振动分析仪之频谱图相关技术问题

振动分析仪之频谱图相关技术问题

      频谱图表面上看来似乎非常简单，但理解其局限并识别**数据或可疑数据及其重要。此处的讨论内容是对重要观点的简单总结。

      傅里叶变换（及其同类算法“快速傅里叶变换”，FFT）假定未滤波振动信号将一直保持且始终不变。换言之，机器振动状态不会改变，信号以完全相同的方式永远重复。对于工作在稳态速度或速度变化缓慢的大多数机器，这种假设非常适用。

      对于振动条件突然变化的机器（如破碎机或木片切削机）或极快地加速（感应电动机）或减速的机器，这种假设将彻底失效。这些情况下的频谱图会在振幅和频率上出现明显误差。快速变化数据的频谱会呈现更宽的谱线。并且这些谱线的频率会显著偏移。

     实际上，快速傅里叶变换会根据包含特定数量的数字波形样本的样本记录来计算频谱。由于样本的长度有限，因此算法的一部分涉及通过重复信号来拓展样本记录长度。除非信号的周期数与样本记录的长度**匹配（可能性不大），否则连接点处将存在不连续。这种不连续会将噪声（泄漏）引入频谱，从而加宽谱线、减少振幅的计算值并增加本底噪声。

     通过加窗操作可以减少这种问题。应用于样本记录的窗函数通常会以平缓且流畅的方式在终点处将信号强制为零。其效果是消除扩展信号中的分段不连续。根据软件的不同，可提供多种类型的窗函数，每种都具有自身的优点和缺点。不同窗函数在应用于相同数据时，将产生不同的振幅和频率值。汉宁窗函数通常是旋转机械的*佳选择，并且能提供良好的振幅和频率分辨率。

振动分析仪之频谱图相关技术问题 振动分析仪之频谱图相关技术问题 振动分析仪之频谱图相关技术问题 振动分析仪之频谱图相关技术问题