电机振动监测与故障预警技术解析

1. 电机振动监测与故障预警原理

在工业自动化领域，电机作为核心动力设备，其健康状况直接影响生产线的稳定运行。传统定期维护方式存在两大痛点：一是维护不足导致突发故障，二是过度维护造成资源浪费。基于振动的状态监测(CbM)技术通过实时分析电机振动特征，能够实现精准的预测性维护。

1.1 振动特征与故障类型的对应关系

不同机械故障会产生独特的振动"指纹"：

• 轴承外圈故障：特征频率为(1-BDcosθ/D) × RPM/60，其中BD为滚珠直径，D为节圆直径，θ为接触角
• 轴承内圈故障：特征频率为(1+BDcosθ/D) × RPM/60
• 齿轮磨损：会在啮合频率(GMF=齿数×RPM/60)及其谐波处出现边带
• 转子不平衡：主要表现为1倍转频(1×RPM/60)振动幅值升高

实际工程中，这些特征频率往往相互调制，需要通过频谱分析才能准确分离。例如轴承故障常伴随2-3倍转频的谐波，而齿轮故障则表现为以啮合频率为中心的多阶边带。

1.2 傅里叶变换的工程意义

快速傅里叶变换(FFT)是将时域振动信号转换为频域能量的数学工具。对于采样率为fs、点数为N的时域信号x(n)，其FFT计算式为：

X(k) = Σ[x(n) × e^(-j2πkn/N)]，k=0,1,...,N-1

在工程应用中需注意：

• 频率分辨率Δf = fs/N，要提高分辨率需增加采样时间
• 奈奎斯特频率fNyquist = fs/2，所有高于此频率的成分都会产生混叠
• 加窗处理可减少频谱泄漏，汉宁窗(Hanning)是最常用选择

2. 三轴振动数据采集系统搭建

2.1 MEMS加速度计选型要点

ADXL1002作为单轴MEMS加速度计，其关键参数对比如下：