公开了基于深度强化学习模型的行星齿轮箱故障诊断方法,方法包括:信号采集,获得行星齿轮箱在不同的健康状况下的振动信号,基于所述振动信号构建训练样本信号及测试样本信号;时频图像生成,同步提取所述训练样本信号及测试样本信号变换为二维时频图像,基于所述二维时频图像构建训练集及测试集;建立深度强化学习模型,基于训练集,智能体与环境进行不断地交互,训练智能体自主学习最优的诊断策略,所述智能体包括至少两个相同结构的深度卷积神经网络;故障识别,将所述测试集中的样本逐个输入训练完成的所述智能体,根据所述诊断策略识别行星齿轮箱故障类型,及分析诊断结果。
声明:
“基于深度强化学习模型的行星齿轮箱故障诊断方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)