简介：这份数据集面向电机故障诊断工程师、设备维护人员及振动分析方向的研究者，系统整理了转子偏心、轴弯曲、转子条断裂、电机缺相、轴承故障、匝间短路与转子不平衡七类典型故障的频谱特征，帮助读者在实测振动信号中快速比对特征频率、定位故障类型。资源包共1个docx文档，约608KB，以表格与图文对照方式汇总各类故障的特征频谱图、成因说明与诊断要点，便于打印查阅或作为培训讲义使用。目前已有952人学习下载，内容覆盖2X行频、极通过频率边带、pbfi与pbfo故障频率、1X主导成分等关键判据，并区分了振动分析与电路分析各自的适用边界。读者可据此建立故障特征频率对照表，缩短现场排查时间，也可将其作为开发智能诊断算法的参考样本。
1. 故障电机频谱数据集：七类典型故障的判据到底怎么用
手上有一台振动超标的三相异步电机，频谱拉出来一堆边带，1X、2X、极通过频率全挤在一起，这时候最怕的不是没数据，而是不知道该往哪个故障上靠。这份「故障电机典型频谱特征整理数据集」解决的就是这个判断环节：它把转子偏心、轴弯曲、转子条断裂、缺相、轴承内外圈故障、匝间短路、转子不平衡七类常见故障的频谱特征做了归拢，每类都给出该看哪个频率、边带长什么样、哪些现象不能靠振动来判。适合做设备点检、状态监测、故障复现实验的从业者，也适合拿它当诊断逻辑的对照表——先知道正常长什么样，再知道异常往哪偏。它不是原始振动波形库，而是一份判据型资料，价值在于把「看到什么频率」和「对应什么故障」之间的映射关系固定下来，省去每次翻手册对频率的功夫。
2. 七类故障的频谱判据拆解：从1X到边带怎么读
2.1 转子偏心与轴弯曲：1X波峰和极通过边带的组合
转子偏心的核心特征是气隙随转动周期性变化，形成一个脉动振动源。频谱上表现为两倍行频分量明显，同时1X波峰存在，并在该频率附近出现极通过频率的边带。读这张图时不要只盯1X幅值，重点看1X两侧是否成对出现边带，间距等于极通过频率。轴弯曲则更隐蔽：转子铜条电流分布不均引起局部受热，转子产生弯曲变形，频谱上会呈现所有不平衡现象的特征，也就是1X为主。区别在于轴弯曲要在电机冷却状态下检测，热态下弯曲可能被热膨胀掩盖。实操中我一般先冷态采一组，运行升温后再采一组，两组1X幅值差异明显且冷态就偏高的，优先怀疑轴弯曲而不是单纯不平衡。
2.2 转子条断裂：谐波附近的「裙带」边带是关键词
转子断条的判据比较有辨识度：1X处产生极通过频率的边带，并且这个边带会跟着谐波走，2X、3X附近同样出现，形成每个谐波旁边都挂着一圈「裙带」式边带的形态。单看某一个谐波容易误判成松动或偏心，但裙带边带在多个谐波上重复出现，基本可以把断条拎出来。采集时分辨率要够，边带间距通常很窄，FFT线数不够会把边带糊进主峰里，看起来就像1X单纯偏高。常见做法是把频率分辨率压到边带间距的三分之一以下，再去看谐波两侧的对称性。
2.3 缺相与轴承故障：100Hz振动和pbfi/pbfo的区分
缺相的典型特征是强烈的两倍行频振动，工频50Hz下就是100Hz，同时伴有1/3行频的边带。这个特征和转子偏心的2X容易混，区别在于缺相的2X幅值往往占主导，且边带位置在1/3行频处，不是极通过频率。轴承故障分内外圈：内圈故障出现故障频率pbfi及其谐波，并伴有转频边带；外圈故障出现pbfo及其谐波，转频边带不明显。内圈随轴转，故障点周期性进出载荷区，所以转频调制明显；外圈固定，调制弱。判断时先算pbfi、pbfo理论值，再在频谱上找对应峰及谐波，找不到理论峰就别硬套轴承故障。
2.4 匝间短路与转子不平衡：一个不能靠振动，一个只看1X
匝间短路是个例外：绕组运动导致缓慢磨损、绝缘性能下降，但振动信号本身识别不了，必须用电动机电路分析来监测评估。数据集里明确写了这一条，意思是别拿振动频谱去判匝间短路，方向就错了。转子不平衡则相反，特征很干净：波形为正弦波，轴心轨迹为圆或椭圆，1X频率为主，径向水平和垂直方向都以1X为主，振幅随转速升高而增大。判断不平衡时看径向两通道1X是否同相增大，再看升速过程中1X幅值是否单调上升，两条都满足基本可以定不平衡，而不是偏心或弯曲。
3. 把判据落成可复现的排查流程：采样参数与对照表
3.1 采样与FFT参数怎么设才不丢边带
这份数据集是判据资料，不是原始波形，所以复现的关键是把采集参数设到能看清边带。下面这段Python只是把参数计算和判据对照做成可执行的检查脚本，方便每次点检时统一口径，不涉及真实设备数据。
import numpy as np # 采样参数：边带间距决定分辨率下限 fs = 5120 # 采样频率 Hz，需覆盖到3X以上谐波 n = 8192 # 采样点数 f_res = fs / n # 频率分辨率 Hz line_freq = 50 # 工频 print(f"频率分辨率: {f_res:.3f} Hz") # 极通过频率边带间距估算（需填入电机极数和转频） poles = 4 rpm = 1480 fr = rpm / 60 fp = poles * fr # 极通过频率 print(f"转频: {fr:.2f} Hz, 极通过频率: {fp:.2f} Hz") print(f"边带可分辨: {f_res < fp/3}") # 判据对照：按特征频率命中情况打分 def check_spectrum(peaks, fr, fp): hits = {} hits['1X'] = any(abs(p - fr) < 2 for p in peaks) hits['2X'] = any(abs(p - 2*fr) < 2 for p in peaks) hits['100Hz'] = any(abs(p - 100) < 2 for p in peaks) hits['1X边带'] = any(abs(p - (fr + fp)) < 2 for p in peaks) return hits peaks = [24.7, 49.3, 100.1, 74.0] # 示例峰位，实际从频谱读取 print(check_spectrum(peaks, fr, fp))这段脚本的逻辑是先确认频率分辨率是否小于边带间距的三分之一，不满足就加采样点或降采样率重采；然后用理论转频、极通过频率去比对实测峰位，命中情况作为初判依据。参数上fs要覆盖到至少3X谐波，n取2的幂方便FFT，rpm和poles必须按铭牌填，填错整个判据全偏。
3.2 七类故障的判据对照表
把数据集里的文字判据压成一张表，现场对着频谱逐行排除，比翻文档快。
| 故障类型 | 主看频率 | 边带特征 | 关键限制 |
|---|---|---|---|
| 转子偏心 | 1X、2X | 1X处极通过频率边带 | 需排除缺相 |
| 轴弯曲 | 1X为主 | 同不平衡 | 必须冷态检测 |
| 转子条断裂 | 1X及2X、3X谐波 | 各谐波附近裙带状边带 | 分辨率要够 |
| 电机缺相 | 2X（100Hz） | 1/3行频边带 | 查连接松动 |
| 轴承内圈 | pbfi及谐波 | 转频边带明显 | 先算理论pbfi |
| 轴承外圈 | pbfo及谐波 | 转频边带弱 | 先算理论pbfo |
| 匝间短路 | 振动不可判 | 无 | 改用电动机电路分析 |
| 转子不平衡 | 1X | 无明显边带 | 径向同相、随转速增大 |
表格用法是先看主看频率有没有命中，再看边带形态是否吻合，最后看限制条件是否满足。比如1X高但边带对不上极通过频率，就别急着定偏心，回头查不平衡或弯曲。
3.3 从频谱到结论的排除顺序
实操里我一般按这个顺序走：先确认2X和100Hz，命中且带1/3行频边带的往缺相靠；没有就看1X两侧边带，成对且间距为极通过频率的往偏心靠，谐波上也有裙带边带的往断条靠；1X干净、径向同相、升速单调增大的往不平衡靠，冷态也高且热态变化明显的往弯曲靠；最后算pbfi、pbfo找轴承峰。匝间短路不在这条链里，振动判不了就转电路分析，别在频谱上耗时间。这个顺序的价值是每一步都在排除一类，而不是同时猜七种。
4. 避坑与排查：五条血泪经验
4.1 边带被频率分辨率吃掉
现象是频谱上1X单峰很高，看不到边带，直接判成不平衡。原因是采样点数不够，频率分辨率大于边带间距，边带糊进主峰。解决是把n加大或fs降低，让分辨率小于边带间距的三分之一，重采后再看谐波两侧。
4.2 热态判轴弯曲
现象是冷态1X正常，运行一段时间后1X升高，误判成不平衡恶化。原因是轴弯曲在热态下被热膨胀部分抵消或改变形态，热态数据不可靠。解决是轴弯曲一律以冷却状态数据为准，热态数据只作趋势参考。
4.3 拿振动判匝间短路
现象是频谱翻遍找不到对应特征，反复怀疑采集有问题。原因是匝间短路本身就不靠振动识别，数据集里写得很清楚要用电动机电路分析。解决是遇到绝缘类怀疑直接转电路分析，振动通道只做辅助。
4.4 缺相和偏心混判
现象是2X明显，既像缺相又像偏心。原因是两者都有两倍行频分量。解决是看边带位置：缺相在1/3行频处，偏心在极通过频率处，再看2X是否占主导，缺相的2X幅值通常压过1X。
4.5 轴承故障硬套理论峰
现象是算了pbfi、pbfo却在频谱上找不到对应峰，仍按轴承故障处理。原因是轴承型号或转速填错，理论频率本身就不对，或者故障尚在早期峰未起来。解决是先核对轴承参数和实际转速，理论峰对不上就换判据，不要硬套。
5. 进阶用法：把判据表变成点检基线
这份数据集最实用的进阶用法不是单次诊断，而是把它做成每台设备的点检基线。具体做法是：对每台电机在健康状态下按统一参数采一组频谱，记录1X、2X、100Hz、极通过频率边带处的幅值，形成基线表；之后每次点检用同一参数采集，只比对这些固定频点的幅值变化，而不是每次重新判故障类型。这样做的原因是判据表解决「是什么故障」，基线解决「有没有变坏」，两者叠加才能提前发现趋势。验证方法也简单：拿一台已知故障的电机，先用判据表走一遍排除顺序，看结论是否吻合，再用基线表看故障频点相对健康态涨了多少，两条都对上，说明参数和判据都设对了。
我一般还会把轴承理论频率提前算好写进基线表，pbfi、pbfo、保持架频率都列上，现场直接对峰，省去每次掏计算器。参数上唯一要盯死的是采样率和点数，一旦改动，历史基线全部作废，所以定参数时宁可分辨率留余量，也别为了省存储压线数。从那以后我每次建基线都强制先跑一遍分辨率校验，确认边带可分辨才落表，这个习惯帮我避开了好几次把边带当噪声删掉的翻车。希望帮到你。
本文还有配套的精品资源，点击获取
