一种基于启发式混合博弈的集群视情维修决策方法与流程
本发明提供一种基于启发式混合博弈的集群视情维修决策方法，尤其涉及到一种基于启发式混合博弈方式，支持描述长周期大规模的装备集群任务的视情维修决策方法，属于可靠性工程领域。
背景技术：
视情维修(conditionbasedmaintenance,cbm)是一种针对设备工作的实际状态和设备结构、功能变化趋势的维修方法。在获取设备实际状态基础上，对下一阶段的运行状态和可能的故障进行预测，从而提前在合适的时间点进行维修。相对于传统维修方式，视情维修可以有效遏制维修过剩或不足的情况，降低维修耗损及成本。现阶段的视情维修研究以针对单部件或单设备为主，集群面向装备集群任务需求，面向单体的视情维修方法在维修资源分配和任务实时性、动态性方面存在较大局限。集群装备集群视情维修以满足集群任务需求为目标，通过对装备集群的视情维修过程进行合理建模，选择合适的决策算法，从而提高集群任务可靠性，并降低维修资源消耗。在此类问题中，既要需要考虑集群中的个体及其部件的状态、还需要综合考虑任务风险、维修资源、维修时间等多重约束，本质上是一类多约束、多阶段的动态决策问题。
本发明针对长周期、大规模的装备集群任务执行过程，发明了一种新型的集群视情维修决策方法，即基于启发式混合博弈的集群视情维修决策方法，可为具有集群特征的装备视情维修决策提供支撑。
技术实现要素：
本发明旨在为集群视情维修提供一种基于启发式混合博弈的方法，该方法可有效描述装备集群维修决策与任务规划等特征，从而为集群的视情维修提供支持。
本发明的目的是提出一种基于启发式混合博弈的集群视情维修方法，主要包含以下步骤。
步骤一：基于状态计算结果生成集群初始策略集合
设集群包含m个要素，需要出动l个要素。根据集群各要素组成单元的剩余寿命，求解要素在任务中的故障概率，然后按故障概率由低到高排序，前l个进入出动集，后m-l个进入备用集。将出动集中每个要素维修自身最差的单元，作为初始策略。在此基础上计算初始收益w0。
步骤二：基于竞争博弈计算局部最优策略集合
对于出动集中的要素，其目标是在风险约束下降低维修成本。在此步骤中，一种基于竞争博弈的启发式优化算法被提出，通过要素间竞争博弈对维修策略进行优化，得到一个局部最优策略集合，进而求取任务收益。
步骤三：基于合作博弈求解全局优化策略
以获取更高的任务收益为目标，通过合作博弈的方式，选择出动集要素将与备用集中要素进行交换。基于合作博弈可获得全局优化策略。
步骤四：根据合作博弈结果判断是否结束算法
如果无法找出更优的合作博弈结果，则退出合作博弈算法，如果能找到新的要素交换方案，则重新进入步骤二。
步骤五：确认参与出动的要素及维修策略，输出任务总收益并退出流程
确认最终参与出动的要素及对应的维修策略，输出任务总收益。进一步判断此时是否满足退出流程条件，如果满足退出条件，则终止流程；如果不满足，转入合作博弈算法。
附图说明
图1为本发明中所述方法的整体架构框图
图2为依据本发明中所述方法建立的机群视情维修决策过程
图3为依据本发明中所述方法建立的机群竞争博弈算法规则
图4为依据本发明中所述方法建立的机群合作博弈算法规则
具体实施方式
为使本发明的技术方案、特征及优点得到更清楚的了解，以下结合附图，作详细说明。
本发明给出了一种基于启发式混合博弈的集群视情维修决策方法，可为长周期、大规模的装备集群视情维修决策提供支撑。本发明的整体架构，如图1所示，下面以实例进一步说明本发明的实质内容，但本发明的内容并不限于此。
步骤一：基于状态预测结果生成集群初始策略集合
设集群包含m个要素，需要出动l个要素。根据集群各要素组成单元的剩余寿命，求解要素在任务中的故障概率，然后按故障概率由低到高排序，前l个进入出动集，后m-l个进入备用集。将出动集中每个要素维修自身最差的单元，作为初始策略。在此基础上计算初始收益w0。步骤概括如下：
(1)计算要素故障概率
(2)排序，建立出动集与备用集
将要素故障状态情况按照由小到大的顺序进行排序，要素i的故障概率排在第k位，则记ai＝k。将a值为1-l的要素划入出动集，另外m-l个要素划入备用集。
(3)生成初始策略
根据任务要求和相应约束，将出动集中每个要素维修自身最差的单元确定为初始维修策略。
(4)计算初始收益
初始任务收益
例1：某舰载机群视情维修过程如图2所示，本例的任务目标是保证机群故障概率
假设机群包含20架飞机，每架飞机包含6个可维修单元(a,b,c,d,e,f)，每一个单元的剩余寿命都服从(u,σ2)的正态分布。其中，第一架飞机可维修单元a的剩余寿命分布为(25,1.2)，单元a的维修时间为17分钟，维修费用为2200。第一架飞机的第a个单元故障概率为2.243e-75，依据前述计算方法可得到，出动飞机数量为14，分别为第1、2、4、5、6、7、8、12、13、15、16、17、18、19架，机群初始维修费用为81500，初始维修策略为：[000111]t，[100110]t，[001101]t，[011001]t，[101001]t，[110001]t，[100101]t，[010110]t，[100101]t，[101010]t，[100011]t，[110001]t，[110001]t，[101010]t。
步骤二：基于竞争博弈计算局部最优策略集合
对于出动集中的要素，其目标是在风险约束下降低维修成本。在此步骤中，一种基于竞争博弈的启发式优化算法被提出，通过要素间竞争博弈对维修策略进行优化，得到一个局部最优策略集合，进而求取任务收益。竞争博弈算法步骤包括：
(1)制定博弈要素动作空间
规定参与博弈要素的当前策略空间为更改自身策略向量的一个元素，即要素在每一次博弈中的可能的行动方案有k+1种。
(2)构建收益矩阵
单个要素收益函数为
(3)求解收益矩阵的纳什均衡
根据纳什均衡定义，如果存在一组动作对，使得任意博弈要素都不能单方面改变策略获得更好收益，则当前动作对为博弈双方的纳什均衡解。
例2，接例1。机群竞争博弈算法规则如图3所示。本例中，出动集中的14架飞机为博弈参与者，每次选择在当前策略集合下维修单元数最多的2架飞机进行博弈，当多架飞机维修单元数量相同时，则选择维修费用(高)、故障概率(低)的飞机，每架飞机在每一次博弈中有7种可能行动方案，根据上述收益计算方法可获得出动集飞机收益矩阵。
以第1架飞机维修单元b和第2架飞机维修单元f构建的博弈矩阵为例，根据纳什均衡定义，有：
步骤三：基于合作博弈求解全局优化策略
以获取更高的任务收益为目标，通过合作博弈的方式，选择出动集要素将与备用集中要素进行交换。基于合作博弈可获得全局优化策略。合作博弈算法步骤包括：
(1)制定要素的策略空间
对于要素i，当通过策略si进行博弈被选入出动集后，任务可靠度不可接受或维修费用比当前存储费用高时，其在进行博弈时则舍弃si。由此，博弈双方可组合可行策略。
(2)构建博弈矩阵
对于出动集要素i，出动集策略矩阵sk-1将其剔除后得到缩减矩阵
(3)求解合作博弈矩阵的均衡解
当要素i通过博弈使得收益ri>0时，另一要素j的收益rj必大于0。故博弈矩阵中必存在一组均衡解使得(ri,rj)≥(0,0)。最终，取max(ri,rj)作为合作博弈矩阵的优化解。进一步，若fi＝1，要素i进入出动集，否则，要素j进入出动集。
例3，机群合作博弈算法规则如图4所示。在出动集的飞机完成策略优化后，选择当前维修费用最高或故障率最高的飞机进入备用集，在备用集中随机选择飞机进入出动集。通过让备用集中的飞机与出动集中的飞机合作博弈，从而选择更合适的飞机参与出动。
步骤四：根据合作博弈结果判断是否结束算法并退出流程
如果无法找到更优的合作博弈结果，则退出合作博弈算法，如果能找到新的要素交换方案，则重新进入步骤二。
根据退出博弈参数γ来决定是否退出合作博弈算法，当γ<δ时(δ为一个足够小的正数)，结束博弈。采用模拟退火的方式，令博弈的概率随时间降低。博弈参数可表示为：
例4，取δ＝0.1。随着博弈进行，任务收益不断变化。当迭代进行至58次时，收益不再变化，经过10次退火操作，可得到最终优化解，此时γ＝0.095，满足退出算法条件。
步骤五：确认参与出动的要素及维修策略，输出任务总收益并退出流程
确认最终参与调度的要素及对应的维修策略，输出任务总收益。进一步判断此时是否满足退出流程条件，如果满足退出条件，则终止流程；如果不满足，转入合作博弈算法。
例5，机群经过竞争博弈、合作博弈依次计算收益，获得局部、全局最优解，最终得到的策略集就是全局优化策略，对应的任务收益就是最终的一个全局优化解。经过计算，最终参与出动的飞机数量为14架，分别为第1、4、5、6、7、8、10、12、13、15、16、17、18、20架，由此得到机群最终维修费用为34400，故障概率为2.08×10-9，最终策略矩阵为[000000]t，[001100]t，[001000]t，[100000]t，[000100]t，[100100]t，[011000]t，[010110]t，[000011]t，[001001]t，[100000]t，[100000]t，[010001]t，[000110]t。
- 还没有人留言评论。精彩留言会获得点赞！