第6章 频谱分析-典型故障

转动设备常见振动故障频谱特征及案例分析一、不平衡转子不平衡是由于转子部件质量偏心或转子部件出现缺损造成的故障，它是旋转机械最常见的故障。

结构设计不合理，制造和安装误差，材质不均匀造成的质量偏心，以及转子运行过程中由于腐蚀、结垢、交变应力作用等造成的零部件局部损坏、脱落等，都会使转子在转动过程中受到旋转离心力的作用，发生异常振动。

转子不平衡的主要振动特征：1、振动方向以径向为主，悬臂式转子不平衡可能会表现出轴向振动；2、波形为典型的正弦波；3、振动频率为工频，水平与垂直方向振动的相位差接近90度。

案例：某装置泵轴承箱靠联轴器侧振动烈度水平13.2 mm／s，垂直11.8mm ／s，轴向12.0 mm／s。

各方向振动都为工频成分，水平、垂直波形为正弦波，水平振动频谱如图1所示，水平振动波形如图2所示。

再对水平和垂直振动进行双通道相位差测量，显示相位差接近90度。

诊断为不平衡故障，并且不平衡很可能出现在联轴器部位。

解体检查未见零部件的明显磨损，但联轴器经检测存在质量偏心，动平衡操作时对联轴器相应部位进行打磨校正后振动降至2.4 mm／s。

二、不对中转子不对中包括轴系不对中和轴承不对中两种情况。

轴系不对中是指转子联接后各转子的轴线不在同一条直线上。

轴承不对中是指轴颈在轴承中偏斜，轴颈与轴承孔轴线相互不平行。

通常所讲不对中多指轴系不对中。

不对中的振动特征：1、最大振动往往在不对中联轴器两侧的轴承上，振动值随负荷的增大而增高；2、平行不对中主要引起径向振动，振动频率为2倍工频，同时也存在工频和多倍频，但以工频和2倍工频为主；3、平行不对中在联轴节两端径向振动的相位差接近180度；4、角度不对中时，轴向振动较大，振动频率为工频，联轴器两端轴向振动相位差接近180度。

案例：某卧式高速泵振动达16.0 mm／s，由振动频谱图(图3)可以看出，50 Hz （电机工频）及其2倍频幅值显著，且2倍频振幅明显高于工频，初步判定为不对中故障。

信号分析与处理第6章频谱分析是信号处理领域中重要的技术，它可以帮助我们了解信号的频率特性和频谱特性，从而更好地理解信号的性质和特点。

本章将介绍频谱分析的原理、方法和应用。

首先，频谱分析是将信号在频域上进行分析的过程。

频域是指信号在频率上的表现，而时域是指信号在时间上的表现。

频域分析可以将信号分解成不同频率的成分，从而了解信号在不同频率上的强度和分布情况。

频谱分析的基础是傅里叶分析，傅里叶分析是将一个周期信号分解成一组正弦和余弦函数的过程。

傅里叶变换可以将时域上的信号转换成频域上的函数，得到信号的频谱表示。

常用的傅里叶变换方法有离散傅里叶变换（DFT）和快速傅里叶变换（FFT）。

DFT和FFT算法可以高效地计算信号的频谱，广泛应用于信号处理领域。

在频谱分析中，我们常用的图形表示方法是频谱图。

频谱图可以直观地展示信号在不同频率上的能量分布情况。

常见的频谱图包括幅度频谱图和相位频谱图。

幅度频谱图表示信号在不同频率上的能量强度，相位频谱图表示信号在不同频率上的相位差异。

频谱分析的应用非常广泛。

在通信领域，频谱分析可以帮助我们了解信号在传输过程中的频率特性和功率特性，从而进行信号的调制和解调。

在音频处理领域，频谱分析可以用于音频信号的均衡和滤波，提高音质和减少噪音。

在图像处理领域，频谱分析可以用于图像的去噪和增强，改善图像的质量和清晰度。

此外，频谱分析还可以用于故障诊断和信号检测。

通过分析信号的频谱特性，可以判断设备是否存在故障，并进行相应的维修和调试。

频谱分析也可以用于检测目标信号，比如雷达信号和生物信号等，从而实现目标的识别和追踪。

总之，频谱分析是信号分析与处理中重要的技术之一，它可以帮助我们深入理解信号的频率特性和频谱特性。

通过频谱分析，我们可以有效地处理信号，改善信号的质量和清晰度，实现各种应用需求。

在实际应用中，我们需要结合具体的信号类型和问题要求，选择合适的频谱分析方法和工具，从而取得更好的分析和处理效果。

解答频谱分析仪6种常见故障问题及技术交流解答频谱分析仪6种常见故障问题频谱分析仪是电子工程师工作台上或高校试验室内的常用工具。

这里整理出关于频谱仪使用的常见问题，希望它能为你答疑解惑。

1.怎样设置才能获得频谱仪较佳的灵敏度，以便利观测小信号首先依据被测小信号的大小设置相应的中心频率、扫宽（SPAN）以及参考电平；然后在频谱分析仪没有显现过载提示的情况下渐渐降低衰减值；假如此时被测小信号的信噪比小于15dB，就渐渐减小RBW，RBW越小，频谱分析仪的底噪越低，灵敏度就越高。

假如频谱分析仪有预放，打开预放。

预放开，可以提高频谱分析仪的噪声系数，从而提高了灵敏度。

对于信噪比不高的小信号，可以削减VBW或者接受轨迹平均，平滑噪声，减小波动。

需要注意的是，频谱分析仪测量结果是外部输入信号和频谱分析仪内部噪声之和，要使测量结果精准，通常要求信噪比大于20dB。

2.辨别率带宽（RBW）越小越好吗？RBW越小，频谱分析仪灵敏度就越好，但是，扫描速度会变慢。

可以依据实际测试需求设RBW，在灵敏度和速度之间找到平衡点–既保证精准测量信号又可以得到快速的测量速度。

3.平均检波方式（average type）如何选择：power？Log power？Voltage？·Log power对数功率平均又称Video Averaging，这种平均方式具有最低的底噪，适合于低电平连续波信号测试。

但对”类噪声“信号会有确定的误差，比如宽带调制信号W—CDMA等。

·功率平均又称RMS平均，这种平均方式适合于“类噪声“信号（如：CDMA）总功率测量·电压平均这种平均方式适合于观测调幅信号或者脉冲调制信号的上升和下降时间测量。

4.扫描模式的选择：sweep还是FFT？现代频谱仪的扫描模式通常都具有Sweep模式和FFT模式。

通常在比较窄的RBW设置时，FFT比sweep更具有速度优势，但在较宽RBW的条件下，sweep模式更快。

基于频谱分析的电机故障定向的设想[摘要]通过采集多个传感器采集电机故障时发出的噪声，用傅里叶变换得出几个特殊频率的幅值，来确定故障的方位，更进一步可以判别故障发生的原因。

【关键词】频谱分析；傅里叶变换；故障频率一．引言电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置，也俗称马达。

它在工业中的应用主要有风机、水泵、皮带以及各种振动机械。

由于在工业生产中起着举足轻重的作用，如何保障电机的正常运行及故障的早期发现，也就显得尤为重要了。

目前有很各种各样的电机智能保护器。

通过检测各种各样的不同的信号，像：电流、电压，机械振动的幅度等，来辨别电机故障。

这些方法都存在各自的优缺点。

但由于很多故障不一定能及时的从这些数据上体现出来，所以不利于及时发现故障。

最传统的方法，在目前还有不少的工厂也在使用，用听棒搭在电机的不同部分。

这种方法是通过人耳来分辨电机是否运转正常，耳脑系统本身就是相当灵敏的感觉系统，因此它能够正确地区分各种声音。

但是由于在机房里噪声，对人耳的伤害很大，同时对检测人员的经验要求很严苛。

所以这就是我想做一个类似人工耳的仪器，代替人耳来定位噪声源和分辩噪声的原因。

二．电机噪声的频谱分析1．频谱分析将信号源发出的信息源按频率顺序展开，使其成为频率函数，并考察变化规律，称为频谱分析。

目的是把复杂的时间历程波形，通过傅里叶变换分解为若干单一的谐波分量来研究，以获得信号的频率结构以及各谐波的相位信息。

将得到的数据，配合模拟神经网络或者查表与指定转算功率的电机的声功率级做出比较。

得出可能的噪声产生的故障原因。

当然前提是有电机的频率与转速。

当然这也涉及到一个如何利用快速傅里叶变换（FFT），由于我们都知道计算机可处理信息都是离散的，所以我们可以通过离散傅里叶变换来求得具体某个频率的幅值。

然后个相对比得出可能的故障原因。

2．噪声频率2.1风扇噪声频率风扇噪声：它是电机通风噪声的频谱特性的典型代表，大致由涡流噪声和叶片声组成，正常情况下都是频带很宽，声级很稳定，但当叶片与导风圈间隙变小时失会产生：频率为：i为倍数，取1,2,3。

机械振动信号的频谱分析与故障识别振动是机械设备运行过程中常见的现象，但当机械设备发生故障时，振动信号会发生变化，成为故障的重要指示。

为了准确判断机械设备故障原因，频谱分析成为一种常用的方法。

本文将探讨机械振动信号的频谱分析方法及其在故障识别中的应用。

一、频谱分析的基本原理频谱分析是将信号在频率域上进行分解，将信号分解成一系列频率成分的方法。

在机械振动信号的分析中，通常使用傅里叶变换将时域信号转换为频域信号。

傅里叶变换将振动信号分解成一系列正弦波，每个正弦波表示一种特定频率的振动成分。

通过分析每个频率成分的振幅和相位，就可以了解机械设备的振动状况和故障特征。

二、频谱分析在故障诊断中的应用1. 轴承故障诊断轴承是机械设备中常见发生故障的部件。

轴承故障通常表现为高频振动成分的增加。

通过频谱分析可以清晰地观察到高频部分的振动信号，进而判断轴承的磨损程度和故障类型。

2. 齿轮故障诊断齿轮传动是机械设备中常见的传动方式，但齿轮在长时间运行后容易出现故障，如齿面磨损、断齿等。

这些故障会产生特定的频率成分，通过频谱分析可以直观地观察到对应的频率峰值，进而确定齿轮故障的位置和类型。

3. 泵故障诊断泵是常见的机械设备之一，其内部复杂的运动机构容易受到外界因素的影响。

频谱分析可以帮助识别泵的不同故障类型，例如轴承故障、叶片磨损等。

三、频谱分析方法频谱分析有多种方法，常见的有傅里叶变换、快速傅里叶变换（FFT）、小波变换等。

1. 傅里叶变换傅里叶变换是一种精确的频谱分析方法，但计算量较大，不适用于实时监测。

可以通过将信号分段，再进行傅里叶变换来解决这一问题。

2. 快速傅里叶变换（FFT）FFT是一种将信号进行快速傅里叶变换的算法，通过采样和插值的方法，可以有效地降低计算时间。

FFT广泛应用于机械振动信号的频谱分析，尤其适用于实时监测和故障诊断。

3. 小波变换小波变换是一种时频分析方法，在处理非稳态信号方面比傅里叶变换更具优势。