文章标题：基于CWT-PDCNN的船舶电机故障诊断研究

文章作者：尚垣吉, 尚前明, 蒋婉莹
关 键 字：电机;故障诊断;连续小波变换;卷积神经网络
文章摘要：针对船舶电机在复杂运行环境中易出现多种故障、且工况变化对故障特征提取造成干扰的问题，构建了一种基于连续小波变换（Continuous Wavelet Transform，CWT）与并行双通道卷积神经网络（Parallel Dual-Channel CNN，PDCNN）相结合的混合工况故障诊断模型。该方法将原始振动信号分别进行一维特征提取和二维CWT时频图变换，形成双模态输入数据，对数据提取多尺度特征后使用PDCNN进行特征融合与分类。测试结果表明，所提出模型在混合工况下的故障识别准确率达92.10%，相比仅使用一维信号或二维图像输入的模型准确率分别提高了16.88%与6.28%。同时，不同故障类型的特征区分度在t分布随机邻域嵌入（t-distributed Stochastic Neighbor Embedding，t-SNE）可视化中表现明显。研究结果说明，融合CWT与PDCNN结构能够有效提升电机在复杂工况下的故障诊断精度与鲁棒性，具有较强的工程应用潜力。