.png){kind=icon}
返回
A system-centred predictive maintenance re-optimization method based on multi-agent deep reinforcement learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.127034.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预测性维护（PdM）是一种主动维护策略，它利用数据监控和分析来预测潜在故障并在事先执行维护活动，这可以显著提高系统可用性并降低维护成本。然而，诸如组件间的差异性和多组件系统的复杂性等挑战难以通过当前的PdM方法解决。提出了一种基于多智能体深度强化学习（DRL）的系统中心PdM再优化方法。通过分阶段决策和多个智能体间的协作学习，可以有效应对现有挑战。考虑到工程系统退化过程中的非线性特征和不确定性，实施了一种协同数据-模型框架，以预测累积退化值和剩余使用寿命（RUL）。累积退化值和RUL的预测值作为多个环境观测值，用于平衡多智能体DRL中的环境动态。考虑到组件间的差异，最初根据最优组件性能和维护成本进行以组件为中心的PdM决策。鉴于多组件系统的复杂性，基于组件级决策结果和系统性能约束，进行以系统为中心的PdM决策的再优化。将两阶段PdM再优化方法应用于海底生产控制系统，以展示所提出方法的应用。
Keyword:
Predictive maintenance
Multi-agent
Deep reinforcement learning
Subsea production control system
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
A deep reinforcement learning approach for rail renewal and maintenance planning一种用于铁路更新和维护计划的深度强化学习方法
PREAI
分享收藏分享收藏A reinforcement learning framework for optimal operation and maintenance of power grids一种用于电网优化运维的强化学习框架.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏Deep multi-agent reinforcement learning for multi-level preventive maintenance in manufacturing systems面向制造系统多级预防性维护的深度多智能体强化学习
PREAI
分享收藏Deep learning models for predictive maintenance: a survey, comparison, challenges and prospectsAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏分享收藏
查看更多内容