-
公开(公告)号：CN117668488A
公开(公告)日：2024-03-08
申请号：CN202311688088.6
申请日：2023-12-08
Applicant: 重庆大学
IPC: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/092 , G01M13/045
Abstract: 本发明公开了一种跨工况强化学习故障诊断方法，其实施步骤包括：在源域工况环境下采集待测机械设备正常与故障状态振动信号，并对健康状态类别进行标注；接着对采集振动信号进行等长度分割并进行时频域特征提取,采用自适应权值的最大相关最小冗余特征筛选方法对特征数据进行优化选择，利用优选特征构建强化学习所需的环境状态；采用支持向量描述方法对源域信号特征的故障模式类间距进行了估算，并在此基础上构建了故障辨识量化奖励矩阵，结合域辨识奖励，设置强化学习奖励机制；在竞争网络和双Q网络基础上，构建基于域泛化Q深度网络的智能体，通过智能体与环境的交互训练，自主学习最优诊断策略，采用该策略对目标域测试样本进行故障识别。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
