一种基于多智能体协同的主动强化学习故障诊断方法

本发明公开了一种基于多智能体协同的主动强化学习故障诊断方法，首先设计了一种并行结构用于提取原始振动信号的多尺度特征，利用对称点模式将一维的多尺度特征向量转为二维雪花图表示。这种转换不仅增强了特征的可区分性，还为后续的智能体决策提供了更为直观和有效的数据形式。然后，在多智能体强化学习中设计一种基于雪花图动态子区域分割的主动选择模块，将原始雪花图分割为若干子区域并计算各子区域的熵值来评估其信息量。因此，该模块挑选出具有最大熵值的子区域进行标记，这些标记后的子区域与原始雪花图共同构成新的数据集输入模型，在减少智能体观测到非信息区域的概率的同时达到扩充样本数量的作用。