考虑多任务模式的动态视情维修策略优化方法和系统技术方案

本发明专利技术提供考虑多任务模式的动态视情维修策略优化方法、系统、存储介质和电子设备，涉及设备维修策略优化技术领域。本发明专利技术实施例包括获取当前状态，包括设备寿命、退化状态和下一任务模式；根据当前状态，在马尔可夫决策过程的框架下构建维修策略优化问题的数学模型；采用近似优化策略求解所述数学模型，获取最优维修策略。针对多任务模式的设备提出动态视情更换策略，根据决策点的设备寿命、退化水平和下一个任务模式决定是否更换设备以获得最小的长期花费率。的长期花费率。的长期花费率。

【技术实现步骤摘要】
考虑多任务模式的动态视情维修策略优化方法和系统


[0001]本专利技术涉及设备维修策略优化
，具体涉及一种考虑多任务模式的动态视情维修策略优化方法、系统、存储介质和电子设备。

技术介绍

[0002]工程实际中许多设备需要承担多种任务模式，例如加工中心需要加工不同材质的零件，每种材质对应一种任务模式。设备在不同任务模式下的退化速率具有明显的差异性，例如刀具加工碳钢时的磨损速度比加工聚四氟乙烯时的磨损速度快得多。一旦设备的退化量超过某个预设的阈值，设备就会发生功能故障。设备的故障会导致任务的失败，产生相应的设备故障和任务失败成本。
[0003]现有的面向任务的维修策略大多局限于单一的任务模式，没有考虑多任务模式对于设备退化和故障费用的差异化影响，直接应用于多任务模式设备则容易造成失修或过修的问题。此外，现有的面向任务的维修策略大多为静态策略，即在假设预防性维修阈值为某一固定值的基础上并进行维修优化。静态维修策略很难适应加速退化过程，容易产生多余的维修费用。

技术实现思路

[0004]（一）解决的技术问题针对现有技术的不足，本专利技术提供了一种考虑多任务模式的动态视情维修策略优化方法、系统、存储介质和电子设备，解决了没有考虑多任务模式对于设备退化和故障费用的差异化影响的技术问题。
[0005]（二）技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种考虑多任务模式的动态视情维修策略优化方法，包括：S1、获取当前状态，包括设备寿命、退化状态和下一任务模式；S2、根据当前状态，在马尔可夫决策过程的框架下构建维修策略优化问题的数学模型；S3、采用近似优化策略求解所述数学模型，获取最优维修策略。
[0006]优选的，其特征在于，所述S2中的数学模型包括：定义设备的状态空间为S={(k,n,i)|k∈{0,
⋯
,K};n∈{1,
⋯
,N};i∈Ω}，其中k表示设备寿命为kT，T表示任一个任务的时长；n表示设备的退化状态，N表示故障状态；i表示下一个任务模式，Ω={1,2,
⋯
,I}表示任务模式的集合，一共有I种任务模式；K是一个预先设定的整数，KT表示设备的最大寿命，在KT时需要对设备进行强制性更换；定义动作空间为 A={NR,RP}，其中NR表示不更换，RP表示更换。
[0007]优选的，所述S3具体包括：STEP0：初始化任意的维修策略π={π
(k,n,i) |π
(k,n,i)
∈A,
∀
(k,n,i)∈S}；
STEP1：评估维修策略π，获取状态(k,n,i) ∈S的值函数值v
(k,n,i )
和长期平均花费率g(π)；STEP2：定义Θ=[
ϑ
k,i ]，其中
ϑ
k,i
=1,
∀
k∈{0,
⋯
,K},i∈{1,
⋯
,I};初始化策略π'={π'
(k,n,i)
=RP|
∀
(k,n,i)∈S}；
ϑ
k,i
为设备寿命为kT，任务模式为i时的更换阈值；Θ为所有寿命和任务模式下的更换阈值的集合；STEP3：令i=1；STEP4：令k=K
‑
1；STEP5：令
ϑ
(k+1),i
赋值给n；
ϑ
k+1,i
为设备寿命为(k+1)T，任务模式为i时的更换阈值；STEP6：若n满足以下条件；其中，Q
n,N
(k,i)表示设备在时间段(kT,(k+1)T)内任务模式保持在i时退化状态由n转移到N的概率；v(0,1,i)、v(0,1,j)分别表示更换后的新设备在下一任务模式为i、j时对应的值函数，新设备的设备寿命和退化状态分别为k=0和n=1；P
j
表示下一任务的模式为j∈Ω的概率为P
j
；K
i
表示失败任务的模式为i∈Ω，则产生的任务失败成本；则令n 赋值给
ϑ
k,i
，对于所有的n<
ϑ
k,i
，令π'
(k,n,i)
=NR，运行STEP7；否则，令n=n+1，重新运行STEP6；STEP7：若k=0，运行STEP8；否则，令k=k
‑
1，返回STEP5；STEP8：若i=I，运行STEP9；否则，令i=i+1，返回STEP4；STEP9：若π=π'，则输出最优维修策略π；否则令π=π'，返回STEP 1。
[0008]优选的，所述STEP1中v(k,n,i)和g(π)的获取过程如下：令g(π)表示策略π的长期平均花费率，则最优策略π*对于所有可行的策略π满足以下条件：令p
(k,n,i),(k',n',i')
(a)表示在当前状态(k,n,i)采取动作a∈A后设备在下一个决策点转移到状态(k',n',i')的概率，则：令c
(k,n,i) (a)表示在当前状态(k,n,i)采取动作a∈A后到达下一个决策点之前产生的期望花费，则：其中，C表示设备的更换费用；通过求解以下方程组获得策略π的状态值函数v (k,n,i)
和长期平均花费率 g(π)：其中(k0,n0,i
0 )∈S是任意选择的状态。
[0009]一种考虑多任务模式的动态视情维修策略优化系统，包括：获取模块，用于获取当前状态，包括设备寿命、退化状态和下一任务模式；构建模块，用于根据当前状态，在马尔可夫决策过程的框架下构建维修策略优化问题的数学模型；求解模块，用于采用近似优化策略求解所述数学模型，获取最优维修策略。
[0010]优选的，所述数学模型包括：定义设备的状态空间为S={(k,n,i)|k∈{0,
⋯
,K};n∈{1,
⋯
,N};i∈Ω}，其中k表示设备寿命为kT，T表示任一个任务的时长；n表示设备的退化状态，N表示故障状态；i表示下一个任务模式，Ω={1,2,
⋯
,I}表示任务模式的集合，一共有I种任务模式；K是一个预先设定的整数，KT表示设备的最大寿命，在KT时需要对设备进行强制性更换；定义动作空间为 A={NR,RP}，其中NR表示不更换，RP表示更换。
[0011]优选的，所述求解模块具体用于：STEP0：初始化任意的维修策略π={π
(k,n,i) |π
(k,n,i)
∈A,
∀
(k,n,i)∈S}；STEP1：评估维修策略π，获取状态(k,n,i) ∈S的值函数值v
(k,n,i )
和长期平均花费率g(π)；STEP2：定义Θ=[
ϑ
k,i ]，其中
ϑ
k,i
=1,
∀
k∈{0,
⋯
,K},i∈{1,
⋯
,I};初始化策略π'={π'<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑多任务模式的动态视情维修策略优化方法，其特征在于，包括：S1、获取当前状态，包括设备寿命、退化状态和下一任务模式；S2、根据当前状态，在马尔可夫决策过程的框架下构建维修策略优化问题的数学模型；S3、采用近似优化策略求解所述数学模型，获取最优维修策略。2.如权利要求1所述的考虑多任务模式的动态视情维修策略优化方法，其特征在于，所述S2中的数学模型包括：定义设备的状态空间为S={(k,n,i)|k∈{0,
⋯
,K};n∈{1,
⋯
,N};i∈Ω}，其中k表示设备寿命为kT，T表示任一个任务的时长；n表示设备的退化状态，N表示故障状态；i表示下一个任务模式，Ω={1,2,
⋯
,I}表示任务模式的集合，一共有I种任务模式；K是一个预先设定的整数，KT表示设备的最大寿命，在KT时需要对设备进行强制性更换；定义动作空间为A={NR,RP}，其中NR表示不更换，RP表示更换。3.如权利要求2所述的考虑多任务模式的动态视情维修策略优化方法，其特征在于，所述S3具体包括：STEP0：初始化任意的维修策略π={π
(k,n,i) |π
(k,n,i)
∈A,
∀
(k,n,i)∈S}；STEP1：评估维修策略π，获取状态(k,n,i)∈S的值函数值v
(k,n,i )
和长期平均花费率g(π)；STEP2：定义Θ=[
ϑ
k,i ]，其中
ϑ
k,i
=1,
∀
k∈{0,
⋯
,K},i∈{1,
⋯
,I};初始化策略π'={π'
(k,n,i)
=RP|
∀
(k,n,i)∈S}；
ϑ
k,i
为设备寿命为kT，任务模式为i时的更换阈值；Θ为所有寿命和任务模式下的更换阈值的集合；STEP3：令i=1；STEP4：令k=K
‑
1；STEP5：令
ϑ
(k+1),i
赋值给n；
ϑ
k+1,i
为设备寿命为(k+1)T，任务模式为i时的更换阈值；STEP6：若n满足以下条件；其中，Q
n,N (k,i)表示设备在时间段(kT,(k+1)T)内任务模式保持在i时退化状态由n转移到N的概率；v(0,1,i)、v(0,1,j)分别表示更换后的新设备在下一任务模式为i、j时对应的值函数，新设备的设备寿命和退化状态分别为k=0和n=1；P
j
表示下一任务的模式为j∈Ω的概率为P
j
；K
i
表示失败任务的模式为i∈Ω，则产生的任务失败成本；则令n 赋值给
ϑ
k,i
，对于所有的n&lt;
ϑ
k,i
，令π'
(k,n,i)
=NR，运行STEP7；否则，令n=n+1，重新运行STEP6；STEP7：若k=0，运行STEP8；否则，令k=k
‑
1，返回STEP5；STEP8：若i=I，运行STEP9；否则，令i=i+1，返回STEP4；STEP9：若π=π'，则输出最优维修策略π；否则令π=π'，返回STEP 1。4.如权利要求3所述的考虑多任务模式的动态视情维修策略优化方法，其特征在于，所述STEP1中v
(k,n,i)
和g(π)的获取过程如下：令g(π)表示策略π的长期平均花费率，则最优策略π*对于所有可行的策略π满足以下条件：令p
(k,n,i),(k',n',i')
(a)表示在当前状态(k,n,i)采取动作a∈A后设备在下一个决策点转
移到状态(k',n',i')的概率，则：令c
(k,n,i) (a)表示在当前状态(k,n,i)采取动作a∈A后到达下一个决策点之前产生的期望花费，则：其中，C表示设备的更换费用；通过求解以下方程组获得策略π的状态值函数v (k,n,i)
和长期平均花费率 g(π)：其中(k0,n0,i
0 )∈S是任意选择的状态。5.一种考虑多任务模式的动态视情维修策略优化系统，其特征在于，包括：获取模块，用于获取当前状态，包括设备寿命、退化状态和下一任务模式；构建模块，用于根据当前状态，在马尔可夫决策过程的框架下构建维修策略优化问题的数学模型；求解模块，用于采...

【专利技术属性】
技术研发人员：郑锐，刘心报，胡朝明，钱晓飞，陆少军，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：