公开(公告)号：CN113095367B

公开(公告)日：2023-04-18

申请号：CN202110280530.6

申请日：2021-03-16

Applicant: 华中科技大学

Inventor： 陈焕新 ,  韩林志 ,  钟寒露 ,  吴俊峰 ,  李正飞 ,  申利梅

IPC: G06F18/214 ,  G06F16/2458

Abstract: 本发明公开了一种基于深度强化学习的压缩机故障诊断方法，属于压缩机故障诊断领域，包括：采集压缩机的实时运行数据，输入至已训练好的特征提取模型以提取特征；特征提取模型用于以无监督的方式提取输入数据的特征，特征用于表征在对应的运行数据下，压缩机处于各故障类型的概率；将实时运行数据的特征输入至已训练好的故障诊断模型以预测故障类型；故障诊断模型为深度强化学习模型，用于以特征为状态，预测在该状态下最大奖励值对应的动作，并将对应的故障类型作为故障诊断结果；深度强化学习模型的一个动作用于预测压缩机在给定状态处于某一种故障状态。本发明能够减少对专家经验和先验知识的依赖，提高压缩机故障诊断结果的精度和稳定性。

公开(公告)号：CN113095367A

公开(公告)日：2021-07-09

申请号：CN202110280530.6

申请日：2021-03-16

Applicant: 华中科技大学

Inventor： 陈焕新 ,  韩林志 ,  钟寒露 ,  吴俊峰 ,  李正飞 ,  申利梅

IPC: G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于深度强化学习的压缩机故障诊断方法，属于压缩机故障诊断领域，包括：采集压缩机的实时运行数据，输入至已训练好的特征提取模型以提取特征；特征提取模型用于以无监督的方式提取输入数据的特征，特征用于表征在对应的运行数据下，压缩机处于各故障类型的概率；将实时运行数据的特征输入至已训练好的故障诊断模型以预测故障类型；故障诊断模型为深度强化学习模型，用于以特征为状态，预测在该状态下最大奖励值对应的动作，并将对应的故障类型作为故障诊断结果；深度强化学习模型的一个动作用于预测压缩机在给定状态处于某一种故障状态。本发明能够减少对专家经验和先验知识的依赖，提高压缩机故障诊断结果的精度和稳定性。