机械工程学报

作者：王辉, 徐佳文, 严如强

单位：1. 东南大学仪器科学与工程学院 南京 210096;2. 西安交通大学机械工程学院 西安 710049

关键词：行星齿轮箱,故障诊断,深度强化学习,多尺度特征,通道注意力；

基金：国家重点研发计划资助项目（2018YFB1702400）

针对行星齿轮箱在多工况下故障表征具有差异性，现有方法中存在特征提取不足，且泛化性和诊断准确率低的问题，提出一种基于多尺度深度注意Q网络（Multiscale deep attention Q network，MSDAQN）的深度强化学习行星齿轮箱多工况智能诊断方法。首先定义分类马尔科夫决策过程描述诊断过程，建立故障诊断模拟环境；其次构造MSDAQN深度强化学习智能体结构，其通过多尺度卷积神经网络提取多尺度故障特征，并利用自适应通道注意力进行加权融合、突出关键信息；最后依据所建智能体与诊断模拟环境交互的经验，自主学习最佳诊断策略。通过行星齿轮箱的多工况试验和实际案例的测试与分析，表明所提方法具有更高的诊断准确率和较强的工况适应性。

来源：2022年第11期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第11期