关键词：连续小波变换;卷积神经网络;小波时频图;船用机械;故障诊断
摘 要：针对船用机械故障特征自适应提取与智能化诊断问题，采用连续小波变换与卷积神经网络的船舶机械故障诊断方法。以船用风机为例，首先模拟船用机械不同故障并采集振动信号，通过连续小波变换将一维振动信号转化为特征图谱，其包含大量的时频信息。然后通过多次训练后，确定网络结构参数，建立卷积神经网络结构，将时频图作为卷积神经网络输入，挖掘更深层次的高度抽象的故障特征信息。最后在卷积神经网络的输出层接入softmax分类器，实现船用机械的故障诊断。实验结果表明：所提方法能准确识别故障类型，且具有较强的鲁棒性和泛化能力，诊断准确率可达99.3%。与集成经验模态分解、极限学习机故障诊断方法相比，该方法有更高的诊断精度。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取