机械设备中齿轮、滚动轴承等出现故障时,信号的频谱上会出现难以识别的多簇调制边频带,采用倒频谱分析可以分解和识别故障频率、故障原因和部位。首先,介绍了倒频谱的定义,并通过实例说明倒频谱分析方法对周期性脉冲激励的敏感程度;然后,给出了滚动轴承各零部件产生故障的脉冲频率,从而可以通过倒频谱分析方法提取出的故障频率与理论计算出的故障频率相对比,来确定滚动轴承的故障。

轴承局部损伤故障引起的振动响应往往会被较大的振动信号所掩盖影响故障的正确诊断。本文提出IMF分量的倒频谱分析方法首先将复杂的信号分解为有限的内禀模态函数（IMF）之和对原始振动信号进行降维;再对IMF分量进行倒频谱分析利用倒频谱方法准确地提取振动信号幅值谱上的周期特征。对EMD分解得到的多个IMF分量同时做倒频谱分析可以相互验证从而得到更可靠、更准确、更可信的诊断结果。通过对IMF分量的倒频谱分析法和Hilbert包络谱分析法诊断效果进行比较结果表明IMF分量的倒频谱分析方法比Hilbert包络谱分析提取的故障频率特征更精准、可靠。