第3章振动测量与信号分析基础

第3章振动测量与信号分析基础：传感器选型与数据采集

做振动控制这些年，我最大的体会是：测量不准，后面全是白干。传感器选型、数据采集、信号分析，这三步就像盖楼打地基。地基歪了，楼盖得再漂亮也得塌。

今天咱们就聊聊这个基础中的基础。我会结合自己踩过的坑，把传感器选型、采集系统搭建、时域和频域分析这些事儿说透。

3.1 传感器选型：加速度计、速度计、位移计

选传感器，说白了就是回答三个问题：测什么？量程够不够？频率范围对不对？

我个人习惯先看被测对象的振动特性。低频大位移，比如桥梁晃动，用位移计。中频振动，比如机床主轴，用速度计。高频冲击，比如齿轮啮合，用加速度计。

传感器类型	适用频率范围	典型应用场景	我踩过的坑
加速度计	0.5 Hz ~ 10 kHz	轴承故障、齿轮箱、冲击测试	低频信号信噪比差，慎用
速度计	1 Hz ~ 2 kHz	旋转机械、电机振动	温度漂移大，需补偿
位移计	0 ~ 100 Hz	桥梁、建筑、大型结构	安装麻烦，对表面要求高

⚠️ 避坑指南： 我曾经在风电塔筒监测项目中，图便宜选了压电式加速度计测0.1Hz的低频晃动。结果数据全是噪声，根本没法用。后来换了伺服式加速度计，才搞定。低频测量，千万别省这个钱。

选型时还有几个关键参数：灵敏度、量程、频率响应、横向灵敏度。灵敏度越高，信噪比越好，但量程会受限。你想想看，测火箭发动机振动和测空调压缩机，用的传感器能一样吗？

3.2 数据采集系统搭建

传感器选好了，接下来就是采集系统。我见过太多人花大价钱买传感器，却在采集卡上省钱，结果数据质量一塌糊涂。

搭建采集系统，核心就三点：

采样率：至少是最高分析频率的2.56倍。我习惯取5~10倍，留足余量。
抗混叠滤波器：这个必须有！没有的话，高频信号会折叠到低频段，你看到的频谱全是假的。
ADC位数：16位是底线，24位更好。位数不够，小信号就被量化噪声淹没了。

💡 实战技巧： 我在做发动机振动测试时，发现采集卡的地线没处理好，50Hz工频干扰特别大。后来把所有传感器和采集卡共地，干扰直接降了20dB。接地问题，永远是第一优先级。

采集系统搭建的流程，我画了张图，你看一眼就明白了：

3.3 时域分析：峰值与均方根值

数据采回来了，先别急着做FFT。时域分析能给你最直观的感受。

峰值（Peak）：信号的最大绝对值。我常用它来判断有没有瞬时冲击。比如齿轮断齿，时域波形上会突然冒出一个尖峰。

均方根值（RMS）：反映信号的能量大小。对于平稳振动，RMS比峰值更有工程意义。ISO标准里评价振动烈度，用的就是RMS。

🔑 核心公式：

峰值 = max(|x(t)|)
均方根值 = sqrt( (1/N) * Σ x(t)² )

举个例子。我在做离心泵振动测试时，时域波形显示峰值正常，但RMS偏高。拆开一看，轴承保持架磨损了。如果只看峰值，这个问题就漏掉了。所以我的习惯是：峰值和RMS一起看，互相印证。

3.4 频域分析：FFT与功率谱密度

时域信号看着乱糟糟的，一转到频域，规律就出来了。这就是FFT的魅力。

FFT（快速傅里叶变换）：把时域信号分解成不同频率的正弦波。每个频率对应一个幅值。你想想看，一个复杂的振动信号，在频域里可能就是几个尖峰。

功率谱密度（PSD）：表示信号功率在频率上的分布。单位是g²/Hz或(m/s²)²/Hz。PSD对随机振动特别有用，比如路面激励、风载荷。

💡 实战技巧： 做FFT时，窗函数的选择很关键。我一般这样选：

正弦信号 → 矩形窗（幅值精度高）
随机信号 → 汉宁窗（泄漏小）
冲击信号 → 力窗/指数窗（衰减快）

曾经有个学生做齿轮箱故障诊断，用矩形窗分析随机振动，频谱泄漏得一塌糊涂。换了汉宁窗，故障频率一下就出来了。

下面是一个简单的Python代码示例，演示如何计算FFT和PSD：

import numpy as np
import matplotlib.pyplot as plt

# 生成模拟信号：50Hz正弦 + 200Hz正弦 + 噪声
fs = 1000  # 采样率 1000 Hz
t = np.arange(0, 1, 1/fs)
x = 2 * np.sin(2*np.pi*50*t) + 0.5 * np.sin(2*np.pi*200*t) + 0.2*np.random.randn(len(t))

# FFT
N = len(x)
X = np.fft.fft(x)
freq = np.fft.fftfreq(N, 1/fs)
amp = np.abs(X) / N * 2  # 单边幅值谱

# PSD（使用Welch方法）
from scipy import signal
f, psd = signal.welch(x, fs, nperseg=256)

# 绘图
plt.figure(figsize=(10, 4))
plt.subplot(1,2,1)
plt.plot(freq[:N//2], amp[:N//2])
plt.title('FFT 幅值谱')
plt.xlabel('频率 (Hz)')
plt.ylabel('幅值')

plt.subplot(1,2,2)
plt.semilogy(f, psd)
plt.title('功率谱密度 (PSD)')
plt.xlabel('频率 (Hz)')
plt.ylabel('PSD (g²/Hz)')
plt.tight_layout()
plt.show()

⚠️ 避坑指南： 我曾经在分析某型发动机振动数据时，发现频谱里有个奇怪的峰值。查了半天，结果是采集卡电源纹波干扰。后来在信号调理环节加了带阻滤波器，才把真实信号和干扰分开。记住：频谱里的每个峰值，都要问一句「这是信号还是噪声？」

最后说一句：振动测量和信号分析，理论不难，难在实践。多动手、多对比、多复盘，慢慢就有感觉了。我做了十几年，每次遇到新问题，还是会翻回这些基础内容。基础不牢，地动山摇。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录