【技术实现步骤摘要】
本专利技术属于机械设备故障诊断，具体涉及一种机械设备故障诊断方法、装置、设备及可读存储介质。
技术介绍
1、随着现代工业的迅猛发展，机械设备已成为提高生产力、促进经济增长的基石，不断推动社会的进步和发展。部分机械设备的机械传动系统长期在恶劣的环境中工作，不可避免地会出现故障，进而产生一系列的连锁反应，轻则导致生产中断、经济损失，重则可能出现人员的伤亡。因此，为了提高机械设备的可靠性和降低维护成本，研究机械设备的智能故障诊断具有重要意义。
2、工业实际中，机械设备通常工作在变工况条件下，即不同的转速或不同的负载，因而所获取的机械设备信号数据不满足深度学习模型要求的独立同分布假设，这会影响模型的诊断性能，无法满足故障诊断的要求。公开号为cn115688040a的专利，公开了一种机械设备故障诊断方法，该方法可以有效地处理工业生产中来自设备不同工况下的多个传感器的信息，对机械大数据时代下的多源信息进行处理和融合，为机械设备变工况下的健康监测和故障诊断提供了一个有效的工具，适用于复杂的机械系统故障诊断工业场景。但是，该方法尚存在一些不...
【技术保护点】
1.一种机械设备故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种机械设备故障诊断方法，其特征在于，所述强化学习算法的强化学习环境中，采用对抗域自适应方法构建损失函数。
3.根据权利要求2所述的一种机械设备故障诊断方法，其特征在于，所述损失函数为：
4.根据权利要求1所述的一种机械设备故障诊断方法，其特征在于，所述强化学习算法采用基于Actor-Critic的PPO深度强化学习算法；
5.根据权利要求4所述的一种机械设备故障诊断方法，其特征在于，所述将所述源域数据集和目标域数据集作为强化学习算法的输入，自适应...
【技术特征摘要】
1.一种机械设备故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种机械设备故障诊断方法，其特征在于，所述强化学习算法的强化学习环境中，采用对抗域自适应方法构建损失函数。
3.根据权利要求2所述的一种机械设备故障诊断方法，其特征在于，所述损失函数为：
4.根据权利要求1所述的一种机械设备故障诊断方法，其特征在于，所述强化学习算法采用基于actor-critic的ppo深度强化学习算法；
5.根据权利要求4所述的一种机械设备故障诊断方法，其特征在于，所述将所述源域数据集和目标域数据集作为强化学习算法的输入，自适应搭建得到多个不同的机械设备故障诊断模型，具体为：
6.根据权利要求5所述的一种机械设备故障诊断方法...
【专利技术属性】
技术研发人员：温广瑞，牛腾飞，刘子岷，缪政辉，雷子豪，苏宇，田飞宇，孙磊鹏，
申请(专利权)人：西安交通大学，
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。