基于强化学习的域自适应轴承声纹故障诊断方法及系统技术方案

本发明专利技术提供了一种基于强化学习的域自适应轴承声纹故障诊断方法及系统，根据获取的滚动轴承声纹信号和故障诊断模型，得到故障诊断结果；其中，故障诊断模型的损失函数为域自适应网络的损失函数和分类网络的损失函数的加和，分类网络的输入为源域标签和特征提取网络的源域输出，域自适应网络的输入为特征提取网络的源域输出和目标域输出；源域数据依次经过稀疏自编码器和特征提取网络后得到源域输出，目标域数据经过特征提取网络得到目标域输出；本发明专利技术考虑了源域数据集和目标域数据集不一致的问题，结合稀疏自编码器，在数据样本不充足时，利用已知的特征信号对未知的故障诊断进行较为高精度的分类，保证了机械设备的安全运转。转。转。

【技术实现步骤摘要】
基于强化学习的域自适应轴承声纹故障诊断方法及系统


[0001]本专利技术涉及轴承故障诊断
，特别涉及一种基于强化学习的域自适应轴承声纹故障诊断方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]在当今的工业化生产流程中，机械设备运行状态的正常与否是制约生产效率的主要因素。旋转机械是工业化机械设备的一种并应用广泛，诊断作为其关键部件的滚动轴承的健康有着极其重要的意义。由于机械设备工作状态的连续性、工作环境的恶劣性，滚动轴承故障时有发生。因此，在事故发生前进行故障诊断可以提高工业生产的可信性。
[0004]声音是获取信息的重要途径，通过声音可以判断事物的某种状态。声音信号相比于其它信号来说，具有绕射能力强、易于采集的特点。轴承的声波源于旋转运动引起的空气振动，基于声纹的故障诊断系统具有全天候、检测延时小、采集设备简单、高效节能等优点。因此，利用滚动轴承的声纹信号进行故障诊断具有巨大的发展潜力。
[0005]智能故障诊断技术是最近发展迅猛的研究热点，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习的域自适应轴承声纹故障诊断方法，其特征在于：包括以下过程：获取待测滚动轴承的声纹信号；根据获取的滚动轴承声纹信号和故障诊断模型，得到故障诊断结果；其中，故障诊断模型的损失函数为域自适应网络的损失函数和分类网络的损失函数的加和，分类网络的输入为源域标签和特征提取网络的源域输出，域自适应网络的输入为特征提取网络的源域输出和目标域输出；源域数据依次经过稀疏自编码器和特征提取网络后得到源域输出，目标域数据经过特征提取网络得到目标域输出。2.如权利要求1所述的基于强化学习的域自适应轴承声纹故障诊断方法，其特征在于：稀疏自编码器网络的隐藏层中设有KL散度的约束。3.如权利要求1所述的基于强化学习的域自适应轴承声纹故障诊断方法，其特征在于：采用域自适应网络的损失函数和分类网络的损失函数的加和进行特征提取网络的参数更新。4.如权利要求1所述的基于强化学习的域自适应轴承声纹故障诊断方法，其特征在于：将目标域的训练结果作为测试数据的虚假标签与目标域数据特征提取网络的输出一同作为分类网络的输入，将得到的分类损失函数加到原有的分类损失函数中，得到新的分类损失函数。5.如权利要求1所述的基于强化学习的域自适应轴承声纹故障诊断方法，其特征在于：域自适应网络的目标函数为最小化训练集和测试集之间的差异，所述训练集为源域数据，所述测试集为目标域数据，使用最小绝对值偏差实现最小化训练集和测试集之间的差异...

【专利技术属性】
技术研发人员：姜明顺，刘明慧，张艺蓝，张法业，张雷，隋青美，
申请(专利权)人：山东大学，
类型：发明
国别省市：