基於多解析度分析與卷積神經網路之智慧故障診斷研究
機械在製造業中扮演著中重要的角色，而機械在長期運轉下必定會面臨故障，突如其來的故障往往造成人財損失，根據IBM的研究報告顯示，83％的資訊長認為，設備維護最佳化為提升企業競爭力的最主要途徑之一。為防止機器突發故障，智慧故障診斷(Intelligent Fault Diagnosis, IFD)、故障預測與健康管理(Prognostic and Health Management,PHM)是長期以來機械領域中重要的課題。近年來因大數據分析興起與電腦運算效能提升，在智慧故障診斷中導入複合感測器、時頻分析與人工智慧，可望提升故障診斷效率與準確率。在實務上，應用在故障警示系統，以達到降低機械維修成本，提高生產效率。
