看低频振动，就把高频滤掉；你想看齿轮啮合频率，就把其他频率滤掉。
常用的滤波器类型：
- 低通滤波： 保留低频，滤除高频。适合分析转频、轴频。
- 高通滤波： 保留高频，滤除低频。适合分析轴承故障。
- 带通滤波： 保留某个频段。比如分析齿轮啮合频率附近的边频带。
- 带阻滤波： 滤除某个频段。比如滤除50Hz工频干扰。
4.6 知识体系总览
说了这么多，咱们用一张图来总结一下信号处理的核心逻辑：
这张图把整个流程串起来了。你想想看，从原始信号到最终诊断结论，每一步都有讲究。跳过任何一步，都可能得出错误结论。
好了，信号处理基础就聊到这儿。记住一句话：工具是死的，人是活的。多动手、多积累，你也能成为信号处理的老手。
公众号:蓝海资料掘金营，微信deep3321