《机电工程》杂志,浙江大学与浙江省机电集团联合主办。月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳
执行董事兼总经理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于深度Q学习策略的旋转机械故障诊断方法研究

作者:辛阔,王建国,张文兴 日期:2021-12-22/span> 浏览:77 查看PDF文档


基于深度Q学习策略的旋转机械
故障诊断方法研究*
辛阔1,2,王建国1,2*,张文兴1,2

(1.内蒙古科技大学 机械工程学院,内蒙古 包头 014010;
2.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)


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-4dB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

中图分类号:TH133;TH17;TP18文献标识码:A文章编号:1001-4551(2021)10-1261-08


辛阔,王建国,张文兴.基于深度Q学习策略的旋转机械故障诊断方法研究[J].机电工程,2021,38(10):1261-1268.




友情链接

浙江机械信息网