涡轮泵是火箭发动机的心脏，在低温介质、高温燃气、高压及高转速工况下工作，具有结构复杂度高、技术难度大的特点，因此能否正常工作直接影响发动机试验结果。涡轮泵是发动机振动的主要来源，据统计，超过60%的发动机故障来源于涡轮泵。涡轮泵振动频率丰富且广泛，包含工频、倍频、分数次谐频和某些故障频率等信息，分布于低频区0 Hz到高频区10 kHz的频段，而推力室的振动频率多分布于4 000 Hz以上，这就对发动机振动信号的采样提出了苛刻的要求。目前采样频率为50 kHz，可以覆盖发动机各组件的振动频段。然而，由于与涡轮泵相关的故障频率多数均低于2 000 Hz，因此高采样频率一方面满足了频率范围的要求，另一方面却严重影响频率分辨率的精度，对涡轮泵频率的准确辨识产生不利影响。

因此，为了准确提取涡轮泵振动信号频率，提高信号的频率分辨率，就需要高效可靠的振动信号处理方法和程序。DASP(Data Acquisition & Signal Processing)振动分析软件集合了数据采集、信号处理、模态分析等功能，但没有信号抽取的功能，对于高频采样信号缺乏有效的高精度频率分辨率的辨识能力，因此本文提出了一种基于抗混叠低通滤波、信号抽取及短时傅里叶变换相结合的振动信号分析方法，并通过采用Matlab编程实现。

以某型发动机涡轮泵试车振动信号为例，研究抗混叠低通滤波、抽取在信号分析中的作用，以及该时频谱分析方法与DASP软件相比较的优势。

方法1，不进行抗混叠低通滤波，对原始信号直接进行降采样，以5 kHz采样频率重新输出，再利用DASP分析得到的0-2 000 Hz时频谱图，如图3所示。由于直接降低采样频率，造成严重的频率混叠，高频信号混叠为低频信号，而低频区的真实频率却丢失，信号严重失真。

图3 方法1涡轮泵径向信号时频谱图(DASP软件)
Fig.3 Turbopump radial signal time spectrum obtained by Method 1 (with DASP software)

方法2，由于DASP软件无法实现抽样功能，因此信号按原采样频率50 kHz进行分析，经DASP处理后的0～2 000 Hz频谱图如图4所示。可以看出，300 Hz及1 800 Hz频率清晰可见，此时信号各频率无混叠无失真，频率准确。

图4 方法2涡轮泵径向信号时频谱图(DASP软件)
Fig.4 Turbopump radial signal time spectrum obtained by Method 2 (with DASP software)

方法3，信号经过Matlab程序经过抗混叠滤波及抽取，采样频率由50 kHz变为5 kHz，再进行短时傅里叶变换，0～2 000 Hz的时频谱如图5所示。可看出，与DASP处理结果相比，频率更加清晰，频率分辨率精度更高，且信号未发生混叠，无失真。该方法频率分辨率为1.2 Hz，与DASP的频率分辨率12.2 Hz相比，该方法极大提高了频率的辨识度。

图5 方法3涡轮泵径向信号时频谱图(Matlab程序)
Fig.5 Turbopump radial signal time spectrum got by Method 3 (with Matlab program)

因此，为了不失真的得到低频区的振动信号时频谱图，原始信号必须进行抗混叠低通滤波处理，经过信号抽取后，再进行短时傅里叶分析才能保证振动信号处理的正确性。

某型发动机试车后进行数据分析，通过对涡轮泵所有压力及温度数据分析，参数均未发现有任何异常；采用DASP对涡轮泵轴向振动数据进行分析时，发现异常频率，如图6所示。为了更清晰辨别信号中的异常频率，采用文中方法对涡轮泵轴向振动信号进行分析。为便于比较，选取频带范围为1 000～2 000 Hz，与DASP时频谱图横坐标频率值保持一致，结果如图7所示。

图6中，DASP处理该数据时所能达到的最高频率分辨率为12.2 Hz，可以看到涡轮泵六倍频1 800 Hz的频率较为清晰；在1 550 Hz及

1 250 Hz左右存在一条下降的频率，但频率细节无法显示；而1 550 Hz左右的频率重叠在一起，无法分辨，这是由于DASP频率分辨率精度较低，无法将邻近的频率有效分开所致。

图7中，1 800 Hz频率清晰可见，且附近存在斜向下频率；1 500 Hz附近存在4条频率，其中一条频率斜向下方，频率越来越低；1 200 Hz左右也存在一条频率越来越低的异常频率，这三条斜向下方的异常频率较为清晰。而这在DASP结果中无法清晰显示或者无法显示。

图6 某发动机涡轮泵轴向信号低频区1 000～2 000Hz时频谱图(DASP软件)
Fig.6 Time spectrum in low frequency region (1 000～2 000 Hz) of turbopump axial signal of some engine (got by DASP software)

图7 某发动机涡轮泵轴向信号低频区1 000～2 000 Hz时频谱图(Matlab程序)
Fig.7 Time spectrum in low frequency region (1 000～2 000 Hz) of turbopump axial signal of some engine (got by Matlab program)

通过Matlab的时频谱图分析，结合涡轮泵已有的振动信号时频谱图数据库，根据以往研制经验，推断涡轮泵涡轮盘很可能发生了裂纹故障。对涡轮泵下台后经分解检查，发现涡轮盘音叉处产生周向裂纹，裂纹占盘面的五分之四左右，部分裂纹深度达10 mm，贯穿盘面，如图8所示。

通过Matlab程序的时频谱图分析，已经有效识别出两次涡轮盘裂纹故障，为故障定位和产品改进提供了可靠依据。

图8 某型发动机涡轮泵涡轮盘裂纹形貌（荧光检查状态下）
Fig.8 Crack morphology on turbine disc of turbopump in some engine

采用基于抗混叠低通滤波、信号抽取及短时傅里叶变换相结合的时频谱信号处理方法，有效解决了DASP软件频率分辨率低导致频率辨识度差的问题，并得到以下结论：

1)以8阶切比雪夫I型原型滤波器构造的IIR适用于涡轮泵振动信号的抗混叠低通滤波，可实现良好的低通滤波效果。

2)Hamming窗主瓣窄，能量集中，旁瓣峰值小，衰减速度快，可有效减少泄漏，是良好的振动信号分析窗函数。

3)振动信号经该方法分析后，可有效避免频率混叠现象，且频率分辨率精度由12.2 Hz提高至1.2 Hz，精度提高约10倍，该方法对异常及微弱频率可实现有效辨识。

4)该方法分析频段广，通用性强，可推广应用到各型号产品的振动信号分析、健康监测及故障诊断系统中。