1. 为什么搞旋转机械的人都在聊“阶次”在旋转机械的振动测试和故障诊断圈子里经常能听到一句话“这台机器的问题是二阶的。”很多刚入行的工程师会愣一下——二阶什么二阶是二阶振动还是二阶系统等你看完这篇内容就会明白他们说的其实是阶次Order也就是转频的整数倍或分数倍。先讲一个我早年间踩过的坑。当时我在现场测一台离心泵的振动频谱图上在某个频率位置出现了一个很明显的峰值我对着转速一看这个频率除以转频等于2.7不是整数。当时我以为是轴承故障的特征频率翻了一晚上轴承手册怎么都对不上号。后来提高频谱分辨率再测发现这个峰值根本不是“固定频率”而是随着转速变化在慢慢移动。这时候我才意识到用传统的FFT快速傅里叶变换频谱去做变速工况分析本质上就是在用一把“固定刻度尺”去量一个“会变长的物体”量出来的结果当然会乱套。正因为如此在旋转机械领域大家更习惯用阶次域Order Domain来分析振动信号。阶次分析的核心理念很简单把“频率轴”从Hz换成“转频的倍数”也就是用阶次作为横坐标。这样一来凡是跟转速同步的振动分量比如转子不平衡、不对中、齿轮啮合等在阶次谱上都会落在整数阶次上位置固定不变。无论转速怎么变这些特征都清清楚楚不会像Hz谱那样“到处乱跑”。这篇文章不是纯粹的学术讲义而是我从工程实践出发把阶次是什么、为什么要用它、数学原理大概是怎样的、怎么用MATLAB一步步做出来全部串起来讲一遍。内容主要面向三类人做旋转机械振动测试的工程师、搞状态监测和故障诊断的同行、以及正在学习信号处理但被教材里一堆公式劝退的学生。读完这篇文章你能理解阶次分析为什么是变速工况下的必备工具也能自己上手写出一套完整的阶次分析MATLAB仿真流程。2. 阶次概念拆解从“频率”到“阶次”的思维转变2.1 频率与阶次的本质区别在深入仿真之前先把最基本的概念掰开揉碎。频率Frequency描述的是“每秒发生多少次”单位是Hz比如50Hz代表每秒重复50次。在旋转机械中如果你测到的振动信号在100Hz处有峰值而轴转速是3000转/分即50转/秒那么100Hz正好是转频的2倍我们就可以说这个振动分量是“2阶”2nd Order。这里就是关键所在阶次 频率 ÷ 转频。它是一个无量纲的比值描述的是“每个旋转周期内发生几次振动循环”。如果一根轴每转一圈某个部件就激励一次振动那就是1阶每转一圈激励两次那就是2阶。这种描述方式的妙处在于它把振动特征和轴的旋转“绑定”在一起转速变快或变慢阶次特征始终在那个位置。打个生活化的比方想象你在骑自行车车轮每转一圈辐条会经过车架某个位置发出一次声响。你骑得快或慢这个声响的“频率”是不一样的但它总是“每圈响一次”。在这个例子里辐条响就是一个标准的1阶振动特征。如果你换了一辆轮圈辐条更密的自行车每转一圈响三次那就是3阶。用阶次来分析自行车噪声比用Hz方便得多因为你不需要关心骑得有多快。2.2 为什么传统FFT在变速工况下会失灵传统FFT谱分析有一个隐含假设信号是平稳的也就是说信号的频率成分不随时间变化。这个假设在设备匀速稳定运行时基本成立所以FFT分析在恒速工况下非常好用。但实际工程中哪有那么多“匀速稳定”设备启停机、变转速加工、车辆加减速这些都是典型的非平稳工况。在这样的工况下FFT频谱会出现一系列问题首先是频率模糊因为转速在变化频谱上的峰值被“拉宽”了原本尖锐的谱线变成一团鼓包其次是特征漂移同一个故障特征在频谱上的位置不固定导致诊断结论不可靠还有就是能量泄漏加剧转速变化让信号的频率成分跨多个频段加窗也难以补救。我见过不少现场工程师用FFT做启停机分析把瀑布图转速-频率-幅值三维图打印出来密密麻麻全都是谱线。转速从500转/分升到3000转/分有些峰值呈斜线往上跑这些其实就是阶次特征——它们的Hz频率在变但阶次恒定。能在瀑布图上看出“斜线”来说明你已经有阶次分析的直觉了但用眼睛看始终不如用算法直接算出来精确。2.3 阶次分析的工程意义阶次分析在变速工况下解决了几个实实在在的问题第一特征稳定可对比。同一台设备400转/分时的2阶振动幅值和1200转/分时的2阶振动幅值在阶次域可以直接对比而在频率域它们落在完全不同的Hz位置上难以直接比较。第二诊断逻辑更清晰。旋转机械的很多故障特征都跟转频成整数倍关系。不平衡主要表现是1阶不对中则往往在2阶有明显的表现齿轮啮合频率是齿数乘以转频这也是为什么齿轮箱的阶次分析要用“阶次谱”而不是简单用Hz谱。用阶次分析直接看整数阶次上的幅值变化诊断逻辑就变得非常直白。第三便于故障趋势跟踪。状态监测系统长期采集数据如果都用阶次域存储和对比那么即使在转速波动的情况下也能稳定地跟踪某一阶次分量的幅值变化趋势提前发现设备劣化趋势。3. 阶次分析的数学原理角域重采样是灵魂3.1 核心流程概述阶次分析在算法层面其实包含三个关键步骤获取转速信号、角域重采样、阶次谱计算。第一步要同时采集振动信号和转速信号通常用键相传感器测轴上的标记或直接采集转速计脉冲第二步是关键它利用转速信息把等时间间隔采样的信号转换成等角度间隔采样的信号也就是把信号从时域映射到角域第三步对重采样后的信号做FFT得到的就是阶次谱。这套流程有一个经典的名字叫“计算阶次跟踪”Computed Order TrackingCOT它是目前工程中最主流的阶次分析方法。理解COT的核心就是要理解第二步的重采样——它解决的是“非平稳信号如何变成平稳信号”的问题。3.2 从时域到角域重采样的直觉理解设想一下你站在路边想要记录这条路上每根电线杆的编号和状态。如果你按固定的时间间隔记录比如每10秒记录一次车开得快的时候可能一次就“跳”过好几根电线杆车开得慢的时候可能10秒还没从一根电线杆开到下一根。这样的记录方式不均匀数据使用效率低。但如果你改成“每经过一根电线杆就记录一次”那就是等角间隔采样。无论车快车慢每次记录都对应一根固定的电线杆一个固定的角度位置。转速快的时候采样快转速慢的时候采样慢采样是自动跟转速“同步”的。这就是角域重采样的直观含义。具体到信号处理上原始的振动信号是按等时间间隔Δt采样的每个采样点上有幅值。角域重采样要做的是根据转速信号计算出轴转过每一个等角度间隔Δθ所对应的时刻然后用插值通常是线性插值或三次样条插值从原始振动脉冲序列中求出这些时刻对应的幅值。插值结果就是角域上的等间隔信号。为什么重采样到角域之后信号就变成“平稳”的了因为原来频率随转速变化的振动分量在新的角域坐标系里变成了固定的周期信号。一个每圈振动两次的分量无论转速是多少在角域上都是以“每2π弧度振动两次”的固定频率出现。既然信号变成周期的、平稳的标准FFT就又能发挥威力了。3.3 关于转速信号的两种处理方式做角域重采样转速信号是关键的基础。工程上有两种常见的做法第一种是硬件同步采样。直接使用带有角度编码器或键相脉冲的采集系统硬件层面按角度触发采样。这种方式最精准但设备成本高且要求传感器安装条件好。第二种是软件计算阶次跟踪也是仿真和一般测试中最常用的方法。先按一个较高的固定采样率同时采集振动信号和转速键相信号然后在后处理中用软件算法根据键相脉冲或转速计信号计算出瞬时转速曲线再对振动信号进行重采样。MATLAB的orderspectrum、rpmtrack等函数底层实现的就是这个逻辑。软件方法的好处是灵活性高可以在采集完成后反复调整参数重新分析不需要重新采集原始数据。缺点是重采样精度取决于转速估算的准确性。如果你的转速信号噪声大、脉冲丢失重采样出来的阶次谱质量就会大打折扣。首次做阶次仿真的朋友建议先在仿真信号上把流程跑通再去处理实测数据这样不容易被一堆实际干扰搞懵。3.4 阶次谱如何计算和解读把重采样后的角域信号做FFT得到的就是“阶次谱”。此时的横坐标单位是“阶次”Order1阶对应转频2阶对应两倍转频以此类推。3.5阶对应转频的3.5倍在阶次谱上就是0.35这个位置——等等这里要特别说明一下如果你直接对角域信号做FFT横坐标天然是“每转的循环次数”。但MATLAB里orderspectrum输出的横坐标通常是“Order”它已经自动换算好了。还有一些工具会输出“Order”和“FrequencyHzRPM”双横坐标方便对照。阶次谱上的峰值判断逻辑和FFT频谱几乎一样看幅值大的阶次位置。正常情况下1阶、2阶是由不平衡和不对中引起的常见特征分数阶次的峰值往往和松动、碰摩、滚动轴承故障有关。但注意阶次谱只能说明“振动分量与转频的倍数关系”要确诊具体故障类型还得结合设备结构、转速工况等多方面信息。4. MATLAB仿真全程实录从造信号到出阶次谱4.1 仿真场景设定我们这次仿真的目的是完整复现一个“变转速工况下阶次分析”的过程。场景设定为一根转轴从600转/分缓慢升速到2400转/分全程约10秒。轴上有一个不平衡故障表现为1阶振动分量同时还有一个不对中问题表现为2阶振动分量。为了让仿真更接近真实情况我再加入一个与转速无关的固定频率干扰源比如某个100Hz的电气干扰或结构共振这在工程现场非常常见。三个频率分量的参数设定如下分量类型对应关系幅值单位m/s²特点1阶分量与转频同步每转振动一次1.0随转速升高其Hz频率从10Hz升至40Hz2阶分量与转频同步每转振动两次0.6随转速升高其Hz频率从20Hz升至80Hz固定频率分量100Hz不随转速变化0.3模拟电气干扰或共振信号随机噪声—0.05模拟传感器与采集系统噪声转速从600转/分升到2400转/分对应的转频就是从10Hz升到40Hz。采样率设成4096Hz远高于最高分析频率保证后续分析不出混叠问题。4.2 生成模拟振动信号在MATLAB中生成仿真信号的代码并不复杂核心是构建一个“时变的频率曲线”。转速曲线我设成平滑的线性升速这样信号频率随时间线性增加能够直观展现“频率漂移”现象。%% 参数设置 fs 4096; % 采样率单位Hz t_total 10; % 信号总时长单位秒 t 0:1/fs:t_total; % 时间向量 N length(t); rpm_start 600; % 起始转速单位转/分 rpm_end 2400; % 结束转速单位转/分 rpm linspace(rpm_start, rpm_end, N); % 瞬时转频线性变化 fr rpm / 60; % 瞬时转频单位Hz %% 生成振动信号 theta 2*pi*cumtrapz(t, fr); % 累计转角单位弧度这是关键 x 1.0 * sin(1*theta) ... % 1阶分量每转一次 0.6 * sin(2*theta pi/4) ... % 2阶分量每转两次带相位偏移 0.3 * sin(2*pi*100*t) ... % 固定频率干扰 0.05 * randn(size(t)); % 随机噪声很多初学者在这步容易犯一个错误直接用频率乘以时间得到相位也就是用sin(2*pi*fr.*t)来生成信号。这样做的结果在转速变化时会有误差因为相位应该是频率对时间的积分。我代码里用了cumtrapz(t, fr)来积分相位这才是正确的做法。对于线性调频信号来说直接乘和积分的结果可能差别不大但一旦转速曲线是非线性的误差就会非常明显。4.3 传统FFT频谱的“翻车现场”先不做阶次分析直接用传统FFT看看这段信号是什么样的。我用短时傅里叶变换STFT来观察信号频率随时间的演变%% 短时傅里叶变换观察时频图 win_len 1024; % 窗长 noverlap 512; % 重叠点数 nfft 2048; % FFT点数 figure; spectrogram(x, hann(win_len), noverlap, nfft, fs, yaxis); title(振动信号时频图); xlabel(时间 (s)); ylabel(频率 (Hz));运行之后你会看到三根主要的脊线在图上“划出”三道轨迹一道从10Hz斜着爬到40Hz这是1阶分量一道从20Hz斜着爬到80Hz这是2阶分量还有一道稳稳地停在100Hz的水平线上那是固定干扰。如果你在这段时间的任意一个截取窗口上做FFT得到的频谱里频率峰值是模糊的、展宽的因为窗口内转速一直在变频率成分没有“站定”在一个位置。这就是为什么传统FFT处理非平稳信号会“翻车”它给你看的是一个“时间平均”的结果而这个平均在频率变化时是没有意义的。频谱上你能看到几个峰包但很难精确读出峰值频率更无法直接判断是1阶还是2阶故障。4.4 计算阶次跟踪的核心重采样接下来就是阶次分析的重头戏角域重采样。在真实的测试场景里转速信号是从键相传感器获得的。仿真中我们“模拟”一个转速计信号每当轴转过一个固定角度比如每转产生一个脉冲就产生一个脉冲。为了简化我用转速曲线直接计算每个采样点对应的转角然后以每转固定采样点数例如每转1024个点为标准计算等角度间隔对应的时刻再对原始信号进行插值。这里给出一个自主实现重采样流程的代码帮助你理解底层逻辑如果你使用的是MATLAB的阶次分析工具箱可以直接调用resample配合rpmtrack完成但自己写一遍能让你彻底搞懂原理。%% 角域重采样等角度间隔 order_per_rev 1024; % 每转采样点数角域采样率 cum_angle cumtrapz(t, fr) * 2*pi; % 累计转角弧度 total_revs cum_angle(end) / (2*pi); % 总转数 theta_ao 0:(2*pi/order_per_rev):cum_angle(end); % 等角度网格 t_ao interp1(cum_angle, t, theta_ao, linear); % 计算等角度对应时刻 x_ao interp1(t, x, t_ao, pchip); % 对振动信号插值这段代码的核心思想是先算每一个采样时刻累计转过的角度然后设定一个“每转采多少个点”的目标反推出等角度网格对应到时间轴上是什么位置最后用插值从原始信号中“挖出”这些时刻的幅值。其中interp1的pchip插值方法是我比较推荐的它比线性插值平滑比样条插值稳定不容易出现过冲。在转频较低且采样率偏高的场景下线性插值其实也够用差别主要体现在极值点附近的误差。4.5 生成阶次谱并解读重采样完成后信号变成了“角度域”的等间隔序列也就是横坐标是角度而不是时间的信号。对此信号做FFT横轴的物理意义就转换成了“每转的循环次数”也就是阶次。%% 对重采样后的角域信号做FFT得到阶次谱 L_ao length(x_ao); X_ao fft(x_ao); X_ao_single abs(X_ao(1:floor(L_ao/2)1)) / L_ao * 2; orders (0:floor(L_ao/2)) * (order_per_rev / L_ao); % 阶次轴 % 只看0到10阶范围 idx orders 10; figure; plot(orders(idx), X_ao_single(idx)); title(阶次谱角域重采样后FFT); xlabel(阶次 (Order)); ylabel(幅值); grid on;运行这个脚本你会看到阶次谱上出现两个非常稳定的峰值一个精确落在1阶位置幅值约1.0一个精确落在2阶位置幅值约0.6。至于100Hz的固定干扰在阶次谱上不是一个稳定的峰值而是被“抹开”在多个阶次位置上因为它在不同转速时刻对应的阶次是不同的转速低时对应阶次高转速高时对应阶次低经过整个测量过程的平均后能量分散开了不再构成突出的干扰峰。这个结果完美体现了阶次分析的优势转频同步分量变得极其干净、稳定非同步分量则被弱化。在实际设备中你要关注的齿轮啮频、叶片通过频率等等只要它们跟转频存在整倍数关系阶次谱都能把它们“拎出来”原形毕露。4.6 使用MATLAB内置函数快速验证自己写的重采样流程跑通之后我建议你再调用一次MATLAB自带的阶次分析函数做交叉验证这样能确认自写代码的正确性也能感受一下官方工具箱的便利性。如果你的MATLAB安装了Signal Processing Toolbox可以直接使用rpmtrack和orderspectrum。大致流程是先根据转速脉冲计算出转速曲线然后调用orderspectrum直接得到阶次谱。需要注意的是rpmtrack输入的脉冲参数脉冲周期、每转脉冲数等要设置准确否则算出来的转速曲线会出偏差。%% 使用MATLAB自带函数需要Signal Processing Toolbox % 假设 tacho_pulse 是键相脉冲信号每转1个脉冲 % 先估算转速 % [rpm_est, ~] rpmtrack(tacho_pulse, t, fs, PulsesPerRev, 1); % 再计算阶次谱 % [map, order_vec, rpm_vec] ordermap(x, t, rpm_est, RPMRes, 10);我在这里没有提供完整的可执行代码因为rpmtrack对输入脉冲信号的质量要求较高仿真信号如果没有经过脉冲整形直接扔进去反而容易报错。实际做项目时我通常会先用自写脚本做一遍重采样再用工具箱校验结果两者结果一致心里才踏实。5. 阶次分析在真实工程中的应用场景5.1 启停机过程的故障诊断旋转机械的启停过程是故障信息最丰富的阶段。机组在通过临界转速时振动会明显放大不同故障类型对转速的响应特征不同。将启停机过程中的振动数据做阶次分析可以得到“转速-阶次-幅值”的三维关系直观看出哪些阶次在哪些转速下被激发。我记得有一个案例在某离心压缩机的停机过程中原始瀑布图显示某个频带在1700转/分附近出现明显的共振放大带但无法判断是结构共振还是转子同步振动。经过阶次分析后发现放大带对应的阶次恒定在2阶说明是对中不良引发的2阶激励在通过临界转速附近时被结构放大。后续重新对中后该振动带显著下降。如果不做阶次分析很容易误判为结构共振而去做加固处理白花钱还费时间。5.2 变速工况下的齿轮箱与轴承监测矿山、风电、机车等领域的齿轮箱转速经常大幅波动。齿轮啮合频率是齿数乘以转频转速一变啮合频率就变传统FFT很难稳定捕获。阶次分析把啮合频率固定在“齿数”这个阶次上可以直接观察齿轮啮合阶次的幅值变化判断齿面磨损或断齿故障。滚动轴承故障特征频率与转频成固定的比例关系具体取决于轴承几何参数但这个比例往往不是整数。比如某轴承外圈故障特征频率是转频的3.57倍那么这个特征在阶次谱上会出现在3.57阶附近。只要你事先计算好轴承的故障特征阶次把频率换算成阶次就能在变速工况下精准定位轴承故障这是传统FFT做不到的。5.3 阶次分析与其他技术的联合使用单个工具很难覆盖所有诊断需求实际工程中阶次分析通常和以下技术配合使用包络分析对原始振动信号做带通滤波和包络解调后再做阶次分析可以识别轴承早期的冲击类故障特征阶次时域同步平均先做角域重采样然后按整周期截取信号做平均可以把非同步噪声压掉大幅提高信噪比小波变换小波时频图适合观察瞬态冲击的时频分布而阶次谱适合观察同步分量随转速的变化两者互补能提供更全面的信息。我个人最常用的组合拳是先用阶次谱快速扫描锁定可疑阶次再用基于角域重采样的时域同步平均细化分析提取该阶次的包络波形最后结合设备结构参数锁定故障部位。这样一套流程下来诊断结论的可靠性比单看一个图高得多。6. 常见问题与排查技巧实录6.1 为什么我算出来的阶次谱上没有清晰的整数阶次峰这是初学者最容易遇到的问题。排查思路依次如下第一检查重采样是否正确。把重采样后的角域信号画出来横坐标应该是“转数”而不是时间。如果横坐标看起来还是时间说明插值环节写错了。另一个快速验证方法是把角域信号对“转数”做FFT如果1阶分量存在那么在“第1转处”会有明显周期项。第二检查插值方法。如果原始信号采样率太低等角度时刻落在两个采样点之间时线性插值的误差会比较大导致频谱出现额外的高频谐波把真实阶次峰“淹没”了。提高原始采样率或者改用pchip插值通常能明显改善。第三检查转速曲线估算是否准确。如果你是用键相脉冲估算转速脉冲抖动会导致重采样时刻偏差最终阶次峰随之展宽。对转速曲线做平滑滤波比如movmedian或sgolay滤波是一个很有效的办法但要注意平滑窗口不能太大否则会把真实的转速变化也“抹平”。6.2 阶次谱上出现了很多“神秘”的分数阶次正常吗正常而且非常常见。分数阶次的来源主要有三类一是非同步干扰如100Hz电气干扰它们不跟转频同步在阶次谱上会被分散到多个非整数位置二是调制现象例如齿轮箱中啮合频率附近可能出现边带对应分数阶次三是冲击类故障如轴承剥落其重复频率不一定与转频成整数比在阶次谱上表现为宽泛的峰包。判断策略是先看整数阶次的幅值是否异常再看分数阶次是否在不同转速下有相同的幅值特征最后结合时域波形和包络谱综合判断。千万不要一看到非整数阶次峰就急着下结论那多半是“路人甲”而非“主角”。6.3 MATLAB仿真信号能完全复现真实工况吗不能仿真信号永远无法替代实测数据的复杂性但它是理解算法、验证流程的最佳工具。仿真里我们设定了完美的转速曲线、干净的频率成分、均匀的噪声。真实信号中还有环境振动、结构模态、传感器安装共振、转速波动、数据传输丢点等一系列因素都会影响分析精度。我自己测试新算法流程时一般会先在仿真信号上验证逻辑正确性再用实测数据跑一遍确认有效。这两步缺一不可否则你根本分不清算法算出的异常峰到底是真实故障特征还是算法本身的bug。6.4 阶次分析能替代FFT分析吗不能。它们是互补关系不是替代关系。恒速工况下FFT分析已经足够好而且计算速度快、便于批处理在变速升速过程中传统FFT的频谱便于快速获得总览而阶次分析更适合深挖转频同步分量。更合理的做法是无论变速还是恒速先做FFT看到全局再做阶次分析聚焦同步特征两种视角交叉验证。当年我在现场用一个手持振动分析仪里头既有频谱模式也有阶次模式。排查轴承故障时我先在恒定转速下用FFT精确定位故障特征频率再做变转速升速测试用阶次模式确认特征是否“跟着转速走”。两个结论一致我才敢出具诊断报告。仪器只是个工具关键是你对这个工具的适用边界有没有清晰的认识。7. 一个值得进阶的方向阶次跟踪与机器学习结合如果你已经掌握了阶次分析的基本流程可以试试把阶次谱作为特征输入结合机器学习做自动故障分类。阶次谱天然适合做特征工程因为它把“与转速同步的特征”和“非同步干扰”分开了输入特征更干净。比如你可以计算1阶、2阶、3阶等整数阶次的幅值、相位以及高阶谐波的能量占比作为特征向量。再用支持向量机、随机森林或轻量级神经网络做分类识别不平衡、不对中、松动、轴承外圈故障等典型故障模式。我在一个风电齿轮箱的离线数据分析项目里用阶次谱比例特征做随机森林分类对五类典型工况的分类准确率做到了93%以上。对比直接用FFT频谱构建特征的方案阶次特征的泛化性能更好因为不同转速下采集的样本在阶次域天然对齐不需要额外做频率对齐预处理。这个方向特别适合作为毕业设计、创新项目或者企业智能诊断系统的升级路径。8. 写在后面阶次分析看的是“比例思维”阶次分析给我的最大启示不是某个算法或某个函数而是一种“比例思维”。频率是绝对的物理量但旋转机械的很多振动特征恰恰是相对转频的倍数关系。用阶次视角观察振动相当于给信号找到了一个“随转自适应的坐标系”转速只是改变了你在坐标系里移动的速度而不会改变特征之间的相对位置。这种思维在工程中其实很通用。比如在风电领域叶片通过频率是“叶片数乘以转频”这就是阶次思维在直升机传动系统里齿轮啮合频率是“齿数乘以转频”同样是阶次思维。理解了这一点再回头看那些个“神秘峰值”你就会自然地先问一句这个峰值的频率跟转频是什么关系是几倍是整数倍还是分数倍带着这个问题去分析很多疑难杂症就豁然开朗了。最后再把这次仿真中的几个经验浓缩成几句话第一造仿真信号时务必用频率积分构造相位别图省事第二重采样方法用pchip比线性插值稳尤其在采样率不太充裕的时候第三做阶次谱之前先把重采样后的角域信号画出来看两眼确认它是“纵向整齐”的周期信号再继续。做到这三点你的阶次分析基本不会跑偏。