基于增强学习的民航发动机全寿命维修决策方法及其应用

目录

目 录

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.1.1 课题来源

1.1.2 课题研究目的和意义

1.2 国内外研究现状及分析

1.2.1 民航发动机维修决策研究现状

1.2.2 增强学习研究现状

1.2.3 深度增强学习研究现状

1.3 本文的主要研究内容

第2章基于粒子群优化的民航发动机维修决策方法

2.1 引言

2.2 发动机维修决策模型

2.2.1 问题描述

2.2.2 形式化描述

2.2.3 解空间分析

2.2.4 模型建立

2.3 在确定全寿命维修时机条件下的单元体最优维修策略

2.4 在确定全寿命维修时机条件下的寿命件最优更换策略

2.5 基于粒子群优化算法的发动机维修决策模型求解

2.5.1 粒子群优化算法基本原理

2.5.2 基于粒子群优化的发动机维修决策算法流程

2.6 算法验证

2.6.1 数值实验

2.6.2 应用案例

2.7 本章小结

第3章基于Q 学习的民航发动机维修决策方法

3.1 引言

3.2 基于 Q 学习的民航发动机维修决策建模

3.2.1 马尔科夫决策过程建模

3.2.2 状态设计

3.2.3 动作设计

3.2.4 回报设计

3.2.5 Q 表设计

3.3 算法流程

3.4 算法验证

3.5 本章小结

第4章基于DQN 的民航发动机维修决策方法

4.1 引言

4.2 深度 Q 学习理论

4.2.1 深度学习与卷积神经网络

4.2.2 深度 Q 学习

4.3 基于 DQN 的民航发动机维修决策建模

4.3.1 发动机维修时机确定规则

4.3.2 单元体维修和寿命件更换规则

4.3.3 马尔科夫决策过程建模

4.4 算法训练流程

4.5 算法验证

4.5.1 数值实验

4.5.2 应用案例

4.6 本章小结

第5章民航发动机全寿命维修决策原型系统开发

5.1 引言

5.2 需求分析

5.3 系统设计与实现

5.4 系统运行实例介绍

5.4.1 发动机型号管理

5.4.2 基于粒子群优化的民航发动机维修决策

5.4.3 基于 DQN 的民航发动机维修决策

5.5 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致 谢