徐小疼1. 项目概述
在工业设备维护领域，轴承故障检测一直是个技术难点。传统方法在恒定转速条件下表现尚可，但面对变速工况时往往力不从心。最近我在一个风电设备监测项目中就遇到了这个痛点——风机转速随风力变化，导致常规诊断方法频繁误报。经过大量文献调研和实验验证，我发现倒谱预白化结合带通滤波的方法能有效解决这个问题。
这个方法的核心思路分三步走：首先用倒谱预白化过滤掉齿轮等周期性干扰，然后通过带通滤波放大轴承故障特征所在的共振频段，最后用平方包络谱提取故障特征频率。实测下来，在转速波动±15%的工况下，故障识别准确率能稳定在90%以上，比传统方法提升了近30个百分点。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术原理详解
2.1 倒谱预白化的工作机制
倒谱分析本质上是对频谱进行"二次加工"。我们先把时域信号做FFT得到频谱，然后对频谱幅值取对数，再对这个对数谱做逆FFT就得到了倒谱。这个过程中有个精妙之处：周期性信号（比如齿轮啮合）在倒谱上会呈现明显的峰值，而随机冲击（比如轴承损伤）则分散在倒谱各处。
实际操作时，我们保留倒谱的零频率分量（相当于频谱的"直流分量"），把其他倒频率分量统统清零。这个过程就像给信号做了个"美白面膜"，把周期性成分都过滤掉了，只留下我们关心的冲击特征。我在MATLAB里测试发现，这个步骤的计算量只有线性预测滤波的1/3左右。
2.2 带通滤波的优化技巧
做完预白化后，信号里主要剩下轴承故障引起的冲击响应。这类冲击会激发机械系统的固有共振，就像敲钟会发出特定音调一样。我们需要用带通滤波器把这个"钟声"提取出来。
这里有个关键点：滤波器的中心频率要设在系统共振频段。我一般先用谱峭度分析找出信号中冲击成分最集中的频带。比如某风电齿轮箱的共振峰在3.2kHz附近，就把带通范围设为2.8-3.6kHz。滤波器类型推荐用四阶巴特沃斯，它的通带平坦，过渡带陡峭，能有效避免相位失真。
2.3 平方包络谱的特征提取
经过前两步处理的信号已经比较"干净"了，接下来要用希尔伯特变换求解析信号，然后计算其平方包络。这个包络信号相当于把高频共振调制到了低频，最后做FFT就能得到清晰的故障特征频率。
举个例子：某轴承的滚动体故障特征频率是142Hz，在包络谱上就会在142Hz及其倍频处出现明显峰值。我通常会设置99.9%的置信阈值，只有超过这个阈值的