為什么我們需要測量旋轉機器的噪音和振動？

旋轉機械的分析是汽車和一般工業(yè)中精煉活動的核心。它還允許工程師跟蹤齒輪箱，傳動系統(tǒng)和軸承中的故障。

機器中的每個旋轉部件都會產生振動，從而產生噪音，這是由于機器部件的平衡或平滑性的小缺陷造成的。此外，還存在與風扇葉片和泵相關的所謂“葉片通過”現象。在每種情況下，我們都可以將振動的頻率與旋轉機器的速度聯系起來。例如，具有五個等間距刀片的風扇將以旋轉速度的五倍產生噪聲，并且有時在更***的倍數下仍然取決于用于將風扇保持在適當位置的支撐件的數量。如果它們靠近葉片，則頻率成為葉片數量和支撐數量的乘積。

這些振動在機器或車輛的結構上起到強制作用，在那里它們被安裝。當由旋轉部件產生的激勵頻率與結構的固有頻率之一匹配時，發(fā)生***嚴重的影響。這些“重合”頻率通常是許多設計努力的目標，以限制效果，無論它們是疲勞，振動還是由此產生的噪音。

對于變速機器，將噪音和振動降低到可接受的水平是一項相當大的挑戰(zhàn)。旋轉部件通常傳輸非常大量的功率，并且不幸的是，即使非常少量的功率（轉換成振動或噪聲）也會產生不希望的效果。

分析旋轉機械的數據

讓我們假設我們已經從某種旋轉機器捕獲了噪聲或振動信號，同時我們通過它的整個速度范圍加速它。我們將使用從4缸賽車引擎記錄的短噪聲信號。在圖1中，我們可以看到信號的時間歷史，您可以使用下面的鏈接來收聽信號。

聽取噪音信號

圖1：噪聲信號的時間歷史

分析此數據的頻率內容的***簡單方法是計算自動頻譜。我們在圖2中看到了結果。

圖2：整個噪聲信號的頻譜

因為我們測試的發(fā)動機正在改變速度，所以幾乎不可能從這個頻譜中得出任何有意義的結果。很明顯，我們需要一種不同的方法。我們的***種方法可能是將數據分成幾個部分，并查看從這些部分生成的一系列光譜。這是通過“跳頻FFT”完成的。這需要時間歷史的固定長度部分，執(zhí)行FFT然后沿著小的增量移動并重復該過程。這產生了一系列在整個測試期間分布的FFT譜，如圖3所示。

圖3：經典瀑布圖（頻率v時間）

圖3是大多數人在想到瀑布情節(jié)時可視化的內容。該數據可以以許多不同的方式表示。其中***受歡迎和***有用的是強度或顏色圖，如圖4所示。

圖4：強度或顏色圖

該圖顯示了沿底軸的頻率，時間從底部到頂部。很明顯，在地圖左側看到的紅線代表隨著時間的推移發(fā)動機加速的頻率上升。因此，這些是我們感興趣的旋轉效果。但是，我們仍然缺少的是有關發(fā)動機速度的任何信息。

分析旋轉速度

我們需要知道的是在整個測試期間發(fā)動機的速度。有幾種方法可以獲得這個，但***準確的是捕獲某種轉速信號。理想情況下，轉速計信號應為方波或脈沖。它可以是從發(fā)動機的某個運動部分測量的每轉一次脈沖到由編碼器產生的每轉幾千個脈沖的任何東西。圖5和圖6顯示了我們測試中兩個不同時間的轉速信號。

圖5：轉速計信號（慢速）

圖6：轉速計信號（***速）

我們的信號每轉產生兩個脈沖。上面的兩個數字都顯示了0.1s的數據，所以很明顯，在圖6中，引擎的旋轉速度明顯快于圖5所示。很明顯，我們的信號不是一個干凈的方波，只要轉速處理算法很復雜而且足夠***，這并不重要。轉速計處理軟件分析整個轉速計信號并產生另一個信號，代表測試時的速度。這可以在圖7中看到。

圖7：速度v時間

在這里我們可以看到，在我們的測試過程中，發(fā)動機在大約5.5秒內從超過1000rpm加速到超過6000rpm。

瀑布情節(jié)

我們處理的下一步是再次執(zhí)行“跳頻FFT”處理，但這次不是以等間隔時間步長計算FFT，而是使用我們的速度v時間數據以等間隔速度步長計算它們。這就是所謂的“瀑布”處理。我們的噪聲信號的瀑布圖如圖8所示。

圖8：瀑布圖（頻率v速度）

現在我們可以清楚地看到速度相關噪聲的線性特性。這在瀑布圖中顯示為傾斜線。因為這是一個四缸四沖程發(fā)動機，主導頻率是旋轉速度的兩倍或二次諧波。在旋轉機械的情況下，我們稱之為第二順序。

命令

可以從瀑布圖中提取訂單的詳細信息，我們的數據中的示例可以在圖9中看到。

圖9：訂單和總體水平

圖9顯示了第2，第4和第6個訂單與總體水平重疊。總體水平代表每種速度下的總能量。

同步采樣數據（訂單或角度域）

一旦數據與轉速計信號一起被捕獲，諸如Prosig的DATS軟件包之類的軟件可以重新采樣數據并將其轉換為角度域。這意味著每個數據點表示圍繞旋轉周期的等間隔位置，而不是等間隔時間點。這使得使用DFT輕松分析即可直接提取訂單，即使在一個周期內速度變化很大。以這種方式同步采樣的數據可以在角度域中的各個周期上進行平均，從而消除來自與旋轉無關的其他源的信號的噪聲。這些技術的進一步細節(jié)超出了本文的范圍，將在以后的文章中討論。