2025年11月，我去东莞一家做精密注塑机的厂里支援诊断项目。他们车间四十多台电机全部变频器驱动，想上电流特征分析（MCSA）做在线监测。我一到现场就先采了一组电流信号，回来做频谱分析------然后对着屏幕沉默了半分钟。
教科书上说，转子断条会在工频f1两侧出现(1±2s)f1的边频带。但我们的频谱上根本看不清什么边频带，2kHz到10kHz的区间全是密密麻麻的小山峰，像长了一片草原。工频50Hz附近的特征倒是隐约看得见，但信噪比惨不忍睹。
问题就出在变频器上。
变频器是怎么把频谱"污染"的
现在主流变频器都是PWM（脉宽调制）控制，开关频率（也叫载波频率）一般设在2kHz到16kHz之间------西门子G120的P1800参数默认4kHz，很多现场为了压电机噪音会调到8kHz甚至更高。
PWM驱动意味着电机端子上根本不是光滑的正弦波，而是一串高频斩波。这会带来两类污染：一是载波频率及其倍数附近形成明显的谐波簇，一座一座山峰立在那；二是开关动作的边带调制在整个频段铺了一层噪声底，把原本就微弱的故障特征边频带直接淹没。
更麻烦的是混叠。我们当时用的采集卡50kS/s采样率，理论奈奎斯特频率25kHz，看着够用，但前端没有像样的抗混叠滤波器------载波倍频（比如8kHz载波的3次、4次分量）折返回分析频带，和轴承特征频率撞在一起。你可能会问：那换高速采集卡呗？别急，采样率上去了，混叠是压住了，可数据量也翻了几倍，边缘盒子的存储直接告急。硬件指标是要一起权衡的，不是单项拉满就完事。
硬件层面：先在源头抢回信噪比
我们最后稳定下来的方案，硬件上做了三个改动。
第一，电流信号从变频器输出侧取。输入侧（网侧）电流虽然"干净"，但经过整流逆变之后，电机转子的故障特征传到网侧已经非常弱了，除非是重载断条，基本看不出来。
第二，采样率提到200kS/s，前端加一个16kHz低通抗混叠滤波器。多说一句：抗混叠滤波器要用无源的八阶以上巴特沃斯，我们试过用采集卡自带的数字滤波，相位特性不好，包络分析出来全是振铃假峰。
第三，也是最有效的一招：从变频器里读载波频率实际值，别自己猜。G120用DP通讯读参数P1800就行。拿到确切的载波频率，后面的滤波和谱线剔除才有靶子。这一步看着不起眼，实际上是我们走了大弯路之后的教训------最初我们按默认4kHz设的陷波器，结果现场那批变频器全被调到了8kHz，白忙活两天。
算法层面：把载波簇"挖掉"再做包络
软件上，我们的处理链路是：带阻滤波挖掉载波簇 → 希尔伯特解调取包络 → 包络谱找轴承特征频率。核心代码用scipy就能写：
python
from scipy import signal
import numpy as np
def clean_envelope(i_data, fs, fc_carrier, harmonics=(1, 2, 3)):
"""载波干扰抑制 + 包络解调
i_data: 相电流序列; fs: 采样率; fc_carrier: 载波频率(Hz)
"""
y = np.asarray(i_data, dtype=np.float64)
for h in harmonics:
f0 = fc_carrier * h
if f0 >= fs / 2 - 250: # 超过奈奎斯特的倍频管不了，跳过
break
# scipy 1.11+ 的 iirnotch 支持fs参数，直接用物理频率，不用手动归一化
b, a = signal.iirnotch(f0, Q=35, fs=fs)
y = signal.filtfilt(b, a, y) # 零相位滤波，不引入相位失真
env = np.abs(signal.hilbert(y)) # 希尔伯特变换取包络
# 包络信号再做一次低通，截止频率设为最高分析频率（这里1kHz）
b, a = signal.butter(4, 1000 / (fs / 2), "low")
return signal.filtfilt(b, a, env)踩坑提醒：iirnotch的Q参数别照抄文档默认值。Q太大（比如100），陷波太窄，PWM边带的山根挖不干净；Q太小，故障特征会被误伤。我们在注塑机项目上反复试出来Q=30到40比较稳，具体要看着频谱调。另外陷波是二阶滤波器，filtfilt用b,a形式没问题，但那个低通滤波器跑长序列时建议改用SOS结构（sosfiltfilt），高阶b,a形式会有数值稳定性问题，别省这个事。
处理完之后，同样那组信号，6208轴承的外圈特征频率（按1200rpm和轴承几何参数算出来约107Hz）在包络谱里明明白白冒出来了，幅值比背景高12个dB。效果就是这么直接。
实在不行，换振动，别硬扛电流
说句实话：如果你的电机是变频驱动，关心的故障又集中在轴承和机械侧，我建议直接上振动加速度计，别在电流上死磕。
原因在于能量传递路径。轴承故障的特征要传到定子电流，得走"机械振动→气隙磁场变化→定子电流"三层衰减，再叠加PWM污染，信噪比经常低到怀疑人生。而振动信号测轴承故障，是被二十多年文献和现场反复验证的成熟路线，一款工业级IEPE加速度计三四百块，加上采集模块，单点成本比折腾电流方案还低。
电流分析对转子类故障（断条、气隙偏心）依然是最优解，这个优势不该被否定。我们那家注塑机厂最后的配置是折中方案：主轴电机电流+振动双通道，变频泵和风机电机只上振动。按故障类型配传感器，而不是按技术偏好，这是我现在的选型原则。
最后说两句
变频器不是敌人，它是现代电机控制绕不开的东西。真正的问题是：很多教科书和宣传材料里的诊断方法，默认你面对的是一台工频供电的"干净"电机。现场不是这样的。
拿到一个失效的频谱，先别怀疑算法，回头看一眼供电方式、载波频率、采样链路。诊断这件事，一半在算法，另一半在你看不看得到的地方。