用于轴承故障分析的 FFT

信息处理 傅里叶变换 频谱
2022-02-13 21:56:51

为什么 FFT 是检测轴承故障的好方法?为什么我们不能在时域中进行分析?

2个回答

简短回答:我们可以,但它并不总是像频域技术那样强大。

更长的答案:这是一个非常广泛的话题,但让我试着阐明一下。时域技术往往是幼稚的。例如,有些是基于加速度计记录的信号的RMS 能量监测。主要缺点是在疲劳的早期阶段,您无法区分故障轴承和工作轴承。此外,设置阈值是一种真正的痛苦。还有一些人正在使用基于波峰因数(峰值与 RMS 之比)的方法,因为他们知道脉冲声音的波峰因数很高。虽然有一些“花哨”的时域分析方法,例如:用于检测滚子轴承缺陷的新时域方法

另一方面,频域技术(例如倒谱或双谱)更稳健,并且具有理想的属性,例如您可以很容易地将检测到的故障频率与特定轴承和损坏类型相关联。例如,当您使用 Bispectrum 等方法时,它(简单地说)基于检测高次谐波的存在。因为它还考虑了相位,理论上即使谐波几乎被噪声覆盖,您仍然可以检测它是否与基频相关 - 不是很聪明吗?

FFT 是一种分解某些类型的系统响应的高效计算方法。可能存在大致等效的时域分析方法,对于类似的 S/N 统计数据需要更多的计算。