《表2 轴承故障频率：一种基于关联频繁模式的振动数据流挖掘框架》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于关联频繁模式的振动数据流挖掘框架》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Hz

本节在AFPMF框架下利用SWAFP-T树进行故障概率识别，从而实现故障状态监测。首先计算故障特征频率，主要过程如下：检查频率信息表（表2），对比具有可疑振动频率信息的轴承ID，此具体频率信息由式（1—3）计算。若表中可疑振动频率出现在关联频繁模式集SWAFP-T树中，则认为该振动频率对应的器件有可能出现故障。以轴承1为例，若其轴速为350圈/min，则内圈故障频率为10.65×350=3 727.5圈/min=62.125 Hz。