(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211237381.6 (22)申请日 2022.10.11 (65)同一申请的已公布的文献号 申请公布号 CN 115330001 A (43)申请公布日 2022.11.11 (73)专利权人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 郑锐　刘心报　胡朝明　钱晓飞　 陆少军　 (74)专利代理 机构 北京久诚知识产权代理事务 所(特殊普通 合伙) 11542 专利代理师 王云海 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 10/04(2012.01) G06F 17/10(2006.01) (56)对比文件 CN 114330775 A,202 2.04.12CN 109359750 A,2019.02.19 CN 113191506 A,2021.07.3 0 US 2021072742 A1,2021.0 3.11 郑锐.基于比例风险模型的动态视情维修策 略建模与决策优化. 《中国博士学位 论文全文数 据库》 .202 2, 李薇等.多 任务条件下地空导弹武器装备视 情维修策略. 《火力与指挥控制》 .201 1,(第04 期),第1- 3节. 陈闯等.单部件加速退化系统的视情维修策 略优化. 《系统工程与电子技 术》 .2020,(第0 3 期), 马艳.基于测试数据的战术 导弹视情维修策 略. 《兵工自动化》 .2017,(第1 1期), 张秀斌.视情维修决策模型及应用研究. 《中 国博士学位 论文全文数据库》 .20 04, 鲁阳.海上风电系统故障预测与视情维修方 法研究. 《中国博士学位 论文全文数据库》 .2020, 审查员 王琪 (54)发明名称 考虑多任务模式的动态视情维修策略优化 方法和系统 (57)摘要 本发明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。 权利要求书3页 说明书10页 附图2页 CN 115330001 B 2022.12.23 CN 115330001 B 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； 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； 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=[ϑk,i ]， 其中ϑk,i=1,∀k∈{0,⋯,K},i∈{1, ⋯,I};初始化策略 π'= {π'(k,n,i)=RP|∀(k,n,i)∈S} ；ϑk,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；ϑk+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，Qn,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；Pj表示下一任务的模式为 j∈Ω 的概率为Pj；Ki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ϑk,i， 对于所有的 n<ϑk,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STEP 8； 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。 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权　利　要　求　书 1/3 页 2 CN 115330001 B 2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,i0 )∈S是任意选择的状态。 3.一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， 用于采用近似 优化策略求 解所述数 学模型， 获取最优维修策略； 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； 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=[ϑk,i ]， 其中ϑk,i=1,∀k∈{0,⋯,K},i∈{1, ⋯,I};初始化策略 π'= {π'(k,n,i)=RP|∀(k,n,i)∈S} ；ϑk,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；ϑk+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，Qn,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转权　利　要　求　书 2/3 页 3 CN 115330001 B 3