FFT频谱分析在电机故障诊断中的实战：从波形到频谱，看见声音的“颜色“

时域波形像一句话告诉你声音大不大FFT 频谱则像一段文字告诉你声音里藏着什么信息。在电机异音检测中真正让你找到故障根源的往往是频谱分析。一、为什么只看波形不够看一组对比你就明白了。假设有两台电机它们的振动 RMS 值都是 0.9g——从能量角度看完全一样。但你拆开一看一台是转子不平衡导致的另一台是轴承内圈有小点蚀。它们在时域波形上看起来都很相似——一条不规则的波浪线。但如果你把信号拆到频域就会发现转子不平衡的电机会在旋转频率比如 50 Hz出现一个突出的峰轴承内圈点蚀的电机则会在几百到几千 Hz的高频区域出现异常的峰值群这就是时域和频域的本质区别时域告诉你有多大频域告诉你来自哪里。二、FFT 到底是什么一个棱镜的比喻FFTFast Fourier Transform快速傅里叶变换是频谱分析的核心算法。但别被数学吓到用一个简单的比喻就能理解它。一束白光穿过三棱镜后会被分解成红橙黄绿蓝靛紫七种颜色。这个过程本质上就是频谱分析——把混合在一起的东西按频率波长分开。电机振动信号就像那束白光它是多种振动源叠加在一起的结果——转子不平衡带来的低频、齿轮啮合带来的中高频、轴承滚珠带来的高频冲击。FFT 就是那个棱镜把混杂的信号分解成不同频率的颜色让你看到每个频率分量的强度。直觉上时域信号是一段音乐FFT 告诉你这段音乐里鼓声多强、钢琴多强、小提琴多强。三、频谱中你要盯紧的四个关键频率在电机振动的频谱图上以下四类频率成分是故障诊断的锚点。1. 转频1X RPM / 60这是最基本的特征频率。如果一台 4 极异步电机额定转速是 1450 rpm那么它的转频 f_r 1450 / 60 ≈ 24.2 Hz。1X 升高 → 转子不平衡这是最经典也最常见的判断逻辑。若频谱中 1X 分量从 0.8g 升高到 1.5g几乎可以确定是不平衡问题。2. 谐波频率2X、3X、4X……2X两倍转频升高 → 不对中联轴器/轴承3X 升高 → 轴弯曲或装配偏斜高次谐波丰富 → 机械松动谐波的相对关系比绝对值更重要。一个经验法则是对比 2X / 1X 的比值。如果这个比值从正常的 0.3 以下飙升到 0.8 以上就必须查对中了。3. 槽通频率Slot Passing Frequencyf_槽通 (RPM / 60) × 转子槽数这个频率由电机的物理结构决定。比如一台 24 槽的电机在 1500 rpm 下运行槽通频率 25 Hz × 24 600 Hz。槽通频率或其边频带异常通常意味着气隙不均匀或转子条出现问题。4. 轴承特征频率每种规格的轴承都有四个特征频率内圈、外圈、滚珠、保持架其值与几何尺寸相关。轴承早期故障往往在特征频率处先出现微小峰值——这个阶段人工听音可能还听不出来但 FFT 已经能捕捉到。四、一个实战频谱对比良品 vs 不良品以下是我们在产线上采集的一组真实频谱数据为便于阅读做了简化良品电机频谱特征1X24.2 Hz0.8g — 正常2X0.2g — 比例正常0.25高频区域1 kHz 以上均低于 0.05g无明显峰群结论整体振动小频谱干净不良品电机频谱特征同一型号、同一工况1X24.2 Hz1.5g —比正常高出近一倍2X0.35g在约 4500 Hz 处出现异常峰值群幅值 0.3-0.5g结论转子不平衡 高频轴承异常需拆检拆机后证实转子动平衡配重块脱落同时轴承外圈滚道有轻微点蚀。频谱图上的两个异常都对应到了物理故障。五、FFT 参数设置三个关键选择参数设置直接影响频谱的可用性以下建议基于产线实际经验。1. 频率分辨率ΔfΔf 采样率 / FFT点数比如采样率 25600 HzFFT 取 6400 点零填充到 8192 点Δf 25600 / 8192 ≈ 3.1 Hz。这意味着频谱上每个刻度的距离是 3.1 Hz——如果两个故障频率靠得太近比如差了不到 3 Hz就无法区分。产线建议Δf 控制在 1 Hz 左右对于 25600 Hz 采样率FFT 点数至少取 16384 或 32768。2. 窗函数信号截断后的频谱泄漏问题需要通过加窗来缓解Hanning 窗最常用的通用选择频率精度和幅值精度的平衡点Hamming 窗与 Hanning 接近旁瓣衰减稍弱FlatTop 窗幅值精度高但频率分辨率稍差——如果主要关心幅值的准确性比如做限值判定用这个更好3. 平均次数单次 FFT 的结果波动很大产线上一般做4 到 16 次平均。平均次数越多噪声越平滑但测量时间也越长。4 次是速度优先16 次是精度优先——取决于你的节拍要求。六、FFT 的局限与补充手段FFT 不是万能的它有两个重要局限需要知道局限一不适配非平稳信号FFT 假设信号是平稳的统计特性不随时间改变。电机平稳运转时这个假设成立但如果电机在启动/停机过程中、或者存在间歇性冲击——FFT 会把这些非平稳事件的时间信息抹平平均到整个频谱里。补充手段STFT短时傅里叶变换也就是语谱图分析能看到频率随时间的变化。这个话题我们后面专题讲。局限二调制信号难以分离齿轮啮合、轴承故障经常会形成调制现象——高频载波被低频信号调制。FFT 上看到的是混在一起的频谱无法直接拆开。补充手段包络谱分析也叫高频共振解调。先对信号做带通滤波只取高频段再做包络检波最后对包络信号做 FFT——能清晰看到被调制的低频特征。七、小结FFT 频谱分析是整个电机异音检测方法论的中轴。它一头连接着时域指标RMS、峭度另一头连接着更高级的时频分析STFT、小波变换。掌握 FFT你就能应对产线上 80% 以上的振动诊断场景。实际应用中谷木自动化的检测算法会自动提取频谱中的特征频率并做异常判定工程师只需要关注系统弹出的异常提示和对应频谱——但理解背后的原理会帮你更快地定位真因。本文由谷木自动化技术团队原创专注电机异音检测与振动分析。