文章标题：融合D-S理论与CNN的船用柴油机故障诊断研究

文章作者：罗自来¹, 李东亮²
关 键 字：D-S理论;卷积神经网络;柴油机;故障诊断
文章摘要：为提升柴油机故障诊断的精度与鲁棒性，本文提出一种基于卷积神经网络（Convolutional Neural Network，CNN）与D-S证据理论的融合诊断模型。该方法首先利用格拉姆角场（Gramian Angular Field，GAF）将一维振动信号转换为二维图像，再构建多种结构差异化的CNN子模型以提取故障特征并完成初步分类。在此基础上，选取性能最优的子模型作为基分类器，并引入D-S证据理论对各分类器的输出结果进行融合推理，从而提高诊断结果的可信度与稳定性。仿真实验结果表明，与传统CNN及其他智能诊断方法相比，本文所提模型在船用柴油机故障识别中表现出更高的准确率和更强的抗干扰能力，为船舶柴油机的状态监测与健康管理提供了有效技术支撑。