【技术实现步骤摘要】
本专利技术属于激光器故障检测，更具体地，涉及一种基于模型强化学习的激光器故障检测方法及系统。
技术介绍
1、在传统激光器研制过程中，因在进行激光器批量调试时，激光器产生故障状态往往是由现场多个专业人员根据上报数据来分析激光器的具体故障模式，以确定问题的级别、问题发生部位和后续处理意见。这需要对调试人员的调试经验和专业广度要求较高，因此存在培养人才的门槛。随着激光器技术的发展，激光器的复杂度日益增加，导致故障定位更加耗时和低效。而传统的故障诊断方式通过建立故障树模型，逐条对可能的问题进行排查，对于复杂激光器而言，故障树的复杂程度将显著增加，导致调试人员需要付出更多的时间和精力对故障问题进行分析，讨论，效率较低。随着计算机技术的不断发展，人工智能技术已经在社会发展各个领域崭露头角，其中，以强化学习为代表的一系列方法已经被应用到故障检测领域。但是，随着系统的复杂化，导致一般的强化学习需要更长的训练周期，时间成本更高，很难适应现代化激光器发展的需要。
技术实现思路
1、为解决以上技术问题，本专利技...
【技术保护点】
1.一种基于模型强化学习的激光器故障检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于模型强化学习的激光器故障检测方法，其特征在于，所述构建激光器状态的世界模型包括：世界模型包括表示网络，用于通过上一时刻的状态信息计算当前时刻的状态信息，并将当前时刻激光器的状态观测值映射到潜在的向量空间；
3.如权利要求1所述的一种基于模型强化学习的激光器故障检测方法，其特征在于，设置激光器故障检测评估模型，计算综合评估指数，根据所述综合评估指数对故障检测结果进行评估，通过调整世界模型的参数，使所述综合评估指数达到预设阈值，从而提高激光器故障检测的精
...
【技术特征摘要】
1.一种基于模型强化学习的激光器故障检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于模型强化学习的激光器故障检测方法，其特征在于，所述构建激光器状态的世界模型包括：世界模型包括表示网络，用于通过上一时刻的状态信息计算当前时刻的状态信息，并将当前时刻激光器的状态观测值映射到潜在的向量空间；
3.如权利要求1所述的一种基于模型强化学习的激光器故障检测方法，其特征在于，设置激光器故障检测评估模型，计算综合评估指数，根据所述综合评估指数对故障检测结果进行评估，通过调整世界模型的参数，使所述综合评估指数达到预设阈值，从而提高激光器故障检测的精确度。
4.如权利要求3所述的一种基于模型强化学习的激光器故障检测方法，其特征在于，所述激光器故障检测的准确率评估模型包括：
5.如权利要求4所...
【专利技术属性】
技术研发人员：徐嘉辉，姜永亮，杜征宇，徐佳琪，怀睿，杨笛，朱园，
申请(专利权)人：武汉光谷航天三江激光产业技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。