本發(fā)明公開了一種基于深度強(qiáng)化學(xué)習(xí)的滾動(dòng)軸承故障類型識(shí)別方法,其步驟包括:1、采集滾動(dòng)軸承一維時(shí)間序列故障數(shù)據(jù);2、連續(xù)小波變換算法對故障數(shù)據(jù)進(jìn)行預(yù)處理;3、人工標(biāo)注并進(jìn)行歸一化位置編碼;4、建立基于改進(jìn)的Transformer?LSTM雙分支異構(gòu)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò);5、對網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到強(qiáng)化學(xué)習(xí)最優(yōu)訓(xùn)練模型;6、輸入測試集到最優(yōu)訓(xùn)練模型得到最優(yōu)故障診斷分類識(shí)別效果。本發(fā)明通過強(qiáng)化學(xué)習(xí)的方法,提高了滾動(dòng)軸承故障分類識(shí)別的準(zhǔn)確性,同時(shí)使得模型具有更好的抗噪性能。
聲明:
“基于深度強(qiáng)化學(xué)習(xí)的滾動(dòng)軸承故障類型識(shí)別方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)