设备振动频谱与轴承故障频率分析器｜OEE与设备效能工具
这个工具解决什么问题
设备台账维护得好不好，直接决定分析能走多远。这工具对输入字段做了最小要求。
旋转设备（电机、泵、风机、主轴）的轴承是易损件，等到异响或停机才处理往往代价高昂。本工具面向已采集的振动加速度信号，用纯 Python 自研 DFT 做幅值谱，并依据轴承几何参数（滚珠数、球径、节径、接触角、转速）计算转频与四类特征频率（外圈 BPFO、内圈 BPFI、滚珠 BSF、保持架 FTF），再把频谱峰与这些频率及其谐波、±1×转频边带做比对，自动标注疑似故障来源。同时给出 RMS、峰值、峰值因子、峭度等时域健康度指标与分级，以及复测/加油/拆检的检修建议。站内已有 FDC 故障诊断、传感器漂移检测等工具，本工具专做「振动频谱 + 轴承特征频率」这一块，不与之重复。
输入数据格式
数据文件 vibration_signal.csv，列顺序为：time_s、acc_g。
示例首行：0.000000,-0.045686
示例输出（真实运行结果节选）
==========================================================================
设备振动频谱与轴承故障频率分析器 · 示例输出报告
==========================================================================
采样配置: fs=5120Hz N=2048点 时长=0.400s 频率分辨率=2.500Hz
轴承参数: 滚珠数n=10 球径d=7.0mm 节径D=50.0mm 接触角a=0.0° 转速1500.0rpm
【一、特征频率与转频】
转频 fr 25.000 Hz (1.00x转频)
外圈 BPFO 107.500 Hz (4.30x转频)
内圈 BPFI 142.500 Hz (5.70x转频)
滚珠 BSF 87.536 Hz (3.50x转频)
保持架 FTF 10.750 Hz (0.43x转频)
【二、时域指标与健康度分级】
有效值RMS=0.8655g 峰值Peak=2.3639g 峰值因子Crest=2.731 峭度Kurtosis=3.582
健康度判定: 注意(II级) — 指标偏高, 建议缩短复测周期
【三、频谱峰提取(前12)与故障特征比对】
频率Hz 幅值g 疑似来源
107.50 0.900 外圈BPFO 1x
215.00 0.452 外圈BPFO 2x
132.50 0.349 外圈BPFO 1x边带
82.50 0.346 外圈BPFO 1x边带
322.50 0.301 外圈BPFO 3x
190.00 0.250 外圈BPFO 2x边带
240.00 0.248 外圈BPFO 2x边带
25.00 0.150 转频/不平衡-不对中 1x
【四、诊断结论与检修建议】
外圈BPFO相关谱峰命
一句话
自研 DFT 频谱 + 轴承特征频率比对，从振动信号里揪出外圈/内圈/滚珠故障征兆，支撑预测性维护。
运行环境与快速开始
Python 3.8+，零第三方依赖。首次运行会自动合成含 BPFO 故障族的 vibration_signal.csv 示例信号并输出报告；之后可用你自己的振动 CSV 覆盖同名文件再运行。
python bearing_vibration_fft.py
两列，表头必须一致
· time_s：采样时刻（秒），等间隔 · acc_g：振动加速度（单位 g） 采样率与点数在脚本顶部 CONFIG 里设置（默认 5120 Hz、2048 点，约 0.4 s）。
输出说明
控制台与 示例输出报告.txt 同步输出：① 转频与轴承四类特征频率；② 时域健康度指标（RMS、峰值、峰值因子、峭度）与分级；③ 前 12 个频谱峰的频率、幅值与疑似来源标注；④ 外圈/内圈/滚珠故障征兆判定与检修建议。
算法口径（关键公式）
· 转频 fr = rpm / 60 · BPFO = (n/2)·fr·(1 − (d/D)·cosα)；BPFI = (n/2)·fr·(1 + (d/D)·cosα) · BSF = (D/(2d))·fr·(1 − ((d/D)·cosα)²)；FTF = (fr/2)·(1 − (d/D)·cosα) · 幅值谱 = 自研 DFT + Hann 窗（窗增益 0.5，幅值 ×2 校正），频率分辨率 = fs / N · 峭度 Kurtosis = m4 / m2²（正态参考 3.0）；峰值因子 Crest = Peak / RMS
参数与调整点
CONFIG['FS'] # 采样率 Hz（决定频率分辨率） CONFIG['N'] # 采样点数(<=2048) CONFIG['BEARING'] # n 滚珠数 / d 球径 / D 节径 / alpha_deg 接触角 / rpm 转速
常见误判与注意事项
1. 本工具专做振动频谱与轴承特征频率，设备综合故障诊断(FDC)、传感器漂移等请用站内其它专用工具，避免重复。 2. 谱峰判定用 ±3% 或 ±1×转频(边带)容差，频率分辨率内(±fs/N)的峰值可能合并，需结合边带综合判断。 3. 峭度对冲击敏感，但单次起动/瞬态也会抬升，应连续复测确认趋势而非单帧下定论。 4. 轴承安装不对中、润滑不良也会激发近似边带，确诊外圈故障前应先排除安装与润滑因素。
附赠
见「附赠提示词.txt」，含 3 条配套 AI 提示词，用于把频谱诊断转化为维护行动与汇报。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：CONFIG={。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：vibration_signal.csv、示例输出报告.txt。
工具中出现的字段与提示
- 异常(III级) — 疑似存在冲击/故障征兆
- 注意(II级) — 指标偏高, 建议缩短复测周期
- 健康(I级) — 指标正常
- 转频/不平衡-不对中
- 内圈BPFI
- 滚珠BSF
- {} {}x边带
- 未匹配(噪声/其它)
- 外圈BPFO
- 保持架FTF
- 设备振动频谱与轴承故障频率分析器 · 示例输出报告
- 【一、特征频率与转频】
- {:>14}{:>12.3f} Hz ({:.2f}x转频)
- 转频 fr
- 外圈 BPFO
- 内圈 BPFI
- 滚珠 BSF
- 保持架 FTF
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：bearing_vibration_fft.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 2 列：time_s、acc_g。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
跑完最该关注哪几项？
报告按 一、特征频率与转频、二、时域指标与健康度分级、三、频谱峰提取(前12)与故障特征比对、四、诊断结论与检修建议 等部分组织，其中判定结论与建议部分直接对应下一步动作。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
同分类的其它工具
分类归属：OEE与设备效能工具包；完整清单在 工具资源包下载页。
