船舶推进系统故障诊断（Python代码，多通道信息融合）

1.代码运行环境要求：TensorFlow版本>=2.4.0，python版本>=3.6.0

船舶推进系统是船舶的重要组成部分，其功能是提供动力以推动船舶前进。故障可能由多种因素引起，以下是船舶推进系统常见的故障类型：

发动机故障：船舶推进系统通常由内燃机、柴油机或蒸汽涡轮机等发动机驱动，故障可能包括燃料供应问题、点火问题、冷却系统故障等。
传动系统故障：传动系统将发动机的动力传输到螺旋桨或推进器上，常见问题包括传动带破损、传动轴断裂、齿轮损坏等。
螺旋桨或推进器故障：螺旋桨或推进器是转动的部件，可能会受到撞击损伤、腐蚀、脱落等问题。
舵机或操纵系统故障：船舶需要操纵舵以改变航向，舵机或操纵系统出现问题可能导致舵失控或舵位不准确。
润滑系统故障：润滑系统的故障可能导致摩擦增加，影响发动机和传动系统的正常运转。
冷却系统故障：冷却系统故障可能导致发动机过热，从而影响推进系统的性能。
燃油污染：燃油质量不良或燃油污染可能导致发动机性能下降，甚至引发发动机故障。
电气故障：现代船舶推进系统依赖于复杂的电气控制系统，电气故障可能导致舵机失灵、传动系统无法工作等问题。
系统泄漏：液压、燃油或冷却系统的泄漏可能导致系统压力不稳定或零部件受损。

2.数据集介绍（1种正常数据类型，5种故障数据类型）

每种类型下采集6种通道信号，这里以侧推失效故障数据文件夹为例，打开文件夹后有6个.mat文件，分别是6种不同通道下采集的信号

3.主要文件夹说明

data_creat.py是将每类下的6个通道信息合并在一起，并保存在.npy里面（例如，正常数据集的6个通道信息经过data_creat.py处理后，合并在normal.npy文件中。为CNN.py调用数据做好准备。CNN.py是故障诊断脚本，）

4.运行效果

测试集的混淆矩阵（以样本个数呈现）

运行效果视频：船舶推进系统故障诊断（Python代码，多通道信息融合）_哔哩哔哩_bilibili

代码和数据集压缩包

复制代码

import numpy as np
import tensorflow as tf
from keras.utils import np_utils
from matplotlib import pyplot as plt
from keras import layers
from keras import models
#压缩包：https://mbd.pub/o/bread/ZJyTkphr