本研究提出CS-SHAP方法，扩展Shapley加性解释至循环谱域，以提高神经网络在机械智能故障诊断中的可解释性。CS-SHAP能够更准确地评估载波和调制频率的贡献，其解释性优于现有方法，适用于高可靠性故障诊断场景。