利用Visual Signal 解決震動噪音問題(二)

　　傳統的機械故障診斷，皆是利用麥克風量測聲音，再利用傅立葉進行頻譜分析，這種處理方法非常簡單且有效率，但是由於去除了時間資訊，所以某些訊號特徵並不能完全展現。
　　以下是車床主軸聲音檔，利用 Enhanced Morlet Transform 進行時頻分析之後，可以發現在 9000 Hz 附近有一個特徵頻率，估計是與軸承轉子數量成倍數關係。

  (看原尺寸圖片)

　　利用傳統傅立葉頻譜圖如下：

　 
　　若是放大時頻圖：

　　可以發現 9000 Hz 這個特徵頻率並不是單一一條直線，而是會上下震盪，且在上下緣有細微頻率線，而每條頻率線之間的間隔剛好為轉速。而線的顏色深淺不一，代表強度忽強忽弱，這是 Beat Wave 的關係。
　　由此可知，時頻分析應用於噪音分析，可以比傳統的傅立葉頻譜擷取出更多資訊。