《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，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：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_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：1550 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.