基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决，设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号，利用小波包分析方法提取增强后的电气设备振动信号特征，将电气设备振动信号特征输入卷积神经网络中进行训练，得出最佳的故障分类与诊断模型，并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大，且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%，可能够准确诊断出船舶电气设备是否存在故障，并获取对应的电气故障类型。