基于强化学习的舞台多轴同步系统预测维护策略研究

摘要

针对舞台多轴同步系统因执行器退化导致无法满足控制任务时限要求，现有维护策略难以达优的问题，提出一种基于强化学习的舞台多轴同步系统预测维护策略.首先将强化学习以串级方式引入，构建具有寿命预测与自主维护能力，能以不同采样率分而治之的控制架构；其次，聚焦介入维护策略及多源不确定性对执行器退化过程的影响，基于卡尔曼（Kalman）滤波、期望最大化和固定间隔平滑等算法，通过对执行器退化状态的实时感知、估计及退化模型的自适应更新，确保多轴同步系统剩余寿命预测精度；结合系统期望工作时限与剩余寿命预测的偏差、执行器实时退化状态等构建Q-learning算法的目标函数，通过不断试错对维护控制量做出最优调整，以获得最大的寿命延长奖励，从而实现了舞台多轴同步系统智能优化维护.通过舞台多轴同步系统仿真实验验证了所提方法的有效性，提高了系统维护效能.

关键词

舞台多轴同步 / 执行器退化 / 剩余寿命预测 / 强化学习 / 预测维护