监诊实绩
应用领域
常见问题
FFT 与频谱分析是什麽？
常见问题｜FFT 与频谱分析是什麽？#PDM
对许多非学术背景的技术人员与企业管理者而言，FFT与频谱分析听来抽象难懂，实际应用场景与价值也常被误解或低估。
FFT 与频谱分析是什麽？
FFT（Fast Fourier Transform）
• 是一种数学演算法，用来将时间域的讯号（如振动或声音波形）转换成频率域的数据。
• 具体来说，它是对傅立叶转换（Fourier Transform）在数值计算上的高效实作版本。
• FFT只是转换的「方法」，本身不会解释结果。
频谱分析（Spectrum Analysis）
• 是一种讯号分析的技术与流程，用来研究信号在各个频率上的分佈情况。
• 它通常包含FFT作为其中一个步骤，但不限于此，也可能结合功率频谱密度、谱图比较等进阶处理。
• 频谱分析是更上层的概念，涵盖「FFT的结果如何被解释与应用」。
两者相辅相成，使工程师不再只能依靠经验判断
要理解 FFT 振动分析的价值，首先必须从它的数学原理谈起。傅立叶转换（Fourier Transform）是一种将时间域讯号转换为频率域讯号的数学工具，能够把看似混乱的振动数据，解析成可辨识的频率成分。这种转换的核心思想在于：F任何週期性的讯号，都可以视为一系列不同频率的正弦波组成。举例来说，一台马达的振动数据可能包含基础的转速频率，也可能叠加了因轴承老化、皮带松弛、齿轮磨耗等原因产生的高频或不规则波形。这些在时间序列中难以分辨的资讯，经过傅立叶转换后，即可转换为清晰的频谱图。
然而，传统的傅立叶转换在实际运算上效率较低，不易应用于即时监测。FFT（Fast Fourier Transform）则是一种优化过的演算法，能够在数位系统中快速执行傅立叶转换，适用于高频率、大量感测资料的即时分析需求。这正是 FFT 的核心价值所在：它并非最终目的，而是进行「频谱分析」的前提工具。简单来说，FFT 是一把解析讯号的利刃，但真正的洞察力来自于后续对频谱结果的判读与诠释——也就是频谱分析（Spectrum Analysis）。
设备在运转时，即使表面看来正常，也会因机械零件的转动、摩擦、撞击产生微弱的振动。这些振动讯号就像是机器的心跳与呼吸，藏着它的健康状态。用肉眼，我们很难看出这些波动中藏着什麽异常。但透过 FFT 所提供的频谱，我们可以清楚地将讯号分解，并在频谱分析过程中对应到特定的机构位置与失效模式，例如马达转速、轴承磨损频率、齿轮偏差等。一旦某个频率异常升高，便能提前嗅出潜在问题，做到预测性维修。
总结来说，FFT 的力量在于将无法直观解读的机械振动讯号「翻译」成可视、可量化的频谱资料。而频谱分析则赋予这些资料意义与行动价值。两者相辅相成，使工程师不再只能依靠经验判断，而能依据数据建立预测模型，启动主动保养策略。这种资料驱动的保养思维，正是智慧工厂与工业4.0浪潮中不可或缺的核心技术之一。
如何进行 FFT 振动分析？
典型的 FFT 振动分析流程包含几个步骤，每一阶段都攸关数据准确度与诊断效果。这项流程不只是将讯号做数学转换而已，更是建立一套「机器健康检查与决策支持系统」的过程。从感测器安装、资料收集、FFT转换，到最终的频谱分析与预测行动，每一环节都需要工业知识与数据科学相互结合。
首先，工程师会将高灵敏度的加速度感测器安装在设备的关键部位，例如马达座、轴承外圈、滑轨导座或传动轴心。这些位置是设备最容易产生振动异常的「讯号热区」，也是分析故障机制的关键点。感测器通常会以磁吸式、螺栓式或双面胶黏合的方式固定，以确保量测稳定性与一致性。
这些感测器会在设备运转时持续或週期性地收集振动数据。在此阶段，常会搭配边缘运算模组（Edge Computing）进行初步资料滤波与储存，以减少资料流量并提升即时性。也可透过工业通讯协定（如Modbus、CANopen、OPC UA）将讯号即时传至云端或内部伺服器。
接着进入FFT转换阶段。原始振动讯号为时间域波形，无法直接呈现频率特性。透过FFT演算法，这些资料将被转换成频谱图，显示每一个频率点对应的能量强度。这些频谱图就如同设备的健康X光，可以一眼看出是否有异常频率出现尖峰，例如倍频（harmonic）、侧频（sideband）、非对称峰值等，都是常见的故障徵兆。
但要真正从频谱图中获得设备诊断洞察，还需要进一步进行频谱分析（Spectrum Analysis）。这一阶段不只是观察图形，而是要根据设备结构与物理原理，比对特定频率所对应的机械元件。例如，滚珠轴承的内圈故障会出现在特定BPFI频率（Ball Pass Frequency of Inner Race），而齿轮偏磨则会在齿轮数对应的基频与其侧频上出现能量上升。透过这些特徵频率，工程师可判读是哪个部件异常，并追踪其变化趋势是否正在恶化。
此时若能结合AI模型与历史资料的比对分析，诊断准确率将大幅提升。AI 系统能学习不同设备的「正常频谱特徵」，一旦出现偏离就发出异常警告。此外，也可结合趋势分析（Trend Analysis），根据某一频率区间能量变化速度来预估故障到达临界点的时间，实现真正的预测性维修（Predictive Maintenance）。
应用说明：
以转子机械应用来说明，当讯号截取卡对电压讯号进行採样时，首先会先得到原始的时域数据，接下来，使用 FFT 将这些时域数据转换成频域，以获得信号在不同频率下的能量分佈。频域数据能帮助我们分析信号的频率成分，找出其中的主要频率与其对应的幅度。
接下来，根据 ISO 标准的规范，我们需要对频域数据中的频率成分进行单位转换。这些係数的转换是为了将结果对应到ISO标准要求的特定单位，例如：振动加速度、速度或位移的标准化值。经过这些转换后，我们便可以将信号的特性与 ISO 规范进行比较，确认当前信号是否符合标准，或是否超出允许的限值。
这样的流程可以确保我们对于系统的健康状态有清晰的瞭解，及早发现超出规范的异常情况，从而採取相应的措施。
FFT应用于设备预知保养的流程
1. 感测器安装：将三轴加速度感测器安装于关键部位（如马达座、轴承外圈）。
2. 数据收集：持续或定期记录设备运转时的振动资料。
3. FFT转换：将时间序列资料转为频谱图，分离出不同频率成分。
4. 异常判读：
。 例如：60Hz 正常频率增加 ⇒ 马达转速提升
。 特定倍频出现尖峰 ⇒ 轴承内圈磨损或齿轮损坏
5. 警报与预测：结合机器学习模型进行趋势分析，预测故障时间，提早派工维修。
为何 FFT 比传统方法更精准？
许多製造业者在导入预知保养技术时，常会问到一个问题：「为什麽要这麽麻烦使用FFT？我过去靠经验或听声音判断也很准啊。」这样的疑问确实合理，因为传统工厂多仰赖师傅多年经验与直觉反应来察觉机台异音或异常震动。然而，随着设备複杂性提升、产线自动化加速，单靠感官与经验已难以掌握机构深层异常。
此时，FFT 的导入成为一项关键性技术突破，它不仅提供更高的讯号解析度与诊断准确性，更重要的是——它为频谱分析开启了视觉化、量化与预测的可能性。
首先，从解析度来看，传统的时间波形（Time Domain）资料只能告诉我们震动有多大（例如 RMS 值、Peak 值），却无法告诉我们「哪里异常」、「异常为何」。这就像用温度计只能知道人发烧，却无法判断是感染、内出血还是神经发炎。FFT 透过将讯号转为频率域后，我们可以看到不同频率成分的能量分佈，这些频率与设备的转速、轴承几何、齿轮数量有直接关联，使得维护人员能精准对应到异常元件。这种对应能力，正是频谱分析最依赖的资讯来源。
而在准确性方面，频谱分析让我们可以结合 FFT 结果与工程知识，做出有依据的判读。例如，若频谱图上出现等距排列的侧频（Sidebands），可能意味着轴承缺陷引起调幅震动；若某个频段能量异常上升且具週期性，则可能与负载变动或共振有关。这些解读无法单靠 FFT 转换完成，而必须透过熟悉设备运作逻辑与故障机理的分析人员或 AI 模型进行频谱解码。换言之，FFT 提供的是「看见」，而频谱分析让我们「理解」。
再者，FFT 与频谱分析结合后，最大的价值来自于趋势性判读与异常演化追踪。我们可以长期追踪某一频率的能量变化，判断其是否持续上升、是否开始出现侧频、是否由单一频率转为多频模态等。这些细节为我们提供预测故障时间的依据。假设某设备在每次运转时，其 6kHz 频率能量稳定，但近三週内开始呈现成长曲线且伴随高频杂讯飙升，那就可能代表某零件的疲劳破坏正在形成，这时就可以提早安排停机维修，实现不中断保养（Zero-Downtime Maintenance）。
最后，频谱分析亦可进一步应用至机器学习模型的训练。许多预知保养的AI模型，其实都是基于频谱图进行图像识别（如CNN卷积神经网路）或特徵向量萃取，并非仅靠时间序列原始数据。这说明了频谱分析的资讯价值远高于传统信号，而 FFT 正是将这些资讯「释出」的必要工具。
总结来说，FFT 的精准，不仅来自它将震动转为频率的能力，更来自它启动了整个频谱分析流程，让我们从看不见的震动杂讯中找出异常频率、对应机构结构、追踪劣化速度、预测维修时机。当今製造现场需要的，不再只是「反应式维修」或「时间到就保养」，而是能够说清楚、讲明白、算得准的智慧决策。这正是 FFT 与频谱分析联手所带来的根本改变。
| 比较项目 | FFT | 频谱分析择 |
|---|---|---|
| 定义 | 一种演算法 | 一种分析技术与方法 |
| 功能 | 将时间资料转为频率资料 | 解读频率资料，找出异常、模式或变化趋势 |
| 工具性质 | 数学计算 | 综合判读与诊断流程 |
| 是否包含解释 | 不含，仅产生数据 | 包含，例如对频率尖峰的判读、故障频段比对 |
| 使用者知识需求 | 需要基本数学知识 | 需要工程经验与机械背景以判读数据含义 |
VMS-PH 设备设备动态分析仪
随处即量，适用于各种领域检。VMS®-PH 设备动态分析仪是针对高端仪器设备所设计的振动量测分析仪，内建高达20多种振动量测相关全系列功能，如频谱分析、时频分析、振动传递率、动态分析等。
设备设备动态分析仪