模拟滤波器

模拟滤波器将信号成分限制在一个奈奎斯特区之内，即为示例系统采样速率的一半。 即使滤波器截止频率处于奈奎斯特区之内，也不可能无限制地抵制高频组分，这些高频组分仍可能折回通带中。 对于只监控第一奈奎斯特区的系统，这种折回行为可能产生假故障，并扭曲特定频率下的振动成分。

窗

在振动检测应用中，时间相干采样往往并不实用，因为时间记录起始和结束处的非零采样值会导致较大的频谱泄漏，从而可能降低FFT分辨率。 在计算FFT前应用窗口函数有助于控制频谱泄漏。 最佳窗口函数取决于实际信号，但通常需要衡量的因素包括过程损失、频谱泄漏、旁瓣位置和旁瓣电平。

快速傅里叶变换(FFT)

FFT是分析离散时间数据的一种高效算法。 该过程将时间记录转换为离散频谱记录，其中，每个采样代表奈奎斯特区的一个离散频段。 输出采样的总数等于原始时间记录中的采样数，在大多数情况下，为二项级数中的一个数字(1、2、4、8……)。 频谱数据同时包括幅度和相位信息，可采用矩形或极性格式表示。 采用矩形表示时，FFT仓的一半含有模值信息，另一半则含有相位信息。 采用极性表示时，FFT仓的一半含有实部结果，另一半则含有虚部结果。

在某些情况下，幅度和相位信息都有用，但幅度/频率关系含有的信息往往足以检测关键变化。 对于只提供幅度结果的器件，FFT谱线的数量等于原始时域记录中采样数的一半。 FFT频谱宽度等于采样速率除以记录总数。 在一定程度上，每个FFT频谱都像是时域中一个独立的带通滤波器。 图5为MEMS振动传感器的一个实际示例，其中，采样速率为20480 SPS，始于512点记录。 在这种情况下，传感器只提供幅度信息，因此，总数为256，频谱宽度等于40 Hz (20480/512)。

频谱宽度非常重要，因为当频率从一个谱线转换到一个邻近谱线时，频谱宽度决定频率分辨率，同时还决定包含的总噪声。 总噪声(rms)等于噪声密度(~240 μg/√Hz)与频谱宽度平方根(√40 Hz)之积，约合1.5 mg rms。 对于噪声对振动分辨影响最大的低频应用，可在FFT过程之前采用一个抽取滤波器，这样可以提高频率和幅度分辨率，而无需更改ADC的采样频率。 以256对20480 SPS的采样速率进行抽取计算，可使频率分辨率增强256倍，同时使噪声降低16倍。

频谱报警

使用FFT的一个关键优势是可以简化频谱报警的应用。 图6中的示例包括5个独立的频谱报警，分别负责监控机器自然频率(#1)、谐波（#2、#3和#4）以及宽带成分(#5)。 报警和临界电平对应于机器健康振动与时间关系曲线中的电平。 启动和停机频率完善了这种关系所代表的过程变量定义。 在使用嵌入式处理器时，频谱报警定义变量（启动/停机频率、报警/临界报警电平）可能处于采用数字码配置的可配置寄存器中。 使用相同的比例因子和谱线编号方案可大大简化这一过程。

记录管理

记录管理是与过程变量关系关联的一个关键功能。 存储每台机器寿命期内不同阶段的FFT记录可对多种行为进行分析，然后绘制出一幅磨损曲线图，从而有助于维护和安全规划。 除了汇集历史振动数据以外，捕获与电源、温度、日期、时间、采样速率、报警设置和滤波相关的条件数据也具有较大价值。

接口

接口取决于特定厂房中的现有基础设施。 在某些情况下，有多种工业电缆通信标准（如以太网、RS-485）可供选择，因此，智能传感器与通信系统之间的接口可能是一个嵌入式处理器。 在其他情况下，相同的嵌入式处理器可用来连接智能传感器与现有无线协议，比如Wi-Fi、ZigBee或特定系统标准。 有些智能传感器（如面向远程传感器的ADIS16000无线网关和ADIS16229）配有开箱即用的无线接口，通过常见的嵌入式接口（如SPI或I2C.）即可使用。