4. 信号处理与故障特征增强
装备振动、电流、声发射等监测信号，本质上是多物理过程叠加的结果：齿轮啮合、轴承滚动、转子不平衡、电磁激励、结构共振以及环境噪声同时进入传感器。原始时域波形往往看不出故障，故障信息可能藏在某个载波的包络里、藏在一次短暂的冲击里，也可能藏在与转速不同步的调制边带里。因此，故障特征增强的核心任务不是"把信号画出来"，而是把故障机理对应的那部分成分从混合信号中分离、放大并定位到可判读的特征频率上。本节按"全局频率构成—调制解调—非平稳冲击—自适应分解"的递进关系，梳理五类方法的工程用法与选择依据。
4.1 傅里叶变换：先建立频率坐标，再谈特征
傅里叶变换（FFT）把有限长时域序列映射为离散频谱，是故障特征提取的基准坐标系。工程上先明确三个参数：采样频率 fs、分析点数 N、频率分辨率 Δf=fs/N。例如 fs=20 kHz、N=8192，则 Δf≈2.44 Hz，可分辨 100 Hz 转频附近的边带间隔。加汉宁窗抑制泄漏，用重叠平均降低随机噪声。判读时先算理论特征频率：外圈故障 BPFO=(n/2)(1−(d/D)cosα)fr，内圈 BPFI=(n/2)(1+(d/D)cosα)fr，滚动体 BSF=(D/2d)(1−((d/D)cosα)2)fr，保持架 FTF=(1/2)(1−(d/D)cosα)fr。若谱峰落在这些频率及其谐波上，可初步判定对应部件异常。FFT 的局限同样明确：它假设信号在分析窗内平稳，对升速、冲击、时变调制会"抹平"时间信息。
4.2 包络分析：把高频冲击搬到低频看
轴承早期损伤产生的是周期性冲击，它激励结构高频共振，形成"高频载波+低频重复"的调幅信号。直接看频谱只见共振峰，看不到故障频率。包络分析的思路是：带通滤波保留共振带 → Hilbert 变换求解析信号 → 取模得包络 → 对包络再做 FFT。工程实现中，带通中心频率应选在共振峰处，带宽覆盖共振带（常用 1～3 kHz），可用谱峭度自动定位。示例：某轴承外圈故障，fr=25 Hz，n=8，d/D=0.2，α=0°，则 BPFO≈80 Hz。包络谱在 80 Hz、160 Hz、240 Hz 出现等间隔峰，且 80 Hz 两侧出现以转频 25 Hz 为间隔的边带，说明存在外圈损伤并伴随转频调制。若边带间隔等于 FTF，则需考虑保持架问题。
4.3 小波变换：在时间与尺度之间定位冲击
小波变换用可伸缩平移的母小波对信号做多尺度分解，低频用宽窗、高频用窄窗，天然适合描述"何时出现了什么频段的冲击"。连续小波变换（CWT）给出时间-尺度图，尺度可换算为频率 f≈fc·fs/a；离散小波变换（DWT）用 Mallat 塔式分解得到近似系数与细节系数。工程上常用 db4 或 Morlet 小波，分解 4～6 层。判读要点：在细节系数重构信号中，若冲击以等间隔出现，间隔对应 1/BPFO，即可确认外圈故障；若冲击间隔随转速变化，则更可能是转子或齿轮问题。小波去噪的阈值可取 σ√(2lnN)，σ 用第一层细节系数中位数估计。需注意小波基与分解层数会显著影响结果，应结合包络谱交叉验证。
4.4 经验模态分解：让数据自己说话
EMD 不需要预设基函数，通过筛分过程把信号分解为若干本征模态函数（IMF），每个 IMF 满足极值点数与过零点数相差不超过 1、上下包络均值为零。流程为：找极值 → 三次样条拟合上下包络 → 求均值 m(t) → 减去均值 → 判断是否满足 IMF 条件 → 重复。工程上常取停止准则 SD 在 0.2～0.3 之间。EMD 的优势是自适应，缺点是模态混叠和端点效应。对轴承信号，通常对前几个高频 IMF 做包络谱，能更清晰地暴露 BPFO/BPFI。若出现混叠，可改用 EEMD 或 CEEMDAN，通过加入白噪声并多次平均抑制混叠。
4.5 变分模态分解：把分解写成约束优化
VMD 将分解问题转化为变分问题：假设每个模态是中心频率为 ωk 的窄带分量，通过交替方向乘子法最小化各模态带宽之和，约束为各模态之和等于原信号。使用前必须给定模态数 K 和惩罚因子 α。工程经验：K 从 3 开始试，观察各模态中心频率是否分离；若两个模态中心频率接近，说明 K 偏大或 α 偏小。α 常用 1000～2000，噪声强时取大一些。VMD 相比 EMD 模态分离更干净、无混叠，但 K 选错会过分解或欠分解。判读时对含故障冲击的模态做包络谱，若 BPFO 及其谐波清晰、边带规整，即可作为退化建模的特征输入。
综上，五类方法并非互相替代，而是构成一条从"全局频率坐标"到"调制解调"再到"非平稳冲击定位"和"自适应模态分离"的增强链。工程落地的关键，是先明确故障机理对应的理论特征频率，再根据信号平稳性与调制/冲击特性选择合适工具，最后用包络谱或时频图验证特征是否被真正增强，从而为后续退化建模与状态管理提供可靠的特征输入。