顾钦平

(江苏航运职业技术学院，江苏 南通 226010)

0 引 言

齿轮箱是船舶传动系统的重要组成部分，其工作环境恶劣，易受载荷、振动和冲击等多种因素的影响，从而产生各类故障。故障诊断根据设备运行状态和故障特征，采用合理的诊断策略，对设备进行状态监测和故障诊断[1–3]。基于模型的故障诊断方法存在依赖专家知识和经验、精度低等缺点，尤其在多类故障同时存在时，难以准确识别。深度学习是近年来才被提出的一种新型人工智能方法，其通过将图像处理领域中的深度神经网络（DNN）与深度置信网络（DBN）相结合的方式来进行特征提取与分类。

1 深度神经网络原理

DNN是一种具有自组织、自适应、自动学习能力的人工神经网络。考虑到DNN在实际应用中具备多层前馈神经网络，在计算上和传统的线性层相比，能够更加快速地收敛。深度学习模型在本质上是一个多层感知器，即神经元每一个输出都包含了多个隐藏层的神经元的输出。DNN模型可以根据输入数据的不同来决定如何激活某个神经元，进而得到最终的输出。因此，深度神经网络可以通过不断地调整隐藏层来优化网络结构，最终使得模型获得较高的准确度[4–5]。

深度神经网络结构如图1所示，深度神经网络由多个隐藏层组成。隐藏层中包含输入层、中间层和输出层3个部分。输入层通过特征提取模块从输入数据中提取特征并作为输入参数输入到中间层中，包含多个神经元，其中每个神经元都包含多个输入参数，这些参数分别对应于不同的输出特征。……