从‘看不清’到‘看得清’：ZOOM-FFT在工业故障诊断中的实战应用（以轴承信号为例）

工业听诊术：用ZOOM-FFT捕捉轴承的"疼痛频率"

在钢铁厂轧机产线的轰鸣声中，一台132kW电机驱动着齿轮箱持续运转。当维护工程师王磊将振动传感器吸附在电机非驱动端轴承座上时，采集到的时域波形就像暴风雨中的海面——那些可能预示轴承外圈裂纹的周期性冲击，此刻正淹没在转频谐波和齿轮啮合噪声的浪潮里。这正是工业现场故障诊断的典型困境：我们需要的故障特征信号强度往往只有背景噪声的1/10甚至更低，就像要在摇滚音乐会中听清一根针落地的声音。

1. 传统频谱分析的视觉局限

常规FFT就像用广角镜头拍摄星空——虽然能捕捉整个频段的概貌，却看不清星座的细节结构。以某型号6312深沟球轴承为例，其外圈故障特征频率计算公式为：

BPFO = (n/2) × fr × (1 - d/D × cosα)

其中n=8颗滚珠，d=15mm滚珠直径，D=65mm节圆直径，接触角α=0°，当转频fr=29.95Hz时，理论BPFO应为107.2Hz。但在实测频谱中，这个频率点附近挤满了间隔29.95Hz的转频谐波，就像下图展示的"频谱拥挤"现象：

注：采样频率1024Hz，采样点数1024时的典型情况。实际需要至少5-7条谱线才能可靠分辨峰值。

这种"频谱近视"问题会导致：

• 密集谐波掩盖微弱故障成分
• 边带结构无法清晰呈现
• 频率估计误差超过±5%

2. ZOOM-FFT的频域放大原理

复调制细化谱分析相当于给频谱装上了显微镜，其技术路线可以分解为四个精密配合的步骤：

2.1 频移：频谱的"对焦"操作

选择107Hz作为中心频率f0，通过复调制将这一频段"平移"到零频附近。这相当于把观察窗口精准定位到目标区域：

% 复调制过程示例代码 f0 = 107.2; % 中心频率(Hz) fs = 1024; % 采样频率(Hz) t = (0:N-1)/fs; % 时间序列 x_shifted = x .* exp(-1j*2*pi*f0*t); % 频移操作

2.2 数字滤波：抗混叠的"光圈调节"

采用200阶FIR低通滤波器，截止频率设为细化后采样率的40%：

fc = (fs/D) * 0.4 % D=16时fc=25.6Hz

2.3 重采样：提升分辨率的"变焦"

将采样率从1024Hz降至64Hz（D=16倍细化），此时新分辨率：

Δf_new = fs / (D×N) = 1024/(16×1024) = 0.0625Hz

2.4 复FFT：最终成像

对重采样后的信号进行标准FFT运算，但此时每个Bin的宽度从1Hz变为0.0625Hz。

3. 工程参数选择的黄金法则

在石化厂压缩机组的实际诊断案例中，我们发现参数配置需要遵循三个平衡：

3.1 细化倍数D的取舍

• 优点：每增加一倍D，分辨率提升一倍
• 代价：运算时间呈线性增长，且需要更长的原始数据

3.2 中心频率f0的定位技巧

• 先做常规FFT初步定位可疑频段
• 结合轴承参数计算理论故障频率
• 选择幅值变化最敏感的区域

3.3 滤波器的设计考量

• 过渡带陡度影响边带保留程度
• 相位线性度决定时域特征保持性
• 推荐使用最小相位FIR滤波器

4. 工业现场诊断的复合战术

某风电齿轮箱案例显示，单独使用ZOOM-FFT可能遗漏早期故障。我们开发了组合诊断流程：

1. 初步筛查阶段

   • 时域指标：峰值因数>5提示冲击存在
   • 包络谱：确认调制频率成分

2. 精准分析阶段

   • 对包络谱中的可疑频段实施ZOOM-FFT
   • 比较各轴承部件的理论故障频率

3. 验证阶段

   • 时域同步平均增强周期性冲击
   • 小波分析定位冲击发生相位

实战技巧：在水泥立磨减速机诊断中，先用包络谱发现212Hz成分，再用ZOOM-FFT确认其精确值为212.37Hz，与输入轴轴承外圈故障频率理论值212.4Hz吻合，最终开箱验证了微剥落缺陷。

这套方法已成功应用于：

• 轧机齿轮箱的齿根裂纹检测
• 离心压缩机叶轮通过频率分析
• 船舶推进轴系的轴承磨损监测

在数据采集环节，我们特别注重：

• 传感器安装位置（垂直/水平方向差异）
• 采样时长（至少包含50个转频周期）
• 抗混叠滤波器的正确设置

当面对变速运行设备时，还需要结合阶次分析技术。某汽车总装线输送链轮案例中，我们通过转速同步ZOOM-FFT，成功在变转速工况下捕捉到了保持架故障特征。