振动监测基础知识：轴承特征频率与 ISO 10816 振动评级

振动监测的几个基础概念

做旋转设备状态监测，绕不开几个行业通用的基础知识：轴承特征频率怎么算、振动等级怎么判、诊断算法都有哪几类。这些都是公开的工程常识，跟具体品牌无关，了解清楚有助于看懂任何一家的监测报告。

轴承特征频率：四个缩写代表什么

轴承出故障时，振动信号里会出现和轴承结构相关的特定频率成分。根据轴承的滚动体数量、节圆直径、接触角和转速，可以直接算出四个特征频率，分别对应轴承的四个部位：

BPFO（外圈通过频率）对应外圈剥落、点蚀；BPFI（内圈通过频率）对应内圈磨损、裂纹；BSF（滚动体通过频率）对应滚珠或滚柱本身的缺陷；FTF（保持架通过频率）对应保持架松动。频谱图上如果在某个特征频率及其倍频上出现明显尖峰，就能判断是哪个部位先坏。这套算法几乎是振动分析领域的通用基础，不同厂商的差异更多在于传感器精度和后端算法的工程实现上。

ISO 10816 / 20816：振动烈度怎么分级

光看振动数值大小没有意义，得放到标准里对照。国际标准把旋转设备的振动速度有效值（RMS）按机器等级分成四个区：

A 区是新机水平，B 区可以接受、继续运行，C 区属于不佳、需要安排检查，D 区已经进入危险区间，建议尽快停机处理。这个分级方法是公开发布的国际标准（ISO 10816，新版本为 ISO 20816），任何设备只要知道自己的机器类别，都可以对照检查，不依赖某一家厂商的私有算法。

诊断算法的三条技术路线

行业里常见的故障诊断思路大致分三类，实际项目里往往会叠加使用：

规则判断：基于振动理论直接设定阈值和规则，比如”1 倍频幅值超过多少判定为不平衡”。优点是不需要历史数据、开箱即用，缺点是工况变化时容易误报。

统计类异常检测：用一段时间的历史数据自动建立”正常基线”，用类似 Z-score 的统计方法衡量当前值偏离基线的程度，能自适应变频、启停等工况变化。

机器学习 / 深度学习分类：用大量标注过的振动特征训练分类模型，直接输出故障类型。模型可以随着数据积累持续迭代，识别精度理论上会越来越高，但需要一定的数据积累周期。

三条路线各有侧重，规则判断胜在简单可解释，统计方法胜在自适应，机器学习胜在精度上限高。多重方法交叉验证、互相印证，是目前行业里降低误报率的通用做法。

怎么给设备匹配监测策略

选监测方案本质上是先看设备的运行特点：转速稳定、单点巡检就够的设备（比如普通风机水泵），适合低频周期采集；工况复杂多变的关键设备（大功率压缩机、大型泵站），适合连续监测加自适应基线；分布分散、非连续运行的设备，更适合用总线拓扑做集中采集，减少现场布线和巡检成本。先看工况特点、再选监测方式，这个判断逻辑本身也是行业通用框架，跟具体选哪家产品是两回事。

咨询电话：029-89181236