文章标题：船体结构损伤的智能识别与预测方法

文章作者：宋庭新, 干永明, 韩国晨
关 键 字：损伤识别;故障预测;CNN模型;ARIMA模型;船体结构
文章摘要：为解决传统的船体结构损伤识别效率低下、准确性不高等问题，提出一种适用于船体结构的智能诊断识别与预测模型。首先对采集到的振动冲击信号进行预处理并在时域维度进行特征分析和提取。然后利用大量样本数据，采用改进的卷积神经网络（CNN）模型对船体结构损伤类型和严重程度进行分类识别，采用ARIMA时间序列模型对船体结构损伤时间进行预测，进而实现船体结构健康状态的及时预警和提前预知，为船体结构预防性维修提供参考。通过实际案例应用表明，提出的基于改进卷积神经网络和ARIMA模型的船体结构损伤识别和预测方法，可以充分利用船体结构健康监测大数据，有效提高故障的识别效率和准确率，为船舶装备的智能运维和健康管理提供可行的途径。