基于振動(dòng)信號(hào)分析的旋轉(zhuǎn)機(jī)械故障診斷：理論、方法與實(shí)踐一、引言1.1研究背景與意義1.1.1研究背景在現(xiàn)代工業(yè)體系中，旋轉(zhuǎn)機(jī)械作為關(guān)鍵的設(shè)備類型，廣泛應(yīng)用于能源電力、石油化工、交通運(yùn)輸、機(jī)械制造等眾多重要領(lǐng)域。以能源電力領(lǐng)域?yàn)槔?，汽輪機(jī)、發(fā)電機(jī)等旋轉(zhuǎn)機(jī)械是實(shí)現(xiàn)能量轉(zhuǎn)換和電力生產(chǎn)的核心設(shè)備，其穩(wěn)定運(yùn)行直接關(guān)系到電力的持續(xù)供應(yīng)；在石油化工行業(yè)，壓縮機(jī)、泵等旋轉(zhuǎn)機(jī)械承擔(dān)著物料輸送、反應(yīng)過(guò)程驅(qū)動(dòng)等關(guān)鍵任務(wù)，對(duì)于整個(gè)化工生產(chǎn)流程的連續(xù)性和穩(wěn)定性起著決定性作用。據(jù)相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，在大型工業(yè)企業(yè)中，旋轉(zhuǎn)機(jī)械的資產(chǎn)占比通常達(dá)到30%-50%，是企業(yè)生產(chǎn)設(shè)備的重要組成部分。然而，由于旋轉(zhuǎn)機(jī)械長(zhǎng)期處于高速旋轉(zhuǎn)、復(fù)雜載荷、惡劣環(huán)境等工作條件下，其零部件不可避免地會(huì)發(fā)生磨損、疲勞、腐蝕等損傷，從而導(dǎo)致故障的發(fā)生。例如，軸承作為旋轉(zhuǎn)機(jī)械中常用的部件，在長(zhǎng)期運(yùn)行過(guò)程中，因承受交變載荷和摩擦作用，容易出現(xiàn)滾珠磨損、滾道劃傷等故障；齒輪在嚙合傳動(dòng)過(guò)程中，會(huì)受到?jīng)_擊載荷、潤(rùn)滑不良等因素影響，導(dǎo)致齒面磨損、齒根斷裂等故障。這些故障一旦發(fā)生，如果未能及時(shí)發(fā)現(xiàn)和處理，可能引發(fā)連鎖反應(yīng)，導(dǎo)致設(shè)備損壞、生產(chǎn)中斷，甚至造成人員傷亡和環(huán)境污染等嚴(yán)重后果。旋轉(zhuǎn)機(jī)械故障會(huì)對(duì)生產(chǎn)造成嚴(yán)重影響。一方面，故障導(dǎo)致的設(shè)備停機(jī)維修會(huì)直接造成生產(chǎn)停滯，帶來(lái)巨大的經(jīng)濟(jì)損失。據(jù)統(tǒng)計(jì)，在一些連續(xù)生產(chǎn)的工業(yè)企業(yè)中，每次因旋轉(zhuǎn)機(jī)械故障導(dǎo)致的停機(jī)損失可達(dá)數(shù)十萬(wàn)元甚至數(shù)百萬(wàn)元。另一方面，為了修復(fù)故障設(shè)備，企業(yè)需要投入大量的人力、物力和財(cái)力，包括維修人員的人工費(fèi)用、更換零部件的成本以及維修設(shè)備的使用費(fèi)用等。此外，故障還可能影響產(chǎn)品質(zhì)量，導(dǎo)致次品率增加，進(jìn)一步降低企業(yè)的經(jīng)濟(jì)效益。因此，為了保障工業(yè)生產(chǎn)的安全、穩(wěn)定和高效運(yùn)行，迫切需要一種有效的方法對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和故障診斷，及時(shí)發(fā)現(xiàn)潛在的故障隱患，采取相應(yīng)的措施進(jìn)行處理，避免故障的發(fā)生和擴(kuò)大。振動(dòng)信號(hào)分析作為一種重要的故障診斷技術(shù)，在旋轉(zhuǎn)機(jī)械故障診斷中具有獨(dú)特的優(yōu)勢(shì)。旋轉(zhuǎn)機(jī)械在運(yùn)行過(guò)程中，由于各種力的作用會(huì)產(chǎn)生振動(dòng)，這些振動(dòng)信號(hào)包含了豐富的設(shè)備運(yùn)行狀態(tài)信息。當(dāng)設(shè)備出現(xiàn)故障時(shí)，其振動(dòng)特性會(huì)發(fā)生明顯變化，通過(guò)對(duì)振動(dòng)信號(hào)進(jìn)行采集、分析和處理，可以提取出與故障相關(guān)的特征信息，從而實(shí)現(xiàn)對(duì)故障的準(zhǔn)確診斷。與其他故障診斷方法相比，振動(dòng)信號(hào)分析具有實(shí)時(shí)性強(qiáng)、靈敏度高、非接觸式檢測(cè)等優(yōu)點(diǎn)，能夠在設(shè)備運(yùn)行過(guò)程中實(shí)時(shí)監(jiān)測(cè)其狀態(tài)，及時(shí)發(fā)現(xiàn)早期故障，并且不會(huì)對(duì)設(shè)備的正常運(yùn)行造成干擾。因此，振動(dòng)信號(hào)分析在旋轉(zhuǎn)機(jī)械故障診斷中得到了廣泛的關(guān)注和應(yīng)用，成為了當(dāng)前故障診斷領(lǐng)域的研究熱點(diǎn)之一。1.1.2研究意義振動(dòng)信號(hào)分析在旋轉(zhuǎn)機(jī)械故障診斷中具有重要的現(xiàn)實(shí)意義和理論價(jià)值，主要體現(xiàn)在以下幾個(gè)方面：保障生產(chǎn)安全與穩(wěn)定運(yùn)行：通過(guò)對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的實(shí)時(shí)監(jiān)測(cè)和分析，能夠及時(shí)發(fā)現(xiàn)設(shè)備的潛在故障隱患，提前采取維修措施，避免設(shè)備突發(fā)故障導(dǎo)致的生產(chǎn)中斷和安全事故。例如，在電力行業(yè)中，對(duì)汽輪機(jī)振動(dòng)信號(hào)的監(jiān)測(cè)可以及時(shí)發(fā)現(xiàn)葉片松動(dòng)、軸承磨損等故障，防止因設(shè)備故障引發(fā)的電網(wǎng)停電事故，保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行。在化工行業(yè)，對(duì)壓縮機(jī)振動(dòng)信號(hào)的分析可以提前預(yù)警密封失效、轉(zhuǎn)子不平衡等故障，避免有毒有害氣體泄漏，保障生產(chǎn)人員的生命安全和生產(chǎn)環(huán)境的安全。降低設(shè)備維護(hù)成本：傳統(tǒng)的設(shè)備維護(hù)方式通常采用定期維護(hù)，這種方式往往存在過(guò)度維護(hù)或維護(hù)不足的問(wèn)題。過(guò)度維護(hù)會(huì)導(dǎo)致不必要的維修費(fèi)用和設(shè)備停機(jī)時(shí)間，而維護(hù)不足則可能使設(shè)備故障得不到及時(shí)處理，造成更大的損失。基于振動(dòng)信號(hào)分析的故障診斷技術(shù)可以實(shí)現(xiàn)設(shè)備的狀態(tài)監(jiān)測(cè)和預(yù)測(cè)性維護(hù)，根據(jù)設(shè)備的實(shí)際運(yùn)行狀態(tài)制定合理的維護(hù)計(jì)劃，只在設(shè)備需要維修時(shí)進(jìn)行維修，從而有效降低設(shè)備維護(hù)成本。研究表明，采用預(yù)測(cè)性維護(hù)策略可以將設(shè)備維護(hù)成本降低20%-50%。提高設(shè)備運(yùn)行效率和使用壽命：及時(shí)發(fā)現(xiàn)并處理旋轉(zhuǎn)機(jī)械的故障，可以避免故障對(duì)設(shè)備其他部件的進(jìn)一步損壞，保持設(shè)備的良好運(yùn)行狀態(tài)，從而提高設(shè)備的運(yùn)行效率。同時(shí)，通過(guò)對(duì)振動(dòng)信號(hào)的分析，可以了解設(shè)備的運(yùn)行狀況，優(yōu)化設(shè)備的運(yùn)行參數(shù)，減少設(shè)備的磨損和疲勞，延長(zhǎng)設(shè)備的使用壽命。例如，對(duì)風(fēng)機(jī)振動(dòng)信號(hào)的分析可以發(fā)現(xiàn)風(fēng)機(jī)葉片的積灰和腐蝕情況，及時(shí)進(jìn)行清理和修復(fù)，提高風(fēng)機(jī)的通風(fēng)效率，降低能耗，延長(zhǎng)風(fēng)機(jī)的使用壽命。推動(dòng)故障診斷技術(shù)的發(fā)展：振動(dòng)信號(hào)分析涉及到信號(hào)處理、模式識(shí)別、機(jī)器學(xué)習(xí)、機(jī)械動(dòng)力學(xué)等多個(gè)學(xué)科領(lǐng)域，對(duì)其進(jìn)行深入研究可以促進(jìn)這些學(xué)科的交叉融合，推動(dòng)故障診斷技術(shù)的不斷發(fā)展和創(chuàng)新。例如，近年來(lái)隨著機(jī)器學(xué)習(xí)算法的不斷發(fā)展，將深度學(xué)習(xí)算法應(yīng)用于振動(dòng)信號(hào)分析，實(shí)現(xiàn)了對(duì)旋轉(zhuǎn)機(jī)械故障的自動(dòng)診斷和分類，提高了故障診斷的準(zhǔn)確性和效率。同時(shí)，新的信號(hào)處理方法和傳感器技術(shù)的不斷涌現(xiàn)，也為振動(dòng)信號(hào)分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用提供了更廣闊的發(fā)展空間。1.2國(guó)內(nèi)外研究現(xiàn)狀隨著工業(yè)自動(dòng)化和智能化的快速發(fā)展，旋轉(zhuǎn)機(jī)械在現(xiàn)代工業(yè)中的應(yīng)用日益廣泛，其故障診斷技術(shù)也成為了國(guó)內(nèi)外學(xué)者研究的重點(diǎn)領(lǐng)域。振動(dòng)信號(hào)分析作為旋轉(zhuǎn)機(jī)械故障診斷的重要手段，在國(guó)內(nèi)外取得了豐碩的研究成果，同時(shí)也面臨著一些挑戰(zhàn)和問(wèn)題，以下將分別從國(guó)內(nèi)外兩個(gè)方面對(duì)其研究現(xiàn)狀進(jìn)行詳細(xì)闡述。1.2.1國(guó)外研究現(xiàn)狀國(guó)外在振動(dòng)信號(hào)分析用于旋轉(zhuǎn)機(jī)械故障診斷方面的研究起步較早，在理論研究和實(shí)際應(yīng)用方面都處于領(lǐng)先地位。在早期，主要側(cè)重于傳統(tǒng)的信號(hào)處理方法。例如，傅里葉變換（FT）作為經(jīng)典的頻域分析方法，被廣泛應(yīng)用于振動(dòng)信號(hào)的頻率成分分析，通過(guò)將時(shí)域振動(dòng)信號(hào)轉(zhuǎn)換為頻域信號(hào)，能夠清晰地展現(xiàn)信號(hào)中不同頻率成分的幅值和相位信息，從而識(shí)別出與旋轉(zhuǎn)機(jī)械故障相關(guān)的特征頻率。如在電機(jī)故障診斷中，通過(guò)傅里葉變換分析振動(dòng)信號(hào)，能夠準(zhǔn)確檢測(cè)出電機(jī)轉(zhuǎn)子斷條故障對(duì)應(yīng)的特征頻率。隨著技術(shù)的不斷發(fā)展，小波變換（WT）逐漸成為研究熱點(diǎn)。小波變換具有多分辨率分析的特性，能夠在不同的時(shí)間尺度上對(duì)振動(dòng)信號(hào)進(jìn)行分析，有效地提取信號(hào)中的瞬態(tài)特征，對(duì)于旋轉(zhuǎn)機(jī)械中如軸承故障、齒輪局部損傷等引起的瞬態(tài)沖擊信號(hào)具有良好的分析效果。例如，在滾動(dòng)軸承故障診斷中，利用小波變換能夠準(zhǔn)確地檢測(cè)出軸承內(nèi)圈、外圈和滾動(dòng)體故障產(chǎn)生的沖擊信號(hào)，并提取出相應(yīng)的故障特征。在故障診斷算法方面，機(jī)器學(xué)習(xí)算法在國(guó)外得到了深入研究和廣泛應(yīng)用。支持向量機(jī)（SVM）作為一種基于統(tǒng)計(jì)學(xué)習(xí)理論的分類算法，具有良好的泛化能力和小樣本學(xué)習(xí)能力，在旋轉(zhuǎn)機(jī)械故障診斷中被用于對(duì)不同故障類型進(jìn)行分類。例如，通過(guò)將振動(dòng)信號(hào)的特征參數(shù)作為SVM的輸入，能夠準(zhǔn)確地識(shí)別出齒輪的正常、磨損、裂紋等不同故障狀態(tài)。人工神經(jīng)網(wǎng)絡(luò)（ANN）也是常用的故障診斷算法之一，它具有強(qiáng)大的非線性映射能力和自學(xué)習(xí)能力。多層感知器（MLP）、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）等不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)被應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷，通過(guò)對(duì)大量故障樣本的學(xué)習(xí)，能夠?qū)崿F(xiàn)對(duì)未知故障狀態(tài)的準(zhǔn)確診斷。例如，在汽輪機(jī)故障診斷中，利用MLP對(duì)振動(dòng)信號(hào)的特征進(jìn)行學(xué)習(xí)和分類，能夠有效地診斷出汽輪機(jī)的多種故障類型，如葉片損壞、軸系不平衡等。近年來(lái)，深度學(xué)習(xí)技術(shù)在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域取得了突破性進(jìn)展。卷積神經(jīng)網(wǎng)絡(luò)（CNN）由于其在圖像識(shí)別領(lǐng)域的優(yōu)異表現(xiàn)，也被引入到振動(dòng)信號(hào)分析中。CNN通過(guò)卷積層、池化層和全連接層等結(jié)構(gòu)，能夠自動(dòng)地從振動(dòng)信號(hào)中提取深層次的特征，避免了傳統(tǒng)方法中人工特征提取的繁瑣過(guò)程和主觀性。例如，利用一維CNN對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行分析，能夠直接從原始振動(dòng)信號(hào)中學(xué)習(xí)到故障特征，實(shí)現(xiàn)對(duì)軸承多種故障類型的準(zhǔn)確診斷，診斷準(zhǔn)確率相比傳統(tǒng)方法有了顯著提高。循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變體長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、門控循環(huán)單元（GRU）等，由于其對(duì)時(shí)間序列數(shù)據(jù)的良好處理能力，也被廣泛應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷。這些模型能夠捕捉振動(dòng)信號(hào)的時(shí)間序列特征，對(duì)于分析旋轉(zhuǎn)機(jī)械在不同運(yùn)行階段的故障演變過(guò)程具有重要意義。例如，在風(fēng)力發(fā)電機(jī)故障診斷中，利用LSTM對(duì)振動(dòng)信號(hào)的時(shí)間序列進(jìn)行建模和分析，能夠準(zhǔn)確地預(yù)測(cè)風(fēng)力發(fā)電機(jī)的故障趨勢(shì)，提前發(fā)出預(yù)警，為設(shè)備維護(hù)提供依據(jù)。在實(shí)際應(yīng)用方面，國(guó)外許多大型企業(yè)和研究機(jī)構(gòu)已經(jīng)將振動(dòng)信號(hào)分析技術(shù)應(yīng)用于旋轉(zhuǎn)機(jī)械的狀態(tài)監(jiān)測(cè)和故障診斷系統(tǒng)中。例如，美國(guó)的BentlyNevada公司開(kāi)發(fā)的振動(dòng)監(jiān)測(cè)系統(tǒng)，能夠?qū)崟r(shí)采集旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)，并通過(guò)先進(jìn)的信號(hào)分析算法和故障診斷模型，對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和故障診斷，為設(shè)備的安全運(yùn)行提供了有力保障。德國(guó)的Siemens公司在其工業(yè)自動(dòng)化產(chǎn)品中，也集成了振動(dòng)信號(hào)分析和故障診斷功能，廣泛應(yīng)用于電力、化工、冶金等行業(yè)的旋轉(zhuǎn)機(jī)械故障診斷，有效地提高了設(shè)備的可靠性和運(yùn)行效率。1.2.2國(guó)內(nèi)研究現(xiàn)狀國(guó)內(nèi)在振動(dòng)信號(hào)分析用于旋轉(zhuǎn)機(jī)械故障診斷方面的研究雖然起步相對(duì)較晚，但發(fā)展迅速，近年來(lái)取得了大量的研究成果。在理論研究方面，國(guó)內(nèi)學(xué)者在傳統(tǒng)信號(hào)處理方法的基礎(chǔ)上，不斷進(jìn)行創(chuàng)新和改進(jìn)。例如，在傅里葉變換的基礎(chǔ)上，提出了改進(jìn)的傅里葉變換算法，如加窗傅里葉變換、短時(shí)傅里葉變換等，以提高對(duì)非平穩(wěn)振動(dòng)信號(hào)的分析能力。在小波變換方面，研究了多種小波基函數(shù)的選擇和優(yōu)化方法，以及小波變換與其他信號(hào)處理方法的融合，如小波包變換、小波閾值去噪等，以提高對(duì)振動(dòng)信號(hào)中微弱故障特征的提取能力。在故障診斷算法方面，國(guó)內(nèi)學(xué)者積極開(kāi)展機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究。在機(jī)器學(xué)習(xí)領(lǐng)域，除了對(duì)SVM、ANN等傳統(tǒng)算法進(jìn)行深入研究和改進(jìn)外，還將一些新的機(jī)器學(xué)習(xí)算法引入到故障診斷中，如隨機(jī)森林（RF）、極限學(xué)習(xí)機(jī)（ELM）等。隨機(jī)森林通過(guò)構(gòu)建多個(gè)決策樹(shù)，并對(duì)決策樹(shù)的結(jié)果進(jìn)行綜合判斷，具有較好的分類性能和抗干擾能力。例如，利用隨機(jī)森林算法對(duì)旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)進(jìn)行分析，能夠準(zhǔn)確地診斷出設(shè)備的故障類型，并且在存在噪聲干擾的情況下，依然具有較高的診斷準(zhǔn)確率。極限學(xué)習(xí)機(jī)作為一種快速的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，具有學(xué)習(xí)速度快、泛化能力強(qiáng)等優(yōu)點(diǎn)，在旋轉(zhuǎn)機(jī)械故障診斷中也得到了廣泛應(yīng)用。在深度學(xué)習(xí)領(lǐng)域，國(guó)內(nèi)學(xué)者也取得了一系列重要成果。例如，提出了多種基于深度學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障診斷模型，如深度置信網(wǎng)絡(luò)（DBN）、堆疊自編碼器（SAE）等。深度置信網(wǎng)絡(luò)是一種由多個(gè)受限玻爾茲曼機(jī)（RBM）堆疊而成的深度學(xué)習(xí)模型，通過(guò)無(wú)監(jiān)督的預(yù)訓(xùn)練和有監(jiān)督的微調(diào)過(guò)程，能夠有效地學(xué)習(xí)到振動(dòng)信號(hào)的深層次特征，實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械故障的準(zhǔn)確診斷。堆疊自編碼器則通過(guò)對(duì)原始振動(dòng)信號(hào)進(jìn)行多層編碼和解碼操作，自動(dòng)提取信號(hào)的特征表示，在故障診斷中也表現(xiàn)出了良好的性能。此外，國(guó)內(nèi)學(xué)者還將深度學(xué)習(xí)與遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等技術(shù)相結(jié)合，以解決旋轉(zhuǎn)機(jī)械故障診斷中樣本不足、故障類型多樣等問(wèn)題。例如，利用遷移學(xué)習(xí)技術(shù)，將在一種旋轉(zhuǎn)機(jī)械上訓(xùn)練得到的故障診斷模型遷移到其他類似設(shè)備上，減少了模型訓(xùn)練所需的樣本數(shù)量，提高了模型的泛化能力。在實(shí)際應(yīng)用方面，國(guó)內(nèi)許多企業(yè)和科研機(jī)構(gòu)也開(kāi)展了大量的工程實(shí)踐。例如，在電力行業(yè)，對(duì)發(fā)電機(jī)組的振動(dòng)信號(hào)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析，利用先進(jìn)的故障診斷技術(shù)，及時(shí)發(fā)現(xiàn)機(jī)組的故障隱患，保障了電力系統(tǒng)的安全穩(wěn)定運(yùn)行。在石油化工行業(yè)，對(duì)壓縮機(jī)、泵等旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)和診斷，通過(guò)早期發(fā)現(xiàn)故障并采取相應(yīng)的維修措施，避免了設(shè)備故障對(duì)生產(chǎn)造成的影響，提高了生產(chǎn)效率和經(jīng)濟(jì)效益。此外，國(guó)內(nèi)還研發(fā)了一系列具有自主知識(shí)產(chǎn)權(quán)的旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)，如北京博華信智科技有限公司的BH5000系列旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)，該系統(tǒng)采用先進(jìn)的振動(dòng)信號(hào)分析技術(shù)和故障診斷算法，能夠?qū)崿F(xiàn)對(duì)旋轉(zhuǎn)機(jī)械的實(shí)時(shí)監(jiān)測(cè)、故障診斷和預(yù)測(cè)性維護(hù)，在多個(gè)行業(yè)得到了廣泛應(yīng)用。1.2.3研究不足與發(fā)展趨勢(shì)盡管國(guó)內(nèi)外在振動(dòng)信號(hào)分析用于旋轉(zhuǎn)機(jī)械故障診斷方面取得了顯著的研究成果，但仍存在一些不足之處，需要進(jìn)一步深入研究和解決。首先，在復(fù)雜工況下，旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)往往受到多種因素的干擾，如環(huán)境噪聲、電磁干擾、負(fù)載變化等，導(dǎo)致故障特征提取困難，診斷準(zhǔn)確率下降。目前的信號(hào)處理方法和故障診斷算法在應(yīng)對(duì)復(fù)雜工況時(shí)，還存在一定的局限性，需要研究更加有效的抗干擾技術(shù)和自適應(yīng)診斷方法。其次，旋轉(zhuǎn)機(jī)械的故障類型多樣，不同故障之間的特征可能存在重疊，導(dǎo)致故障分類困難。現(xiàn)有的故障診斷模型在處理多故障類型和多故障程度的診斷時(shí)，還存在誤診和漏診的問(wèn)題，需要進(jìn)一步提高模型的分類能力和診斷精度。此外，目前的研究大多基于實(shí)驗(yàn)室環(huán)境下的模擬數(shù)據(jù)，與實(shí)際工業(yè)現(xiàn)場(chǎng)的應(yīng)用存在一定差距。實(shí)際工業(yè)現(xiàn)場(chǎng)的旋轉(zhuǎn)機(jī)械運(yùn)行條件復(fù)雜，數(shù)據(jù)采集難度大，如何將實(shí)驗(yàn)室研究成果有效地應(yīng)用到實(shí)際工業(yè)生產(chǎn)中，也是需要解決的重要問(wèn)題。針對(duì)以上問(wèn)題，未來(lái)的研究趨勢(shì)主要包括以下幾個(gè)方面：一是多源信息融合技術(shù)的發(fā)展。將振動(dòng)信號(hào)與其他傳感器信號(hào)，如溫度、壓力、聲音等進(jìn)行融合分析，能夠獲取更全面的設(shè)備運(yùn)行狀態(tài)信息，提高故障診斷的準(zhǔn)確性和可靠性。例如，通過(guò)將振動(dòng)信號(hào)和溫度信號(hào)進(jìn)行融合，能夠更準(zhǔn)確地判斷旋轉(zhuǎn)機(jī)械軸承的故障程度和故障原因。二是智能化診斷技術(shù)的深入研究。隨著人工智能技術(shù)的不斷發(fā)展，深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)等技術(shù)將在旋轉(zhuǎn)機(jī)械故障診斷中得到更廣泛的應(yīng)用，實(shí)現(xiàn)故障診斷的智能化、自動(dòng)化和自適應(yīng)化。例如，利用強(qiáng)化學(xué)習(xí)算法，讓故障診斷模型能夠根據(jù)設(shè)備的實(shí)時(shí)運(yùn)行狀態(tài)和診斷結(jié)果，自動(dòng)調(diào)整診斷策略，提高診斷效率和精度。三是大數(shù)據(jù)和云計(jì)算技術(shù)的應(yīng)用。隨著工業(yè)物聯(lián)網(wǎng)的發(fā)展，旋轉(zhuǎn)機(jī)械在運(yùn)行過(guò)程中會(huì)產(chǎn)生大量的監(jiān)測(cè)數(shù)據(jù)。利用大數(shù)據(jù)和云計(jì)算技術(shù)，能夠?qū)@些海量數(shù)據(jù)進(jìn)行存儲(chǔ)、管理和分析，挖掘數(shù)據(jù)中的潛在信息，為故障診斷提供更豐富的數(shù)據(jù)支持。例如，通過(guò)對(duì)大量旋轉(zhuǎn)機(jī)械的歷史運(yùn)行數(shù)據(jù)進(jìn)行分析，建立故障預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)設(shè)備故障的提前預(yù)測(cè)和預(yù)警。四是面向?qū)嶋H工業(yè)應(yīng)用的研究。加強(qiáng)與工業(yè)企業(yè)的合作，深入研究實(shí)際工業(yè)現(xiàn)場(chǎng)中旋轉(zhuǎn)機(jī)械的故障診斷問(wèn)題，開(kāi)發(fā)更加實(shí)用、可靠的故障診斷系統(tǒng)，推動(dòng)振動(dòng)信號(hào)分析技術(shù)在工業(yè)生產(chǎn)中的廣泛應(yīng)用。例如，針對(duì)某一特定行業(yè)的旋轉(zhuǎn)機(jī)械，開(kāi)發(fā)定制化的故障診斷系統(tǒng)，滿足企業(yè)的實(shí)際需求，提高企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益。二、旋轉(zhuǎn)機(jī)械常見(jiàn)故障類型及振動(dòng)信號(hào)特征2.1常見(jiàn)故障類型2.1.1不平衡故障不平衡故障是旋轉(zhuǎn)機(jī)械中最為常見(jiàn)的故障之一，其產(chǎn)生原因較為復(fù)雜。從轉(zhuǎn)子結(jié)構(gòu)設(shè)計(jì)角度來(lái)看，若設(shè)計(jì)不合理，如轉(zhuǎn)子質(zhì)量分布不均勻、形狀不對(duì)稱等，會(huì)導(dǎo)致轉(zhuǎn)子在旋轉(zhuǎn)時(shí)質(zhì)心與旋轉(zhuǎn)中心線不重合，從而引發(fā)不平衡故障。在加工過(guò)程中，加工精度不足會(huì)使轉(zhuǎn)子的幾何尺寸存在偏差，材質(zhì)不均勻也會(huì)導(dǎo)致質(zhì)量分布不均，這些因素都會(huì)增加不平衡故障發(fā)生的概率。例如，在電機(jī)轉(zhuǎn)子的制造過(guò)程中，如果鐵芯疊壓不緊、繞組分布不均勻，就會(huì)造成轉(zhuǎn)子質(zhì)量偏心，引起不平衡振動(dòng)。在設(shè)備運(yùn)行過(guò)程中，一些因素也會(huì)導(dǎo)致不平衡故障的產(chǎn)生。如設(shè)備長(zhǎng)時(shí)間運(yùn)行后，轉(zhuǎn)子部件可能會(huì)出現(xiàn)磨損、腐蝕、結(jié)垢等情況，這些都會(huì)改變轉(zhuǎn)子的質(zhì)量分布，進(jìn)而引發(fā)不平衡故障。當(dāng)風(fēng)機(jī)葉輪表面因長(zhǎng)期受到氣流沖刷而出現(xiàn)不均勻磨損時(shí)，葉輪的質(zhì)量分布就會(huì)發(fā)生變化，導(dǎo)致不平衡振動(dòng)的產(chǎn)生。此外，設(shè)備的安裝和維護(hù)不當(dāng)也是導(dǎo)致不平衡故障的重要原因。例如，在安裝轉(zhuǎn)子時(shí)，如果安裝精度不達(dá)標(biāo)，如聯(lián)軸器對(duì)中不良、軸承安裝偏差等，會(huì)使轉(zhuǎn)子在運(yùn)行時(shí)受到額外的不平衡力作用，從而引發(fā)不平衡故障。在設(shè)備維護(hù)過(guò)程中，如果沒(méi)有及時(shí)清理轉(zhuǎn)子表面的污垢、雜物，或者沒(méi)有對(duì)磨損的部件進(jìn)行及時(shí)更換，也會(huì)逐漸導(dǎo)致不平衡故障的出現(xiàn)。不平衡故障會(huì)對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行產(chǎn)生諸多不良影響。由于不平衡會(huì)使轉(zhuǎn)子在旋轉(zhuǎn)時(shí)產(chǎn)生離心力，這個(gè)離心力會(huì)通過(guò)軸承作用到機(jī)械及其基礎(chǔ)上，引起強(qiáng)烈的振動(dòng)。這種振動(dòng)不僅會(huì)產(chǎn)生噪音，影響工作環(huán)境，還會(huì)加速軸承、密封等部件的磨損，降低設(shè)備的使用壽命。嚴(yán)重的不平衡故障還可能導(dǎo)致設(shè)備的劇烈振動(dòng)，使設(shè)備的零部件受到過(guò)大的應(yīng)力作用，從而引發(fā)設(shè)備的損壞，甚至造成安全事故。據(jù)統(tǒng)計(jì)，在旋轉(zhuǎn)機(jī)械故障中，約有30%-50%的故障是由不平衡引起的，因此，及時(shí)檢測(cè)和解決不平衡故障對(duì)于保障旋轉(zhuǎn)機(jī)械的安全穩(wěn)定運(yùn)行至關(guān)重要。2.1.2不對(duì)中故障不對(duì)中故障是指在旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)下，轉(zhuǎn)子與轉(zhuǎn)子之間的連接對(duì)中超出正常范圍，或者轉(zhuǎn)子軸頸在軸承中的相對(duì)位置不良，無(wú)法形成良好的油膜和適當(dāng)?shù)妮S承負(fù)荷，進(jìn)而引發(fā)機(jī)器振動(dòng)或聯(lián)軸節(jié)、軸承損壞的現(xiàn)象。不對(duì)中故障主要分為聯(lián)軸器不對(duì)中和軸承不對(duì)中兩大類。聯(lián)軸器不對(duì)中又可細(xì)分為平行不對(duì)中、偏角不對(duì)中和平行偏角不對(duì)中三種情況。平行不對(duì)中時(shí)，兩轉(zhuǎn)子的軸線平行但存在徑向位移，這種情況下，聯(lián)軸器的中間齒套與半聯(lián)軸器間會(huì)產(chǎn)生滑動(dòng)而作平面圓周運(yùn)動(dòng)，中間齒套的中心沿著以徑向位移為直徑的圓周運(yùn)動(dòng)，從而產(chǎn)生附加的徑向力，引起徑向振動(dòng)，且振動(dòng)頻率通常為轉(zhuǎn)子工頻的兩倍。偏角不對(duì)中時(shí)，兩轉(zhuǎn)子的軸線相交成一角度，使聯(lián)軸器附加一個(gè)彎矩，以力圖減小兩個(gè)軸中心線的偏角。軸每旋轉(zhuǎn)一周，彎矩作用方向就交變一次，因此，偏角不對(duì)中會(huì)增加轉(zhuǎn)子的軸向力，使轉(zhuǎn)子在軸向產(chǎn)生工頻振動(dòng)。平行偏角不對(duì)中則是平行不對(duì)中和偏角不對(duì)中的綜合情況，會(huì)使轉(zhuǎn)子發(fā)生徑向和軸向振動(dòng)。軸承不對(duì)中實(shí)際上反映的是軸承座標(biāo)高和軸中心位置的偏差。由于結(jié)構(gòu)上的原因，軸承在水平方向和垂直方向上具有不同的剛度和阻尼，不對(duì)中的存在加大了這種差別。雖然油膜既有彈性又有阻尼，能夠在一定程度上彌補(bǔ)不對(duì)中的影響，但不對(duì)中過(guò)大時(shí)，會(huì)使軸承的工作條件改變，在轉(zhuǎn)子上產(chǎn)生附加的力和力矩，甚至使轉(zhuǎn)子失穩(wěn)或產(chǎn)生碰磨。軸承不對(duì)中還會(huì)使軸頸中心和平衡位置發(fā)生變化，導(dǎo)致軸系的載荷重新分配。負(fù)荷較大的軸承可能會(huì)出現(xiàn)高次諧波振動(dòng)，負(fù)荷較輕的軸承容易失穩(wěn)，同時(shí)還會(huì)使軸系的臨界轉(zhuǎn)速發(fā)生改變。不對(duì)中故障會(huì)對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行產(chǎn)生嚴(yán)重危害。具有不對(duì)中故障的轉(zhuǎn)子系統(tǒng)在運(yùn)轉(zhuǎn)過(guò)程中會(huì)產(chǎn)生一系列有害的動(dòng)態(tài)效應(yīng)，如引起機(jī)器聯(lián)軸器偏轉(zhuǎn)、軸承早期損壞、油膜失穩(wěn)、軸彎曲變形等，導(dǎo)致機(jī)器發(fā)生異常振動(dòng)。這些故障不僅會(huì)影響設(shè)備的正常運(yùn)行，降低生產(chǎn)效率，還會(huì)增加設(shè)備的維修成本和停機(jī)時(shí)間。在一些大型旋轉(zhuǎn)機(jī)械設(shè)備中，如汽輪機(jī)、壓縮機(jī)等，不對(duì)中故障若未及時(shí)發(fā)現(xiàn)和處理，可能會(huì)引發(fā)嚴(yán)重的安全事故，對(duì)人員和設(shè)備造成巨大損失。2.1.3軸承故障軸承作為旋轉(zhuǎn)機(jī)械中的關(guān)鍵部件，在長(zhǎng)期運(yùn)行過(guò)程中，由于受到交變載荷、摩擦、潤(rùn)滑不良、腐蝕等多種因素的影響，容易出現(xiàn)各種故障。常見(jiàn)的軸承故障形式包括磨損、剝落、裂紋、銹蝕、膠合等。磨損是軸承故障中較為常見(jiàn)的一種形式，主要是由于軸承滾子和滾道相對(duì)運(yùn)動(dòng)產(chǎn)生的擠壓力以及侵入軸承滾道的雜物引起的。磨損會(huì)增大軸承的游隙，降低運(yùn)轉(zhuǎn)精度，增加工作噪音。當(dāng)軸承的磨損程度達(dá)到一定程度時(shí)，會(huì)導(dǎo)致軸承無(wú)法正常工作，進(jìn)而影響整個(gè)旋轉(zhuǎn)機(jī)械的運(yùn)行。剝落是指軸承表面的金屬因疲勞而脫落，形成小坑或片狀剝落區(qū)域。這是由于軸承在長(zhǎng)期交變載荷作用下，表面層深處產(chǎn)生脈動(dòng)循環(huán)變化的剪應(yīng)力，當(dāng)剪應(yīng)力超過(guò)材料的疲勞極限時(shí)，接觸表面就會(huì)產(chǎn)生疲勞裂紋，隨著裂紋的擴(kuò)展，最終導(dǎo)致表面金屬剝落。裂紋的產(chǎn)生通常是由于軸承受到過(guò)大的載荷、沖擊或材料內(nèi)部存在缺陷等原因引起的。裂紋會(huì)逐漸擴(kuò)展，削弱軸承的強(qiáng)度，最終導(dǎo)致軸承失效。銹蝕主要是由于水分侵入、保護(hù)不當(dāng)或潤(rùn)滑不良等原因造成的。當(dāng)軸承停止工作時(shí)，溫度下降，空氣中的水分容易在軸承表面凝結(jié)成水珠，如果不及時(shí)清理，就會(huì)引起軸承銹蝕。銹蝕會(huì)破壞軸承的表面質(zhì)量，降低其抗疲勞性能，加速軸承的損壞。膠合現(xiàn)象通常發(fā)生在高速高負(fù)荷和潤(rùn)滑不足的情況下，軸承部件會(huì)迅速升溫，摩擦產(chǎn)生的熱量能引起軸承部件接觸的金屬表面相互粘接，導(dǎo)致軸承的滾動(dòng)體和滾道之間失去滾動(dòng)性能，從而引發(fā)軸承故障。軸承故障的發(fā)展過(guò)程通常是一個(gè)漸進(jìn)的過(guò)程。在故障初期，軸承可能只是出現(xiàn)輕微的磨損或表面損傷，此時(shí)振動(dòng)信號(hào)的變化可能并不明顯，但通過(guò)一些先進(jìn)的信號(hào)分析技術(shù)，如小波分析、經(jīng)驗(yàn)?zāi)B(tài)分解等，仍可以檢測(cè)到微弱的故障特征。隨著故障的發(fā)展，磨損和剝落區(qū)域逐漸擴(kuò)大，裂紋不斷擴(kuò)展，軸承的振動(dòng)幅值會(huì)逐漸增大，振動(dòng)信號(hào)中會(huì)出現(xiàn)與故障相關(guān)的特征頻率成分。當(dāng)故障發(fā)展到嚴(yán)重階段時(shí)，軸承的游隙會(huì)顯著增大，振動(dòng)幅值急劇上升，設(shè)備會(huì)出現(xiàn)劇烈的振動(dòng)和異常噪音，此時(shí)軸承已經(jīng)無(wú)法正常工作，必須進(jìn)行更換或維修。如果在故障初期能夠及時(shí)發(fā)現(xiàn)并采取有效的措施進(jìn)行處理，如調(diào)整潤(rùn)滑條件、更換受損部件等，可以避免故障的進(jìn)一步發(fā)展，延長(zhǎng)軸承的使用壽命，保障旋轉(zhuǎn)機(jī)械的安全穩(wěn)定運(yùn)行。2.1.4齒輪故障齒輪在旋轉(zhuǎn)機(jī)械的傳動(dòng)系統(tǒng)中起著關(guān)鍵作用，由于其工作環(huán)境復(fù)雜，受到載荷、潤(rùn)滑、制造誤差等多種因素的影響，容易出現(xiàn)各種故障。常見(jiàn)的齒輪故障類型包括齒面磨損、齒面膠合和擦傷、齒面接觸疲勞、彎曲疲勞與斷齒等。齒面磨損是較為常見(jiàn)的齒輪故障之一，主要是由于潤(rùn)滑油不足或油質(zhì)不清潔，導(dǎo)致齒面產(chǎn)生磨粒磨損。在這種情況下，齒廓會(huì)逐漸改變，側(cè)隙加大，當(dāng)齒輪過(guò)度減薄時(shí)，可能會(huì)導(dǎo)致斷齒。一般來(lái)說(shuō)，只有當(dāng)潤(rùn)滑油中夾雜有磨粒時(shí)，才會(huì)在運(yùn)行中引起齒面磨粒磨損。齒面膠合和擦傷通常發(fā)生在重載和高速齒輪傳動(dòng)中，當(dāng)齒面工作區(qū)溫度很高，且潤(rùn)滑條件不良時(shí)，齒面間的油膜會(huì)消失，一個(gè)齒面的金屬會(huì)熔焊在與之嚙合的另一個(gè)齒面上，從而在齒面上形成垂直于節(jié)線的劃痕狀膠合。新齒輪未經(jīng)磨合便投入使用時(shí)，常在某一局部產(chǎn)生這種現(xiàn)象，使齒輪擦傷。齒面接觸疲勞是由于齒輪在實(shí)際嚙合過(guò)程中，既有相對(duì)滾動(dòng)，又有相對(duì)滑動(dòng)，且相對(duì)滑動(dòng)的摩擦力在節(jié)點(diǎn)兩側(cè)方向相反，從而產(chǎn)生脈動(dòng)載荷。在載荷和脈動(dòng)力的作用下，齒輪表面層深處會(huì)產(chǎn)生脈動(dòng)循環(huán)變化的剪應(yīng)力，當(dāng)這種剪應(yīng)力超過(guò)齒輪材料的疲勞極限時(shí)，接觸表面將產(chǎn)生疲勞裂紋，隨著裂紋的擴(kuò)展，最終使齒面剝落小片金屬，在齒面上形成小坑，即點(diǎn)蝕。當(dāng)“點(diǎn)蝕”擴(kuò)大連成片時(shí)，就會(huì)形成齒面上金屬塊剝落。此外，材質(zhì)不均勻或局部擦傷，也容易在某一齒上首先出現(xiàn)接觸疲勞，產(chǎn)生剝落。彎曲疲勞與斷齒是齒輪故障中較為嚴(yán)重的一種類型。在運(yùn)行過(guò)程中，承受載荷的輪齒如同懸臂梁，其根部受到脈沖循環(huán)的彎曲應(yīng)力作用最大，當(dāng)這種周期性應(yīng)力超過(guò)齒輪材料的疲勞極限時(shí)，會(huì)在根部產(chǎn)生裂紋，并逐步擴(kuò)展，當(dāng)剩余部分無(wú)法承受傳動(dòng)載荷時(shí)，就會(huì)發(fā)生斷齒現(xiàn)象。齒輪由于工作中嚴(yán)重的沖擊、偏載以及材質(zhì)不均勻，也可能會(huì)引起斷齒。斷齒和點(diǎn)蝕是齒輪故障的主要形式，會(huì)嚴(yán)重影響齒輪的傳動(dòng)性能，甚至導(dǎo)致設(shè)備停機(jī)。齒輪故障的發(fā)生與多種因素密切相關(guān)。制造誤差是導(dǎo)致齒輪故障的重要原因之一，主要包括偏心、齒距偏差和齒形誤差等。偏心是指齒輪的幾何中心和旋轉(zhuǎn)中心不重合，齒距偏差是指齒輪的實(shí)際齒距與公稱齒距有較大誤差，齒形誤差是指漸開(kāi)線齒廓有誤差。這些制造誤差會(huì)使齒輪在嚙合過(guò)程中產(chǎn)生沖擊、振動(dòng)和噪聲，加速齒輪的磨損和疲勞。裝配不良也會(huì)對(duì)齒輪的工作狀態(tài)產(chǎn)生負(fù)面影響。當(dāng)一對(duì)互相嚙合的齒輪軸不平行時(shí)，會(huì)在齒寬方向只有一端接觸，或者出現(xiàn)齒輪的直線性偏差等，使齒輪所承受的載荷在齒寬方向不均勻，不能平穩(wěn)地傳遞動(dòng)扭矩，這種情況稱為“一端接觸”，會(huì)使齒的局部承受過(guò)大的載荷，有可能造成斷齒。此外，潤(rùn)滑不良、超載、操作失誤等因素也會(huì)增加齒輪故障的發(fā)生概率。潤(rùn)滑不良會(huì)導(dǎo)致齒面局部過(guò)熱，造成色變、膠合等故障；超載會(huì)使輪齒承受過(guò)大的載荷，容易引發(fā)疲勞裂紋和斷齒；操作失誤如缺油、長(zhǎng)期超速等，都會(huì)對(duì)齒輪造成損傷，降低其使用壽命。2.2不同故障的振動(dòng)信號(hào)特征2.2.1不平衡故障的振動(dòng)信號(hào)特征不平衡故障會(huì)導(dǎo)致旋轉(zhuǎn)機(jī)械產(chǎn)生周期性的振動(dòng)，其振動(dòng)信號(hào)在時(shí)域、頻域及時(shí)頻域具有明顯的特征。在時(shí)域上，不平衡故障引起的振動(dòng)信號(hào)呈現(xiàn)出較為規(guī)則的正弦波或余弦波形式，振動(dòng)幅值與轉(zhuǎn)子的不平衡程度和轉(zhuǎn)速密切相關(guān)。隨著不平衡量的增加或轉(zhuǎn)速的提高，振動(dòng)幅值會(huì)顯著增大。這是因?yàn)椴黄胶鈺?huì)使轉(zhuǎn)子在旋轉(zhuǎn)時(shí)產(chǎn)生離心力，離心力的大小與不平衡量和轉(zhuǎn)速的平方成正比，該離心力通過(guò)軸承作用到機(jī)械及其基礎(chǔ)上，從而引起振動(dòng)。例如，當(dāng)轉(zhuǎn)子的不平衡量為5g，轉(zhuǎn)速為1000r/min時(shí)，振動(dòng)幅值可能為0.5mm/s；當(dāng)不平衡量增加到10g，轉(zhuǎn)速提高到1500r/min時(shí)，振動(dòng)幅值可能會(huì)增大到1.5mm/s。在頻域上，不平衡故障的振動(dòng)信號(hào)主要表現(xiàn)為以轉(zhuǎn)子旋轉(zhuǎn)頻率（基頻）為主的特征。這是因?yàn)椴黄胶猱a(chǎn)生的離心力是周期性變化的，其變化頻率與轉(zhuǎn)子的旋轉(zhuǎn)頻率相同。除了基頻外，還可能存在少量的高次諧波，如2倍頻、3倍頻等，但這些高次諧波的幅值相對(duì)較小。例如，在某旋轉(zhuǎn)機(jī)械不平衡故障的頻域分析中，基頻幅值為10dB，2倍頻幅值為2dB，3倍頻幅值為1dB，明顯低于基頻幅值。通過(guò)對(duì)頻域信號(hào)的分析，可以準(zhǔn)確地識(shí)別出不平衡故障，并根據(jù)基頻幅值的大小來(lái)判斷不平衡的嚴(yán)重程度。在時(shí)頻域上，由于不平衡故障是一種較為穩(wěn)定的故障類型，其振動(dòng)信號(hào)的時(shí)頻分布相對(duì)集中在基頻附近，隨著時(shí)間的變化，頻率成分相對(duì)穩(wěn)定。例如，使用短時(shí)傅里葉變換（STFT）對(duì)不平衡故障的振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，在時(shí)頻圖上可以清晰地看到，能量主要集中在基頻對(duì)應(yīng)的頻率線上，且在不同時(shí)刻，基頻的幅值和相位變化較小。這一特征使得在時(shí)頻域上能夠較為容易地識(shí)別出不平衡故障，并且可以通過(guò)觀察時(shí)頻圖中基頻的變化情況，來(lái)監(jiān)測(cè)不平衡故障的發(fā)展趨勢(shì)。2.2.2不對(duì)中故障的振動(dòng)信號(hào)特征不對(duì)中故障的振動(dòng)信號(hào)特征較為復(fù)雜，在時(shí)域、頻域及時(shí)頻域都有獨(dú)特的表現(xiàn)。在時(shí)域上，平行不對(duì)中主要引起徑向振動(dòng)，振動(dòng)信號(hào)呈現(xiàn)出一定的周期性，其幅值與不對(duì)中程度和轉(zhuǎn)子轉(zhuǎn)速有關(guān)。隨著不對(duì)中程度的增加，徑向振動(dòng)幅值會(huì)逐漸增大。例如，在某旋轉(zhuǎn)機(jī)械平行不對(duì)中故障的時(shí)域分析中，當(dāng)不對(duì)中量為0.1mm時(shí)，徑向振動(dòng)幅值為0.3mm/s；當(dāng)不對(duì)中量增大到0.3mm時(shí)，徑向振動(dòng)幅值增大到0.8mm/s。偏角不對(duì)中主要引起軸向振動(dòng)，振動(dòng)信號(hào)同樣具有周期性，且軸向振動(dòng)幅值隨偏角的增大而增大。平行偏角不對(duì)中則會(huì)使轉(zhuǎn)子同時(shí)發(fā)生徑向和軸向振動(dòng)，振動(dòng)信號(hào)是兩種振動(dòng)的疊加，呈現(xiàn)出更為復(fù)雜的波形。在頻域上，不對(duì)中故障的振動(dòng)信號(hào)具有明顯的特征頻率。平行不對(duì)中時(shí)，振動(dòng)頻率通常為轉(zhuǎn)子工頻的兩倍，這是由于平行不對(duì)中會(huì)使聯(lián)軸器的中間齒套與半聯(lián)軸器間產(chǎn)生滑動(dòng)而作平面圓周運(yùn)動(dòng)，中間齒套的中心沿著以徑向位移為直徑的圓周運(yùn)動(dòng)，從而產(chǎn)生附加的徑向力，引起2倍頻的振動(dòng)。偏角不對(duì)中會(huì)增加轉(zhuǎn)子的軸向力，使轉(zhuǎn)子在軸向產(chǎn)生工頻振動(dòng)，因此頻域上會(huì)出現(xiàn)1倍頻的軸向振動(dòng)成分。此外，不對(duì)中故障還可能導(dǎo)致高次諧波的出現(xiàn)，如3倍頻、4倍頻等，這些高次諧波的幅值相對(duì)較小，但也能反映出不對(duì)中故障的存在。例如，在某齒輪箱不對(duì)中故障的頻域分析中，2倍頻幅值為8dB，1倍頻軸向振動(dòng)幅值為5dB，3倍頻幅值為2dB。通過(guò)對(duì)這些特征頻率的分析，可以準(zhǔn)確地判斷出不對(duì)中故障的類型和嚴(yán)重程度。在時(shí)頻域上，不對(duì)中故障的振動(dòng)信號(hào)時(shí)頻分布呈現(xiàn)出與故障類型相關(guān)的特點(diǎn)。使用小波變換對(duì)不對(duì)中故障的振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，對(duì)于平行不對(duì)中故障，在時(shí)頻圖上可以看到2倍頻成分在不同時(shí)刻有較為穩(wěn)定的能量分布；對(duì)于偏角不對(duì)中故障，1倍頻的軸向振動(dòng)成分在時(shí)頻圖上有明顯的體現(xiàn)；平行偏角不對(duì)中故障的時(shí)頻圖則是兩者的綜合，同時(shí)存在2倍頻的徑向振動(dòng)成分和1倍頻的軸向振動(dòng)成分，且隨著不對(duì)中程度的變化，這些成分的能量分布也會(huì)發(fā)生相應(yīng)的改變。通過(guò)對(duì)時(shí)頻圖的分析，可以更直觀地了解不對(duì)中故障的發(fā)生和發(fā)展過(guò)程，為故障診斷提供更豐富的信息。2.2.3軸承故障的振動(dòng)信號(hào)特征軸承故障的振動(dòng)信號(hào)特征因故障類型而異，在時(shí)域、頻域及時(shí)頻域都有不同的表現(xiàn)。在時(shí)域上，當(dāng)軸承出現(xiàn)磨損故障時(shí)，振動(dòng)信號(hào)的幅值會(huì)逐漸增大，且波形變得不規(guī)則。這是因?yàn)槟p會(huì)增大軸承的游隙，降低運(yùn)轉(zhuǎn)精度，導(dǎo)致振動(dòng)加劇。例如，在某電機(jī)軸承磨損故障的時(shí)域分析中，隨著磨損程度的加重，振動(dòng)幅值從初始的0.2mm/s逐漸增大到1.0mm/s，波形也從較為規(guī)則的正弦波逐漸變?yōu)椴灰?guī)則的波動(dòng)。當(dāng)軸承發(fā)生剝落故障時(shí)，振動(dòng)信號(hào)會(huì)出現(xiàn)明顯的沖擊脈沖，這是由于剝落區(qū)域與滾動(dòng)體相互撞擊產(chǎn)生的。沖擊脈沖的幅值和頻率與剝落的大小和位置有關(guān)，剝落面積越大、位置越靠近滾動(dòng)體，沖擊脈沖的幅值就越大，頻率也越高。例如，在某風(fēng)機(jī)軸承剝落故障的時(shí)域分析中，能夠清晰地觀察到振動(dòng)信號(hào)中出現(xiàn)的一系列沖擊脈沖，其幅值可達(dá)2.0mm/s以上。在頻域上，不同類型的軸承故障具有不同的特征頻率。對(duì)于滾動(dòng)軸承，其故障特征頻率與軸承的結(jié)構(gòu)參數(shù)和旋轉(zhuǎn)頻率有關(guān)。例如，內(nèi)圈故障特征頻率f_{i}=\frac{n}{2}f_{r}(1+\fracztmfrzw{D}\cos\alpha)，其中n為滾動(dòng)體個(gè)數(shù)，f_{r}為旋轉(zhuǎn)頻率，d為滾動(dòng)體直徑，D為節(jié)圓直徑，\alpha為接觸角；外圈故障特征頻率f_{o}=\frac{n}{2}f_{r}(1-\fracybrzpbr{D}\cos\alpha)；滾動(dòng)體故障特征頻率f_=\frac{D}{2d}f_{r}(1-\frac{d^{2}}{D^{2}}\cos^{2}\alpha)。當(dāng)軸承出現(xiàn)故障時(shí)，在頻域上會(huì)出現(xiàn)相應(yīng)的故障特征頻率及其諧波成分。例如，在某滾動(dòng)軸承內(nèi)圈故障的頻域分析中，能夠檢測(cè)到內(nèi)圈故障特征頻率及其2倍頻、3倍頻等諧波成分，通過(guò)對(duì)這些頻率成分的分析，可以準(zhǔn)確地判斷出軸承的故障類型和位置。在時(shí)頻域上，使用小波包變換對(duì)軸承故障的振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，能夠更準(zhǔn)確地提取故障特征。對(duì)于磨損故障，在時(shí)頻圖上可以看到能量在低頻段逐漸增大，且隨著磨損程度的加重，低頻能量的分布范圍也會(huì)擴(kuò)大。對(duì)于剝落故障，在時(shí)頻圖上會(huì)出現(xiàn)與沖擊脈沖對(duì)應(yīng)的能量集中區(qū)域，且這些區(qū)域的位置和強(qiáng)度與剝落的時(shí)間和程度相關(guān)。通過(guò)對(duì)時(shí)頻圖的分析，可以有效地識(shí)別出軸承故障的類型和發(fā)展階段，為及時(shí)采取維修措施提供依據(jù)。2.2.4齒輪故障的振動(dòng)信號(hào)特征齒輪故障的振動(dòng)信號(hào)特征較為復(fù)雜，受到多種因素的影響，在時(shí)域、頻域及時(shí)頻域都有獨(dú)特的表現(xiàn)。在時(shí)域上，齒面磨損故障會(huì)使振動(dòng)信號(hào)的幅值逐漸增大，且波形變得不規(guī)則。這是因?yàn)辇X面磨損會(huì)導(dǎo)致齒廓改變，側(cè)隙加大，在齒輪嚙合過(guò)程中產(chǎn)生更大的沖擊和振動(dòng)。例如，在某齒輪箱齒面磨損故障的時(shí)域分析中，隨著磨損程度的加劇，振動(dòng)幅值從初始的0.1mm/s逐漸增大到0.6mm/s，波形也從相對(duì)平穩(wěn)的狀態(tài)逐漸變?yōu)椴▌?dòng)較大的狀態(tài)。齒面膠合和擦傷故障會(huì)使振動(dòng)信號(hào)出現(xiàn)明顯的沖擊和噪聲，這是由于齒面間的金屬熔焊和摩擦產(chǎn)生的。沖擊的幅值和頻率與膠合和擦傷的嚴(yán)重程度有關(guān)，膠合和擦傷越嚴(yán)重，沖擊幅值越大，頻率也越高。例如，在某高速齒輪傳動(dòng)系統(tǒng)齒面膠合故障的時(shí)域分析中，能夠觀察到振動(dòng)信號(hào)中頻繁出現(xiàn)的高幅值沖擊，其幅值可達(dá)1.5mm/s以上，且伴有強(qiáng)烈的噪聲。在頻域上，齒輪故障的振動(dòng)信號(hào)具有特定的特征頻率。齒輪的嚙合頻率f_{m}=zf_{r}，其中z為齒輪的齒數(shù)，f_{r}為齒輪的旋轉(zhuǎn)頻率。當(dāng)齒輪出現(xiàn)故障時(shí)，在頻域上會(huì)出現(xiàn)嚙合頻率及其諧波成分，以及與故障相關(guān)的調(diào)制頻率。例如，齒面接觸疲勞故障會(huì)導(dǎo)致在嚙合頻率及其諧波附近出現(xiàn)邊帶頻率，這些邊帶頻率是由于故障引起的振動(dòng)對(duì)嚙合頻率進(jìn)行調(diào)制產(chǎn)生的。通過(guò)對(duì)邊帶頻率的分析，可以判斷出齒面接觸疲勞的程度和位置。彎曲疲勞與斷齒故障會(huì)使振動(dòng)信號(hào)的幅值在嚙合頻率及其諧波處明顯增大，且可能出現(xiàn)高次諧波和低頻成分。這是因?yàn)閿帻X會(huì)導(dǎo)致齒輪嚙合時(shí)的沖擊加劇，產(chǎn)生更復(fù)雜的振動(dòng)。例如，在某齒輪彎曲疲勞斷齒故障的頻域分析中，能夠檢測(cè)到嚙合頻率及其2倍頻、3倍頻等諧波成分的幅值大幅增加，同時(shí)在低頻段也出現(xiàn)了明顯的能量分布。在時(shí)頻域上，使用短時(shí)傅里葉變換或小波變換對(duì)齒輪故障的振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，可以更清晰地觀察到故障特征的變化。對(duì)于齒面磨損故障，在時(shí)頻圖上可以看到能量在嚙合頻率及其諧波附近逐漸增大，且隨著磨損程度的加重，能量分布范圍也會(huì)擴(kuò)大。對(duì)于齒面膠合和擦傷故障，在時(shí)頻圖上會(huì)出現(xiàn)與沖擊對(duì)應(yīng)的能量集中區(qū)域，且這些區(qū)域的位置和強(qiáng)度與膠合和擦傷的時(shí)間和程度相關(guān)。對(duì)于齒面接觸疲勞故障，在時(shí)頻圖上可以看到嚙合頻率及其諧波附近的邊帶頻率隨時(shí)間的變化情況，從而判斷故障的發(fā)展趨勢(shì)。對(duì)于彎曲疲勞與斷齒故障，在時(shí)頻圖上能夠直觀地看到嚙合頻率及其諧波幅值的突然增大，以及低頻能量的增加，為及時(shí)發(fā)現(xiàn)和處理故障提供重要依據(jù)。三、振動(dòng)信號(hào)分析方法3.1時(shí)域分析方法3.1.1統(tǒng)計(jì)參數(shù)分析統(tǒng)計(jì)參數(shù)分析是振動(dòng)信號(hào)時(shí)域分析的重要方法之一，通過(guò)計(jì)算均值、標(biāo)準(zhǔn)差、峰值等統(tǒng)計(jì)參數(shù)，能夠有效反映振動(dòng)信號(hào)的特征，為旋轉(zhuǎn)機(jī)械故障診斷提供關(guān)鍵信息。均值，又稱平均數(shù)，是振動(dòng)信號(hào)在一段時(shí)間內(nèi)的平均幅值。其計(jì)算公式為：\overline{x}=\frac{1}{N}\sum_{i=1}^{N}x_i其中，\overline{x}表示均值，N為信號(hào)采樣點(diǎn)數(shù)，x_i為第i個(gè)采樣點(diǎn)的幅值。均值能夠反映振動(dòng)信號(hào)的平均水平，在旋轉(zhuǎn)機(jī)械正常運(yùn)行時(shí)，其振動(dòng)信號(hào)的均值通常保持在一個(gè)相對(duì)穩(wěn)定的范圍內(nèi)。當(dāng)設(shè)備出現(xiàn)故障時(shí)，如不平衡故障導(dǎo)致振動(dòng)幅值增大，均值也會(huì)相應(yīng)發(fā)生變化。例如，在某電機(jī)的振動(dòng)監(jiān)測(cè)中，正常運(yùn)行時(shí)振動(dòng)信號(hào)均值為0.1mm/s，當(dāng)電機(jī)轉(zhuǎn)子出現(xiàn)不平衡故障后，均值上升至0.3mm/s，通過(guò)均值的變化可以初步判斷設(shè)備運(yùn)行狀態(tài)的改變。標(biāo)準(zhǔn)差用于衡量振動(dòng)信號(hào)幅值相對(duì)于均值的離散程度，其計(jì)算公式為：\sigma=\sqrt{\frac{1}{N-1}\sum_{i=1}^{N}(x_i-\overline{x})^2}其中，\sigma表示標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差越大，說(shuō)明信號(hào)幅值的波動(dòng)越大，振動(dòng)越劇烈。在旋轉(zhuǎn)機(jī)械故障診斷中，標(biāo)準(zhǔn)差是一個(gè)重要的特征參數(shù)。例如，當(dāng)軸承出現(xiàn)磨損故障時(shí)，由于磨損導(dǎo)致振動(dòng)的不規(guī)則性增加，振動(dòng)信號(hào)的標(biāo)準(zhǔn)差會(huì)顯著增大。在某風(fēng)機(jī)軸承故障監(jiān)測(cè)中，正常狀態(tài)下振動(dòng)信號(hào)標(biāo)準(zhǔn)差為0.05mm/s，隨著軸承磨損加劇，標(biāo)準(zhǔn)差逐漸增大至0.2mm/s，通過(guò)對(duì)標(biāo)準(zhǔn)差的監(jiān)測(cè)，可以及時(shí)發(fā)現(xiàn)軸承的故障隱患。峰值是振動(dòng)信號(hào)在一定時(shí)間內(nèi)的最大幅值，它能夠直接反映振動(dòng)的劇烈程度。在旋轉(zhuǎn)機(jī)械運(yùn)行過(guò)程中，峰值的變化往往與故障密切相關(guān)。例如，當(dāng)齒輪出現(xiàn)斷齒故障時(shí)，在斷齒瞬間會(huì)產(chǎn)生強(qiáng)烈的沖擊，導(dǎo)致振動(dòng)信號(hào)出現(xiàn)高幅值的脈沖，峰值顯著增大。在某齒輪箱故障診斷中，正常運(yùn)行時(shí)振動(dòng)信號(hào)峰值為0.5mm/s，當(dāng)發(fā)生斷齒故障時(shí)，峰值瞬間增大至2.0mm/s以上，通過(guò)監(jiān)測(cè)峰值的突變，可以快速判斷齒輪是否出現(xiàn)斷齒等嚴(yán)重故障。除了均值、標(biāo)準(zhǔn)差和峰值外，還有一些其他的統(tǒng)計(jì)參數(shù)，如峭度、偏度等，也在振動(dòng)信號(hào)分析中具有重要作用。峭度用于描述振動(dòng)信號(hào)幅值分布的尖銳程度，其計(jì)算公式為：K=\frac{\frac{1}{N}\sum_{i=1}^{N}(x_i-\overline{x})^4}{\sigma^4}在正常情況下，振動(dòng)信號(hào)的峭度值通常接近3（對(duì)于高斯分布）。當(dāng)設(shè)備出現(xiàn)故障時(shí)，如軸承的剝落、齒輪的局部損傷等，會(huì)產(chǎn)生沖擊信號(hào)，使峭度值增大。偏度用于衡量振動(dòng)信號(hào)幅值分布的不對(duì)稱性，其計(jì)算公式為：S=\frac{\frac{1}{N}\sum_{i=1}^{N}(x_i-\overline{x})^3}{\sigma^3}偏度值可以反映信號(hào)中是否存在異常的單邊沖擊或其他不對(duì)稱的振動(dòng)情況。通過(guò)綜合分析這些統(tǒng)計(jì)參數(shù)，可以更全面、準(zhǔn)確地提取振動(dòng)信號(hào)的特征，提高旋轉(zhuǎn)機(jī)械故障診斷的準(zhǔn)確性和可靠性。3.1.2時(shí)域波形分析時(shí)域波形分析是振動(dòng)信號(hào)分析中最直觀、最基本的方法之一，通過(guò)直接觀察振動(dòng)信號(hào)的時(shí)域波形，可以識(shí)別出異常振動(dòng)、沖擊或周期性模式，從而實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械故障的初步診斷和識(shí)別。正常運(yùn)行的旋轉(zhuǎn)機(jī)械，其振動(dòng)信號(hào)的時(shí)域波形通常具有一定的規(guī)律性和穩(wěn)定性。例如，對(duì)于電機(jī)，在正常情況下，其振動(dòng)信號(hào)時(shí)域波形呈現(xiàn)出較為規(guī)則的正弦波或余弦波形狀，這是由于電機(jī)轉(zhuǎn)子的勻速旋轉(zhuǎn)產(chǎn)生的周期性振動(dòng)所致。振動(dòng)幅值相對(duì)穩(wěn)定，波動(dòng)較小，且波形的周期與電機(jī)的轉(zhuǎn)速相對(duì)應(yīng)。在某三相異步電機(jī)正常運(yùn)行時(shí)，其振動(dòng)信號(hào)時(shí)域波形的周期為0.02s，對(duì)應(yīng)電機(jī)的轉(zhuǎn)速為3000r/min，振動(dòng)幅值在0.05-0.1mm/s之間波動(dòng)。當(dāng)旋轉(zhuǎn)機(jī)械出現(xiàn)故障時(shí)，其振動(dòng)信號(hào)的時(shí)域波形會(huì)發(fā)生明顯變化。對(duì)于不平衡故障，由于轉(zhuǎn)子質(zhì)心與旋轉(zhuǎn)中心線不重合，在旋轉(zhuǎn)過(guò)程中會(huì)產(chǎn)生周期性的離心力，導(dǎo)致振動(dòng)幅值增大，且時(shí)域波形會(huì)偏離正常的正弦波形狀，出現(xiàn)一定的畸變。隨著不平衡程度的加劇，振動(dòng)幅值會(huì)進(jìn)一步增大，波形的畸變也會(huì)更加明顯。在某風(fēng)機(jī)轉(zhuǎn)子不平衡故障中，振動(dòng)信號(hào)時(shí)域波形的幅值從正常的0.1mm/s增大到0.5mm/s以上，波形出現(xiàn)明顯的不對(duì)稱和扭曲。不對(duì)中故障會(huì)使轉(zhuǎn)子在運(yùn)行過(guò)程中受到額外的力和力矩作用，從而導(dǎo)致振動(dòng)信號(hào)的時(shí)域波形發(fā)生變化。平行不對(duì)中主要引起徑向振動(dòng)，時(shí)域波形表現(xiàn)為周期性的波動(dòng)，且波動(dòng)幅值與不對(duì)中程度相關(guān)。偏角不對(duì)中主要引起軸向振動(dòng)，時(shí)域波形在軸向方向上呈現(xiàn)出周期性的變化。平行偏角不對(duì)中則會(huì)使轉(zhuǎn)子同時(shí)發(fā)生徑向和軸向振動(dòng)，時(shí)域波形是兩種振動(dòng)的疊加，變得更加復(fù)雜。在某聯(lián)軸器不對(duì)中故障中，徑向振動(dòng)信號(hào)時(shí)域波形的周期為0.01s，對(duì)應(yīng)2倍頻（因?yàn)槠叫胁粚?duì)中主要產(chǎn)生2倍頻振動(dòng)），幅值從正常的0.05mm/s增大到0.2mm/s；軸向振動(dòng)信號(hào)時(shí)域波形的周期與轉(zhuǎn)子旋轉(zhuǎn)周期相同（1倍頻），幅值從正常的0.02mm/s增大到0.1mm/s。軸承故障和齒輪故障也會(huì)使振動(dòng)信號(hào)的時(shí)域波形產(chǎn)生特征性變化。當(dāng)軸承出現(xiàn)磨損故障時(shí)，振動(dòng)信號(hào)的幅值會(huì)逐漸增大，且波形變得不規(guī)則，這是由于磨損導(dǎo)致軸承游隙增大，運(yùn)轉(zhuǎn)精度降低，從而引起振動(dòng)加劇。在某電機(jī)軸承磨損故障中，振動(dòng)信號(hào)時(shí)域波形的幅值從初始的0.08mm/s逐漸增大到0.3mm/s，波形從較為規(guī)則的正弦波逐漸變?yōu)椴灰?guī)則的波動(dòng)。當(dāng)軸承發(fā)生剝落故障時(shí)，振動(dòng)信號(hào)會(huì)出現(xiàn)明顯的沖擊脈沖，這是由于剝落區(qū)域與滾動(dòng)體相互撞擊產(chǎn)生的。沖擊脈沖的幅值和頻率與剝落的大小和位置有關(guān)，剝落面積越大、位置越靠近滾動(dòng)體，沖擊脈沖的幅值就越大，頻率也越高。在某風(fēng)機(jī)軸承剝落故障中，能夠清晰地觀察到振動(dòng)信號(hào)中出現(xiàn)的一系列沖擊脈沖，其幅值可達(dá)1.0mm/s以上，脈沖間隔時(shí)間與剝落位置和滾動(dòng)體運(yùn)動(dòng)周期相關(guān)。對(duì)于齒輪故障，齒面磨損會(huì)使振動(dòng)信號(hào)的幅值逐漸增大，且波形變得不規(guī)則，這是因?yàn)辇X面磨損導(dǎo)致齒廓改變，側(cè)隙加大，在齒輪嚙合過(guò)程中產(chǎn)生更大的沖擊和振動(dòng)。齒面膠合和擦傷故障會(huì)使振動(dòng)信號(hào)出現(xiàn)明顯的沖擊和噪聲，沖擊的幅值和頻率與膠合和擦傷的嚴(yán)重程度有關(guān)。齒面接觸疲勞故障會(huì)導(dǎo)致在嚙合頻率及其諧波附近出現(xiàn)邊帶頻率，這些邊帶頻率是由于故障引起的振動(dòng)對(duì)嚙合頻率進(jìn)行調(diào)制產(chǎn)生的，在時(shí)域波形上表現(xiàn)為周期性的幅值調(diào)制。彎曲疲勞與斷齒故障會(huì)使振動(dòng)信號(hào)的幅值在嚙合頻率及其諧波處明顯增大，且可能出現(xiàn)高次諧波和低頻成分，在時(shí)域波形上表現(xiàn)為劇烈的振動(dòng)和沖擊。在某齒輪箱齒面膠合故障中，振動(dòng)信號(hào)時(shí)域波形中頻繁出現(xiàn)高幅值的沖擊，幅值可達(dá)1.5mm/s以上，且伴有強(qiáng)烈的噪聲；在齒面接觸疲勞故障中，時(shí)域波形呈現(xiàn)出周期性的幅值調(diào)制現(xiàn)象，調(diào)制周期與邊帶頻率相關(guān)；在彎曲疲勞斷齒故障中，振動(dòng)信號(hào)時(shí)域波形出現(xiàn)劇烈的沖擊和振動(dòng)，幅值急劇增大，且波形中包含豐富的高頻和低頻成分。通過(guò)對(duì)振動(dòng)信號(hào)時(shí)域波形的仔細(xì)觀察和分析，可以初步判斷旋轉(zhuǎn)機(jī)械是否存在故障，并對(duì)故障類型進(jìn)行初步識(shí)別。然而，時(shí)域波形分析也存在一定的局限性，對(duì)于一些復(fù)雜的故障或微弱的故障特征，僅通過(guò)時(shí)域波形分析可能難以準(zhǔn)確判斷，需要結(jié)合其他信號(hào)分析方法，如頻域分析、時(shí)頻分析等，進(jìn)行綜合診斷，以提高故障診斷的準(zhǔn)確性和可靠性。3.2頻域分析方法3.2.1傅里葉變換傅里葉變換作為一種重要的數(shù)學(xué)工具，在振動(dòng)信號(hào)分析中具有舉足輕重的地位，它能夠?qū)r(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，從而清晰地揭示信號(hào)的頻率成分，為旋轉(zhuǎn)機(jī)械故障診斷提供關(guān)鍵依據(jù)。傅里葉變換的基本原理基于一個(gè)重要的數(shù)學(xué)理論：任何周期函數(shù)都可以表示為不同頻率的正弦和余弦函數(shù)的無(wú)窮級(jí)數(shù)之和，這一無(wú)窮級(jí)數(shù)被稱為傅里葉級(jí)數(shù)。對(duì)于非周期函數(shù)，可以通過(guò)傅里葉變換將其看作是周期趨于無(wú)窮大的周期函數(shù)進(jìn)行處理。其數(shù)學(xué)表達(dá)式為：X(f)=\int_{-\infty}^{\infty}x(t)e^{-j2\pift}dt其中，X(f)是頻域信號(hào)，x(t)是時(shí)域信號(hào)，f是頻率，j是虛數(shù)單位，t是時(shí)間。該公式表明，通過(guò)對(duì)時(shí)域信號(hào)x(t)與復(fù)指數(shù)函數(shù)e^{-j2\pift}進(jìn)行積分運(yùn)算，可以得到頻域信號(hào)X(f)，X(f)反映了信號(hào)在不同頻率f上的幅值和相位信息。在實(shí)際應(yīng)用中，由于計(jì)算機(jī)只能處理離散的數(shù)據(jù)，因此通常使用離散傅里葉變換（DFT）。離散傅里葉變換將時(shí)域離散信號(hào)x(n)轉(zhuǎn)換為頻域離散信號(hào)X(k)，其公式為：X(k)=\sum_{n=0}^{N-1}x(n)e^{-j\frac{2\pi}{N}kn}其中，N是信號(hào)的采樣點(diǎn)數(shù)，n是時(shí)域采樣點(diǎn)序號(hào)，k是頻域采樣點(diǎn)序號(hào)。然而，直接計(jì)算離散傅里葉變換的計(jì)算量較大，為了提高計(jì)算效率，快速傅里葉變換（FFT）算法應(yīng)運(yùn)而生?？焖俑道锶~變換是離散傅里葉變換的一種高效算法，它通過(guò)巧妙地利用旋轉(zhuǎn)因子的周期性和對(duì)稱性，將離散傅里葉變換的計(jì)算量從O(N^2)降低到O(NlogN)，大大提高了計(jì)算速度，使得傅里葉變換在實(shí)際工程中得到了廣泛應(yīng)用。在旋轉(zhuǎn)機(jī)械故障診斷中，傅里葉變換的應(yīng)用十分廣泛。以電機(jī)故障診斷為例，正常運(yùn)行的電機(jī)，其振動(dòng)信號(hào)通過(guò)傅里葉變換后，在頻域上主要表現(xiàn)為以電機(jī)供電頻率及其倍頻為主的頻率成分。當(dāng)電機(jī)出現(xiàn)轉(zhuǎn)子斷條故障時(shí)，由于轉(zhuǎn)子斷條會(huì)導(dǎo)致電機(jī)氣隙磁場(chǎng)的畸變，從而在振動(dòng)信號(hào)的頻域中會(huì)出現(xiàn)與轉(zhuǎn)子斷條相關(guān)的特征頻率，如f_{s}\pm2sf_{r}，其中f_{s}是供電頻率，s是轉(zhuǎn)差率，f_{r}是轉(zhuǎn)子旋轉(zhuǎn)頻率。通過(guò)對(duì)這些特征頻率的分析，可以準(zhǔn)確判斷電機(jī)是否存在轉(zhuǎn)子斷條故障以及故障的嚴(yán)重程度。又如在風(fēng)機(jī)故障診斷中，當(dāng)風(fēng)機(jī)葉輪出現(xiàn)不平衡故障時(shí)，不平衡會(huì)使風(fēng)機(jī)在旋轉(zhuǎn)過(guò)程中產(chǎn)生周期性的離心力，導(dǎo)致振動(dòng)信號(hào)在頻域上以風(fēng)機(jī)的旋轉(zhuǎn)頻率（基頻）為主，且基頻幅值明顯增大，同時(shí)可能伴有少量的高次諧波。通過(guò)對(duì)頻域信號(hào)的分析，能夠及時(shí)發(fā)現(xiàn)風(fēng)機(jī)葉輪的不平衡故障，并采取相應(yīng)的措施進(jìn)行調(diào)整和修復(fù)，避免故障的進(jìn)一步發(fā)展對(duì)風(fēng)機(jī)造成更大的損壞。3.2.2功率譜密度分析功率譜密度（PSD）分析是振動(dòng)信號(hào)頻域分析的重要方法之一，它能夠確定振動(dòng)信號(hào)各頻率成分的功率分布，為旋轉(zhuǎn)機(jī)械故障診斷提供關(guān)于信號(hào)能量分布的關(guān)鍵信息，有助于深入了解設(shè)備的運(yùn)行狀態(tài)和故障特征。功率譜密度的概念基于信號(hào)的自相關(guān)函數(shù)。對(duì)于一個(gè)平穩(wěn)隨機(jī)信號(hào)x(t)，其自相關(guān)函數(shù)R_{xx}(\tau)定義為：R_{xx}(\tau)=E[x(t)x(t+\tau)]其中，E[\cdot]表示數(shù)學(xué)期望，\tau是時(shí)間延遲。自相關(guān)函數(shù)描述了信號(hào)在不同時(shí)刻之間的相關(guān)性，反映了信號(hào)的周期性和隨機(jī)性特征。功率譜密度S_{xx}(f)則是自相關(guān)函數(shù)R_{xx}(\tau)的傅里葉變換，即：S_{xx}(f)=\int_{-\infty}^{\infty}R_{xx}(\tau)e^{-j2\pif\tau}d\tau這表明功率譜密度S_{xx}(f)反映了信號(hào)功率在頻率域上的分布情況，它描述了信號(hào)中不同頻率成分所包含的功率大小。功率譜密度的單位通常是瓦特/赫茲（W/Hz）或者牛?米/平方根赫茲（N?m/√Hz），其值越大，表示該頻率成分的功率越高。在實(shí)際計(jì)算功率譜密度時(shí)，常用的方法有直接法和間接法。直接法是對(duì)時(shí)域信號(hào)直接進(jìn)行傅里葉變換，然后計(jì)算其功率譜密度。對(duì)于離散時(shí)域信號(hào)x[n]，其傅里葉變換為X(f)=\sum_{n=-\infty}^{\infty}x[n]e^{-j2\pifn}，功率譜密度PSD(f)=\frac{|X(f)|^2}{T}，其中|X(f)|^2是傅里葉變換的功率譜，T是信號(hào)的采樣周期。間接法是先計(jì)算信號(hào)的自相關(guān)函數(shù)，然后對(duì)自相關(guān)函數(shù)進(jìn)行傅里葉變換得到功率譜密度。此外，還有一些改進(jìn)的算法，如Welch法，它將信號(hào)分段，對(duì)每段進(jìn)行傅里葉變換，然后取平均值，這種方法可以有效減少頻譜泄漏和方差，提高功率譜估計(jì)的準(zhǔn)確性。在MATLAB中，可以使用pwelch函數(shù)來(lái)計(jì)算功率譜密度；在Python中，scipy.signal.welch函數(shù)提供了類似的功能。在旋轉(zhuǎn)機(jī)械故障診斷中，功率譜密度分析具有重要的應(yīng)用價(jià)值。以滾動(dòng)軸承故障診斷為例，當(dāng)滾動(dòng)軸承出現(xiàn)故障時(shí)，如內(nèi)圈故障、外圈故障或滾動(dòng)體故障，在功率譜密度圖上會(huì)出現(xiàn)與故障相關(guān)的特征頻率及其諧波成分。內(nèi)圈故障特征頻率f_{i}=\frac{n}{2}f_{r}(1+\fracgalaejs{D}\cos\alpha)，外圈故障特征頻率f_{o}=\frac{n}{2}f_{r}(1-\fracexqyglb{D}\cos\alpha)，滾動(dòng)體故障特征頻率f_=\frac{D}{2d}f_{r}(1-\frac{d^{2}}{D^{2}}\cos^{2}\alpha)，其中n為滾動(dòng)體個(gè)數(shù)，f_{r}為旋轉(zhuǎn)頻率，d為滾動(dòng)體直徑，D為節(jié)圓直徑，\alpha為接觸角。通過(guò)對(duì)功率譜密度圖中這些特征頻率的分析，可以準(zhǔn)確判斷滾動(dòng)軸承的故障類型和位置。又如在齒輪箱故障診斷中，正常運(yùn)行的齒輪箱，其振動(dòng)信號(hào)的功率譜密度在齒輪嚙合頻率及其倍頻處有明顯的峰值。當(dāng)齒輪出現(xiàn)故障時(shí)，如齒面磨損、齒面膠合、齒面接觸疲勞、彎曲疲勞與斷齒等，功率譜密度圖會(huì)發(fā)生顯著變化。齒面磨損會(huì)使功率譜密度在嚙合頻率及其倍頻處的幅值逐漸增大，且頻率成分變得更加復(fù)雜；齒面膠合和擦傷會(huì)導(dǎo)致功率譜密度出現(xiàn)高幅值的沖擊成分，在高頻段表現(xiàn)尤為明顯；齒面接觸疲勞會(huì)使功率譜密度在嚙合頻率及其諧波附近出現(xiàn)邊帶頻率，邊帶頻率的間隔與故障引起的振動(dòng)調(diào)制頻率相關(guān)；彎曲疲勞與斷齒會(huì)使功率譜密度在嚙合頻率及其倍頻處的幅值急劇增大，同時(shí)可能出現(xiàn)低頻成分和高次諧波。通過(guò)對(duì)功率譜密度圖的仔細(xì)分析，可以及時(shí)發(fā)現(xiàn)齒輪箱的故障隱患，并采取相應(yīng)的維修措施，保障設(shè)備的正常運(yùn)行。3.3時(shí)頻分析方法3.3.1小波分析小波分析是一種時(shí)頻分析方法，具有多分辨率分析的特點(diǎn)，能夠同時(shí)提供振動(dòng)信號(hào)在時(shí)域和頻域的信息，尤其適用于非平穩(wěn)信號(hào)的分析，在旋轉(zhuǎn)機(jī)械故障診斷中發(fā)揮著重要作用。小波分析的原理基于小波函數(shù)。小波函數(shù)是一族函數(shù)\{\psi_{a,b}(t)\}，通過(guò)對(duì)一個(gè)基本小波函數(shù)\psi(t)進(jìn)行伸縮和平移得到，即\psi_{a,b}(t)=\frac{1}{\sqrt{a}}\psi(\frac{t-b}{a})，其中a為尺度參數(shù)，控制小波函數(shù)的伸縮，a越大，小波函數(shù)在時(shí)域上越寬，對(duì)應(yīng)頻域上的頻率越低；b為平移參數(shù)，控制小波函數(shù)在時(shí)域上的位置。小波變換就是將信號(hào)x(t)與小波函數(shù)進(jìn)行內(nèi)積運(yùn)算，其表達(dá)式為W_{x}(a,b)=\int_{-\infty}^{\infty}x(t)\psi_{a,b}^*(t)dt，這里\psi_{a,b}^*(t)是\psi_{a,b}(t)的共軛函數(shù)。通過(guò)改變尺度參數(shù)a和平移參數(shù)b，可以得到信號(hào)在不同時(shí)間和頻率尺度上的小波變換系數(shù)，從而實(shí)現(xiàn)對(duì)信號(hào)的多分辨率分析。在離散情況下，通常采用二進(jìn)小波變換，即a=2^j，b=k2^j（j,k為整數(shù)），離散小波變換系數(shù)為W_{x}(j,k)=\int_{-\infty}^{\infty}x(t)\psi_{2^j,k2^j}^*(t)dt。離散小波變換可以通過(guò)Mallat算法高效實(shí)現(xiàn)，Mallat算法利用濾波器組對(duì)信號(hào)進(jìn)行分解和重構(gòu)，將信號(hào)分解為不同尺度的近似分量和細(xì)節(jié)分量。在實(shí)際應(yīng)用中，常用的小波基函數(shù)有Daubechies小波、Haar小波、Symlets小波等，不同的小波基函數(shù)具有不同的特性，適用于不同類型的信號(hào)分析。例如，Daubechies小波具有較好的緊支性和正則性，適用于分析具有突變特征的信號(hào)；Haar小波是最簡(jiǎn)單的小波基函數(shù)，計(jì)算速度快，適用于對(duì)計(jì)算效率要求較高的場(chǎng)合；Symlets小波在保持一定緊支性的同時(shí)，具有更好的對(duì)稱性，在某些信號(hào)處理任務(wù)中表現(xiàn)出色。在選擇小波基函數(shù)時(shí)，需要根據(jù)信號(hào)的特點(diǎn)和分析目的進(jìn)行綜合考慮。小波分析具有諸多優(yōu)點(diǎn)，使其在旋轉(zhuǎn)機(jī)械故障診斷中具有獨(dú)特的優(yōu)勢(shì)。其一，小波分析具有良好的時(shí)頻局部化特性，能夠在時(shí)域和頻域同時(shí)對(duì)信號(hào)進(jìn)行局部分析。在分析高頻信號(hào)時(shí)，小波變換的時(shí)間窗自動(dòng)變窄，具有較高的時(shí)間分辨率，能夠準(zhǔn)確捕捉信號(hào)的瞬態(tài)變化；在分析低頻信號(hào)時(shí)，時(shí)間窗自動(dòng)變寬，具有較高的頻率分辨率，能夠精確分析信號(hào)的低頻成分。這種自適應(yīng)的時(shí)頻分辨率特性，使得小波分析非常適合處理旋轉(zhuǎn)機(jī)械故障中產(chǎn)生的非平穩(wěn)信號(hào)，如軸承故障、齒輪局部損傷等引起的瞬態(tài)沖擊信號(hào)。例如，在滾動(dòng)軸承故障診斷中，當(dāng)軸承出現(xiàn)剝落故障時(shí)，會(huì)產(chǎn)生周期性的沖擊信號(hào)，這些沖擊信號(hào)在時(shí)域上表現(xiàn)為短暫的高幅值脈沖，在頻域上則分布在較寬的頻率范圍內(nèi)。使用小波分析可以在不同尺度上對(duì)這些沖擊信號(hào)進(jìn)行分析，在高頻尺度上，通過(guò)窄時(shí)間窗準(zhǔn)確地定位沖擊發(fā)生的時(shí)刻；在低頻尺度上，利用高頻率分辨率分析沖擊信號(hào)的頻率成分，從而提取出與故障相關(guān)的特征信息，準(zhǔn)確判斷軸承的故障類型和位置。其二，小波分析具有多分辨率分析能力，可以將信號(hào)分解為不同頻率范圍的子帶信號(hào)，每個(gè)子帶信號(hào)對(duì)應(yīng)不同的尺度和分辨率，能夠從不同層次上揭示信號(hào)的特征。在旋轉(zhuǎn)機(jī)械故障診斷中，這種多分辨率分析能力有助于提取不同故障類型和故障程度的特征信息。例如，在齒輪故障診斷中，正常齒輪的振動(dòng)信號(hào)包含多個(gè)頻率成分，主要集中在嚙合頻率及其倍頻處。當(dāng)齒輪出現(xiàn)齒面磨損故障時(shí)，振動(dòng)信號(hào)的能量會(huì)在低頻段逐漸增大，且頻率成分變得更加復(fù)雜；當(dāng)出現(xiàn)齒面膠合和擦傷故障時(shí)，會(huì)產(chǎn)生高頻沖擊信號(hào)，能量在高頻段顯著增加。通過(guò)小波分析將振動(dòng)信號(hào)分解為不同子帶，可以清晰地觀察到各個(gè)子帶中能量的變化情況，從而準(zhǔn)確判斷齒輪的故障類型和嚴(yán)重程度。此外，小波分析還可以通過(guò)對(duì)不同子帶信號(hào)的重構(gòu)，實(shí)現(xiàn)對(duì)信號(hào)的去噪和特征提取，提高故障診斷的準(zhǔn)確性和可靠性。3.3.2短時(shí)傅里葉變換短時(shí)傅里葉變換（Short-TimeFourierTransform，STFT）是一種經(jīng)典的時(shí)頻分析方法，在處理時(shí)變信號(hào)頻率特征方面具有重要應(yīng)用，同時(shí)也存在一定的局限性。短時(shí)傅里葉變換的基本原理是基于傅里葉變換，為了分析信號(hào)的局部頻率特征，假設(shè)非平穩(wěn)信號(hào)在分析窗內(nèi)是平穩(wěn)的，通過(guò)在時(shí)域上移動(dòng)一個(gè)固定長(zhǎng)度的窗函數(shù)，對(duì)每個(gè)窗內(nèi)的信號(hào)進(jìn)行傅里葉變換，從而得到信號(hào)在不同時(shí)刻的局部頻譜。其數(shù)學(xué)表達(dá)式為：STFT_{x}(t,f)=\int_{-\infty}^{\infty}x(\tau)w(\tau-t)e^{-j2\pif\tau}d\tau其中，x(t)是原始信號(hào)，w(t)是窗函數(shù)，t表示時(shí)間，f表示頻率。窗函數(shù)的作用是對(duì)信號(hào)進(jìn)行局部化處理，它在時(shí)域上具有有限的支撐長(zhǎng)度，使得在計(jì)算傅里葉變換時(shí)只考慮窗內(nèi)的信號(hào)部分。常見(jiàn)的窗函數(shù)有矩形窗、漢寧窗、漢明窗等。矩形窗的特點(diǎn)是簡(jiǎn)單直觀，計(jì)算方便，但頻譜泄漏較為嚴(yán)重；漢寧窗和漢明窗在抑制頻譜泄漏方面表現(xiàn)較好，能夠使頻譜更加平滑，提高頻率分辨率。在實(shí)際應(yīng)用中，需要根據(jù)信號(hào)的特點(diǎn)和分析目的選擇合適的窗函數(shù)。例如，對(duì)于具有明顯周期性的信號(hào)，矩形窗可能更適合，因?yàn)樗軌蛲怀鲂盘?hào)的周期性特征；而對(duì)于噪聲干擾較大的信號(hào)，漢寧窗或漢明窗可以更好地抑制噪聲，提高分析的準(zhǔn)確性。短時(shí)傅里葉變換的優(yōu)點(diǎn)在于能夠提供信號(hào)在時(shí)間-頻率域上的信息，直觀地展示信號(hào)頻率隨時(shí)間的變化情況。在旋轉(zhuǎn)機(jī)械故障診斷中，這一特性具有重要意義。當(dāng)旋轉(zhuǎn)機(jī)械出現(xiàn)故障時(shí)，其振動(dòng)信號(hào)的頻率成分往往會(huì)隨時(shí)間發(fā)生變化，通過(guò)短時(shí)傅里葉變換可以清晰地觀察到這些變化，從而識(shí)別出故障的發(fā)生和發(fā)展過(guò)程。以電機(jī)轉(zhuǎn)子故障為例，當(dāng)轉(zhuǎn)子出現(xiàn)斷條故障時(shí)，由于斷條會(huì)導(dǎo)致電機(jī)氣隙磁場(chǎng)的畸變，從而在振動(dòng)信號(hào)中產(chǎn)生與轉(zhuǎn)差率相關(guān)的調(diào)制頻率。使用短時(shí)傅里葉變換對(duì)振動(dòng)信號(hào)進(jìn)行分析，可以在時(shí)頻圖上看到這些調(diào)制頻率隨時(shí)間的變化情況，以及它們與電機(jī)供電頻率和轉(zhuǎn)子旋轉(zhuǎn)頻率之間的關(guān)系，從而準(zhǔn)確判斷轉(zhuǎn)子是否存在斷條故障以及故障的嚴(yán)重程度。然而，短時(shí)傅里葉變換也存在一定的局限性。由于它使用的是固定的短時(shí)窗函數(shù)，一旦窗函數(shù)的長(zhǎng)度確定，其時(shí)間分辨率和頻率分辨率就固定了，無(wú)法同時(shí)滿足對(duì)高頻和低頻信號(hào)的分析要求。對(duì)于高頻信號(hào)，需要較窄的時(shí)間窗來(lái)提高時(shí)間分辨率，以準(zhǔn)確捕捉信號(hào)的快速變化；而對(duì)于低頻信號(hào)，則需要較寬的時(shí)間窗來(lái)提高頻率分辨率，以精確分析信號(hào)的低頻成分。但短時(shí)傅里葉變換無(wú)法在同一分析過(guò)程中根據(jù)信號(hào)頻率的變化自適應(yīng)地調(diào)整時(shí)間窗和頻率窗的大小，這使得它在處理具有寬頻帶和復(fù)雜時(shí)變特性的信號(hào)時(shí)存在一定的不足。在旋轉(zhuǎn)機(jī)械故障診斷中，當(dāng)遇到包含多種頻率成分且頻率變化范圍較大的振動(dòng)信號(hào)時(shí)，短時(shí)傅里葉變換可能無(wú)法全面、準(zhǔn)確地提取故障特征信息，導(dǎo)致故障診斷的準(zhǔn)確性受到影響。例如，在處理同時(shí)包含低頻的不平衡振動(dòng)和高頻的軸承沖擊振動(dòng)的信號(hào)時(shí)，固定的窗函數(shù)難以同時(shí)兼顧低頻和高頻成分的分析，可能會(huì)丟失部分重要的故障特征。四、振動(dòng)信號(hào)分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用實(shí)例4.1實(shí)例一：電機(jī)故障診斷4.1.1電機(jī)故障描述本次故障診斷的對(duì)象是一臺(tái)額定功率為75kW的三相異步電動(dòng)機(jī)，主要應(yīng)用于某工業(yè)生產(chǎn)線的物料輸送系統(tǒng)，其運(yùn)行狀態(tài)直接影響生產(chǎn)線的正常運(yùn)行。在設(shè)備運(yùn)行過(guò)程中，操作人員發(fā)現(xiàn)電機(jī)出現(xiàn)異常振動(dòng)，同時(shí)伴有較大的噪聲，且振動(dòng)和噪聲隨著電機(jī)運(yùn)行時(shí)間的增加而逐漸加劇。電機(jī)的轉(zhuǎn)速也出現(xiàn)了不穩(wěn)定的情況，時(shí)而偏高時(shí)而偏低，這對(duì)物料輸送的穩(wěn)定性產(chǎn)生了嚴(yán)重影響。通過(guò)初步檢查，排除了電機(jī)外部負(fù)載異常和安裝基礎(chǔ)松動(dòng)等因素，初步判斷故障可能發(fā)生在電機(jī)內(nèi)部。該電機(jī)已經(jīng)連續(xù)運(yùn)行了5年，期間進(jìn)行過(guò)常規(guī)的保養(yǎng)和維護(hù)，但未進(jìn)行過(guò)全面的檢修。電機(jī)的工作環(huán)境較為惡劣，存在灰塵、油污和高溫等因素，這些因素可能加速電機(jī)內(nèi)部零部件的磨損和老化，從而導(dǎo)致故障的發(fā)生。在故障發(fā)生前，電機(jī)的運(yùn)行參數(shù)（如電流、電壓等）也出現(xiàn)了一些異常波動(dòng)，但由于波動(dòng)幅度較小，未引起操作人員的足夠重視。隨著故障的發(fā)展，電機(jī)的異?，F(xiàn)象越來(lái)越明顯，已經(jīng)嚴(yán)重影響到生產(chǎn)線的正常生產(chǎn)，因此需要對(duì)電機(jī)進(jìn)行全面的故障診斷，找出故障原因并采取相應(yīng)的維修措施。4.1.2振動(dòng)信號(hào)采集與處理為了準(zhǔn)確采集電機(jī)的振動(dòng)信號(hào)，選用了壓電式加速度傳感器。這種傳感器具有靈敏度高、頻率響應(yīng)范圍寬、體積小、重量輕等優(yōu)點(diǎn)，能夠快速、準(zhǔn)確地檢測(cè)到電機(jī)的振動(dòng)加速度信號(hào)，非常適合應(yīng)用于電機(jī)故障診斷領(lǐng)域。根據(jù)電機(jī)的結(jié)構(gòu)特點(diǎn)和振動(dòng)傳播特性，將傳感器安裝在電機(jī)的前端軸承座和后端軸承座的水平和垂直方向上，這樣可以全面地獲取電機(jī)不同部位的振動(dòng)信息。在安裝傳感器時(shí)，首先對(duì)安裝表面進(jìn)行了清潔和打磨，確保傳感器與安裝表面緊密接觸，以減少信號(hào)傳輸過(guò)程中的干擾和損失。然后使用專用的安裝夾具將傳感器牢固地固定在軸承座上，避免在電機(jī)運(yùn)行過(guò)程中傳感器發(fā)生松動(dòng)或位移，從而保證采集到的振動(dòng)信號(hào)的準(zhǔn)確性和可靠性。采集到的振動(dòng)信號(hào)通過(guò)信號(hào)調(diào)理電路進(jìn)行放大和濾波處理。信號(hào)調(diào)理電路采用了低噪聲、高增益的運(yùn)算放大器，能夠?qū)鞲衅鬏敵龅奈⑷跣盘?hào)放大到適合后續(xù)處理的幅值范圍。同時(shí)，為了去除信號(hào)中的噪聲和干擾，采用了帶通濾波器，根據(jù)電機(jī)的工作頻率和可能出現(xiàn)的故障頻率范圍，設(shè)置濾波器的通帶頻率為10Hz-2000Hz，有效地濾除了高頻噪聲和低頻干擾信號(hào)，提高了信號(hào)的信噪比。經(jīng)過(guò)信號(hào)調(diào)理電路處理后的信號(hào)，通過(guò)數(shù)據(jù)采集卡轉(zhuǎn)換為數(shù)字信號(hào)，并傳輸?shù)接?jì)算機(jī)中進(jìn)行后續(xù)的分析和處理。數(shù)據(jù)采集卡選用了具有高速采樣率和高精度的產(chǎn)品，采樣率設(shè)置為10kHz，能夠滿足對(duì)電機(jī)振動(dòng)信號(hào)快速變化的采樣需求，確保采集到的信號(hào)能夠準(zhǔn)確地反映電機(jī)的實(shí)際振動(dòng)情況。在計(jì)算機(jī)中，利用專業(yè)的信號(hào)處理軟件對(duì)采集到的振動(dòng)信號(hào)進(jìn)行進(jìn)一步的處理。首先，對(duì)信號(hào)進(jìn)行了時(shí)域分析，計(jì)算了信號(hào)的均值、標(biāo)準(zhǔn)差、峰值等統(tǒng)計(jì)參數(shù)，以初步了解信號(hào)的特征。然后，對(duì)信號(hào)進(jìn)行了頻域分析，通過(guò)快速傅里葉變換（FFT）將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，得到了信號(hào)的頻譜圖，以便觀察信號(hào)的頻率成分和能量分布情況。為了更準(zhǔn)確地分析信號(hào)的時(shí)變特性，還采用了短時(shí)傅里葉變換（STFT）對(duì)信號(hào)進(jìn)行時(shí)頻分析，得到了信號(hào)的時(shí)頻圖，從而能夠清晰地觀察到信號(hào)頻率隨時(shí)間的變化情況，為故障診斷提供更豐富的信息。4.1.3基于振動(dòng)信號(hào)分析的故障診斷過(guò)程在時(shí)域分析階段，通過(guò)計(jì)算振動(dòng)信號(hào)的均值、標(biāo)準(zhǔn)差、峰值、峭度和偏度等統(tǒng)計(jì)參數(shù)，發(fā)現(xiàn)故障狀態(tài)下電機(jī)振動(dòng)信號(hào)的均值和標(biāo)準(zhǔn)差相比正常狀態(tài)有明顯增大。正常運(yùn)行時(shí)，電機(jī)振動(dòng)信號(hào)的均值約為0.1g，標(biāo)準(zhǔn)差約為0.05g；而在故障狀態(tài)下，均值增大到0.3g，標(biāo)準(zhǔn)差增大到0.15g，這表明電機(jī)振動(dòng)的整體水平明顯提高，振動(dòng)的離散程度也增大，說(shuō)明電機(jī)運(yùn)行狀態(tài)出現(xiàn)了異常。峰值也有顯著增加，從正常的0.5g左右增大到1.2g以上，表明振動(dòng)中出現(xiàn)了較大的沖擊成分。峭度值從正常的3左右增大到5以上，偏度值也偏離了正常的0值，這些都表明振動(dòng)信號(hào)的幅值分布發(fā)生了明顯變化，存在異常的沖擊或其他不對(duì)稱的振動(dòng)情況，初步判斷電機(jī)可能存在故障。對(duì)振動(dòng)信號(hào)進(jìn)行頻域分析，通過(guò)快速傅里葉變換（FFT）得到頻譜圖。在頻譜圖中，除了電機(jī)的供電頻率（50Hz）及其倍頻成分外，還出現(xiàn)了一些異常頻率成分。其中，在150Hz和250Hz處出現(xiàn)了明顯的峰值，經(jīng)過(guò)計(jì)算和分析，150Hz接近電機(jī)轉(zhuǎn)子旋轉(zhuǎn)頻率的3倍頻，250Hz接近電機(jī)轉(zhuǎn)子旋轉(zhuǎn)頻率的5倍頻。根據(jù)電機(jī)故障的理論知識(shí)，這種高次諧波成分的出現(xiàn)可能與電機(jī)轉(zhuǎn)子的不平衡、斷條或氣隙不均勻等故障有關(guān)。為了進(jìn)一步確定故障類型，對(duì)頻譜圖中各頻率成分的幅值進(jìn)行了詳細(xì)分析，發(fā)現(xiàn)3倍頻和5倍頻成分的幅值相對(duì)較大，且隨著電機(jī)運(yùn)行時(shí)間的增加，這些高次諧波成分的幅值有逐漸增大的趨勢(shì)，這進(jìn)一步表明電機(jī)轉(zhuǎn)子可能存在問(wèn)題。由于頻域分析只能反映信號(hào)的頻率成分，無(wú)法體現(xiàn)頻率隨時(shí)間的變化情況，因此采用短時(shí)傅里葉變換（STFT）對(duì)振動(dòng)信號(hào)進(jìn)行時(shí)頻分析。在時(shí)頻圖中，可以清晰地看到隨著時(shí)間的推移，150Hz和250Hz這兩個(gè)異常頻率成分的能量逐漸增強(qiáng)，且在某些時(shí)刻出現(xiàn)了頻率調(diào)制現(xiàn)象，即圍繞這些異常頻率出現(xiàn)了邊帶頻率。這種頻率調(diào)制現(xiàn)象通常是由于故障引起的振動(dòng)與電機(jī)的正常振動(dòng)相互作用產(chǎn)生的，進(jìn)一步說(shuō)明電機(jī)轉(zhuǎn)子存在故障。結(jié)合電機(jī)的工作原理和故障特征，判斷電機(jī)可能存在轉(zhuǎn)子斷條故障。因?yàn)檗D(zhuǎn)子斷條會(huì)導(dǎo)致電機(jī)氣隙磁場(chǎng)的畸變，從而在振動(dòng)信號(hào)中產(chǎn)生與轉(zhuǎn)差率相關(guān)的調(diào)制頻率，這些調(diào)制頻率在時(shí)頻圖中表現(xiàn)為邊帶頻率，且隨著斷條故障的發(fā)展，邊帶頻率的能量會(huì)逐漸增強(qiáng)。4.1.4診斷結(jié)果驗(yàn)證為了驗(yàn)證故障診斷結(jié)果的準(zhǔn)確性，對(duì)電機(jī)進(jìn)行了拆解檢查。拆解后發(fā)現(xiàn)，電機(jī)轉(zhuǎn)子有兩根導(dǎo)條出現(xiàn)了斷裂的情況，斷裂位置位于轉(zhuǎn)子的中部，斷口處有明顯的疲勞裂紋擴(kuò)展痕跡。這與基于振動(dòng)信號(hào)分析得出的電機(jī)轉(zhuǎn)子斷條故障診斷結(jié)果一致，證明了本次故障診斷方法的有效性和準(zhǔn)確性。通過(guò)本次故障診斷過(guò)程，可以總結(jié)出一些優(yōu)點(diǎn)?；谡駝?dòng)信號(hào)分析的故障診斷方法能夠全面、準(zhǔn)確地獲取電機(jī)的運(yùn)行狀態(tài)信息，通過(guò)時(shí)域、頻域及時(shí)頻分析等多種方法的綜合應(yīng)用，能夠有效地提取故障特征，從而準(zhǔn)確地判斷故障類型和位置。這種方法具有非接觸式檢測(cè)、實(shí)時(shí)性強(qiáng)等優(yōu)點(diǎn)，能夠在電機(jī)運(yùn)行過(guò)程中及時(shí)發(fā)現(xiàn)故障隱患，為設(shè)備的維護(hù)和維修提供了有力的支持。然而，本次診斷過(guò)程也存在一些不足之處。在信號(hào)采集過(guò)程中，雖然采取了一系列措施來(lái)減少噪聲和干擾，但由于電機(jī)工作環(huán)境較為復(fù)雜，仍然存在一定程度的噪聲干擾，這可能對(duì)信號(hào)分析和故障診斷結(jié)果產(chǎn)生一定的影響。在故障診斷過(guò)程中，主要依賴于經(jīng)驗(yàn)和理論知識(shí)來(lái)判斷故障類型，對(duì)于一些復(fù)雜的故障情況，可能存在誤診或漏診的風(fēng)險(xiǎn)。此外，本次診斷過(guò)程中只考慮了振動(dòng)信號(hào)這一種信息，沒(méi)有結(jié)合其他傳感器信號(hào)（如溫度、電流等）進(jìn)行綜合分析，可能會(huì)導(dǎo)致診斷結(jié)果的片面性。為了提高故障診斷的準(zhǔn)確性和可靠性，在今后的研究和應(yīng)用中，可以進(jìn)一步優(yōu)化信號(hào)采集和處理方法，減少噪聲干擾；引入更先進(jìn)的故障診斷算法，如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等，提高故障診斷的智能化水平；同時(shí)，加強(qiáng)多源信息融合技術(shù)的研究和應(yīng)用，結(jié)合多種傳感器信號(hào)進(jìn)行綜合分析，以更全面、準(zhǔn)確地判斷旋轉(zhuǎn)機(jī)械的故障類型和位置。4.2實(shí)例二：風(fēng)機(jī)故障診斷4.2.1風(fēng)機(jī)故障情況本次研究的風(fēng)機(jī)為某熱電廠鍋爐引風(fēng)機(jī)，型號(hào)為Y4-73-11No25D，主要負(fù)責(zé)將鍋爐燃燒產(chǎn)生的煙氣排出，確保鍋爐的正常運(yùn)行。該風(fēng)機(jī)的額定功率為800kW，額定轉(zhuǎn)速為980r/min，工作介質(zhì)為高溫?zé)煔?，溫度約為180℃，含塵量約為50mg/m3。在日常巡檢過(guò)程中，操作人員發(fā)現(xiàn)風(fēng)機(jī)的振動(dòng)明顯加劇，同時(shí)伴有異常噪聲。通過(guò)觀察風(fēng)機(jī)的運(yùn)行參數(shù)，發(fā)現(xiàn)其電流波動(dòng)較大，超出了正常范圍。隨著時(shí)間的推移，風(fēng)機(jī)的振動(dòng)和噪聲愈發(fā)嚴(yán)重，對(duì)周邊環(huán)境產(chǎn)生了較大影響，且有進(jìn)一步損壞設(shè)備的風(fēng)險(xiǎn)。若風(fēng)機(jī)出現(xiàn)故障停機(jī)，將導(dǎo)致鍋爐無(wú)法正常排煙，進(jìn)而影響整個(gè)熱電廠的發(fā)電效率，造成巨大的經(jīng)濟(jì)損失。經(jīng)初步檢查，發(fā)現(xiàn)風(fēng)機(jī)外殼有明顯的振動(dòng)跡象，且振動(dòng)頻率較高。同時(shí)，風(fēng)機(jī)的出風(fēng)口處煙氣排放不均勻，風(fēng)量也有所下降，無(wú)法滿足鍋爐的正常排煙需求。為了準(zhǔn)確判斷風(fēng)機(jī)的故障原因，保障熱電廠的正常生產(chǎn)，需要對(duì)風(fēng)機(jī)的振動(dòng)信號(hào)進(jìn)行詳細(xì)分析和診斷。4.2.2信號(hào)采集與分析方法為了全面、準(zhǔn)確地采集風(fēng)機(jī)的振動(dòng)信號(hào)，采用了多傳感器布置方案。選用了3個(gè)壓電式加速度傳感器，分別安裝在風(fēng)機(jī)的軸承座水平方向、垂直方向以及電機(jī)端聯(lián)軸器處。在安裝傳感器時(shí)，首先對(duì)安裝部位進(jìn)行了清潔和打磨，確保傳感器與安裝表面緊密接觸，以減少信號(hào)傳輸過(guò)程中的干擾和損失。然后使用專用的安裝夾具將傳感器牢固地固定在相應(yīng)位置，避免在風(fēng)機(jī)運(yùn)行過(guò)程中傳感器發(fā)生松動(dòng)或位移，從而保證采集到的振動(dòng)信號(hào)的準(zhǔn)確性和可靠性。數(shù)據(jù)采集系統(tǒng)選用了NI公司的CompactDAQ數(shù)據(jù)采集平臺(tái)，該平臺(tái)具有高精度、高采樣率和穩(wěn)定性強(qiáng)等優(yōu)點(diǎn)。設(shè)置采樣頻率為5kHz，能夠滿足對(duì)風(fēng)機(jī)振動(dòng)信號(hào)快速變化的采樣需求，確保采集到的信號(hào)能夠準(zhǔn)確地反映風(fēng)機(jī)的實(shí)際振動(dòng)情況。每次采集時(shí)長(zhǎng)為10s，以獲取足夠的信號(hào)數(shù)據(jù)進(jìn)行分析。為了保證數(shù)據(jù)的準(zhǔn)確性和可靠性，在不同工況下進(jìn)行了多次采集，每次采集之間間隔15min，共采集了5組數(shù)據(jù)。采集到的振動(dòng)信號(hào)通過(guò)信號(hào)調(diào)理模塊進(jìn)行放大、濾波等預(yù)處理，去除信號(hào)中的噪聲和干擾，提高信號(hào)的信噪比。在信號(hào)分析階段，首先運(yùn)用時(shí)域分析方法，計(jì)算振動(dòng)信號(hào)的均值、標(biāo)準(zhǔn)差、峰值、峭度等統(tǒng)計(jì)參數(shù)，從整體上了解信號(hào)的特征。然后，采用快速傅里葉變換（FFT）將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，繪制頻譜圖，分析信號(hào)的頻率成分和能量分布，找出與故障相關(guān)的特征頻率。為了進(jìn)一步分析信號(hào)的時(shí)變特性，運(yùn)用短時(shí)傅里葉變換（STFT）對(duì)振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，得到時(shí)頻圖，觀察頻率隨時(shí)間的變化情況，以更準(zhǔn)確地判斷故障的發(fā)生和發(fā)展過(guò)程。在分析過(guò)程中，使用MATLAB軟件作為信號(hào)處理和分析工具，該軟件具有豐富的信號(hào)處理函數(shù)和工具箱，能夠方便、快捷地實(shí)現(xiàn)各種信號(hào)分析算法。4.2.3故障診斷與分析在時(shí)域分析中，計(jì)算出風(fēng)機(jī)振動(dòng)信號(hào)的均值、標(biāo)準(zhǔn)差、峰值和峭度等統(tǒng)計(jì)參數(shù)，并與正常運(yùn)行時(shí)的數(shù)據(jù)進(jìn)行對(duì)比。正常運(yùn)行時(shí)，風(fēng)機(jī)振動(dòng)信號(hào)的均值約為0.15g，標(biāo)準(zhǔn)差約為0.08g，峰值約為0.5g，峭度約為3.2。而在故障狀態(tài)下，均值增大到0.4g，標(biāo)準(zhǔn)差增大到0.2g，峰值增大到1.2g，峭度增大到5.5。這些參數(shù)的顯著變化表明風(fēng)機(jī)振動(dòng)的整體水平明顯提高，振動(dòng)的離散程度增大，且存在異常的沖擊成分，說(shuō)明風(fēng)機(jī)運(yùn)行狀態(tài)出現(xiàn)了嚴(yán)重異常。對(duì)振動(dòng)信號(hào)進(jìn)行頻域分析，通過(guò)快速傅里葉變換（FFT）得到頻譜圖。在頻譜圖中，除了風(fēng)機(jī)的旋轉(zhuǎn)頻率（約為16.3Hz）及其倍頻成分外，還出現(xiàn)了一些異常頻率成分。其中，在48.9Hz和81.5Hz處出現(xiàn)了明顯的峰值，經(jīng)過(guò)計(jì)算，48.9Hz接近風(fēng)機(jī)旋轉(zhuǎn)頻率的3倍頻，81.5Hz接近風(fēng)機(jī)旋轉(zhuǎn)頻率的5倍頻。根據(jù)風(fēng)機(jī)故障的理論知識(shí)，這種高次諧波成分的出現(xiàn)可能與風(fēng)機(jī)轉(zhuǎn)子的不平衡、葉片損壞或軸承故障等有關(guān)。進(jìn)一步分析頻譜圖中各頻率成分的幅值，發(fā)現(xiàn)3倍頻和5倍頻成分的幅值相對(duì)較大，且隨著風(fēng)機(jī)運(yùn)行時(shí)間的增加，這些高次諧波成分的幅值有逐漸增大的趨勢(shì)，這進(jìn)一步表明風(fēng)機(jī)轉(zhuǎn)子可能存在嚴(yán)重問(wèn)題。由于頻域分析只能反映信號(hào)的頻率成分，無(wú)法體現(xiàn)頻率隨時(shí)間的變化情況，因此采用短時(shí)傅里葉變換（STFT）對(duì)振動(dòng)信號(hào)進(jìn)行時(shí)頻分析。在時(shí)頻圖中，可以清晰地看到隨著時(shí)間的推移，48.9Hz和81.5Hz這兩個(gè)異常頻率成分的能量逐漸增強(qiáng)，且在某些時(shí)刻出現(xiàn)了頻率調(diào)制現(xiàn)象，即圍繞這些異常頻率出現(xiàn)了邊帶頻率。這種頻率調(diào)制現(xiàn)象通常是由于故障引起的振動(dòng)與風(fēng)機(jī)的正常振動(dòng)相互作用產(chǎn)生的，進(jìn)一步說(shuō)明風(fēng)機(jī)轉(zhuǎn)子存在故障。結(jié)合風(fēng)機(jī)的工作原理和故障特征，判斷風(fēng)機(jī)可能存在葉片斷裂故障。因?yàn)槿~片斷裂會(huì)導(dǎo)致風(fēng)機(jī)轉(zhuǎn)子的質(zhì)量分布發(fā)生變化，從而引起轉(zhuǎn)子的不平衡，在振動(dòng)信號(hào)中產(chǎn)生高次諧波成分和頻率調(diào)制現(xiàn)象。為了驗(yàn)證診斷結(jié)果，對(duì)風(fēng)機(jī)進(jìn)行了拆解檢查。拆解后發(fā)現(xiàn)，風(fēng)機(jī)的3片葉片出現(xiàn)了不同程度的斷裂，斷裂位置位于葉片的中部和根部，斷口處有明顯的疲勞裂紋擴(kuò)展痕跡。這與基于振動(dòng)信號(hào)分析得出的風(fēng)機(jī)葉