近日，我院机械工程专业博士研究生张妍平在海洋石油装备预测性维修优化方法方面取得重要进展，相关研究成果《基于多智能体深度强化学习的系统中心化预测性维修二次优化方法》（A system-centred predictive maintenance re-optimization method based on multi-agent deep reinforcement learning）发表在《Expert Systems With Applications》。《Expert Systems With Applications》是计算机科学和人工智能领域的国际顶级期刊，目前影响因子为7.5。论文第一作者为博士研究生张妍平，通讯作者为蔡宝平教授，中国石油大学（华东）为第一署名单位和唯一通讯单位。该研究得到了国家重点研发计划、国家自然科学基金、工信部高技术船舶科研项目及山东省杰出青年基金项目的联合资助。
论文首页
预测性维修是一种主动维修策略，通过数据监测和分析来预测潜在故障并提前执行维修活动，从而显著提高系统可用性并降低维修成本。本文提出了一种基于多智能体深度强化学习的系统中心化预测性维修优化方法。考虑到工程系统退化过程中的非线性特性和不确定性，采用了一种协同数据-模型框架来预测累积退化值和剩余使用寿命。累积退化量和剩余使用寿命的预测值作为多环境观测值，用于平衡多智能体深度强化学习中的环境动态性。考虑到组件间的差异，首先根据组件的最优性能和维护成本做出以组件为中心的预测性维修决策。鉴于多组件系统的复杂性，在组件级决策结果和系统性能约束的基础上，对系统中心化的预测性维修决策进行二次优化。
所提出的预测性维修优化方法框架
论文链接：https://doi.org/10.1016/j.eswa.2025.127034
