仪器仪表学报

作者：王 辉，徐佳文，严如强

单位：王 辉,1. 东南大学仪器科学与工程学院,,徐佳文,1. 东南大学仪器科学与工程学院,,严如强,1. 东南大学仪器科学与工程学院，2. 西安交通大学机械工程学院,

关键词：行星齿轮箱;故障诊断;马尔科夫决策过程;卷积神经网络;深度Q网络

基金：国家重点研发计划(2018YFB1702400)项目资助

针对行星齿轮箱故障诊断常依赖较强的专业知识,诊断模型通用性差的问题,基于深度强化学习,提出一种深度宽卷积Q网络的行星齿轮箱故障智能诊断方法。首先将行星齿轮箱的故障诊断分解为序贯决策问题,采用分类马尔科夫决策过程进行描述,并建立故障诊断模拟环境;其次设计深度宽卷积神经网络作为深度Q网络模型中的动作值网络,增强对环境状态的感知能力;最后模型通过与环境间的不断交互,并依据环境反馈的奖励,自主学习最佳诊断策略,从而完成行星齿轮箱的状态辨识。试验及案例结果表明:该方法能够在多个工况下均可有效、准确地实现行星齿轮箱的智能诊断,诊断准确率均超过99%,增强了诊断模型的泛化性和通用性。

来源：2022年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第3期