1. 为什么旋转机械的振动分析不能只看频率做旋转机械状态监测的工程师大概率都遇到过这种情况一台设备在变频工况下运行从启动到额定转速振动值忽大忽小。对着频谱图看半天那个峰值频率一直飘来飘去转速一变它就跟着变根本没法用固定频率去定位故障源。这时候如果你还抱着FFT频谱分析不放很容易误判——把正常变速过程当成设备故障或者漏掉真正的隐患。阶次分析Order Analysis就是为解决这个问题而生的。它不关心信号里的绝对频率是多少Hz而是关心这个振动成分和设备转速之间的比例关系。这个比例关系就是阶次Order。我用一个生活化的类比解释一下你骑自行车脚踏板每蹬一圈车轮转好几圈。如果脚踏板的轴出现了磨损每蹬一圈会“咯噔”响一次这个响声的频率和你的踩踏频率是完全同步的。你踩得快咯噔声就密踩得慢咯噔声就疏。但无论快慢踩一圈响一次这个比例关系是不变的。对旋转机械来说电机转轴每转一圈某个故障点就会冲击一次这个冲击在频域里的位置永远跟着转频走它的“阶次”恒为1。所以阶次分析的核心价值可以概括为一句话把振动信号从“频率-幅值”的坐标系变换到“阶次-幅值”的坐标系从而剥离转速变化的影响让故障特征稳定地出现在固定位置。这篇文章我会把阶次的概念、数学原理、工程应用逻辑讲透再给出完整的MATLAB仿真代码让你能在自己的数据上直接跑通这个流程。2. 阶次与频率的本质区别从等时间采样到等角度采样2.1 阶次的定义与物理含义严格来说阶次O的定义是振动频率f与参考轴转频f_r的比值[ O \frac{f}{f_r} ]参考轴通常就是设备的主轴或电机转子。阶次为1代表振动频率等于转频也就是每转一圈发生一次冲击。阶次为N代表每转一圈发生N次冲击。这里要特别注意阶次是量纲为1的比值和转速无关。不管设备是300转/分钟还是3000转/分钟只要故障机制不变同一故障对应的阶次就恒定不变。这是阶次分析和传统频谱分析最根本的分水岭。常规FFT频谱分析要求信号等时间间隔采样采样率恒定。但在变速过程中转速一直在变同一个故障在频谱上对应的频率也在变。你把一整段变速过程的信号拿去做FFT得到的是一个“模糊化”的频谱——能量被分散到一段频率范围内峰值变矮变宽有时甚至完全淹没在噪声里。这就是为什么很多人发现设备一变速频谱图上什么都看不出来了。2.2 传统频谱分析在变速工况下的失效模式看一个具体的工程现象。一台风机从500 RPM匀加速到3000 RPM用时20秒。轴承外圈存在缺陷故障特征阶次为5.43这个数值由轴承几何参数决定后文会讲怎么算。在500 RPM时故障频率 500/60 × 5.43 ≈ 45.25 Hz到3000 RPM时故障频率 3000/60 × 5.43 ≈ 271.5 Hz。如果对整个加速过程的时域信号直接做FFT频谱上会看到一个从45 Hz一直拖到271 Hz的宽带隆起峰值还特别矮。你根本没法从这个频谱里读出“轴承外圈故障阶次5.43”这个信息。但用阶次分析整个变速过程中的信号被重新映射到角度域后FFT出来的阶次谱上会有一个清晰的谱峰准确落在5.43阶的位置。2.3 阶次分析的核心思路等角度重采样要理解阶次分析必须理解它的一个关键操作把时间信号重采样为角度信号。道理是这样的既然故障特征和转轴转角有关那我们就让采样过程跟着转角走——每转过固定角度采一个点。当转速恒定时等角度采样和等时间采样没有本质区别。但当转速变化时等角度采样意味着转速高的时候采样率自动升高转速低的时候采样率自动降低始终保证一转之内采到相同数量的点。这样处理后信号变成了转角的函数。对角度信号做FFT得到的横轴不再是Hz而是“每转的周期数”——也就是阶次。整个过程的核心公式如下[ O \frac{\text{每转采样点数}}{\text{FFT点数}} \times \text{谱线编号} ]因为角度信号的采样率是“每转多少个点”不同转速下同一个阶次会落在同一个谱线位置。这就是阶次谱里谱峰“不飘移”的根本原因。2.4 阶次谱与瀑布图的呈现方式阶次分析有两个最常用的可视化工具。第一个叫阶次谱Order Spectrum它展示某一时刻或某一转速下的阶次-幅值关系横轴是阶次纵轴是幅值谱峰位置直接对应故障阶次。第二个叫阶次瀑布图Order Waterfall它是三维图X轴是转速或时间Y轴是阶次Z轴是幅值。从瀑布图里能非常直观地看到不同阶次成分随转速的变化轨迹——正常情况下谱峰沿着某个固定阶次形成一条直线出现共振时谱峰会在某个转速附近突然隆起来呈“山脊”状。工程上判断一个问题我个人的习惯是先用瀑布图全局观察看有没有异常的山脊或阶次线再用阶次谱定位于具体阶次结合设备的结构参数去反推故障源。3. 阶次分析的数学原理转速信号如何变成重采样的“标尺”3.1 角域重采样的实现流程阶次分析在实现上分两大步计算转速曲线以及基于转速曲线重采样。第一步从编码器脉冲信号或键相Keyphasor信号中提取瞬时转速。键相信号是每转一圈产生一个脉冲的方波信号相邻两个脉冲的时间间隔ΔT的倒数就是这转的平均转速。工程上常用转速计通道来采集这个信号。如果连键相信号都没有也可以用振动信号自身做转速估计——比如从振动信号的频谱里提取转频成分但这个方法精度差一些后面实战部分我会详细讲。第二步是计算重采样时刻。假定转轴从0时刻的0度开始转过角度的表达式为[ \theta(t) 2\pi \int_0^t f_r(\tau) d\tau ]我们要找的是那些让θ(t)等于整数倍Δθ的时刻t_n。Δθ是角度采样间隔等于2π除以每转采样点数。这个非线性方程的求解在MATLAB里可以用插值法实现。先用转速曲线积分得到角度-时间关系然后用均匀角度间隔去反向插值出对应的时间点。得到这些非均匀时间点后对原始振动信号做插值就能得到角度域信号。3.2 角域信号的采样率与阶次分辨率设计这里有几个参数必须提前算清楚否则重采样会出各种稀奇古怪的问题。每转采样点数Samples Per RevolutionSPR是最核心的参数它决定了阶次分析的最高可分析阶次。根据奈奎斯特采样定理[ O_{max} \frac{SPR}{2} ]工程上为了留出余量一般把最高关注阶次设为0.4~0.5倍的SPR。举个例子如果轴承故障特征阶次最高到20阶SPR至少要取50点/转工程上取64点/转比较稳妥。角度域信号的总长度N决定了阶次分辨率ΔO[ \Delta O \frac{SPR}{N} ]N点对应N/SPR转。要想分辨相邻1阶的两个成分至少需要采集一转以上的数据。想分辨0.1阶间隔的成分就需要10转的数据。这个换算关系要刻在脑子里它决定了你做阶次分析时数据采集时间要设多长。3.3 转速跟踪的精度要求进来一个很实际的问题转速曲线的精度到底要达到多少阶次分析结果才可信我的工程经验是转速误差导致的阶次偏差要控制在0.1阶以内。假设实际转速是1500 RPM转频25 Hz如果转速测量误差是±1 RPM约0.067%那么对应25 Hz的1阶成分频率误差约0.0167 Hz换算到阶次误差约0.0007阶完全可接受。但如果转速曲线是估计出来的误差经常到百分之几这时候阶次谱上的峰值就会明显变宽相邻阶次的分辨率会恶化。所以我的建议很明确能做键相转速测量的别偷懒一定加转速通道实在做不了再用振动信号估计转速但结果要打折看待。4. MATLAB仿真实战从正常轴承到外圈故障的阶次分析全流程4.1 仿真数据设计模拟变转速工况下的轴承振动下面进入实操环节。我们用MATLAB构造一组变速工况下的轴承振动信号然后跑通完整的阶次分析流程。模拟对象一个深沟球轴承转速从600 RPM匀加速到2400 RPM用时10秒。假设外圈存在局部缺陷故障阶次为5.43。根据滚动轴承故障特征频率的理论公式外圈故障阶次为[ O_{BPFO} \frac{n}{2} \left(1 - \frac{d}{D}\cos\alpha\right) ]其中n是滚动体数量d是滚动体直径D是节圆直径α是接触角。比如n9d/D0.18α0计算得到O ≈ 4.5 × (1-0.18) ≈ 3.69。实际轴承的值通常在3~10之间。这里我们直接用一个典型值5.43做演示。仿真代码里振动信号包含三个部分外圈故障冲击成分5.43阶、转频的1阶不平衡成分、随机噪声。故障冲击用周期性衰减振荡来模拟——每个冲击都像一记“咚”然后快速衰减。转速变化时冲击间隔也随之变化。%% 参数设置 fs 8192; % 采样率单位Hz这里为了模拟方便取得较高 t_total 10; % 总时长单位秒 rpm_start 600; % 起始转速单位RPM rpm_end 2400; % 结束转速单位RPM n length(0:1/fs:t_total)-1; t (0:n-1)/fs; % 转速曲线线性升速 rpm linspace(rpm_start, rpm_end, n); fr rpm / 60; % 转频单位Hz %% 生成轴承外圈故障冲击信号阶次5.43 order_bpfo 5.43; % 先求累计转角 theta 2*pi*cumsum(fr)/fs; % 找到每次冲击发生的时刻累计转角为2*pi*整数倍的位置 impulse_times find(mod(theta, 2*pi) 0.01); % 粗糙近似实际应精确插值 % 用更稳健的方式计算每转过2*pi/order_bpfo角度时的事件 angle_step 2*pi/order_bpfo; phase mod(theta, angle_step); impulse_idx find(diff(phase) 0); % 相位回绕点即冲击点 x_fault zeros(1, n); for k 1:length(impulse_idx) idx impulse_idx(k); if idx100 n tt (0:99)/fs; x_fault(idx:idx99) x_fault(idx:idx99) 2*exp(-tt/0.002).*sin(2*pi*2000*tt); end end %% 生成1阶不平衡信号 x_unbalance 0.8*sin(2*pi*cumsum(fr)/fs); %% 合成信号 rng(2024); x x_fault x_unbalance 0.3*randn(1, n);这个模型的物理意义很明确外圈故障时滚动体每经过缺陷位置一次就产生一次冲击。冲击的重复频率等于转频乘以故障阶次。转速升高冲击变密转速降低冲击变疏。正是这种非平稳特性让常规FFT失效。4.2 阶次谱的实现计算角度信号与FFT谱现在把时间信号转成角度信号并进行阶次谱分析。这里为了提高效率我们直接对振动信号分段按对应转速计算每段的角度跨度然后以固定角度间隔重新采样。实际工程中重采样一般用MATLAB的ordertrack或rpmtrack函数来完成这些函数在Signal Processing Toolbox里能自动处理键相信号提取转速曲线、做角域重采样和阶次谱计算。我自己写过一个简化版方便理解底层逻辑%% 角域重采样简化实现 spr 256; % 每转采样点数最高可分析128阶 angle_step 2*pi/spr; % 计算总转角 total_theta 2*pi*sum(fr)/fs; total_rev total_theta/(2*pi); % 总转数 n_angle_samples round(total_rev * spr); % 构造等角度坐标然后找对应时间点 angle_axis (0:n_angle_samples-1) * angle_step; time_interp interp1(cumsum(2*pi*fr)/fs, t, angle_axis, linear, extrap); % 对振动信号插值得到角域信号 x_angle interp1(t, x, time_interp, linear, extrap); %% 对角度信号做FFT Nfft 2^nextpow2(length(x_angle)); X_order fft(x_angle, Nfft); X_order_mag abs(X_order(1:Nfft/2)) / Nfft * 2; order_axis (0:Nfft/2-1) * spr / Nfft; %% 绘制阶次谱 figure; plot(order_axis, X_order_mag); xlim([0 30]); xlabel(Order); ylabel(Amplitude); title(Order Spectrum of Simulated Bearing Fault); grid on;跑完这段代码阶次谱上会在1阶位置看到一个明显谱峰不平衡成分在5.43阶位置看到一个更明显的谱峰外圈故障。因为这个故障特征被映射到了固定的阶次位置不管转速怎么变它都稳定地站在那里。要注意的是这段简化代码演示的是“先测转速-再重采样-再FFT”的完整链路但实际工程里spr的选取会影响频谱泄漏。建议在加窗时优先选择Hann窗或Hamming窗并且在阶次谱分析时做多段平均以减少噪声方差。4.3 阶次瀑布图的可视化与解读光看一个阶次谱还不够工程上更常用的是阶次瀑布图——它能展示整个变速过程中的阶次成分演化。我推荐用MATLAB的orderspectrum和tachorpm函数组合来做或者用下面这种方法把整个时间历程切成若干段每段做一次角域重采样和FFT再把结果按转速拼成矩阵用surf或imagesc画出来。%% 分段时间-转速对应的阶次谱堆叠 rpm_refs linspace(600, 2400, 50); % 想看50个转速点的阶次谱 freq_spec []; for k 1:length(rpm_refs) [~, idx_center] min(abs(rpm - rpm_refs(k))); seg_len fs * 1; % 取1秒的数据段 idx_start max(1, idx_center - round(seg_len/2)); idx_end min(n, idx_center round(seg_len/2) - 1); seg_t t(idx_start:idx_end); seg_x x(idx_start:idx_end); seg_fr fr(idx_start:idx_end); % 简化重采样 spr 256; total_theta_seg 2*pi*sum(seg_fr)/fs; total_rev_seg total_theta_seg/(2*pi); n_angle_samples_seg round(total_rev_seg * spr); angle_axis_seg (0:n_angle_samples_seg-1) * (2*pi/spr); time_interp_seg interp1(cumsum(2*pi*seg_fr)/fs, seg_t, angle_axis_seg, linear, extrap); seg_x_angle interp1(seg_t, seg_x, time_interp_seg, linear, extrap); Nfft 2^nextpow2(length(seg_x_angle)); seg_X abs(fft(seg_x_angle, Nfft))/Nfft*2; order_ax (0:Nfft/2-1)*spr/Nfft; seg_X interp1(order_ax, seg_X(1:Nfft/2), 0:0.1:30, linear, 0); freq_spec [freq_spec; seg_X]; end figure; imagesc(0:0.1:30, rpm_refs, freq_spec); colormap(parula); colorbar; xlabel(Order); ylabel(RPM); title(Order Waterfall); set(gca, YDir, normal);瀑布图出来之后你会看到两条亮线一条水平方向固定在1阶一条固定在5.43阶。这就是阶次分量的特征——无论转速怎么变它们的阶次位置不变。这种图拿去给现场工程师看一眼就能识别出设备的故障特征不需要任何频谱分析基础。4.4 实际工程数据处理时的参数选择心得仿真跑通之后我强烈建议你做一件重要的事情把信号里的噪声加大重采样时故意降低键相信号的精度看看阶次谱会怎么恶化。这个“破坏性试验”能帮你积累真实数据处理的直觉。我踩过的坑包括重采样时如果时间插值点数不够角度信号会出现“阶梯状”畸变FFT后产生大量谐波伪峰转速曲线如果直接从振动信号峰值频率提取转速突变时会出现尖刺导致重采样时间点错乱阶次谱一片模糊。后来我的处理习惯固定在这样几个要点上转速曲线先做平滑用medfilt1或者sgolayfilt去掉毛刺但注意别把真实的转速突变也抹掉了。重采样的插值方法优先用pchip而不是spline因为spline容易过冲对冲击信号尤其危险。如果信号中存在强烈的周期成分掩盖了冲击信号先做包络解调再进阶次分析效果会好很多。5. 阶次分析工具箱MATLAB原生函数与自研代码的配合5.1 Signal Processing Toolbox 中的 ordertrack 与 rpmtrackMATLAB的Signal Processing Toolbox为阶次分析提供了完善的官方函数支持几个最主要的函数rpmtrack从振动信号或转速脉冲信号中提取转速曲线。输入可以是键相脉冲信号也可以是振动信号本身通过时频分析估计转频。ordertrack根据转速曲线和振动信号计算指定阶次随时间或转速的变化曲线。orderspectrum计算某一转速区间的平均阶次谱。orderwaveform重构指定阶次对应的时域波形用于阶次成分的时域分析。它们的最大价值是正确处理了重采样中的相位对齐问题。我自己写代码时经常忽略的一个细节是重采样时刻的起点应从键相脉冲的上升沿开始计时这样角度坐标的零点才和转角的物理零点一致。如果起点不对相位会偏但阶次谱幅值不受影响——所以很多人没发现这个错误。5.2 信号采集阶段的数据质量要求阶次分析对数据采集的要求比普通频谱分析要苛刻。这里列一个我常用的核对清单项目要求说明键相脉冲信号至少1路推荐每转1脉冲精度要求高用每转多个脉冲的编码器振动信号采样率≥ 最高关注阶次 × 最高转速/60 × 2.56留出频谱泄漏余量采集时长覆盖完整变速过程加速、减速全过程都要采到抗混叠滤波必须开启防止高频信号混叠到低阶次区域转速稳定性无瞬时大跳变转速突变会导致角度插值失真有一回我在现场做空压机测试没接键相信号想着事后从振动信号里提取转速曲线。结果那台设备工频干扰特别重提取出来的转速曲线波动非常大做出来的阶次谱完全是糊的。后来老老实实加装了一个光电转速传感器问题立刻解决。这件事之后我养成了一个习惯任何要做阶次分析的项目数据采集计划阶段就把转速通道列为必需项而不是可选项。5.3 包络阶次分析当故障冲击太微弱时怎么办滚动轴承早期故障的冲击信号往往非常微弱直接做阶次分析时谱峰可能淹没在噪声里。此时先用带通滤波希尔伯特变换提取包络信号再对包络信号做阶次分析效果会好很多。这个组合叫“包络阶次分析”是轴承故障诊断中非常高效的流程。原理上滚动轴承故障产生的周期性冲击会在很宽的频带内激发结构共振。直接对原始信号做阶次分析共振成分会把故障阶次信号“稀释”掉。而包络解调能把冲击的包络提取出来——也就是把“咚、咚、咚”的冲击串解调成一个低频周期信号这个周期信号的频率严格等于故障阶次乘以转频。对这个包络信号做阶次分析S/N比能提高一个数量级以上。MATLAB里用bandpass(需要通过上一段的方法简单提取共振频带)和hilbert两个函数就能做简单包络分析。需要注意的是带通滤波器的中心频率要选在结构共振频率附近一般通过对原始信号做一次FFT观察哪个频带能量最高来确定。6. 工程实战中阶次分析容易踩的五个坑6.1 转速脉冲信号抖动导致的阶次模糊现场采集的键相信号不像仿真里那么干净经常有脉冲宽度不均匀、边沿抖动、转速脉冲缺失等问题。脉冲宽度不均匀会导致重采样的角度间隔不均匀FFT后产生虚假的边带成分。处理方式是在提取转速曲线前先对键相脉冲做一次修正去掉过窄或过宽的脉冲用中值滤波平滑瞬时转速曲线。这个步骤对阶次谱的分辨率改善极其明显。6.2 启停机工况下转速突变区的插值失真设备急停时转速可能在几百毫秒内跌落一大截。此时相邻两个键相脉冲的时间间隔突然变大如果重采样的时间插值步长没有跟上角度信号会在此处出现明显断裂。解决思路是在转速变化率超过阈值的时间段内提高角度插值密度或者把该段数据单独处理不参与整体FFT。我一般在做瀑布图时会把转速变化率过大的时间段标注出来。6.3 高次谐波混淆与抗混叠的重新审视角域信号同样存在混叠问题。如果冲击信号的衰减振荡频率高于SPR/2对应的等效阶次它就会混叠到低阶区域形成虚假谱峰。实际表现最容易混淆的情况是轴承外圈故障阶次5.43它的谐波10.86、16.29甚至分数谐波2.715全部会出现在阶次谱上。如果这些谐波中某一个恰好和别的部件故障阶次接近就容易误判。我的处理方式是先确认主阶次再检查谐波是否成比例出现芯片级确认故障类型。6.4 平均次数与转速窗口的选择计算平均阶次谱时转速窗口选多大是个经验问题。窗口太窄数据段太短阶次分辨率不够相邻阶次分离不了窗口太宽转速跨度大阶次成分被转速调制谱峰变宽。我的经验值是转速窗口宽度设为额定转速的5%~10%比较合适。比如设备额定转速1500 RPM取75~150 RPM的窗口宽度阶次分辨率基本能满足工程诊断要求。6.5 振动测点位置对阶次分析结果的直接影响这一点经常被忽略同一个轴承故障在轴承座上测到的冲击信号和在外壳上测到的完全不同。测点离故障源越远高频冲击成分衰减越严重包络阶次谱上的谱峰越模糊。阶次分析的测点选择原则和振动诊断一致优先选择轴承座承载区、与故障源传递路径最短的位置。如果只能在外壳上测量建议先做一个传递路径的频率响应测试找到信号增益最大的频带再进行包络分析。7. 阶次分析之后从阶次谱反推设备故障的实战逻辑阶次谱拿到手之后真正考验功力的是故障判读。一个典型变速设备的阶次谱上可能同时出现几十个谱峰哪些是故障特征哪些是结构共振哪些是噪声伪峰我的排序逻辑是这样的第一步优先确认有无1阶成分及其谐波有则关注不平衡、轴弯曲、不对中第二步查找轴承故障特征阶次需要根据轴承型号计算外圈、内圈、滚动体、保持架四个特征阶次逐一比对第三步关注啮合阶次——如果设备有齿轮箱齿轮啮合阶次等于齿数啮合阶次两侧的边带往往携带齿轮故障的关键信息第四步看高次谐波和边带结构区分均匀磨损和局部缺陷。轴承各部件的特征阶次计算公式总结一下部件特征阶次相对参考轴转频外圈故障(n/2) × (1 - d/D × cosα)内圈故障(n/2) × (1 d/D × cosα)滚动体单点缺陷(D/(2d)) × [1 - (d/D)^2 × cos²α]保持架(1/2) × (1 - d/D × cosα)以上公式中的n为滚动体数量d为滚动体直径D为节圆直径α为接触角。这些参数在轴承型号手册里能查到用MATLAB写个查表脚本很容易。内圈故障阶次的一个显著特点是故障点随转轴旋转振动传递路径周期性变化所以内圈故障阶次上会出现明显的1阶转频边带调制。外圈故障没有这个现象。这是区分内外圈故障的重要线索——单看阶次谱的峰位还不够要结合边带结构和时域波形一起判断。我在实际项目里遇到过一台磨煤机阶次谱上出现了明显的3.57阶峰按公式推断是内圈故障但边带结构并不典型。后来拆机检查发现是保持架断裂导致的滚动体异常滑动故障机理和外圈等效但表现形式不同。这个案例给我的教训是阶次分析定位到部件级别已经很优秀但要确认具体失效模式尽量结合拆机检查或油液分析结果交叉验证。8. 从阶次分析到变转速状态监测体系的扩展思路阶次分析不是一个孤立的算法它是整个变转速设备状态监测体系的基础环节。把阶次分析纳入你的常规信号处理工具箱后还可以扩展出很多实用能力。第一个扩展方向是阶次跟踪曲线。通过ordertrack提取某个阶次的幅值随转速变化的曲线可以非常清晰地看到共振转速区间。比如1阶成分的幅值曲线如果在1800 RPM附近出现峰值说明系统在这个转速附近存在临界转速或共振这是转子动力学分析的重要实测依据。第二个扩展方向是变转速工况下的动平衡。传统动平衡需要在额定转速下进行有了阶次分析之后可以在整个升降速过程中提取1阶不平衡分量的幅值和相位实现全转速范围内的动平衡校对效率高很多。第三个扩展方向是齿轮箱故障诊断。齿轮啮合阶次等于齿数当齿轮存在磨损时啮合阶次处会出现幅值上升同时两侧出现边带。用阶次瀑布图监测边带幅值随负载的变化趋势可以在齿轮故障发展早期捕捉到异常是风电齿轮箱状态监测的标准做法之一。第四个方向是结合深度学习做自动化诊断。把阶次谱矩阵作为图像输入到卷积神经网络让模型自动学习不同阶次谱模式对应的故障类型这在变工况场景下比直接用原始频谱训练效果稳定得多因为阶次谱已经归一化了转速影响样本之间的可比性很强。我的建议是如果你的设备长期在变转速工况下运行尽早把阶次分析能力建立起来。一次变速过程采集的数据通过阶次分析能得到的信息量远大于同样时长稳态运行数据的常规频谱分析。它是变速机械状态监测里性价比最高的一步投入。