-
题名基于RCED-DQN的滚动轴承故障诊断方法研究
- 1
-
-
作者
李家声
王亭强
周杰
马萍
张宏立
苑茹
-
机构
新疆大学电气工程学院
北京金风科创风电设备有限公司
-
出处
《组合机床与自动化加工技术》
北大核心
2025年第2期188-193,199,共7页
-
基金
国家自然科学基金项目(52065064,52267010)
新疆维吾尔自治区自然科学基金项目(2022D01C367)。
-
文摘
为提升滚动轴承设备故障诊断中传统卷积神经网络模型的特征提取能力和决策能力,增强诊断模型的准确率和泛化性,提出了基于深度强化学习DQN网络模型的RCED-DQN(residual convolutional encoder decoder-DQN,RCED-DQN)故障诊断框架。框架将一维卷积网络和残差编解码器结合,进行无监督预训练拓宽网络结构,挖掘了网络深层特征,解决了深度强化学习网络难以训练、模型难以收敛的问题;然后,采用预训练后的编码器作为特征提取器,与所设计的特征分类器相连接构建DQN算法的Q网络。通过智能体与环境的交互学习出最佳诊断策略,实现了滚动轴承端到端的故障诊断。实验结果证明,融合残差编解码器的深度Q网络在实验数据集下有效地提取故障特征,提高了诊断决策能力;在不同方法、不同工况下的对比实验结果也验证了所提方法的准确性、有效性和泛化性。
-
关键词
深度强化学习
故障诊断
残差编解码器
DQN网络
-
Keywords
deep reinforcement learning
fault diagnosis
residual encoder-decoder
deep Q-network
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TG66
[金属学及工艺—金属切削加工及机床]
-
