10.3969/j.issn.1006-1355.2023.04.017
基于改进DQN燃气轮机转子故障诊断方法
燃气轮机转子系统作为燃气轮机关键部件,由于难以获取敏感故障特征导致故障诊断精度不高,影响设备的安全服役.针对以上问题,提出一种改进深度Q网络(DQN)深度强化学习燃气轮机转子系统故障诊断方法.首先,以采集的一维工况原始振动信号为输入,该DQN模型的环境状态采用故障样本集组成,转子故障类型为当前模型输入的动作集合;然后,DQN模型的智能体使用一维宽卷积神经网络(WDCNN)拟合得到Q网络,并使用ε-贪婪策略做出决策动作,反馈奖励和下一状态并存储到经验池内;智能体内采用时间差分误差(TD-error)优先经验回放,使得算法更加稳定和训练收敛;智能体与环境不断交互决策出最大奖励,输出最优策略故障诊断结果.将该模型应用于西储大学轴承数据集与燃气轮机试车台数据集中,分别达到99.2%与98.7%的准确率,可以用于快速有效地进行故障诊断.结果表明该改进DQN模型具有较高的故障诊断准确性与通用性.
故障诊断、燃气轮机转子、深度强化学习、DQN
43
TK47;TP206+.3(内燃机)
国家自然科学基金51975058
2023-08-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
109-115,199