基于深度Q学习策略的旋转机械故障诊断方法研究 |
| |
作者单位: | 内蒙古科技大学 机械工程学院,内蒙古 包头014010;内蒙古自治区机电系统智能诊断与控制重点实验室,内蒙古 包头014010 |
| |
基金项目: | 国家自然科学基金;内蒙古自治区自然科学基金重大项目;内蒙古自治区自然科学基金 |
| |
摘 要: | 传统的旋转机械故障诊断方法需要人工提取故障特征,且该方法受环境噪声的影响较大,针对这一问题,提出了一种基于深度Q网络强化学习的旋转机械故障诊断模型。首先,以一维故障信号作为模型的输入,以各故障的故障类型作为当前输入的可选动作;然后,采用基于统计的随机置零方法以提高模型的抗噪能力,再通过深度学习网络,有效提取了各故障的故障特征,拟合了当前状态动作对的Q值,并采用深度Q学习模型完成了对各个故障类型的识别;最后,通过故障模拟试验台及美国西储大学轴承故障数据进行了模拟实验,并将该方法与传统机器学习方法,以及一维卷积神经网络模型进行了比较,以证明该方法在噪声环境下的优良表现。研究结果表明:在信噪比为-4 dB时,采用该故障诊断模型对旋转机械故障的识别准确率可以达到78%;采用该方法可以准确、稳定地对旋转机械进行故障诊断。
|
关 键 词: | 旋转机械 故障诊断 强化学习 深度学习 噪声环境 卷积神经网络 |
本文献已被 CNKI 万方数据 等数据库收录! |
|