摘要：为了提高船舶桨叶故障识别率,构建了一种基于BP_Adaboost神经网络的船舶桨叶故障预警模型。该模型首先采用数字水听器采集二进制船舶桨叶静水噪声信号,并利用MATLAB编程将二进制信号转换成WAV音频信号,通过梅尔频率倒谱系数法（Mel-Frequency Cepstral Coefficient,MFCC）提取特征值,得到36维桨叶静水噪声信号,最后运用BP_Adaboost神经网络进行分类识别预警。实验结果表明,基于BP_Adaboost神经网络的船舶桨叶故障预警模型能够高效分类预警船舶桨叶故障,与BP神经网络识别率对比,分类识别预警率高达96%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社