基于模式识别的舰船机械电子设备故障自动监测

舰船机械电子设备故障数据量较为庞大,且模式复杂多样,为满足其复杂性的要求,提出基于模式识别的舰船机械电子设备故障自动监测方法,采集舰船机械电子设备运行中的温度、压力、振动等数据作为故障监测的原始数据,计算数据间的相似系数和欧氏距离,结合K均值算法实现数据聚类处理。通过小波包算法对聚类后的数据进行特征提取,将其输入到卷积神经网络中,通过对监测模型进行训练,最终实现对舰船机械电子设备故障自动监测。通过实验分析,该方法与相关人员进行监测的故障情况高度一致,在不同故障类型监测的时间均能够保持在5 ms以内,具有较高的监测效率和监测精准度。