1. 为什么旋转机械的振动分析离不开阶次分析
1.1 固定频率分析在变转速下的失真
做旋转机械状态监测的人，几乎都遇到过这样一种情况：测着泵或者电机，频谱图画出来，某一条谱线不是稳稳地钉在一个频率上，而是在一个窄带范围内来回“游走”。转速越不稳定，谱线游走越明显，甚至糊成一片。这时候你要是拿固定带宽的FFT做故障判读，十有八九会翻车。
原因很简单：FFT的横轴是频率，但旋转机械的振动特征频率是跟着转速走的。转速从1200rpm往上爬升到2400rpm，转频从20Hz变成40Hz，与之相关的2阶振动分量就跟着从40Hz跑到80Hz。你把整个升速过程的振动信号丢进同一个FFT里，这条分量等于在一个频率范围里不断改变位置，最后平均成一座“山包”，峰值幅值被严重低估，峰值频率也不代表任何固定工况。
我第一次做电机升速试验时就是这个教训。原始时域波形看起来幅值很大，频谱里却找不到明显峰值，折腾了半天才意识到：分析域选错了。这就是阶次分析出场的根本原因——它要处理的本来就不是“在某一个转速下振动有多大”，而是“振动跟转轴转角之间的关系是什么”。
1.2 阶次是怎么定义的，它比频率强在哪
阶次（Order）的定义很直接：某个振动分量的频率除以当前转频。转频就是轴每秒钟转的圈数，单位Hz。
O = f / f_r
其中 f_r = RPM / 60。一台泵在1500rpm下转，转频是25Hz。叶片数为5的叶轮，叶片通过频率是125Hz，对应阶次就是125/25=5。这个5阶的标签，转速从800rpm升到3000rpm都不会变，因为频率和转频在同步变化。
这就是阶次分析相比常规频域分析最强的点：它把横轴从绝对频率换算成了转速的倍数，把振动特征从“依赖于转速”变成了“不依赖转速”。信号无论怎么变速，特征阶次始终待在整数位置（1阶、2阶、3阶……），故障特征会在特定阶次附近形成稳定谱峰，判读起来非常舒服。
这个思想其实特别像照相机里的“防抖”。普通FFT相当于手持长焦拍运动目标，快门一慢画面就糊；阶次分析相当于把镜头锁定在目标上，目标怎么跑，坐标系就怎么跟，最后把目标拍成清晰的点。
1.3 哪些设备、哪些场景最需要阶次分析
不是所有振动问题都得上阶次分析。稳态运行的设备，比如恒转速电机直连泵，转速长期稳定在某个值，普通FFT就够用。真正离不开阶次分析的，是以下三类场景：
第一类，变转速过程分析。升速、降速、怠速到额定转速再到超速保护，这是旋转机械最常见的工况之一。启动过程往往最能暴露装配问题、动静碰磨和共振问题，而这些特征在稳定运行中会被掩盖。阶次分析可以把整个升速过程变成一张三维图，横轴阶次、纵轴转速/时间、颜色幅值，哪个转速下激发出了什么阶次，一目了然。
第二类，变速设备的状态监测。风电、混合动力驱动系统、变频驱动的泵和风机，转速天天变。固定频率分析在这些设备上几乎不可用，故障特征频率和转频之间始终存在固定的阶次关系，必须以阶次为分析基准。
第三类，故障特征本身以阶次形式存在的设备。齿轮箱的啮合阶次等于齿数，轴承故障特征通常表现为转频的某个小数倍阶次（比如0.4阶、3.5阶），叶片通过阶次等于叶片数。这些特征在阶次域里才有明确物理意义。
我们做设备故障诊断，核心问题永远是“这个振动是由哪个部件引起的”。阶次分析把振动频率和“转一圈发生几次”直接挂钩，等于给了你一个把频率翻译成机械部件的翻译器。这也是为什么凡是做LabVIEW振动采集、NVH测试、发动机台架试验的人，最终都会绕到阶次分析上。
2. 阶次分析的数学核心：等角度重采样与角域采样定理
2.1 从时域到角域的映射逻辑
阶次分析的原理通俗讲可以这么理解：安装一个转速传感器，让它在转轴每转一圈时输出固定的脉冲数（比如编码器每转60个脉冲，或者光电传感器每转1个脉冲），这样转轴在空间上的角度位置就被“栅格化”了。
传统的时域采样是按等时间间隔采样的，比如采样率10kHz，意思是每0.1ms采一个点。但转速一变，每0.1ms里转过的角度就不一样了：转速高时转过的角度大，转速低时转过的角度小。如果你把这段信号直接做FFT，时间轴上等间隔的点在角度轴上是不等间隔的，这就是频率“游走”和“涂抹”的数学根源。
阶次分析的做法，是把信号从“等时间间隔采样”重排成“等角度间隔采样”。具体说就是：先通过转速信号算出转轴角度随时间的变化曲线，然后找到那些“角度正好转过固定增量”的时刻，再在原始振动信号上插值求出这些时刻对应的幅值。这样新得到的信号序列，每个点代表转轴转过了一个固定的角度增量，对转角来说是完全均匀的。
这就是“等角度重采样”。重采样之后的信号，在角度域里对转轴来说是周期性的——转一圈，所有和旋转相关的振动分量都重复一遍。这时候再做FFT，横轴对应的就是“每转发生的次数”，也就是阶次。
2.2 转角累积、重采样时刻计算与插值
在LabVIEW里实现等角度重采样，算法层面可以拆成四步：
第一步，从转速脉冲序列求瞬时转频曲线。编码器每转输出N个脉冲，测量每个脉冲的时间间隔Δt，瞬时转速就是1/(N·Δt)转/秒。注意LabVIEW里如果用计数器测周期，得到的是两个脉冲间的秒数，换算时要剔除硬件计数器本身的分频系数。
第二步，由转频积分求累积转角。瞬时转频 f_r(t) 的单位是转/秒，对它随时间积分就是累积转数，再乘以2π就是累积转角：
θ(t) = 2π ∫ f_r(t) dt
这一步在LabVIEW里可以用“积分”函数（Mathematics → Integ & Diff → Integral）或直接累加完成。如果数据量不大，我习惯直接用For循环做累加，逻辑最清晰。
第三步，计算等角度重采样时刻序列。设定角度增量Δθ（比如每转采样点数为S，则Δθ=2π/S），然后求累积转角θ(t)分别到达Δθ、2Δθ、3Δθ…时的时刻t_k。数学上这是求θ(t)的反函数。LabVIEW里可以用“求逆”的思路实现：建立一个从时间t到累积转角θ的数组，然后用“插值”（Interpolate 1D）反向查找：把θ作为X数组，t作为Y数组，查找θ_k对应的t_k。
第四步，原始振动信号插值。找到重采样时刻t_k之后，剩下的就是插值。用Interpolate 1D函数，把原始时间数组作为X，振动幅值作为Y，在t_k处求值。插值方式推荐三次样条（Spline），线性插值虽然速度快，但在转速变化剧烈时会产生阶梯状失真。
整个流程下来，你就得到了一串等角度间隔的振动幅值序列 x(θ_k)，这个序列直接进行FFT，就是阶次谱。
2.3 角域采样参数怎么定：一个3000RPM案例
角域里同样存在采样定理，只不过采样的“间隔”从时间变成了角度。要分析的阶次范围是O_max，则每转至少需要采2·O_max个点，和时域里采样率必须大于2倍信号最高频率是同一个道理。
举个例子，电机最高转速3000rpm，转频50Hz，你要分析到20阶，那么角域序列每转至少需要40个采样点。实际工程里我会留出余量，取64点/转甚至128点/转。这个值决定了后面FFT的频率分辨率——每转采样点越多，阶次谱的阶次分辨率越高，但计算量也越大。
再反推硬件需求。如果选用每转60脉冲的编码器，每个脉冲间隔内你最多只能采到1个角域点。要得到64点/转的角域序列，就必须对脉冲间隔内部做插值加密，这就是上面说的“由低分辨率转速脉冲生成高分辨率角度基准”的过程。实际做下来，只要转速曲线足够平滑，60脉冲编码器配合三次样条插值，加密到每转128点没有任何问题。
如果转速波动大，比如冲击负载引起的瞬时转速跌落，靠插值加密的角度基准会产生误差，这时候就要考虑用更高线数的编码器，或者选用模拟转速信号配合PLL倍频的硬件方案。这里补充一个实用建议：在方案设计阶段，先确定“需要分析的最高阶次”和“最恶劣的转速波动率”，再反推编码器线数和采集卡计数器性能，不要迷信越贵越好。
3. LabVIEW阶次分析的环境准备与信号链路搭建
3.1 硬件选型：采集卡、转速传感器、振动传感器
LabVIEW做阶次分析，硬件链路最关键的是一句话：振动信号和转速信号必须同步采样。这句话听起来像废话，但实际项目里踩坑的人非常多。如果振动信号由一张独立采集卡采集、转速脉冲由PLC计数器采集，两组数据各走各的时钟，哪怕只差几十微秒，重采样结果都会产生明显的相位误差。
振动采集首选带IEPE恒流源的四通道同步采集卡。NI 9234是使用率最高的一块，四通道同步采样，内置2mA恒流源，直接接ICP加速度计，采样率最高51.2kHz，做中低转速设备的阶次分析绰绰有余。如果设备转速非常高，比如涡轮机械到几万转，需要考虑更高采样率的9231。CompactDAQ机箱配9234是LabVIEW做振动测试最常见的组合，兼容性最好，驱动问题最少。
转速信号的选择，按现场条件分三种方案：
- 编码器，每转60脉冲或更多，输出TTL方波，信号质量最好，适合实验室台架和变速过程分析。
- 光电传感器配合反光贴纸，每转1个脉冲，安装方便，但重采样时需要大量插值加密，对算法依赖较高。
- 磁电式转速传感器测齿轮齿数，比如60齿齿轮每转输出60个脉冲，现场适应性好，适合工业设备在线监测。
转速脉冲接到采集卡的数字输入或计数器通道。NI 9234本身没有数字输入，所以通常搭配NI 9401这类数字模块，或者选配同时具备模拟输入和计数器功能的CompactDAQ模块。不管怎么接，务必保证转速和振动在同一个机箱内同步采集。
3.2 LabVIEW软件配置：DAQmx同步采集与转速计数
软件层面，推荐直接用NI-DAQmx驱动，把振动和转速配置在同一个Task里。振动通道对应模拟输入电压或IEPE加速度模式，转速通道设为计数器“周期测量”模式。所谓周期测量，就是测量两个数字脉冲上升沿之间的时间间隔，当编码器每转输出N个脉冲时，每个周期对应1/N圈，取倒数再除以N就是瞬时转频。
LabVIEW里用DAQmx创建通道时，计数器选“Counter Input → Period”，测量方式选“High Frequency 2 Counter”或“Large Range 1 Counter”。前者适合高转速高精度的场合，后者适合低转速大周期场合。采样时钟全部由机箱的统一时基提供，这样振动采样和转速计数的时间基准完全一致，这是后续重采样精度的根本保证。
同步配置完成后，我会先在LabVIEW里做一步确认：把振动原始波形和转速脉冲波形同时显示在波形图上，先目视检查转速脉冲是否存在漏脉冲、抖动或者反相问题。这一步很便宜，但能省下后面排查数据问题的大量时间。脉冲波形乱糟糟的话，后面的阶次分析再花哨也是白搭。
3.3 商业工具包还是自己写：我的选型建议
NI官方提供了现成的阶次分析工具包，Sound and Vibration Measurement Suite里有Order Analysis工具，能直接输出阶次谱、阶次跟踪曲线、Campbell图，功能非常全。如果你的需求是“快速出结果、不想碰算法”，直接用工具包完全合理。
但是，在这个工具包上我有自己的倾向：第一版系统建议自己写核心重采样逻辑，至少把原理跑通。原因有三。
第一，阶次分析不是“套函数”就能做好的，重采样参数怎么设、插值方式怎么选、转速异常怎么处理，每一个环节都直接影响结果可信度。自己写过一遍算法，你才具备判断工具包输出是否正确的底气。第二，LabVIEW工具包在批量处理、自定义判据、与现有控制系统联动时往往捉襟见肘，自己维护核心算法，扩展空间大得多。第三，工程上的很多怪异现象，比如阶次谱上出现莫名其妙的小峰，排查到最后常常是转速处理的细节问题，不用自己写过一遍，你都不知道该往哪个方向查。
这不是说工具包不好，而是说工具包的定位应该是“验证结果的参照物”，不是“解决问题的黑盒子”。我的习惯是先用自写算法处理同一份数据，再用工具包结果做交叉验证，两边对得上才敢下结论。
4. 从转速脉冲到阶次谱：核心程序框架与关键步骤
4.1 程序框图总体逻辑
这一节给出我在LabVIEW里实际用过的程序框架，按数据流顺序拆解。整体从底层到顶层可以分成五层：
- 数据采集层：DAQmx读取振动波形数组和转速周期数组。
- 转频提取层：周期数组换算瞬时转频。
- 角度基准层：转频积分得到累积转角，结合目标每转采样点求重采样时刻。
- 重采样层：原始振动信号插值到等角度序列。
- 谱分析层：对角度序列做加窗FFT，得到阶次谱，并绘制Campbell图。
流程上，程序先完成1和2，然后进入重采样核心子VI，最后送显示。我习惯把重采样做成一个子VI，输入是时间数组、振动数组、转速周期数组，输出是角域振动数组和阶次轴数组，这样便于反复调用和参数调整。
4.2 转速提取与瞬时转频计算
转速提取这一步看似简单，但最容易在细节上翻车。计数器周期测量返回的是一个持续时间数组，单位是秒。如果编码器每转N个脉冲，那么瞬时转速（rpm）为：
RPM = 60 / (周期秒 × N)
举例：60脉冲编码器测得一个周期0.001s，那么该脉冲内的瞬时转速是60/(0.001×60)=1000rpm。
瞬时转频f_r（Hz）为RPM/60。在程序框图中，用For循环遍历周期数组，逐点做换算，得到瞬时转频随时间变化的数组。
这里有一个非常值得注意的细节：周期测量得到的瞬时转速，时间上对应的是每个脉冲的完成时刻，而不是采样区间的起点。因此转频数组的时间基准和振动数组的时间基准需要对齐。我在工程里会把转频数组的时间戳选为每个脉冲间隔的中点，然后用插值把转频曲线映射到振动信号的统一时间轴上，这样重采样时刻的计算才准确。
4.3 等角度重采样的LabVIEW实现细节
重采样是阶次分析的核心，我详细说一下LabVIEW里的实现。
第一步，转频对时间积分，得到累积转数数组。在For循环里用移位寄存器累加即可，非常直观：
累积转数[i] = 累积转数[i-1] + f_r[i] × Δt
其中Δt是转频数组的时间步长。这个累积转数乘以2π就是累积转角。
第二步，生成等角度目标序列。设每转采样点数为S，需要分析的转数为M，则角域目标序列为：
θ_target[k] = 2π × k / S，k = 0,1,2,…,M×S
第三步，求每个θ_target对应的时间t_k。做法是用Interpolate 1D函数，把累积转角数组作为X输入，时间数组作为Y输入，在θ_target处插值查表。这一步是“反查”，很多人第一次写会搞反X和Y，查出来的时间序列完全错乱。
第四步，用t_k做振动信号插值。Interpolate 1D的X输入是原始时间数组，Y输入是原始振动数组，待求点X是t_k，得到角域信号。插值类型我选Spline（三次样条），因为转速波动时线性插值会产生折线失真。有人问过能不能用更高阶插值，比如四阶，实际测试下来三次样条在精度和稳定性之间已经是最优解，更高阶在转速剧烈变化时会出现过冲振荡，反而更差。
4.4 阶次谱计算与Campbell图绘制
重采样后得到的是等角度间隔的角域振动数组，对它做FFT前，先要加窗。汉宁窗（Hanning）是默认选择，可以压低频谱泄漏。注意：FFT输出的横轴是“每转的周期数”的整数倍，恰好就是阶次。如果每转采样点数是S，那么FFT的频率分辨率是1/M（其中M为包含的总转数），第k条谱线对应k/M阶。
LabVIEW里用“Spectral Measurements”或基本的“FFT”函数都可以。我习惯直接用“FFT”函数自己取幅值谱，灵活度高，方便自己设置加窗和幅值修正。幅值修正要注意幅值单位：振动加速度建议换算成工程单位（m/s²或g），FFT幅值需要根据窗函数修正，汉宁窗的幅值修正系数是2，别漏了这一步。
Campbell图（三维瀑布图）的绘制，我推荐用一个二维数组存放多组阶次谱数据：行对应不同转速时刻，列对应阶次，数组传给“Intensity Graph”控件，就能得到以转速为纵轴、阶次为横轴的彩色等高图。这种图在判断“某个阶次在什么转速下激励起共振”时极其高效。
实际项目里，我会在Campbell图上叠加转速曲线来实现一个非常实用的功能：自动标注共振转速点。做法是设定某个阶次幅值的阈值，超过阈值的（转速，阶次）组合自动打点，这些点直接对应“激励频率 == 结构固有频率”的共振工况，是台架试验最想找到的东西。
5. 实测中最容易踩的坑：转速丢脉冲、阶次混叠与倍频混淆
5.1 转速脉冲毛刺与重采样错乱的排查链路
阶次分析大部分“诡异现象”，根源都在转速信号质量上。我最常遇到的问题是转速脉冲丢失。现场接线松动、编码器供电不稳、光电探头离反光贴纸太远，都可能导致某几个脉冲丢失或者多出毛刺。
这类问题的排查难度在于：它不会导致程序报错，只会让阶次谱悄悄失真。我踩过一次很坑的案例：处理一台泵的升速数据，阶次谱上1阶边出现了一个来历不明的0.7阶大峰，幅值比1阶本身还高。当时我以为是碰磨或者轴承故障，排查了很久，最后回到原始转速波形，才发现中间有一段编码器丢了一个脉冲。脉冲间隔突然变长，瞬时转速算出一个向下尖峰，插值后的角度基准错乱了，1阶谱线被“掰”歪，能量泄漏到0.7阶。
完整的排查链路，按顺序走：
- 画原始转速脉冲波形，直接数脉冲间隔是否均匀。这是最快的一步，现场数据质量有问题，往往一眼就能看出来。
- 画瞬时转频曲线，看有没有异常尖峰或台阶。正常升速是个平滑曲线，任何突变都需要解释。
- 画累积转角曲线，看是否有局部“倒退”。转轴不可能倒转，累积转角必须单调上升，一旦出现局部下降，就是脉冲丢失造成的。
- 对比原始振动波形和重采样角域波形，确认重采样没有产生明显的周期性畸变。
排查链路的顺序很重要：先数据源，再中间量，最后才去怀疑频谱算法。很多人一上来就怀疑FFT的参数设置，查了半天发现转速数据本身就是坏的。
处理手段上，对孤立脉冲丢失，可以在瞬时转频曲线上用中值滤波剔除突变点，然后把缺口用三次样条补齐。但注意：这只适用于脉冲丢失比例很低（比如千分之一以下）的情况。脉冲丢失太多说明硬件或安装本身有问题，靠软件修补是自欺欺人。
5.2 插值方式与谱泄漏的细节问题
阶次谱的谱泄漏问题，比时域FFT更隐蔽。时域FFT泄漏的主要来源是整周期截断问题，角域FFT同样存在，但它还有一个特有的来源：每转采样点数和FFT点数不匹配带来的边界效应。
举个例子，每转64点，分析10转，总点数640，FFT点数不一定是2的幂。直接补零到1024点做FFT，阶次谱的谱线间隔会变化，峰值定位精度受影响。更稳妥的做法是：重采样时每转的点数选了2的幂次（64、128、256），总转数也选2的幂次（比如8转、16转），FFT点数就是完美的2的幂，配合窗函数能获得最佳泄漏抑制效果。
插值方式的另一个细节是端部效应。信号起始和结束的转速往往不稳定，插值在端点处容易出现大幅震荡。我的做法是：重采样前先截掉转频不稳定段，只分析转速相对平稳或按设定升速规律的区段。
关于谱泄漏还有一个工程心得：不要上来就加窗。对于阶次分析，先用矩形窗（不加窗）看一遍原始阶次谱，这时峰形最“纯”，能直观判断是不是存在相邻阶次的耦合。确认分析频段没有密集阶次后，再加汉宁窗提取幅值。两种窗交替使用，比任何自动参数都管用。
5.3 阶次与频率换算中的低级错误
这一节专门说换算问题，因为我在审查同事程序时经常看到这类错误，而且往往是低级的单位错。
第一，转频换算。转频Hz与转速rpm之间的换算是除以60，不是除以30，也不是乘以60。3000rpm对应50Hz，这是最基础的换算，但程序里写错的概率高于想象，尤其是当转速值本身是从编码器脉冲测出来的时候，还要先除以每转脉冲数。
第二，阶次与频率互换算。频率f（Hz）等于阶次O乘以当前转频f_r。如果转频是变化的，这个换算必须逐点进行，不能用某个固定转速下的转频去换算所有频率。
第三，每转采样点数与最高阶次的换算。角域采样定理要求每转采样点数大于2倍最高阶次，很多人写成大于最高阶次，混叠就悄无声息进来了。假设每转32点，远低于理论需求。
第四，脉冲数与阶次的关系。光电传感器每转1个脉冲，重采样时每转加密到128点，这不等于分辨率提高了，因为角度基准的原始信息量只有每转1个脉冲。加密只能让插值曲线更平滑，不能“无中生有”地提高角度精度。现场分辨率由转速传感器的物理脉冲决定，软件只能做到插值逼近。
这些换算问题，用一张表总结：
| 换算项 | 公式 | 典型错误 |
|---|---|---|
| 转速转频 | f_r = RPM / 60 | 忘记除以60 |
| 转速周期转RPM | RPM = 60/(周期秒×每转脉冲数) | 忘记乘每转脉冲数 |
| 阶次转频率 | f = O × f_r | 用固定转频替代当前转频 |
| 频率转阶次 | O = f / f_r | 混淆Hz与rpm |
| 角域采样点 | S ≥ 2 × O_max | 设成S ≥ O_max |
| FFT幅值修正 | 汉宁窗幅值乘以2 | 忘记修正窗函数影响 |
每次写完程序，我都建议把这几条换算用最小数据过一遍手算结果，别嫌麻烦。十个阶次分析程序出问题，七个出在换算上。
6. 从阶次谱到故障特征：几类典型设备的判读经验
6.1 电机/泵的叶片通过阶次与气蚀特征
泵和风机的叶片通过频率是叶片数乘以转频，对应阶次就是叶片数Z。一台5叶片叶轮，5阶谱峰是正常的水力激励，幅值随流量变化是合理的。真正要警惕的是两类异常信号。
第一类是分数阶成分，特别是0.5阶、1.5阶这类奇数分数阶。泵在不稳定工况下运行时，叶轮流道内的脱流和不均匀流动会产生分数阶激励，表现为阶次谱上0.5阶、1.5阶出现明显谱峰。气蚀发展后期，气泡溃灭产生的宽频冲击也会抬高分数阶背景。阶次谱上看到“非整数的谱峰越冒越高”，往往是流动恶化的前兆。
第二类是叶片通过阶次的边带结构。如果5阶主峰两侧出现了间距为1阶的边带（4阶、6阶附近），说明叶片之间的流动不均或者叶片本身存在安装差异。这种边带的幅值对比是判断故障程度的量化指标，正常设备边带比主峰低20dB以上，如果边带差距收窄到10dB以内，就该安排停机检修了。
经验数据上，我建议每次测试都存一份“健康基准阶次谱”。阶次谱最大的优势就是横轴阶次与转速解耦，不同转速下测到的同阶次幅值可以直接对比，这是普通FFT做不到的。有了基准，后续任何一次测试的谱峰变化都有了参照系。
6.2 齿轮箱啮合阶次与边带分析
齿轮箱的故障特征非常依赖阶次分析，因为不同轴的转频不同，啮合频率对所有参与啮合的齿轮来说都是同一个物理频率，但对应的阶次却不同。
一级齿轮副，主动轮齿数Z1，从动轮齿数Z2，啮合频率f_m = Z1×f_r1 = Z2×f_r2，啮合阶次对主动轴是Z1，对从动轴是Z2。阶次谱上，啮合阶次的谱峰正常且稳定。齿轮出现局部损伤（比如断齿、点蚀）时，会在啮合阶次两侧出现间隔为故障轴转频阶次的边带。
举个例子：主动轴转频对应1阶，主动轮齿数23，啮合阶次就是23阶。如果主动轴上的齿轮有一个齿损伤，每转一圈额外激励一次，阶次谱上会在23阶两侧形成间隔1阶的边带（22阶、24阶处出现小峰）。测出这个1阶间隔，就直接锁定“故障在主动轴侧”；如果边带间隔变成从动轴的转频阶次，比如被动轴转频对应1.44阶，那故障就在从动轴侧。
这个判据非常硬核，也是我调试齿轮箱时最依赖的“翻译规则”。LabVIEW里，用阶次谱配合对边带间隔做自相关分析，可以自动判断边带间隔，比对轴转频阶次就能定位故障轴，程序也就几十行。
6.3 发动机点火阶次与NVH调校
内燃机的阶次分析是NVH领域最经典的场景。四冲程四缸发动机，每圈点火两次，点火阶次是2阶。这个2阶成分是燃烧激励的主阶次，也是驾驶人感知到的主要振动源之一。
NVH调校时的核心目标是控制2阶成分的幅值和相位。如果2阶幅值异常增大，常见原因包括：各缸燃烧不均匀（某个缸工作不良）、曲轴平衡块匹配不良、曲轴模态落在激励阶次的某个转速点附近。
阶次分析在NVH里最有价值的输出是Campbell图上的“阶次共振交叉点”：某个阶次的激励线与结构固有频率线在图上交叉的位置，就是共振转速。调校手段通常是避开这个转速区间、增加结构阻尼、或者通过平衡措施降低激励幅值。用LabVIEW做NVH时的优势在于，可以实时改变转速控制信号、同步读取2阶幅值随转速的变化曲线，直接看到调校效果。
我在做发动机台架时，习惯在LabVIEW里加一个“2阶幅值随RPM实时曲线”的显示，同步显示转速目标值和实测值。这样调平衡块时，曲轴每加一次重量，2阶幅值曲线就上升或下降，调校效率比试车后离线分析高得多。
6.4 后续扩展方向：Vold-Kalman阶次跟踪与阶次小波分析
写到这里，离阶次分析“能用”已经不远了，但工程上的路还长。两个典型的扩展方向值得提一下。
一是Vold-Kalman阶次跟踪。传统FFT阶次谱是“整体平均”视角，信号在某一瞬间包含多个阶次成分，FFT阶次谱只能告诉你这些成分的大小关系，不能告诉你某个阶次在时间轴上何时变化。Vold-Kalman滤波器可以从时间波形中把某个目标阶次完整提取出来，得到该阶次的瞬时幅值包络和相位。这在分析部件瞬时冲击、启动过程瞬态振动时非常有用。LabVIEW里没有直接封装Vold-Kalman函数，需要自己写状态空间方程并解矩阵。我第一次实现时，用的是Kalman滤波框架加上阶次状态模型，跑通后效果非常惊艳，让阶次谱一下子从“统计结论”变成了“时间历程”。
二是阶次分析与小波分析结合。阶次谱适合稳定的周期分量，小波分析擅长非平稳突变，两者结合时，可先把信号按阶次重采样到角域，再对小波系数做阶次化处理。这种“阶次小波”在齿轮点蚀早期、轴承剥落初期等微弱故障提取上，比单独用任何一种方法都更敏感。LabVIEW的Wavelet Analysis工具包提供了连续小波变换和离散小波变换的底层函数，结合前面讲的重采样框架，可以实现这个功能。
从我个人的角度来看，阶次分析最大的价值不是某一个算法，而是它给了你一个统一视角：所有旋转机械的振动，都可以按“每转发生多少次”来观察。一旦建立起这个视角，诊断设备故障、调校NVH、评估机器状态，都会变得更有条理。
最后说一个建议：下次拿到任何旋转机械的振动数据时，先别急着做FFT，先问一句“转速稳不稳”。转速不稳定，那就果断走阶次分析这条路。用LabVIEW把重采样逻辑跑通一次，你会发现之前频谱上那些模糊不清的“游走峰”，全部乖乖站到了整数位置，整个信号图景瞬间清晰起来。
