基于动态小波优化与分层强化学习的机械故障诊断方法

本发明公开了基于动态小波优化与分层强化学习的机械故障诊断方法，属于故障诊断技术领域，本发明引入了自适应卷积小波变换(ACWT)方法来进行原始振动信号的特征提取，通过将原始振动信号与自适应卷积核进行卷积，小波基能够根据信号的特性动态调整，从而实现对其时频特征的精确提取；通过将Q学习与分层强化学习相结合得到分层Q学习(HQL)优化框架，将Q值在多个层级上得到优化，从而在结构化环境中实现高效的学习和决策；还设计了一种将HQL与卷积神经网络(CNN)和长短期记忆神经网络(LSTM)相结合的混合深度学习模型，能够全面提取空间和时间信息，同时动态优化故障诊断模型；HQL与CNN‑LSTM的结合增强了模型对复杂故障特征的适应性，使其在故障诊断任务中更有效。