现场振动分析——金子塔模型 （国外专家版整理） 图片省略

perfect023

　　一、简介
　　在很多情况下，你会采集到大量的关于振动的数据：包括总振值(RMS)、轴承的测量数据(HFD、尖峰能量和冲击脉冲等)、频谱、时域波形、解调的频谱等等……我们希望通过对这些数据进行分析能够了解到机器的故障情况，并采取相应的措施防止出现同样的问题。我们将振动分析分为以下四个阶段：检测、分析/诊断、故障的根源分析和确认阶段。
　　为了完成这一系列的工作，首先要求我们的技术人员首先掌握采集数据和进行分析的能力。其次，需要有一定的经验(并与其它部门的同事合作)来帮助你作出正确的判断和建议。第三是需要认真的进行组织和计划，以保证你的时间能够得到有效的利用。
　　1、四个阶段的说明
　　故障检测阶段：
　　我们每次在车间进行数据采集后都会带回数兆字节的数据。其中包括频谱、时域波形数据、趋势数据以及其它不同类型的数据采集器采集到的特殊参数。如果对每个测量结果都进行单独的分析(很多人这样做)，将会花掉你大量的时间，并需要高度的集中注意力和不断的坚持。除非机器存在非常明显和严重的故障，否则你很可能会忽略一些故障的早期症状。
　　因此，我们通常使用一个“筛选”系统用来对采集的数据进行检查，然后列出可能有问题的机器。你必须确信它不会错过任何有问题的机器，同时也不要出现过多的错误警报。
　　分析阶段：
　　当你得到有问题的机器列表后，就需要对出现问题的原因及其严重程度进行分类。这要求对振动数据进行细致的分析。你需要去查找各种各样的故障模式，并与以前的数据资料，机器上的其它测点数据，甚至是与另一台相同机器的测量数据进行比较。
　　在分析阶段可能还会进行一些额外的检测，这些检测不包括在通常的作业范围内。这些测试包括相位测量、共振测试(撞击测试，模态分析和ODS)以及其它的专门测试。
　　作出了诊断以后，我们必须提出相应的建议。可能是继续对机器的状态进行更加频繁的监控(即增加监测的次数)，也可能是要求进行维修。但这并不是状态监测工程师的最后工作。
　　根源分析阶段：
　　你们还需要了解故障是怎样发生的，并找出引发的原因。比如，通常情况下轴承的损坏是由于不平衡或不对中引起的。但机器为什么会出现不平衡或是不对中呢?这就需要我们找到问题的根源所在，并采取必要的措施来保证引发问题的根源得到解决，从而使机器获得更长的使用寿命和更高的可靠性。
　　确认阶段：
　　现场经常会出现这样的情况，机器在维修后由于安装不对中，或错误的安装了密封圈，或没有正确的使用润滑油等等原因而经常需要再次进行维修。因此，被维修后的机器在重新启动后应立即进行检测，直到确定机器进入正常运行期。这一点对于避免新故障的发生是非常重要的。现场中，在维修后再次发生故障的机率是非常高的。
　　如果你的诊断是错误的。那么当按照你的建议对机器进行调整后，会发现其振动级和模式都没有明显的变化。在没有对所做出的诊断进行"确认"之前，你无法判断所作的诊断和采取的措施是否正确。即使你的诊断是正确的，采取的维修措施成功的解决了问题，但是在维修过程中也很可能会引入一些新的问题。因此，仍然需要对机器进行一次彻底的检查以保证机器能正常工作，同时确认机器在维修后被正确的安装。
　　2、“金字塔”模型
　　振动分析的四个阶段可以看成是一个金字塔模型。金字塔的大小形状代表各个阶段中的机器的数量(注意：不是总的时间量，付出的努力，重要性或要求的能力等)。(如图)
　　在金字塔模型的最底层是检测阶段。通常这一步我们都是设法让它自动进行。通过分析所有机器产生的数据，判断哪些机器可能出现了问题并需要进一步进行研究。接着是分析阶段。这部分包含了较少数量的机器。分析过程中的某些部分我们可以进行自动操作，从而得到故障的特性显示，但是我们同样需要判断故障的严重程度。根据诊断出的问题的严重程度和性质，或由于产品需求和维修策略的改变，给出的建议可能是要求停机维修。现在我们就到达了金字塔的顶端，在这个阶段所涉及的机器数最少。对于这些极少数的机器，我们需要找出问题的根源所在，从而防止问题再度发生，同时当机器再次运行时一定要确保采用了正确操作。
　　我们目标是在第一个阶段花上最少的时间，即以最快的速度通过金字塔的底部，从而把更多的时间留给上部的分析。如果你将时间花在对故障进行分析，并制订措施避免再次发生同样问题，同时认真的检验其维修效果，就能给你的公司带来巨大的效益。
　　二、检测阶段
　　首先我们将从现场测得的振动数据带回办公室，连接上计算机，并把采集的数据传输到计算机，然后从第一台被测试的机器开始，逐个显示并检查其的测试数据。某些软件可以使这个任务更加简单化。你可以通过观察趋势参数，或在关键频段中提取数据来判断机器状态是否正常。如果您检查了20台机器，并在每台机器上采集了4-5个测点的数据，而每一点上有6个组数据，那么你就需要观察600多组数据。如果逐个的进行观察和分析，其工作量是非常巨大的，但是在没有软件来自动完成这个工作之前，我们只通过这样的方法来观察每次的测量结果。
　　典型的作法是先观察趋势数据(总振值趋势，频段趋势或轴承测量趋势)，然后根据需要观察频谱和时域波形，也可以将两者结合起来。实际上我们在实际工作时，往往都是将检测故障阶段和分析阶段的工作综合在一块进行的。
　　1、异常报告
　　从很多年前一些软件包中就开始提供“异常报告”的功能。此类软件可以支持所有新的振动测定法测得的数据，把它们与极限值或已有的数据进行比较，根据比较的结果生成一个关于机器状态的报告。
　　报告的内容一般是简要说明哪些机器“失效”并说明程度如何。同时它还能根据测量数据对明显超过极限值的机器和仅有轻微异常的机器进行区分。分析结果不仅要说明现在的振动水平和超过极限值的程度，还要简要的说明最新的数据相对于上一次测量数据的变化情况，并跟参考数据和/或警告数据相比较。其结果用百分数或分贝(dB)来表示。
　　2、报警值设置
　　当取得一个新的读数时，无论是一个总振值还是完整的频谱，最关键最重要的问题都是要确定参考标准值。这个值决定了测量读数达到多大的值时认为是超标的?达到什么值时需要增加监测的频率?达到什么值时必须进行维修?
　　虽然参考值非常重要，但是由于它的影响因素众多，如机器的型号、负载、价值和已使用的时间等都会对它产生影响，因此在实际应用时比较困难。比如说，精密机床的振动报警值就不能跟碾磨机的振动报警值设成一样。几个月都以0.1 ips 运转的机器和已经从0.005 ips变到0.1 ips的机器应有不同的标准参考值设定。我们应该把主要的精力放在那些关键的、昂贵的、高振动的设备上，而不是那些较小的和较稳定的机器上。
　　报警值的设定有两种基本办法。第一种办法是参考已公布的振动极限值来设置;第二种方法是根据已有的振动数据来计算和推导出报警值。
　　人们根据对振动特性的多年研究得到了一系列振动值，用来定义和设置各类机器的振动报警值。其中包括软件供应商、军队、教育培训部门和国际标准化组织。已公布的振动极限表是以机器的类型(机器的负载、速度或功能)为标准的。(如图)
　　a、报警值设置图表
　　必须维修
　　过高的振动级已经严重的影响了机器的寿命;故障随时都有可能发生;机器不能够持续有效的运转;必须进行频繁的监测。
　　需要维修
　　机器可以继续运行，但是为了避免对机器寿命的严重影响，必须进行维修。机器应进行更加频繁的监测。
　　可用
　　机器的状态良好，需要进行例行检查。得到的振动级对于新的或重新调整过后的机器来说只具有参考价值，需要通过进一步的调查来完善。
　　良好
　　机器的状态良好，可继续运行。
　　b、ISO标准
　　对于运转速度为10～200 RPM(600～12000 RPM)的机器，ISO标准2372/10816中提供了对应的振幅极限值。ISO标准中规定中等大小(15～75 kW)的设备，如果其振动级在0.18～1.12 毫米/秒(0.007～0.042 英寸/秒或85～100 VdB)之间，那么可以认为其运行良好。大型设备可以在粗轧的机座上运行，而小型设备通常安装在较光滑的机座上。
　　第一类
　　小型机器，特别是电机功率<15 kW (20 HP)的设备;
　　第二类
　　没有特殊底座的中型机器，特别是电机功率在15 kW ～ 75 kW之间的设备 (20 HP～100 HP);
　　第三类
　　安装在重型底座上的大型机器;
　　第四类
　　有特殊底座的特大型机器或增压涡轮机。
　　许多数据采集器的制造商都提供有一个参考指南，一些软件包中甚至有多个极限值可供选择——但是最终仍然必须由你自己做出决定，检验它们是否有效。
　　3、统计计算方法
　　首先我们来认识一下基准测量值，它是一个理想的测量值，表示在理想的状态下机器应该具有的振动水平值。这是我们用于判断机器状态是否发生变化的参考比较值。
　　最简单的一种方法是将采集到的第一组数据设为“基准”，然后在软件中将当前的振动数据与基准测量数据进行比较。另一种方法是在机器进行维修或检查后(一般会在检修进行试运行)取一组数据，并将它设置为基准值。这时机器可能运转得非常良好(即振动级一直维持很低的水平)。因此，我们可以将极限报警值设为基准值的两倍，否则系统可能会过于敏感(发出错误的警报)。此外还有另外一种方法，同时也是作者推荐的首选方法，就是利用统计计算法。
　　统计学就是应用数学原理对这些观测数据进行分析和处理。“标准偏差”这一术语是用来描述：变化的量对被测量的量而言是否正常的。标准偏差常用希腊符号“δ(发音为sigma)”来表示。可以证明新数据出现在3-δ范围内的概率最大，而在2-δ范围内的概率较低。计算机能够自动完成所有的这些计算和分析工作。如果你的软件有这个功能，那么你的工作就仅仅是观察这些数据并确定哪些数据具有统计分析的“价值”，然后让软件来进行计算即可。通过这种方法设定的极限报警值都是基于机器本身的监测数据，并综合考虑了振动水平的变化情况得到的。
　　一般说来，刚开始进行振动分析时应该设定一个固定的极限值(因为你还没有用于计算它的历史数据)，当你有5到10个读数以后(5个就可以，10个更好)，就可以利用统计学的方法来计算了。
　　我们还可以利用其它同样的机器上得来的数据来判断故障的性质和严重程度，这就是对比统计分析。这种技术的好处是你可以很快的得到“成熟的”极限值，并可以在统计所有机器上测得的数据的基础上去判断几台机器中的某一台的实际运行状态。
　　4、频段报警设置
　　频段报警值的基本原理是：对频谱进行分段分析，可分析的数据包括总振值、轴承测量等，对不同的频段设置并应用不同的报警值。
　　假设有一个频谱，我们在运转速度的峰值附近取一频段。例如，让软件集中分析从0.9X到1.1X之间的振动。软件将计算出该频段的振动参数，计算出最大的振动值、振动平均值和有效值或者其它一些的参数，看它是否超过振动报警极限值。通过从频段上提取数据可以显示出振动随时间的变化趋势。
　　我们可以为每个频段定一个特殊的名字，例如“1X”、“运转速度峰值”、“不平衡”或任何其它你喜欢的名称。所采用的报警极限值也是由用户自己选定的;即可以使用固定的报警值，也可以通过统计学计算得到报警值。用户通常还能在每个频段设置多个报警值，例如“警告"极限和“故障"极限。
　　采用该方法时可以同时使用六个或十二个频段(具体的可用频段数由所使用的软件包决定)，这些频段可以包括窄频率范围(1X、2X、3X等)或宽频率范围1～10 X、0.2 X～0.8 X(次同步)、10 X～50 X等。
　　5、包络线报警
　　包络线报警值(也被称护罩报警，但不要与用在轴承分析上的包络检波相混淆)，采用的则是完全不同的方法。其极限报警值包括了整个频谱，而不仅仅是频谱中的某个频段。(如图)
　　这种方法的好处是可以覆盖所有的频率，并且对那些很少注意到的频率上出现的峰值点很敏感。某个单一的频段可能被用来覆盖较宽的频率范围，例如，从1X到10X。一条包络线根据频谱的形状可能要计算超过50个不同的极限报警值。其缺点是过分依赖于特别的执行信息，生成的状态报告可能无法指出引起异常的原因。一些基于包络线的系统也可能会允许你指定一些故障频率信息(运行速度、泵的叶片数量等)，生成异常报告时将自动与这些已知的频率结合起来进行分析。
　　通常情况下由软件自动计算包络的极限值，但某些软件也允许你手动的在频谱上"画出"振动极限。当刚开始计算的时候，由于没有设备的历史数据可供参考，因此无法进行统计计算。但是，包络线可以通过基线频谱(第一组测量值)和整个频谱范围内的振动级加倍后得到。同时为了降低包络线对微小速度变化的灵敏度，还应该考虑采用一些其它的计算方法。
　　<<<< 还有半截见下张贴——

perfect023

6、专家系统
专家系统就是一套软件，它能够接收并识别输入的数据，进行分析以后再输出有用的信息。在多数情况下，这个过程中还需要进行一些复杂的运算，最后根据计算结果做出决策判断。在振动分析中，我们要做就是输入所有的振动数据（可能还包括其它一些信息），然后从输入的数据中查找故障显示，最后生成有故障的机器的清单和报告。
专家系统依据一定的“规则”来进行设计。它们需要遵守一系列“如果——那么”类型的规则。举一个典型的例子：“如果在垂直和水平方向上是1X的振动，而在轴向上振动是2X，那么说明有不平衡现象产生”等等。
一个好的专家系统应该能够执行“筛选（判断是否有故障）”，在一些情况下，还能够提出诊断和维修建议。因此它不仅可以节省大量的时间，还能在分析过程中提供帮助，特别是当你自己经验不足的时候。专家系统能够捕捉到那些不太明显的问题，而一些过度疲劳的振动分析人员却很容易忽略掉这些不太明显的问题。为了要想得到准确的诊断结果，必须对机器有充分的了解，同时还需要花费大量的时间进行相关信息的收集和输入。
目前世界上为客户提供专家系统软件的主要有Predict/DLI、DMSI （SKF）和CSI等公司。

7、人工智能系统
人工智能（AI）系统与专家系统的目的是一致的：浏览振动数据并自动作出诊断。然而，人工智能系统（如神经网络）与专家系统的工作原理却有很大差异。专家系统是依据“规则”来进行设计的，而人工智能系统则具有自我学习的能力，你也可以说它能够自己制订规则。
我们给AI系统输入很多组数据并"告诉"这些数据的意义，一遍又一遍的这样重复进行。人工智能系统能够从这些数据中找出跟状态相关的关键参数，当你下一次给它一组数据时，它就能够自动做出相应的诊断。
虽然人们在发展人工智能上投入了大量的时间和金钱，但是一直以来都主要是在实验室中进行研究，其实际应用效果却不甚理想。最近的发展使它已经成为工业生产中比较完善并且可靠的系统，应该得到人们的足够重视。

8、机器的速度变化与归一化
测试旋转机械的一条重要规则就是要建立一个可重复的测试环境，必须确保机器每次测试时都以同样的速度和荷载运行。如果不能达到这个要求，那么就必须采取一定的措施来处理测量的结果。通常情况下我们通过归一化来解决这个问题，用运行速度的倍数来表示频率。1X是运行速度峰值处，3X是该运行速度频率的3倍处，以此类推。归一化的过程就是在频谱中“排列起”这些峰值。
下图为没有使用归一化法绘制的频谱，我们可以看到出现多个不同转速频率的波峰。

按照归一化法绘制频谱图如下，在1X、2X……处有多个峰值。在计算时，我们也可以采用归一化法，使1X峰值始终位于1X频段内，并保持包络线中1X峰值与正常振幅的可比性。

注意：需要引起注意的是，当对频谱进行归一化时，只有与运转速度相关的峰值按顺序排列起来，而行频、共振频率、外部振源等等则不会。当一台机器的速度变化为百分之几时，对归一化频谱来说是可以接受的，就像通常大或小一点的数据都是可接受的一样。超出了这个范围，振动值可能就会出现差异（因为共振、冲击力、荷载变化和其它因素），这时再应用归一化法就是不适当的了。
我们首先要做的是尽可能的控制机器的速度和荷载。其次才是使这些变化达到最小从而使前后的测试数据具有可比性。最后，如果以上努力都失败了，我们再考虑建立相应设置的系统，把变化划成成几个不同的段并对每一个段使用不同的报警极限。

三、分析阶段
在对系统进行了正确的设置之后，我们就需要对频谱、时域波形和趋势等参数进行分析。一旦分析结果显示超过了报警极限值，就表明该机器可能出现了故障。但是由于报警值设置不正确，机器的速度和负载变化，外界的振动或噪音干扰，以及其它各种因素的作用，可能导致异常报告中出现错误判断。为了尽量减少分析过程中的错误判断，我们应该遵循一定的方法和步骤，并通过适当的使用相应的辅助软件帮助我们提高工作效率。
1、趋势的分析
软件通常能够为我们提供两种典型的趋势以供分析，它们分别是测量数据的趋势和计算值的趋势。测量的数据趋势可能包括总振值，高频的轴承测量，甚至还有温度、压力和机器速度等执行参数数据；而计算的数据趋势一般来自于所设置的频带（或分析参数的设定）。您能够看到数据在1X频段，2X频段和其他频段中发生的变化情况。

分析趋势时，首要的工作是观察其振动级的变化，将振动级与预先设置的报警极限值相比较。如果曲线的趋势较为平直，那么我们可以认为它的状态没有发生明显变化，不需要进行进一步的分析。如果发现振动级随时间而不断增大或者达到甚至超过报警极限值，这时就需要引起你的注意了。对于那些不断增大但还没有超过极限值的趋势，应该注意其增大的速度，并估计到达极限值所需的时间。

正常的趋势曲线

有问题的趋势曲线

不断增大（未达到极限值）的趋势曲线

需要注意的是我们所设置的极限值并不完美，它只能为我们了解故障的情况提供一个参考，你需要自己对报警极限值的准确性和参考价值进行评估（它们是否建立在4或24个样本统计的基础上；或者仅是软件系统的默认取值；又或者是由经验丰富的专家设定的等等）。仅仅通过趋势的分析我们尚无法决定需要采取那些处理措施，还需要考虑时域波形、频谱、机器上其它点的测试数据、机器的相关信息、生产需求、零件的可用性等因素的影响。

2、频谱分析前的准备工作
在我们开始进行频谱分析之前，首先需要对它进行一些检查以确定数据的有效性；然后查找相关的模式：谐波、边频带、峰丘等；接着查找是否存在一些常见的故障显示：不平衡、不对中和轴承故障等等。
由于传感器没有良好的固定、机器在测试过程中转速出现波动或工作状况变化等原因，你每次采集的数据中都可能会存在一些无效数据。因此，在我们作出任何结论这前都需要首先对数据进行检查，这样才能尽量避免或者是减少由于无效数据导致的错误诊断。
a、传感器故障
最常见的错误通常都是由传感器引起的，而与传感器有关的问题大部分都来自于不正确的安装方式。因此，我们要做的第一件事就是检查频谱中波峰，不能只注意行频和倍频处的波峰。接着察看频谱中是否存在“滑雪坡”曲线，如果在频谱中看到高幅的低频波峰，并且其振幅随着频率的增加而衰减，那么很可能就是由于传感器故障引起的。出现这种现象最见的原因是某种瞬态现象，例如测量过程中传感器受到震动、突然放入高温环境中或者传感器通电后未等待其稳定就开始测量等。

瞬态现象不仅会在频谱中出现显示，时域波形中也能够观察到相应的现象。如果在时域波形的开始部分出现“鸣叫”，那么极有可能是由于热冲击产生的（在正确设置了稳定时间的情况下）。大多数情况下储存的数据是采集到的第一组时域波形，因此它能够显示出热冲击瞬态的影响。除非在检测开始时机器恰好受到冲击，否则不会在时域波形的起始部分出现瞬态现象。

另外，如果传感器出现“饱和”，那么在频谱末尾的高频区域也会出现滑雪坡曲线和升高的背景噪音。其产生原因主要包括以下几点：首先，如果仅仅是振动级过高的话，那么可以考虑使用一个灵敏度较低的传感器。某些高速、高振动的机器（如压缩机等），都需要使用灵敏度较低的传感器。第二，可能有蒸汽流或其他高频的强振动。建议重复进行检测，就能纠正这个问题，除非这种干扰源始终存在（或者你运气不好）。第三，高频振动预示着机器可能存在故障。你应该在更高的频率范围内做一次检测，并尝试通过在传感器和机器（轴承）之间嵌入橡胶垫圈，来消除高频噪音/振动源的干扰。

b、修正测试环境
在完成了上一步的检查之后，接下来我们需要检查机器是否工作在正确的状态下？你能否识别出运行速度频率处的波峰？机器的运行速度是否正常？
除非测试结果出现明显的变化，否则我们很难发现出机器的负载或速度与正常状态的不同。这时只能通过与该测点的历史数据进行比较来鉴别。虽然听起来可能有点荒谬，但是我们经常犯的一个问题就是在错误的位置和方向上进行采集，因此对测点的位置和测试方向进行检查是非常必要的。从错误的位置或机器上（把A机器误认为B机器）采集数据是经常发生的事。在现场上这类的错误通常都能够得到纠正，因为数据采集器会提醒你是否进行重复测试。你需要做的就是随时提醒自己你所得到的数据很可能是在错误的位置或不正确的条件下测得的。通过使用快速连接垫片和条码标签可以减少发生此类问题的可能性。

3、频谱分析
a、查找1X波峰
现在我们确定传感器已经采用正确的安装方式安装在正确的测试位置上，在开始下一步工作之前我们还需要再进行一次快速检查。如果系统设计成能够自动识别机器的运行速度（其信息可以通过现场直接输入或对数据自动分析后得到），那么还必须检查并确定它能够正确的执行这个重要功能。了解机器的运行速度是频谱分析成功的关键，因此只有知道了机器的运行速度，我们才能正确的识别和分析那些转速频率的整数倍或非整数倍处的波峰。
在多数情况下，我们能够直接观察到1X处的峰值。如果没有发现，那么我们可以向后查找多倍运行速度频率处的峰值（如找到6 X处的波峰，再将该处的频率值除以6即可）。频谱中的X轴通常是以Hz（转/每秒）或CPM（转/每分）为单位，但我们建议将频谱进行归一化阶处理，用倍频来表示X轴。如果使用归一化阶的频谱，X轴将根据运行速度等间距标注。从该图中我们能够清楚的看到波峰与运行速度的关系，能够快速的发现是否存在同步波峰、不同步波峰和次同步波峰

当机器上有两个或两个以上的轴时，要想正确判断频谱上的波峰是否同步以及它们与各个轴之间的关系就变得有些困难了。但有的软件能够识别出这些频率（以及跟机器相关的关键扰动频率），并自动作上标记说明波峰与转轴或转动元件的关系。


b、快速扫描数据
接下来我们在频谱中查找高振幅的峰值、均匀间隔的系列峰值（谐波和边频带）、非整数倍运行速度频率的峰值、较高的背景噪音和峰丘状波峰。你可以参考机器的异常报告，从而判断频谱的那部分超过了报警极限值。
我们通常可以选择两种方法来进行振动分析。第一，熟悉频谱中经常出现的各种模式，了解它们产生的原因。第二，了解各种元件的类型以及它们的失效模式和故障情况。学习怎样判断不平衡、不对中和滚动轴承磨损等故障。只有当我们具备了识别和理解谐波、边频带以及典型故障模式（不平衡、松动等）的能力，才能够对频谱和时域波形进行正确的分析，并做出准确及时的诊断。
注意：无论我们看到的模式或振幅如何，都必须检查其振动级的变化。我们所采取的行动主要取决于振动级的变化率。如果振动级非常稳定，就不必着急。但如果找出了故障显示，并且振幅（跟故障相关的）变化快速，那么就需要进行紧急处理了。


c、振动模式识别
谐波：
频谱中最常见的振动模式是谐波。谐波就是从一系列从基频开始的波峰。有时谐波与运行速度无关。它们还可能与轴承频率、皮带速度或其它频率有关。如果切换至对数坐标显示，我们能够看到更加明显的谐波系列。

由于谐波是因此拍击（非线性运动）或瞬态（撞击）引起的，因此你还能够在时域波形中看到相应的显示。

将同一系列的谐波划分出来是非常有用的，这样做能够帮助你识别其它系列的谐波和未被计算到的波峰。我们在这里所分析的都是加速度的波形数据，但你可能经常使用的是速度波形数据，由于速度波形数据中的高频成分会受到抑制（对高频信号而言，最好是使用加速度信号；对低频信号而言，最好使用位移信号），因此不推荐对高频信号采用。
我们应该意识到除了要对频谱进行分析之外，时域波形也一个帮助我们了解谐波来源的有力工具。而一些机器上始终会有谐波存在，因此虽然谐波对于我们的振动分析非常重要，但是了解你所分析的机器也很重要，谐波在频谱上是非常常见的显示，但它却不一定是故障的表现。

边频带：
边频带是由于两个信号调幅产生的。在研究滚动轴承、齿轮箱、电气和其它某些故障时，边频带是普遍存在的故障显示。

在频谱中，边频带看起来像平坦间隔的波峰群，围绕着“中心频率”的波峰。根据不同的情形，我们可能会对“中心频率”感兴趣，或者对两边的频率感兴趣，或者对二者都有兴趣。

边频带的分析通常用两种完全不同的方法。一种方法是我们清楚在什么地方寻找什么信息（我们知道中心频率和边频带率），而另一种方法则是试着去确定频谱中波峰出现的原因，并判断它们是否是由于调制引起的。我们有时不得不对一个频谱进行分析并尝试识别当中出现的边频带。我们可能不希望出现调制。但在包含多级齿轮箱、皮带、滚动轴承的复杂机器中，可能存在着许多潜在的调制源。我们需要将它识别出来，并尝试利用这些信息来进行诊断。为了能够准确的进行分析，我们首先需要识别其模式，然后还必须精通边频带的分析工具。
典型的调制通常出现在振动级在周期性发生变化的时候，如旋转元件进入和离开加载区域时，或者摩擦程度的变化等。因此，理解调制的来源并思考机器内部发生的变化将有助了解机器的状态。


背景噪音和峰丘：
当我们看到一个频谱，并初步对数据（没有出现滑雪坡曲线）进行检查后，接着就应该去寻找存在的边频带和谐波。同时注意查看背景噪声并对存在的峰丘进行检查。
当你观察那些振幅水平非常接近于零的频谱时，会发现那些波峰就像大海中小岛上突出的山丘一样。我们所要研究的“背景噪音”就是海。它要么表示背景振动（由该机器自身或周围机器产生的噪音），要么就表示测量系统的测量下限。无论是何种情况，如果它像下面这个频谱一样完好平坦的话，就没有多少研究的价值。

然而，由于各种原因，你可能会经常看到背景噪声上升，同时穿过整个频谱或部分区域。这时就需要引起注意了。如果整个背景噪声都升高了，那么很可能是轴承出现了严重的磨损。如果背景噪声在偏向于较高频率的地方升起来，则可能是由于气穴或流动噪音的影响。如果背景噪声只在频谱中的某个区域内幅度较大，那么其原因就比较多了。首先可能是由于轴承出现了严重的磨损导致的，如果情况继续恶化，还会出现更多的背景噪声。第二个可能性是出现了共振。这时在频谱中的波峰通常有十分宽阔的基部，并由于共振而产生峰丘。如果没有轴承磨损的征兆，并且频谱中的波峰仅仅在一个方向上出现（共振常带方向性），那么就极有可能是共振引起的。

当有大量相互靠近的谐波时，会在频谱中出现峰丘。如果频谱的分辩率过低，所有的这些边频带都将显示为“斑点”。如果能够用更高的分辩率来重新采集数据（用1600线代替400线），那么就可以看到大量的波峰而不是斑点。背景噪声和气穴现象也会导致频谱中出现峰丘。我们通常能够在时域波形中找到气穴的征兆以及与噪音相关的过程。
我们必须意识到在被监测的机器周围的那些机器，经常是频谱中振动的来源。如果你怀疑看到的振动可能是来源于其它机器，应在这一个频率处做上标记，并查看被测机器的测量数据，与周围机器的振动数据相比较看是否能够找到相匹配的。你也许不需要再做进一步的工作，但你现在至少要知道频谱中振动的来源。

振幅：
如果不考虑振幅的大小，我们在前面所有的讨论都是没有意义的。如果你在频谱中看到了明显的振动或谐波，或者一个很大的波峰。在准备报警前，首先应该检查该频率处的幅值大小。

4、频谱的对比分析
除了对单独的频谱进行分析外，你还需要与其它可用的数据进行比较：如过去采集的测量数据，参考频谱，报警值以及其它轴上的频谱，其它测点上的频谱以及同一机器上相同测点但不同方向的数据。进行频谱比较主要是基于两个基本目的：首先是观察数据发生了什么样的改变（或与正常情况有何不同），然后还要了解机器的运转情况。
a、与参考数据的对比分析
我们希望有一个通用的机器振动数据库；一个可以用来测试机器的参考数据库，但那实际上是不存在的。但我们有过去的测量数据，这些数据和参考数据是从现场中同型号的机器上采集的。参考数据可能是大修后（或刚开始使用的机器）立即采集的频谱，或根据基线数据得到的统计值。机器状态监测非常依赖于当前数据和历史数据的比较。如果能够知道数据改变量的大小，以及在哪里（哪个频率上）发生了变化，那么你就离成功不远了。所有分析软件都允许调用过去的测量数据，并能够快速地了解到这次测量与上次测量的振动幅度改变量的大小。
最简单的观察数据的方法是将两组数据相叠加。那样就能观察到在每个频谱波峰的确切变化量。用这种方法，可以显示三到四个图形同时还能够相互分辨。

在一些软件程序中还有另一种图形对比方法就是垂直堆叠频谱。我们不仅能够观察到整个频谱的形状，还能清楚的看到各个主导峰值的变化情况。它的缺点是当显示大量数据时没有足够的空间来显示每个图形，这使我们很难看到足够的细节。

另外一个非常流行的对大量频谱进行对比分析的方法是瀑布图。这种图显示来振动的波峰和模式是怎样随时间变化的。即使过若干年以后你还能看到从哪儿开始出现故障以及故障何时排除（例如修理后）。因此它是一个很好的历史记录，我们可以通过它了解到故障的发展情况以及在维修前的严重程度。


b、与其它方向的比较
在分析振动数据时，如果怀疑有不平衡、不对中、共振问题或其它关系到旋转应力的故障时，都必须对其垂直、水平和轴向上的振幅进行比较。虽然各种故障类型都掩藏在单独的区块中，但实际上很多故障产生的振动都具有方向性。另外，也要考虑机器的安装方向，一个垂直安装的机器产生的振动与水平安装的机器产生的振动就有很大不同。举个例子，对于水平安装的泵，其垂直方向上的位移会受到抑制，因此它在水平和垂直方向上的振动不会完全相同。
这就是建议采集尽可能多的方向上的振动数据的原因，我们既可以使用三维传感器一次采集三个方向上的振动数据，也可以单独在每个方向上进行采集。当然，也可以进行额外的测试来确认我们的诊断结果。

c、与其它位置的比较
当开始研究不同故障状态时，要先考虑一下整个机器的振动情况，然后对你的测量和分析进行相应的调整。作为解决该问题的手段，不同位置点的数据比较能帮助查明故障部位。例如如果分析联轴器在电机端的测量数据，并怀疑有一个轴承发生了故障，则应该考虑尽快对泵上的测量数据进行分析（如果有的话还可以用电机的另一端的测量数据）。

d、与其它机器的比较
通过对比不同机器间的数据，可以帮助你更好的理解什么是机器的正常状态。

5、时域波形的分析
对时域波形进行分析的目的主要有以下三点：
第一，你能在时域波形图中看到一些频谱中无法看到的现象。我们经常可以在时域波形上看到一些在频谱上无法看出的故障显示。非周期性的事件（如瞬态和脉冲）将不会在频谱上显示出来——换句话说，你无法单独根据频谱来判断脉冲。同样，齿轮箱中的断齿产生的影响也可以从时域波形中看出（如果被触发）但是它们却无法通过频谱检测出来。因此，对于齿轮箱这样的部件，由于其频谱上的显示很少，因此对其时域波形的分析就变得非常重要。
第二，许多故障状态需要根据时域波形图来识别。例如松动、齿轮磨损、轴承故障等。
第三，我们可以利用时域波形来进行一些有用的计算。


四、根源分析阶段
振动分析的一个好处是能够检测故障、诊断出故障原因并判断问题的严重程度，最后给出维修措施。如果只进行简单的修理，例如更换轴承等，而对于防止故障再次发生没有采取任何措施。那么即使轴承被更换，但它们仍然可能会再次失效。如果我们花时间研究为何轴承会失效就可以想办法从根本上减少今后发生同样故障的可能性，也就是说提高设备的可靠性。我们把这个过程叫做根源分析。
有许多故障都是由于机器的共振、不平衡和不对中导致的。如果能够尽早的检测和解决这些问题，故障发生的可能性就会减小。除非存在润滑不良问题，否则轴承是不容易由于自身原因而发生损坏的。通常情况下它都是由于其它外力作用而导致的损坏。如果能够找出振动源，并使其振动减小，那么机器的可靠性就会得到提高。因此，如果下次再观察到有明显的不平衡、不对中或共振，不要再因为其振幅不高而忽略它。不平衡等会给轴承带来很大的外加应力，这种应力可能导致轴承的失效。
有时破坏性应力也可能来自其它机器，特别是那些不经常运转的机器。在静止状态下，周围机器的振动也可能会导致轴承损坏。有许多停机不到几周的机器，在上次运行时状态还是良好的，但现在开机后就出现故障。解决方法就是保持轴的转动，并想办法隔离振动，同时注意不要让机器长时间停机。甚至有时不得不考虑改进存放那些暂不用的元件和机器的办法。轴承即使放在架子上也可能会被损坏。
另外，还需要考虑我们所采用的维修制度，许多故障都源于上次的维修。匆忙、缺乏训练和质量控制都会导致机器的可靠性下降。
你应该检查维修制度以确保机器的充分润滑。是否密封良好？是否存在润滑油污染？是否使用了正确的润滑油？你还需要考虑与设计相关的问题。机器是否按设计的要求运行？是否以额定负荷或超负荷运行？是否有导致共振的结构因素？
虽然上面提到了这么多需要考虑的因素，但是还有许多问题没有涉及到，你还必须考虑纠错和所需成本等许多细节问题。这同时也是一个经济问题——但不要让它妨碍你的工作。你将需要进行成本和开支的评估。评估维修所需的费用及其带来的直接和间接效益。
想要找出机器故障的根本原因并不是一件容易的事情，并且常常需要耗费你很多的时间。故障监测和主动维修一定会为你和你的公司带来良好的收益。可靠性高的机器所需的维修费用较低，成本的减少可以提高效益和工作安全性。
五、确认阶段
在我们完成分析，给出了维修建议，同时进行了一些附加测试从而确定故障的根本原因之后，我们的维修工作就已经基本完成了，接下来我们需要让设备重新工作起来。无论我们采用的是故障维修、计划维修或预知维修，机器在重新投入工作前都必须进行彻底的检查。
很多维修后的机器又迅速失效。其可能原因有使用了错误的部件、部件安装不正确、缺少润滑或有部件仍存在故障缺陷等。因此，在设备重新投入工作之前，我们需要重新测试一组数据，以便检查先前存在的问题是否得到了纠正，并确保振幅和模式没有显示出新的问题。根据得到的测试结果和机器的重要性，你可能还需要在一周内对它进行重复测试以确保其状态良好。在机器进入正常运行后，就可以回到正常的检测维修程序了。