故障诊断之阶比分析（阶次追踪）

weixin

一直在思考一个问题，振动信号的本质是什么，对数据进行什么样的处理才能得到一个比较能反应振动的本源，虽然针对不同的信号类型（主要针对稳态和非稳态数据）具有不同的处理方式，类似于FFT、时频分析、小波变换、HHT、短时傅里叶变换等，可以处理很大一部分信号，但就其效果而言，却是参差不齐。本次主要记录阶比分析（阶次追踪）的一个案例，笔者浅尝辄止，可能存在很多理论方面的不足，但此次只是做一个数据处理方面的记录。

01、什么是阶比分析？

既然涉及到“阶比”，那就如同阶次一样，肯定涉及到旋转件，既然涉及旋转件，那旋转的特征就和转速有关。所以，根据转速特性可分为变转速信号和稳定转速，对于稳定的转速，我们用FFT就可以很好地处理；对于变转速信号，我们需要怎么处理呢？像稳定转速，我们从频域（阶次）的角度观测信号的特性，其信号特性对于阶次来说是一一对应的，也就是说阶次是稳定的，那么我们能不能找到一个稳定的“锚”来观测或分析数据呢？答案是可以的，那就是阶比分析。

以轴承为例，其工作状态主要分为匀速、减速和升速三种状态，单纯分析一种状态并不能将所有的特征表现出来，但对除匀速外的其他两种，用传统的FFT并不能准确的识别故障信息，类似下图：

图 一个减速信号

数据来源：加拿大渥太华轴承测试数据

02、阶比分析的步骤

奈奎斯特采样定理：

奎斯特采样定理解释了采样率和所测信号频率之间的关系。阐述了采样率fs 必须大于被测信号最高频率分量的两倍，该频率通常被称为奈奎斯特频率fN。那么，如果不按奈奎斯斯坦采样定理会发生什么现象，简单举个例子，车辆在高速行驶的时候，我们为什么感觉轮子是在倒着转的，这就车轮的转速远远大于人眼采样的2倍，那么频率就会失真。同样，对于变转速信号而言，由于采样频率是一定的，随着转速的不断增加，频率不断增加，这样就有可能失真。因此，阶比分析的关键就是信号转换为角域信号。

阶比分析：

阶比分析采样的时候每一圈采样的点数都是一样的，而且位置不变，每当转过一定的角度就会采集一个数据，这便是阶比分析最精髓的部分。阶比分析的最终结果的横坐标便是阶比，纵坐标便是幅值强度。阶比的定义是参考轴每转的波动次数。

阶比：O=60f/n，对数据进行分析：

可知这是一个加速又减速的过程，用传统的分析方法是不可能找出故障信息的，这个时候就显示出阶比分析的优势。

但需要注意的是，在实际采样的过程中，或多或少的混入噪声信号、存在各种信号调制、非线性组合等，导致弱信号被掩盖，强信号被填平，最后难发现故障信号的特征，阶比分析也不外如是。下图是直接对信号进行阶比分析的图，很难看出存在的故障信息。

上图根本看不出任何故障信息，或者说你要筛选其中的有用信息，必须要对信号进行前处理，包括滤波、求包络线、边际谱、小波降噪等一些数据处理手段。

处理之后如下图：

可知，故障信号很清晰显现，倍频程就出现了，特别突出。

总结：在实际中，不管是什么信号，都会存在不同程度的干扰，如何剥丝抽茧，去伪存真还需要不断地思考和实践。再者，还是要掌握充足的技术手段和方法，以及数据处理的前后清晰的逻辑思维。马克思方法论诚不我欺也。

原文链接：
https://blog.csdn.net/heavy_truck/article/details/124371951

来源：CSDN博主「heavy_truck」的原创文章。