基于强化学习的桥梁全寿命周期维修智能决策方法技术

本发明专利技术公开了一种基于强化学习的桥梁全寿命周期维修智能决策方法，包括如下步骤：步骤一：确定桥梁的状态空间S和动作空间A；步骤二：基于桥梁的桥型及历史数据构建状态转移矩阵P，得到桥梁维修决策模型；步骤三：权衡维修成本与结构性能，建立奖励函数R；确定折扣系数γ；步骤四：根据桥梁的状态空间及动作空间，建立Q值表；步骤五：将桥梁维修决策过程看做一个马尔科夫决策过程，利用强化学习方法q‑learning算法迭代计算Q值表；步骤六：根据桥梁结构在各状态下执行不同动作对应的Q值表，得到最优维修策略。能够准确模拟桥梁状态变化以及规划桥梁全寿命周期内的维修方案，在满足运营需求的条件下，使得全寿命周期内成本更低。

【技术实现步骤摘要】

本专利技术属于桥梁维护，具体的为一种基于强化学习的桥梁全寿命周期维修智能决策方法。

技术介绍

1、对于桥梁这样的大型结构，由于外界及内部的影响，桥梁在服役过程中极易受到冲击、疲劳、腐蚀等作用导致桥梁构件的性能下降。目前国内对桥梁的管理还处于“重建轻养”这一模式，这间接造成了许多桥梁并未达到其设计使用年限就失效从而造成直接或间接的经济损失。目前桥梁结构维修策略通常可分为以下几类：周期性养护(定期巡检及养护)，也被成为基于时间的养护(time-based maintenance，tbm)策略；预防性养护，基于检测或监测的桥梁诊断结果制定养护策略，也被称为基于状态的养护(condition-basedmaintenance，cbm)策略；修复性养护，在结构失效后进行必要的养护，包括结构灾后加固、重建等。

2、tbm策略存在着可能导致过度维修的问题，因为它依赖于预定的固定维修周期，而设备或结构的实际状况可能并不总是在规定的时间内发生问题。这可能导致不必要的资源浪费，因为在某些情况下，维修可能是多余的，并且该方法无法灵活地适应突发的故障或损伤，使得无法有本文档来自技高网...

【技术保护点】

1.一种基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：包括如下步骤：

2.根据权利要求1所述基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：桥梁的状态空间为：

3.根据权利要求1所述基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：维修行为的动作空间A为：

4.根据权利要求1所述基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：状态转移矩阵P表示为：若桥梁结构在t时刻状态表示为st＝s(l,t)，采取任意维修动作后，桥梁结构的状态基于劣化概率分布变为st+1＝s(l’,t+1)，桥梁结构的状态特征通过当前的劣化状态...

【技术特征摘要】

1.一种基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：包括如下步骤：

2.根据权利要求1所述基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：桥梁的状态空间为：

3.根据权利要求1所述基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：维修行为的动作空间a为：

4.根据权利要求1所述基于强化学习的桥梁全寿命周期维修智能决策方法，其特征在于：状态转移矩阵p表示为：若桥梁结构在t时刻状态表示为st＝s(l,t)，采取任意维修动作后，桥梁结构的状态基于劣化概率分布变为st+1＝s(l’,t+1)，桥梁结构的状态特征通过当前的劣化状态概率分布xt＝xt-1·p＝(x1,x2,x3,x4,x5,x6)进行采样，时间特征值在上一步的基础上+1。

5.根据权利要求1所述基于强化学习的桥梁全...

【专利技术属性】
技术研发人员：刘纲，孙祥童，杨庆山，孙瑞卿，孙瑞，谭帅帅，
申请(专利权)人：重庆大学，
类型：发明
国别省市：