(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211127247.0 (22)申请日 2022.09.16 (71)申请人 辽宁工程技术大学 地址 123000 辽宁省阜新市细河区中华路 47号 (72)发明人 高永新　肖宇　聂振伟　 (74)专利代理 机构 北京华夏正 合知识产权代理 事务所(普通 合伙) 11017 专利代理师 韩登营 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06F 119/02(2020.01) (54)发明名称 一种轴承故障检测装置及深度强化学习算 法 (57)摘要 本发明公开了一种轴承故障检测装置及深 度强化学习算法， 包括底板以及传动装置和测试 装置； 传动装置包括电机箱、 第一轴承座、 连接 孔、 伺服电机、 减速器、 第一锥齿轮、 第二锥齿轮、 传动轴承和主轴， 底板的顶端固定连接电机箱， 电机箱的内部顶端安装有伺服电机， 底板的顶端 固定连接第一轴承座； 测试装置包括箱门、 第二 轴承座、 故障轴承、 电动推杆、 噪声传感器、 开口、 支撑座、 顶座、 控制面板、 显示屏、 单片机和测试 箱， 底板的顶端两侧均固定连接测试箱， 测试箱 的顶端固定连接顶座。 本发明实现了故障诊断的 自动提取以及噪声环境下端到端的智能故障诊 断， 通过深度学习网络有效提取各 故障的故障特 征， 以深度强化学习模型完成各个故障类型的识 别。 权利要求书2页 说明书4页 附图2页 CN 115310369 A 2022.11.08 CN 115310369 A 1.一种轴承故障检测装置， 其特 征在于， 包括： 底板(1)以及 传动装置和 测试装置； 所述传动装置包括电机箱(2)、 第一轴承座(3)、 连接孔(4)、 伺服电机(5)、 减速器(6)、 第一锥齿轮(7)、 第二锥齿轮(8)、 传动轴承(9)和主轴(10)， 所述底板(1)的顶端固定连接电 机箱(2)， 所述电机箱(2)的内部顶端安装有伺服电机(5)， 所述底板(1)的顶端固定连接第 一轴承座(3)； 所述测试装置包括箱门(11)、 第二轴承座(12)、 故障轴承(13)、 电动推杆(14)、 噪声传 感器(15)、 开口(16)、 支撑座(17)、 顶座(18)、 控制面板(19)、 显示屏(20)、 单片机(21)和测 试箱(22)， 所述底板(1)的顶端两侧均固定连接测试箱(22)， 所述测试箱(22)的顶端固定连 接顶座(18)。 2.如权利要求1所述的轴承故障检测装置， 其特征在于， 所述伺服电机(5)的输出端安 装有减速器(6)， 所述减速器(6)的输出端套接有第一锥齿轮(7)， 所述第一锥齿轮(7)啮合 连接两个第二锥齿轮(8)， 所述第二锥齿轮(8)固定连接在主轴(10)的一端， 所述主轴(10) 通过传动轴承(9)转动连接在第一轴承座(3)的内部， 所述传动轴承(9)安装在第一轴承座 (3)的内部 。 3.如权利要求1所述的轴承故障检测装置， 其特征在于， 所述第一轴承座(3)的数量为 两个， 两个所述第一轴承座(3)均位于电机箱(2)与底板(1)之间， 所述底板(1)的顶端两侧 均固定连接支撑座(17)， 所述支撑座(17)与第一轴承座(3)之间转动连接主轴(10)， 所述主 轴(10)转动连接在连接孔(4)的内部， 所述连接孔(4)的数量为两个， 两个所述连接孔(4)对 称分布在电机箱(2)的两端侧壁。 4.如权利要求1所述的轴承故障检测装置， 其特征在于， 所述测试箱(22)的一端侧壁开 设有开口(16)， 所述开口(16)的内部铰接有箱门(11)， 所述测试箱(22)的内部转动连接主 轴(10)， 所述主轴(10)的一端贯穿开口(16)内部的箱门(11)， 所述主轴(10)转动 连接第二 轴承座(12)， 所述第二轴承座(12)安装在底板(1)的顶端并位于测试箱(22)的内部， 所述第 二轴承座(12)的内部安装有故障轴承(13)， 所述故障轴承(13)安装在主轴(10)的一端。 5.一种轴承故障检测的深度强化学习算法， 其特 征在于， 包括以下步骤： 步骤1、 确定数据状态个数Ns＝lt/ls其中Ns为数据状态个数， lt为时域信号长度， ls为样 本长度； 由此， 可 得到某个时域数据状态 下标k表示状态序列， 上 标td表示时域数据； 步骤2、 将故障类型映射到动作空间集A＝{a1＝0， a1＝1， ...， ai＝n‑1}， n为故障类型 数， 可得到某故障类型的数据状态空间集： 其中i<n， k≤Ns， Sk为当前故障数据状态空间中的某个 状态， 包含对时域数据； 步骤3、 把动作空间集A和数据状态空间集S的关系进行对应： 步骤4、 创建出 数据状态空间后， 当智能体从环境中的状态Sk后， 决策出动作ai； 步骤5、 环境根据动作ai返回对应故障类 型的数据状态空间中某个状态sk和奖励值r， 回 放记忆单元将每一次的交 互数据(sk,ai,r,sk)存储在回放记 忆单元D中； 步骤6、 随机抽取K个样本输入到深度强化学习 网络和目标网络， 采用随机梯度下降法权　利　要　求　书 1/2 页 2 CN 115310369 A 2来训练权 重和偏置值 参数以最大化强化学习函数值； 步骤7、 调试超参数使深度强化学习网络学习数据状态与动作之间 复杂的映射关系； 步骤8、 将测试集输入到深度强化学习网络模型， 验证基于连续小波变换和深度强化学 习的轴承故障诊断方法的有效性。 6.如权利要求5所述的轴 承故障检测的深度强化学习算法， 其特征在于， 所述故障类型 包括磨损失效、 疲劳失效、 腐蚀失效。权　利　要　求　书 2/2 页 3 CN 115310369 A 3