典型文献
基于深度宽卷积Q网络的行星齿轮箱故障智能诊断方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
王辉;徐佳文;严如强
作者机构：
东南大学仪器科学与工程学院 南京 210096;西安交通大学机械工程学院 西安 710049
文献出处：
引用格式：
[1]王辉;徐佳文;严如强-.基于深度宽卷积Q网络的行星齿轮箱故障智能诊断方法)[J].仪器仪表学报,2022(03):109-120
A类：
B类：
行星齿轮箱,故障智能诊断,智能诊断方法,齿轮箱故障诊断,诊断模型,通用性,深度强化学习,序贯决策,决策问题,马尔科夫决策过程,模拟环境,设计深度,动作值,感知能力,断交,诊断策略,成行,状态辨识,诊断准确率,泛化性
AB值：
0.221624
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
