简介这是一份聚焦旋转机械阶次跟踪Order Tracking的MATLAB脚本资源围绕角度重采样、转速计算与阶次分析三个核心环节展开面向机械工程、振动分析、故障诊断领域的学生、工程师以及信号处理初学者。压缩包内仅1个文件为order.m脚本整体大小约2KB代码结构紧凑可直接在MATLAB中运行也可提取核心函数嵌入自定义分析流程。已有999人学习/下载以轻量级代码形式呈现适合快速上手阶次分析的基本思路也可作为课堂演示或工程验证的入门参考。脚本通过输入转速信号完成时域到角度域的重采样并计算各阶次分量幅值帮助使用者识别与转频成整数倍关系的振动成分从而定位不平衡、不对中或齿轮故障等典型机械问题为设备状态监测与故障溯源提供可直接复用的算法参考。1. 阶次分析绕不开角度重采样先搞清你在处理什么信号旋转机械的振动和噪声信号里最让人头疼的不是某个频率的幅值而是频率会跟着转速跑。电机升速、风机变速、行星轮系在不同工况下啮合频谱里的峰值一边移动一边变形普通FFT根本没法稳定对比。阶次分析解决的就是这个问题把时域信号按转轴角度重新采样让和转速同步的振动分量变成角度域里的恒定“频率”。Order_tracing.zip这类包里steptdm正是做这件事的核心模块——从转速计算到角度重采样再到阶次谱输出。这套流程对设备状态监测、NVH测试和齿轮箱故障诊断都适用尤其适合行星轮系这种转速计算容易出错的场景。新手需要知道怎么把转速信号变成采样时钟熟手则要清楚重采样参数怎么选才不丢阶次。2. 转速计算是角度重采样的地基从编码器脉冲到计算阶次2.1 转速信号来源编码器脉冲与键相别混用角度重采样的前提是把“时间”换成“角度”而这个角度基准通常来自转速传感器。常见做法有两种增量式编码器输出每转几千个脉冲适合连续高分辨率的角度基准键相传感器每转输出一个脉冲只能用于同步触发不能直接当作采样时钟。很多人一开始图省事用键相信号重采样结果阶次谱里全是假峰值。原因是键相脉冲间隔太大角度位置只能线性插值在转速变化快的区段一个脉冲间隔内的转角被均匀化实际转角误差累积得很厉害。正确做法是使用高频增量编码器或者在软件重采样时利用高精度转速计对转角做样条插值。对于行星轮系转速计算还要额外注意行星架、太阳轮、齿圈之间的传动关系。如果直接拿输入轴转速当输出轴角度基准重采样后的阶次谱会出现啮合频率漂移。我一般会先确认测点位置转速传感器装在要分析的那根轴上最直接只能装在电机端时就按传动比换算到目标轴。这里先别急着套公式先把测点对应的转速物理含义写清楚再决定是乘还是除传动比能避免后面整条链路出错。2.2 在Order_tracing.zip里用steptdm完成转速追踪的最小步骤解压Order_tracing.zip这类包之后通常会看到一个负责阶次追踪的模块文件名里带steptdm字样。它的输入一般是三个数组脉冲时间戳、每转脉冲数PPR、原始时域信号时间轴。输出是一根与原始信号时间对齐的瞬时转速曲线单位是RPM。下面的代码演示了从脉冲序列恢复转速的基本思路实际包内函数通常封装得更好但参数概念是一致的。import numpy as np # 假设已从文件读取编码器上升沿时间戳单位秒 pulse_times np.loadtxt(pulse_times.txt) ppr 1024 # 编码器每转脉冲数按实际配置填写 # 每个脉冲对应的转轴角度位置 angle np.arange(len(pulse_times)) * 2 * np.pi / ppr # 对角度-时间序列做三次样条再求导得到瞬时角速度 from scipy.interpolate import CubicSpline cs CubicSpline(pulse_times, angle) t_axis np.linspace(pulse_times[0], pulse_times[-1], len(pulse_times) * 2) inst_angle cs(t_axis) speed np.gradient(inst_angle, t_axis) * 60 / (2 * np.pi) # RPM这段代码里最关键的是ppr和样条插值。ppr不能错编码器倍频或分频后要按实际值填填错等于整条阶次分析全盘皆输。使用样条而不是线性插值是为了让转速曲线光滑可导但样条在个别脉冲异常时会过冲所以看到转速跳变先别激动先对脉冲间隔做中值滤波。有一种更省心的做法直接用包内speed_tracking函数它会在内部做抗跳变滤波和脉冲丢失补偿不需要自己从头写梯度。无论用哪种输出转速曲线后一定要画图检查看是否存在负转速、突变和丢失脉冲导致的台阶。转速曲线是后面角度重采样的“地图”地图错了导航再好也没用。3. 角度重采样的两种实现路径硬件采样与软件重采样3.1 硬件等角度采样编码器计数器的硬门槛硬件角度重采样是在采集时直接以等角度增量触发采样。典型做法是编码器脉冲经过倍频电路每个脉冲触发一次ADC采样这样采集到的数据点天然等角度间隔。优势是实时性好、计算量小适合在线监测和长时间记录。缺点也很明显需要支持外部时钟触发的采集卡而且倍频后的脉冲频率在高转速下可能超过ADC最高采样率。例如一个1024线的编码器在6000 RPM时基频是102.4 kHz四倍频后超过400 kHz很多采集卡已经吃紧。这种情况下阶次谱的最高分析阶次取决于每转采样点数。通常一个转采样256点理论最高可分析128阶但实际要留出抗混叠余量往往只敢用到100阶以内。对于行星轮系啮合阶次高达几十上百的工况这个配置常常不够用。我见过有人在低速重载齿轮箱上硬用硬件重采样每转点数太少高阶次混叠成低频假峰最后只好换回软件方案。所以硬件重采样适合转速平稳、最高阶次要求不高的场合否则就是自己给自己挖坑。3.2 软件重采样实现角度积分与插值参数怎么定软件重采样是目前最灵活的做法。先均匀采样时域信号和转速脉冲然后根据转速曲线计算每个时间点对应的转角再在目标角度序列上插值。角度序列是等增量的增量值直接决定阶次分辨率和最高可分析阶次。下面是一段核心逻辑基于转速曲线将时域振动信号映射到角度域。import numpy as np from scipy.interpolate import interp1d # x_t: 两列数组第一列时间第二列振动幅值 t x_t[:, 0] x x_t[:, 1] # rpm_curve: 与时间对齐的瞬时转速RPM omega rpm_curve * 2 * np.pi / 60.0 # 用累积梯形积分求转角-时间关系 angle_t np.cumsum(omega) * np.mean(np.diff(t)) # 目标角度序列从0到最大转角步长delta_angle delta_angle 2 * np.pi / 256 # 每转256点 angle_target np.arange(0, angle_t[-1], delta_angle) # 以角度为自变量重采样振动信号 interp_func interp1d(angle_t, x, kindlinear, bounds_errorFalse, fill_value0.0) x_angle interp_func(angle_target)这里最容易被忽略的是angle_t的计算。转速曲线有噪声时直接积分会产生趋势性漂移角度误差随转数累积。我一般会在积分前对转速做低通滤波截止频率设在最高分析阶次的3到5倍不要一刀切把真实波动滤掉。delta_angle的选取原则是每转至少4个点才能保证1阶不混叠但工程上远不止这个数。每转256点对应最高128阶每转512点对应最高256阶齿轮箱分析常用512点。点太少高阶次折叠回低阶点太多插值间隔变小计算量成倍增加阶次分辨率并不会有任何提升——分辨率取决于总转数不取决于每转点数。插值方法也要讲究。线性插值简单但对信号拐点的还原略粗三次样条更光滑在转速骤变时容易过冲。我的习惯是先用线性插值做一遍看阶次谱底噪如果底噪过高再换三次样条并限制插值区间内转速变化率。遇到快速升速的工况还可以把信号分段做重采样每段内转速相对平稳段与段之间再拼接。这块没有万能设置只能拿已知的转速和信号试本质上是一个需要反复试验的玄学环节。4. 阶次谱计算把角度域信号变成阶次谱4.1 从FFT到阶次谱横轴和分辨率怎么映射角度域信号经过重采样后每个周期对应一转。此时做FFT得到的不再是频率谱而是“阶次谱”——横轴的单位是“阶”1阶就是每转一次2阶就是每转两次。这种映射非常直接设总转数为R每转N点则总点数为RNFFT的阶次分辨率是1/R阶。例如只有10转能分辨0.1阶要分辨0.01阶就需要100转。很多人在采集时没有计算总转数等处理完数据才发现分辨率和预期差得远只能重新跑一遍测试这算是常见返工原因。为了抑制泄漏需要在角度域加窗。注意是“角度域”而不是时间域窗函数是叠加在每个周期角度的整转倍数上的。汉宁窗适用于转速近似平稳的工况在升速过程或存在明显幅值波动时建议使用平顶窗或旁瓣抑制更好的窗避免阶次能量扩散到相邻谱线。行星轮系存在大量边带分量窗函数选得不合适边带会被误判成真实故障阶次。这个坑很隐蔽因为谱图看起来挺漂亮但实际特征频率对不上。4.2 用steptdm输出阶次谱的流程与参数整定在Order_tracing.zip这类包里阶次谱计算通常被封装成高阶函数。流程是转速计算 → 角度重采样 → FFT → 幅值修正。关键参数包括每转采样点数、窗函数、重叠率如果分段平均和总转数。下面是一个典型的调用示例结构上模拟了常见包内接口具体函数名以你拿到的包为准。from steptdm import order_spectrum, angle_resample angle, x_angle angle_resample( x_t, rpm_curve, points_per_rev256 # 每转采样点数 ) orders, amp order_spectrum( x_angle, points_per_rev256, windowhann, # 角度域窗函数 order_resolution0.5 # 目标阶次分辨率 )参数说明points_per_rev256控制每转点数对应最高分析阶次128阶。如果被测齿轮箱最高啮合阶次是200阶这里至少要设512点否则混叠会很严重。order_resolution决定频谱上相邻阶次的最小间隔它直接与采集转数挂钩分辨率0.5阶至少需要2转数据分辨率0.1阶至少需要10转。如果设置的分辨率高于数据实际能提供的信息函数会强制补零结果看似平滑其实是把谱峰拉宽了幅值也不再准确。我的经验是先算一下数据总转数再定目标分辨率别让软件自动填。阶次谱里还有一个固有缺陷转速波动会引起“阶次模糊”。哪怕重采样质量很高在单转内转速有较大波动时同一阶次的能量也会散布到相邻阶次。这就是为什么正式分析前一定要检查转速是否平稳。我常使用瞬时转速的变异系数作为指标超过0.5%就放弃窄带阶次谱改用阶次跟踪的时频图——那里能容忍更大的转速变化。5. 避坑指南角度重采样现场常见的5个翻车点5.1 转速脉冲缺失导致角度域错位现象阶次谱出现一系列等间隔的假峰像是混叠角度域信号波形出现周期性异常。原因联轴器松动或编码器安装不当导致部分脉冲丢失。脉冲序列少了几个周期角度位置计算被拉长重采样信号发生整体错位。解决在转速计算阶段先检查脉冲间隔一致性。如果个别间隔超过平均值的50%先做脉冲插值修复对于持续丢脉冲只能重新测量。我吃过一次亏现场没检查结果整批分析报告全部返工。现在我的习惯是先打印脉冲间隔图看到任何毛刺先停下来。5.2 插值方法选择不当引入虚假阶次现象同一数据用线性插值和三次样条得到不同阶次谱且样条结果多出几个谱峰。原因三次样条在转速非线性的区段产生过冲把信号波形人为扭曲形成了不存在的周期成分。解决比较两种插值结果的阶次谱若差异明显优先信任线性插值。也可以用低通滤波后的信号做插值减少高频噪声对插值节点的影响。插值不是越复杂越好线性插值在多数工程场景已经足够可靠。5.3 频率分辨率与角度采样率不匹配现象高阶次谱峰幅度偏小或者谱峰从尖峰变成宽包。原因每转点数太少导致最高可分析阶次低于目标阶次或者总转数不足阶次分辨率太粗。解决根据目标最高阶次确定points_per_rev公式是每转点数至少为最高阶次的2倍工程上留出1.5倍裕量。同时确保采集时长足够总转数等于分辨率倒数。例如要分辨0.5阶至少需要2转要分辨0.1阶需要10转。5.4 变转速率过快导致包络畸变现象重采样后的角度域信号幅值忽大忽小甚至出现“拍频”状包络。原因转速在几个转内剧烈变化比如快速升速或降速导致同一阶次的能量被频率调制包络出现失真。角度重采样本身不能消除这种幅值调制只能缓解频率模糊。解决改用短时角度傅里叶变换在短角度窗口内近似平稳或者把测试工况改为稳定升速升速率控制在每转转速变化小于1%。对于无法改变工况的场合采用阶次跟踪进行瞬时幅值提取而不是做窄带阶次谱。5.5 行星轮系转速计算的特殊性现象行星轮系的阶次谱中齿轮啮合阶次出现漂移与理论值对不上。原因行星轮系中行星架旋转和太阳轮旋转不同步如果转速传感器装在电机端实际分析对象是行星架输出转速计算没有计入传动比和行星轮公转的影响。解决计算当量转速时先确定分析目标是哪根轴然后换算。对于定轴齿轮副传动比 i Z2/Z1输出轴转速 输入轴转速 / i。对于行星排使用迈耶公式n_s α n_r (1α) n_c其中 n_s 是太阳轮转速n_r 是齿圈转速n_c 是行星架转速α 是齿圈齿数除以太阳轮齿数。只有把转速统一到同一根轴上角度重采样后的阶次才是真正的啮合阶次。此外行星轮通过测点时振动传递路径会变化。即使转速计算正确行星轮系阶次谱也可能出现“通过频率”边带这不是错误而是行星轮位置变化引起的调幅。分析时不要把它当成故障特征否则会误判为齿面损伤。6. 验证你的重采样结果用阶次谱一致性检验当后悔药角度重采样做没做对不能光看谱峰漂不漂亮要量化验证。我最常用两个方法第一把转速计脉冲信号本身当作振动信号做一次重采样因为脉冲在角度域应该是严格等间隔的重采样后的脉冲位置应该是一条水平线如果出现弯折说明角度积分有累积误差。第二对比同一工况两次升速测试的阶次谱同一阶次的幅值差异应小于10%相位差异应接近零如果相位随机漂移多半是脉冲丢失或插值节点选错。下面这个片段展示了相位一致性检查的思路。把角度域信号按转数切成若干段分别做FFT取1阶次复数幅值打印相位角。import numpy as np def check_phase_consistency(x_angle, points_per_rev, order1): num_revs len(x_angle) // points_per_rev phases [] for i in range(num_revs): seg x_angle[i*points_per_rev:(i1)*points_per_rev] spectrum np.fft.rfft(seg) amp spectrum[order] phases.append(np.angle(amp)) return np.std(phases) # 相位标准差单位弧度如果这个标准差超过0.1弧度就要回头检查转速曲线和重采样参数。我之前有一次做齿轮箱测试阶次谱干净得像教科书但1阶相位标准差达到0.3弧度后来发现编码器安装轴有轻微偏心导致每转角度实际不等分。换用光电编码器并重新对中后相位差降到0.02弧度故障特征才真正浮现出来。这件事让我养成一个习惯任何阶次分析报告出来先做相位一致性检查再下结论否则容易给现场留下“分析员自嗨”的印象。希望帮到你。本文还有配套的精品资源点击获取
