基于深度强化学习的负载共享k-out-of-n:G系统的动态维护模型

《Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability》：Dynamic maintenance model for a load sharing k-out-of-n: G system using deep reinforcement learning

　　摘要本文采用深度强化学习方法，为负载共享 *k*-out-of-*n*: *G* 系统提供动态维护模型，其中所有组件相同，剩余组件均等分担负载。假设系统中每个组件的退化路径遵循逆高斯过程，且系统退化是系统故障的唯一原因。维护问题被表示为马尔可夫决策过程，通过使用优势 Actor-Critic 算法求解该问题来找到最优维护动作，本文详细讨论了该算法及其对输入的修改。最后，通过数值示例展示了该改进深度强化学习方法在寻找负载共享 *k*-out-of-*n*: *G* 系统最优策略方面的性能，并与标准 Actor-Critic 算法的性能进行了比较。此外，本文使用决策树描绘最优策略，提供了一种比神经网络更具可解释性的工具。获取文章完整访问权限查看所有访问和购买选项。获取访问权限