本發(fā)明公開了一種基于深度強化學習的壓縮機故障診斷方法,屬于壓縮機故障診斷領(lǐng)域,包括:采集壓縮機的實時運行數(shù)據(jù),輸入至已訓練好的特征提取模型以提取特征;特征提取模型用于以無監(jiān)督的方式提取輸入數(shù)據(jù)的特征,特征用于表征在對應的運行數(shù)據(jù)下,壓縮機處于各故障類型的概率;將實時運行數(shù)據(jù)的特征輸入至已訓練好的故障診斷模型以預測故障類型;故障診斷模型為深度強化學習模型,用于以特征為狀態(tài),預測在該狀態(tài)下最大獎勵值對應的動作,并將對應的故障類型作為故障診斷結(jié)果;深度強化學習模型的一個動作用于預測壓縮機在給定狀態(tài)處于某一種故障狀態(tài)。本發(fā)明能夠減少對專家經(jīng)驗和先驗知識的依賴,提高壓縮機故障診斷結(jié)果的精度和穩(wěn)定性。
聲明:
“基于深度強化學習的壓縮機故障診斷方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)