当前位置: 首页 / 行业观察 / 正文

预测性维护的技术底座:振动分析、时域波形与傅里叶变换的关系

行业观察 2026-10-21 00:00 阅读 2

预测性维护被反复描述为一种能力:设备不停机,看一眼屏幕,就能判断某个轴承内圈已经出现裂纹、下周需要更换。这个描述听起来像结论,实际上背后是一条清晰的数学链条。

链条的起点是传感器采集到的振动信号,中间是时域波形,转折点是傅里叶变换,终点是可以与故障部件对号入座的特征频率。理解这三者的关系,比记住任何一个算法名称都更有用,因为它决定了你能不能看懂屏幕上那条曲线究竟在说什么。

一、为什么振动分析是预测性维护的核心手段

设备状态监测有很多入口:温度、电流、功率、压力、油液、噪声。振动之所以在其中占据核心位置,原因在于它与机械故障的对应关系相当直接。

设备出现轴承磨损、转子不平衡、安装不对中、机械松动、齿轮啮合异常、叶轮结垢偏磨,本质上都会改变受力状态和运动轨迹。受力变了,振动就变。这条路径短、因果清楚,不需要经过复杂的能量转换推断。

振动的第二个优势是可持续采集。传感器长期固定在轴承座、机脚等位置,按运行工况不间断记录,能够形成完整的趋势曲线。温度容易被环境与负载掩盖,电流变化常被工况波动冲淡,而振动的频率结构相对稳定,适合做长期比对。

第三个优势是提前量。设备劣化的早期,整体振动幅值可能只上升一点点,但频谱中的某些成分已经出现了结构性变化。这个先后顺序,正是预测性维护能够提前介入的物理基础。

二、时域波形:一条曲线里其实有四类信息

传感器采回来的原始信号,是按时间逐点记录的物理量变化。横轴是时间,纵轴是当下的测量值,这种时间维度的原始记录就叫时域波形,形态上类似心电图。

时域波形里可以读出四类信息:振幅大小、周期性、冲击特征、波形畸变。这四项都不需要复杂的数学处理,肉眼即可初步判断,因此在现场快速筛查中很有价值。

问题在于,时域波形是无数振动叠加之后的结果。电机转频、风扇不平衡、轴承摩擦、齿轮啮合全部搅在一起,如同一处喧闹的菜市场,上百号人同时吆喝。你只听见一片嗡嗡声,总振值确实大了,可到底是哪个零件在说话,完全分辨不出来。

这是时域分析的天花板:它能告诉你什么时候出现了波动,却无法告诉你波动来自哪里。要突破这层限制,必须换一个观察维度。

图1:多源振动叠加的时域信号,如同同时吆喝的菜市场 图2:原始信号与频域分解的对应关系示意

三、傅里叶变换:振动分析里的三棱镜

傅里叶是 19 世纪的法国数学家、物理学家。他提出,任意周期函数都可以拆解为正弦、余弦函数的无穷级数。这一结论深刻影响了后世的数学与工程领域。而工程上广泛使用的傅里叶变换,正是把时域采集的设备振动信号,拆解为不同频率正弦波分量的核心数学工具,完成时域到频域的转换。

这个转换的作用,可以理解为一台数学三棱镜。白光穿过三棱镜会散成七色光;复杂的振动信号经过傅里叶变换,会被拆成无数个单一频率的正弦波。

处理后的结果就是频域波形图:横轴是频率,纵轴是幅值或能量。原本重叠在一起的声音,被按频率分开了。哪个频率的劲儿大,哪根柱子就高。

时域与频域的分工,可以用一句话概括:时域波形图看的是什么时候突然有波动,频域波形看的是到底谁在波动。

这一步的意义不止于可视化。它把"设备在振"这个笼统的现象,转换成了一组带位置、带强度的成分清单。有了清单,才谈得上比对与判断。

图3:傅里叶变换的数学表达与其对应的振动波形

四、特征频率:每个零件的身份证

拆开之后要能认人,靠的是特征频率。

设备上的每个零件,出厂时都自带一张身份证——这就是特征频率。它由结构参数和转速共同决定。只要掌握轴承型号和电机转速,比如转速为 1500 转每分,就可以计算出对应的理论故障频率。

举个具体的例子。轴承外圈出现损伤,会在 108Hz 附近形成一个尖峰;齿轮断了一个齿,会在 120Hz 出现跳动;电机转子偏心,会在 25Hz 出现异常。

环境虽然嘈杂,但只要盯住那个尖叫的频率,比如 108Hz,就能立刻锁定是轴承外圈出了问题。频谱图上的每一个尖峰,都对应着一个具体的物理动作。

这也是振动诊断区别于经验判断的地方:它不是凭手感猜,而是拿实测频谱与理论频率对表。对照零件的理论特征频率,查看频谱上对应位置是否有峰值凸起、幅值是否异常升高,哪个频率点冒尖,基本就能定位对应的故障零件。无需拆机、无需停机,隔着外壳完成诊断,靠的就是这套对照逻辑。

部件与故障特征频率来源观察要点
轴承外圈损伤轴承型号与转速推算对应频率处出现尖峰
齿轮断齿啮合频率及其边带特定频率出现周期性跳动
转子偏心转频及其谐波低阶频率异常升高

需要强调一点:特征频率库必须提前建好。傅里叶变换只负责把频率和幅值呈现出来,它不做诊断。没有理论频率作参照,频谱图再清晰也只是一张图。

五、包络解调:把微弱信号放大给你看

实际诊断中还会遇到一类情况:故障确实存在,但在常规频谱上几乎看不出来。

轴承早期损伤就属于这一类。损伤点每次被滚动体碾过,产生的是一个很短的冲击,能量分布在很高的频段上,幅值不高,被其他成分掩盖。直接做傅里叶变换,谱线淹没在噪声里。

处理办法是包络解调。先把高频冲击信号提取出来,做滤波,然后再做傅里叶变换。相当于先把淹没在背景里的那层调制信息剥出来,再拆解它的频率结构,把极其微弱的故障信号放大显现。

从方法上看,包络解调本质上仍是傅里叶变换的延伸,只是多加了一道预处理。振动分析里不少进阶方法都遵循同样的思路:先想办法把有用的成分分离出来,再交给频域分析。这也说明傅里叶变换不是孤立的公式,而是一整套分析流程的公共底座。

六、这套逻辑对运维意味着什么

把链条串起来看,预测性维护的价值来自三个转换。

第一,把主观感觉变成数据。过去判断设备状态靠听声辨位、靠手摸温度、靠老师傅的经验,结论难以传递也难以复核。频谱把"声音不对"转换成"某个频率的幅值升高",判断有了共同语言。

第二,把零散经验变成标准。特征频率来自结构参数与转速,不依赖个人记忆。同一台设备,不同的人来看,只要对照同一套理论频率,结论应当一致。这是诊断能够规模化的前提。

第三,把事后处理变成事前安排。知道了问题部件和劣化速度,检修计划、备件采购、停机窗口才有排布依据。预测性维护真正的产出不是报警,而是一个可执行的时间表。

图4:某测点振动趋势记录,显示幅值随时间的变化过程

七、小结:先把地基打牢,再谈方法组合

从时域到频域,这条线索构成了现代工业预测性维护的技术底座。傅里叶变换让设备诊断告别了人工听声辨位的经验时代,把主观感觉变成数据,把零散经验变成标准。这是它被称为基础设施的原因。

但也要留一句提醒:傅里叶变换在振动分析里并不是无所不能。它对稳态周期信号的处理能力很强,遇到启停过程、变工况运行、瞬时冲击这类非平稳信号时,会暴露出自身的时间分辨率局限。工程上还需要短时傅里叶变换、小波变换、阶次跟踪等方法配合。

判断一套振动诊断能力是否扎实,可以看三点:能不能把时域信号稳定地转换到频域,有没有与设备参数匹配的特征频率库,遇到非平稳工况时是否还有后续方法接得住。前两点决定能不能做,第三点决定能做多深。

作者:青云居士|易新智维
本文为行业技术分享,案例数据来自项目实践,仅供参考。