摘要:全断面隧道掘进机(TBM)主轴承故障辨识直接关系到整机掘进安全与效率, 但工程中高可靠性要求和主动维护策略的实施使监测数据呈现极端类别不均衡(故障样本 $\leqslant $ 1%), 致使稀疏故障特征难以学习, 漏检风险极高. 为此, 提出一种深度强化学习驱动的TBM主轴承故障辨识模型(DRLimb), 将传统静态分类问题重构为强化学习的序贯决策优化问题. 该方法首先将故障辨识过程建模为马尔可夫决策过程, 通过双网络架构(在线$Q $网络与目标$Q $网络)及软更新机制确保策略学习过程的稳定收敛; 继而, 设计与决策历史相关的非对称奖励机制, 对故障样本的正确辨识给予更高回报、对漏检施加更强惩罚, 迫使智能体聚焦于稀疏但关键的故障模式, 提升对少数类故障模式的辨识灵敏度. 理论分析证明, 将多数类奖励系数设置为类别不均衡比率, 可实现类间梯度贡献的均衡化. 在多个极端不均衡比率的TBM主轴承数据集上的实验表明, DRLimb的$G $-mean值与F1-score均稳定超过93.2%, 显著优于主流不均衡学习诊断模型与基线模型.