旋转电机振动频谱分析与故障特征频率提取

振动分析是目前旋转电机故障诊断中最核心、最有效的手段之一。通过将时域振动信号转化为频域信号，工程师能够精准识别出机械松动、不对中、不平衡及轴承损坏等潜在故障。本指南将详细拆解从数据采集到特征频率计算的全流程。

一、 基础参数计算与准备

在分析频谱之前，必须首先计算电机的旋转频率及其谐波，这是所有后续分析的基准。

1. 计算电机转频：
   使用电机铭牌上的转速数据，通过公式计算基础转频。
   $$f_r = \frac{n}{60}$$
   其中，$f_r$ 为转频，$n$ 为转速（单位：RPM）。
   示例：一台转速为 1480 RPM 的电机，其转频 $f_r \approx 24.67 \text{ Hz}$。

2. 确定采样参数：
   根据故障类型设置采样频率。遵循 奈奎斯特采样定理，采样频率 $f_s$ 应至少为分析频率的 2 倍以上。通常建议设置为最高分析频率的 2.56 倍。

二、 常见故障特征频率计算

不同的机械故障会在特定频率处产生能量峰值。以下是需要重点计算和监测的特征频率公式。

1. 转子不平衡与不对中

• 不平衡：能量主要集中在 1倍转频 ($1 \times f_r$)。
• 不对中：
  • 平行不对中：主要表现为 2倍转频 ($2 \times f_r$)。
  • 角度不对中：主要表现为 1倍转频 ($1 \times f_r$) 并伴有轴向振动。

2. 滚动轴承故障频率 (BPFO/BPFI/BSF/FTF)

轴承故障频率计算需要轴承的具体几何参数（滚珠直径 $d$、节圆直径 $D$、滚珠数量 $n$、接触角 $\alpha$）。

• 外圈故障频率 (BPFO)：
  $$f_{BPFO} = \frac{n}{2} f_r \left( 1 - \frac{d}{D} \cos\alpha \right)$$
• 内圈故障频率 (BPFI)：
  $$f_{BPFI} = \frac{n}{2} f_r \left( 1 + \frac{d}{D} \cos\alpha \right)$$
• 滚动体故障频率 (BSF)：
  $$f_{BSF} = \frac{D}{2d} f_r \left[ 1 - \left( \frac{d}{D} \cos\alpha \right)^2 \right]$$
• 保持架故障频率 (FTF)：
  $$f_{FTF} = \frac{1}{2} f_r \left( 1 - \frac{d}{D} \cos\alpha \right)$$

3. 电气故障特征

• 气隙偏心：通常产生 $2 \times f_{line}$（电网频率，如 100 Hz）的高频振动。
• 转子断条：会在转频边频带出现峰值，频率为 $f_r \pm 2 \times f_{slip}$（滑差频率）。

三、 振动信号采集与处理流程

为了获得准确的频谱图，必须严格按照以下步骤操作。

详细操作步骤：

1. 选择测点位置：
   选取 轴承座、电机外壳或基础底座作为主要测点。测点表面必须平整、清洁。

2. 安装传感器：
   使用 蜂蜡、磁座或螺丝将加速度传感器牢固吸附在测点上。
   注意：传感器方向必须与待测振动方向一致（通常分为垂直、水平和轴向）。

3. 设置分析带宽：
   调整 分析带宽。对于低速电机（<600 RPM），选择 0-200 Hz；对于高速电机，选择 0-1000 Hz 或更高。

4. 执行数据采集：
   启动 数据采集器，等待转速稳定后开始记录。采样时长应满足频率分辨率要求，公式为：
   $$\Delta f = \frac{1}{T}$$
   其中 $\Delta f$ 为分辨率，$T$ 为采样时长。若需要 1 Hz 的分辨率，采样时间至少需 1 秒。

5. 进行 FFT 变换：
   点击 分析软件中的“频谱分析”功能，将时域波形转换为频谱图。
   关键操作：应用 汉宁窗或平顶窗函数，以减少频谱泄漏。

四、 频谱图解读与故障诊断逻辑

获得频谱图后，通过以下逻辑判断故障源。

1. 识别基频与谐波

观察 频谱图中是否存在明显的等间距峰值。

• 若峰值出现在 $1 \times f_r, 2 \times f_r, 3 \times f_r \dots$，初步判断为机械故障。
• 若峰值出现在 $50 \text{ Hz}$ 或 100 Hz 及其倍数，初步判断为电气故障或电磁力引起的振动。

2. 轴承故障“早期预警”识别

在故障早期，轴承特征频率（如 BPFO）的幅值可能很低，淹没在噪声中。

• 查看 频谱的“包络谱”。包络分析能有效提取调制信号，凸显轴承冲击成分。
• 对比 计算出的 $f_{BPFO}$ 与包络谱中的峰值频率。若两者吻合，且存在 $2 \times f_{BPFO}$ 或 $3 \times f_{BPFO}$ 谐波，则确诊轴承外圈损伤。

3. 区分机械松动与共振

• 机械松动：频谱图中通常会出现大量的谐波成分，且 $1 \times f_r, 2 \times f_r, 3 \times f_r$ 的幅值不稳定，随负荷变化剧烈。
• 共振：振动能量集中在某一固定频率，且该频率与系统的固有频率重合，与转频不成整数倍关系。

五、 自动化监测系统设计实务

在工业自动化场景下，需设计在线监测系统以实现无人值守。

1. 构建硬件架构：
   部署 振动传感器网络，连接至 PLC 或分布式 I/O 模块。信号通过工业以太网（如 PROFINET 或 EtherCAT）传输至上位机。

2. 配置报警阈值：
   依据 ISO 10816 标准，设定 振动速度有效值（RMS）的报警限。

   • 报警值：通常为基线值的 $2 \sim 3$ 倍。
   • 跳闸值：依据设备功率等级设定绝对限值（如 4.5 mm/s）。

3. 编写诊断逻辑：
   在 SCADA 系统中编写脚本，自动计算特征频率幅值。
   伪代码示例：

   if amplitude(1xf_r) > threshold_unbalance:
       trigger_alarm("Rotor Unbalance")
   elif amplitude(2xf_r) > threshold_misalignment:
       trigger_alarm("Shaft Misalignment")

4. 实施能效优化联动：
   当监测到振动值异常升高时，系统自动降低负载或切换至备用电机，避免故障扩大导致的能效下降和设备损坏。

六、 故障排查实战案例

假设一台 3000 RPM 的离心风机振动异常，排查步骤如下：

1. 测量基础数据：
   测得振动速度有效值为 7.8 mm/s，严重超标。

2. 分析频谱：
   发现频谱图中 $1 \times f_r$ ($50 \text{ Hz}$) 处有一根极高的单峰，其余频率成分幅值极低。

3. 初步诊断：
   频谱呈现典型的“单峰”特征，判断为转子不平衡。

4. 相位分析验证：
   测量 风机两端轴承的相位差。发现水平方向相位差接近 $0^{\circ}$，垂直方向相位差接近 $180^{\circ}$。

5. 确认结论：
   结合频谱与相位特征，确诊为风机叶轮积灰导致的不平衡。

6. 执行修复：
   停机 清理叶轮积灰或进行现场动平衡配重。重新开机后，振动值降至 1.2 mm/s，恢复正常。

通过严格的特征频率计算与标准化的频谱分析流程，可将旋转电机的故障诊断准确率提升至 90% 以上。