由于旋转机械振动波形的噪声干扰大，直接对振动数据特征提取和选择的故障诊断方法，其精度容易受到噪声影响。当前，基于图像的旋转机械故障诊断技术已经得到飞速的发展。针对旋转机械的故障诊断问题，传统方法趋向于从振动数据中提取振动图谱，这种方法提取的图像特征直观明显，能在一定程度上保证故障诊断的实时性以及准确性。
虽然振动频谱能够比较直观地表现机组的运行状态，但是频谱的提取仍需要经过大量的信号处理。轴心轨迹作为旋转机械转轴振动信号的重要表征形式，其形状特征与机组运行状态密切相关，目前已有很多学者对其进行特征提取和分类识别，准确地实现了机械故障的诊断。轴心轨迹图主要通过转子径向两垂直的传感器采集的波形数据合成，轨迹获取方式较为简单，因此最近已有不少研究基于轴心轨迹实现对旋转机械的故障诊断。
轴心轨迹显示了轴心线的路径，可将来自于两个正交、共面传感器的一维时域信息组合成转子轴横向运动的二维图。轴心轨迹是否需滤波处理视具体情况而定。轴心轨迹/时域图是通过将一个轨迹与用于创建轨迹/时域图的两个XY时域图合并后得出的。时域图显示在轨迹图的右侧，Y图位于X图的上方。轨迹/时域图可用于建立轴心轨迹上特性的时间关系。鉴于此，采用matlab绘制旋转机械的轴心轨迹。
y = sign(tacho-triglevel);
dy = diff(y);
tt = maketime(dy,fs);
if slope>0;yt = tt(find(dy>1.5));end
if slope<0;yt = tt(find(dy<1.5));end
dy = diff(yt);
dy(length(dy)+1) = dy(length(dy));
rpm = 60/ppr*ones(size(dy))./dy;
b = [.25 .5 .25];
a = 1;
rpm = filtfilt(b,a,rpm);
idx=find(~isnan(rpm));
rpm=rpm(idx);
yt=yt(idx);
N = max(tt)*newfs+2;
trpm = linspace(0,max(tt),N);
trpm = trpm(:);
%pause
rpm = interp1(yt,rpm,trpm,'linear','extrap'); %interp1(yt,rpm,trpm);
rpm = rpm(:);
完整数据和代码通过知乎学术咨询获得：
https://www.zhihu.com/consult/people/792359672131756032?isMe=1擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
)
