公开(公告)号：CN116561517A

公开(公告)日：2023-08-08

申请号：CN202310590618.7

申请日：2023-05-24

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 何水龙 ,  崔倩文 ,  冯焕秦 ,  胡超凡 ,  朱良玉

IPC: G06F18/10 ,  G06F18/2131 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/084 ,  G06F17/11

Abstract: 本发明公开了基于奖励优化深度强化学习不平衡智能故障定量诊断方法，通过同步压缩小波变换(简称SWT)获得多通道时频表示(TFRs)以避免原始振动信号的非平稳性。引入ResNet构建表演者网络，用于提取有代表性的深层故障特征，以提高故障诊断的准确性；同时利用AlexNet构建批评者网络，根据评价机制引导表演者向正确方向训练。该模型基于不平衡比巧妙设计了合理实用的奖励函数，并将各类中心之间的最小距离作为奖励的实时反馈，进一步提高模型的稳健性。优化的状态转移函数提高了少数类的学习频率。通过SQ滚动轴承数据集的验证，ResDPG能够独立自主地实现准确的故障定量识别，具有很高的稳定性。