一种面向失衡数据集的基于贝叶斯优化深度Q网络的矿井通风系统阻变型故障诊断方法

本发明属于矿井通风技术领域，具体涉及一种面向失衡数据集的基于贝叶斯优化深度Q网络的矿井通风系统阻变型故障诊断方法，首先通过矿井通风系统网络解算，生成关于“阻变型故障—风量”的仿真数据故障样本集，然后以矿井通风系统风量参数作为模型的环境状态空间，分支编号作为智能体的动作，构建一种基于贝叶斯优化(BO)深度Q网络(DQN)的故障诊断模型WAFs‑BODQN，并且为了解决智能模型在数据失衡时表现能力欠佳的问题，设计了一种结合KMeans++算法和空间距离函数（SDF）的强化学习奖励函数KMeans‑SDF，本发明可以有效的避免智能模型对多数类样本的“偏心”现象，实现了对故障位置的准确预测，依据此方法有望建立矿井通风系统阻变型故障诊断的通用体系结构，为实现矿井智能通风提供理论指导和技术支撑。