学习奖励而非标签：基于对抗性逆向强化学习的机械故障检测
机器学习
2026-02-27 v1 人工智能
摘要
强化学习（RL）为机械故障检测（MFD）提供了巨大的潜力。然而，大多数现有的基于 RL 的 MFD 方法并未充分发挥 RL 的序列决策优势，常常将 MFD 视为简单的猜测游戏（情境式精英）。为弥合这一差距，本文将 MFD 表述为一个离线逆向强化学习问题，智能体直接从健康运行序列中学习奖励动力学，从而绕开手动奖励工程和故障标签的需求。我们的框架采用对抗性逆向强化学习来训练判别器，以区分正常（专家）与策略生成的转换。判别器所学习的奖励作为异常评分，指示偏离正常运行行为的程度。在三个运行到失效基准数据集（HUMS2023、IMS 和 XJTU-SY）上进行评估，该模型在正常样本上始终分配低异常评分，在故障样本上分配高评分，实现了早期且稳健的故障检测。通过将 RL 的序列推理与 MFD 的时序结构相结合，本工作为数据驱动的工业环境中的 RL 诊断开辟了一条道路。
引用
@article{arxiv.2602.22297,
title = {Learning Rewards, Not Labels: Adversarial Inverse Reinforcement Learning for Machinery Fault Detection},
author = {Dhiraj Neupane and Richard Dazeley and Mohamed Reda Bouadjenek and Sunil Aryal},
journal= {arXiv preprint arXiv:2602.22297},
year = {2026}
}
备注
This article is accepted to be published in AAMAS2026. The doi is listed below but the production is on the way as of now (26/02/2026)