买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国民航大学

摘要：本发明属于飞机维修工作序列技术领域，具体涉及一种基于人因集成的飞机维修工作序列优化方法；步骤一：对飞机的待维修任务进行建模仿真，并分解各维修子任务的工作序列，且利用建模仿真对各维修子任务工作序列中的维修动作进行人因因素影响分析并确定其权重；步骤二：将人因因素与维修工作序列进行集成，修正维修时间，并从维修效率和维修成本角度建立工作序列优化模型；步骤三：利用pareto思想和动物心理学框架间的配合对A2C算法进行奖励函数的改进，优化训练模式，对步骤二中建立的工作序列优化模型进行求解，并完成对特定维修任务工作序列优化；本发明通过改进A2C算法对维修资源的合理分配优化了工作序列，提高了维修效率，降低了维修成本。

主权项：1.一种基于人因集成的飞机维修工作序列优化方法，其特征在于，包括以下步骤：步骤一：对飞机的待维修任务进行建模仿真，并分解各维修子任务的工作序列，且利用建模仿真对各维修子任务工作序列中的维修动作进行人因因素影响分析并确定其权重；步骤二：将人因因素与维修工作序列进行集成，修正维修时间，并从维修效率和维修成本角度建立工作序列优化模型；步骤三：利用pareto思想和动物心理学框架间的配合对A2C算法进行奖励函数的改进，优化训练模式，对步骤二中建立的工作序列优化模型进行求解，并完成对特定维修任务工作序列优化；步骤一中人因因素影响分析与权重确定通过层次分析法实现，其具体步骤如下：A1：以维修时间为目标层，以维修人员的可达性、可视性和舒适度为准则层，并依据可达性、可视性和舒适度之间的关系构建形状为3×3的判断矩阵P，且判断矩阵P满足式1的条件； 上式中，pij表示在目标层的约束下，准则层中的指标pi相对于指标pj的重要性；A2：通过算术平均法将判断矩阵P中的元素按照每列进行归一化，得到形状为3×3的矩阵P*，矩阵P*中的元素由式2所得： A3：对矩阵P*每行求均值得到形状为3×1的权重矩阵W，权重矩阵W中的元素Wi由式3所得： A4：对A1中的判断矩阵P和A3中的权重矩阵W由式4进行最大特征值λmax计算； 上式中，[PW]i表示判断矩阵P与权重矩阵W行列式计算后对应i行的数值；A5：由式5对A3中的权重矩阵W进行一致性检验，以判断判断矩阵P是否合理，若合理，则将权重矩阵W的数值作为各人为因素对应权重值；若不合理，则重新构建判断矩阵P； 上式中，CR表示随机一致性指标值，CI表示一致性指标值，RI表示平均随机一致性指标的值；CI由式6所得： 其中，n为指标数，此处取3；当CR的计算值小于0.10时，说明建立的判断矩阵P符合要求，权重赋值具有合理性，权重矩阵W中的数值，即为各人因因素的对应权重值；当CR的计算值大于0.10，则需对判断矩阵P进行重新构建；步骤二中建立工作序列优化模型具体如下：B1：将维修人员在执行特定维修工作时的可达性、可视性和舒适度情况按照维修人员与维修部件之间的关系划分等级并进行人因因素修正系数赋值；对于第一等级的可达性、可视性和舒适度情况，维修任务可以无障碍完成，其修正系数赋值为0；对于第三等级的可达性、可视性和舒适度情况，维修任务难度较大，分别对其修正系数赋值对应指标的权重值；对于第二等级的可达性、可视性和舒适度情况，修正系数赋值为对应指标的权重值赋值的一半；人因修正系数由式7所得：rij＝raij+rbij+rfij7上式中，rij表示第i种维修资源中的维修人员在完成第j项维修工作时的人因修正系数，raij、rbij和rfij则分别表示第i种维修资源中的维修人员在完成第j项维修工作时可达性、可视性和舒适度的修正系数；B2：在考虑维修效率的基础上，第i种维修资源分配到第j项维修工作时基于人因因素修正的维修时间由式8所得： 上式中，tij表示第i种维修资源中的维修人员在完成第j项维修工作时维修机械动作的时间；eij表示第i种维修资源中的维修人员分配至第j项维修工作时发挥的效率；xij表示第i种维修资源中分配至第j项维修工作的维修人员数量；B3：在考虑维修成本的基础上，基于人因因素集成的维修成本由式9所得： 上式中，cij表示第i种维修资源分配到第j项维修工作单位时间的维修成本；l表示待维修任务中维修工作数量，n表示待维修任务中维修资源的种类数量；B4：在考虑并行工作模式的基础上，假设共有m条维修链，且在第k条维修链中存在维修工具矛盾或维修条件约束的维修工作、开始的时间和结束的时间分别为tsk、tek，则实现工作序列优化的目标函数由式10、11及12所得：minMtsx＝min{ts1，…，tsk，…，tsm}10maxMtex＝max{te1，…，tek，…，tem}11minMsx＝min{maxMtex-minMtsx}12B5：将维修成本和维修效率由式13进行归一化处理，并将两个指标合并成一个二维向量c，，e，，其优化目标函数由式14所得； 上式中，c和e分别表示特定维修策略下的维修成本和维修效率，c，和e，分别表示归一化处理后的维修成本和维修效率，cmax和emax分别表示待维修任务优化问题中的最大维修成本和最大维修效率；maxMdx＝c，2+e，214B6：基于B1-B5得到式15所示的待维修任务工作序列优化模型； 其中，xi表示第i种维修资源中维修人员的数量；步骤三中的具体步骤如下：C1：针对主要优化目标设定主奖励，并为每个其他目标设定辅助奖励，与主奖励一起联合成标量化奖励函数；C2：将每个奖励分开，并通过动物心理学框架中的四种模式进行环境反馈训练智能体以达到期望的行为；四种模式分别为正强化、负强化、正惩罚及负惩罚；C3：通过pareto思想中的支配原则来确定各个奖励值的设定，其中绝对支配原则保证了奖励函数整体的优化方向与更好实现主目标优化的方向一致，当主目标无法进一步优化时，则通过pareto支配原则来鼓励智能体按其他次要目标奖励优化策略；所述正强化由式16所得：MSSi，MSSi∧MdSi，MdSi16上式中，MS表示优化模型中工作序列优化的目标函数，Md表示优化模型中维修效率与维修成本构成的次要目标优化的目标函数，Si表示当前智能体所处的状态，Si，表示智能体在状态Si采取动作后进入的下一个状态；所述负强化由式17所得：MSSi，，MSSi∧MdSi，＝MdSi∨MSSi，＝MSSi∧MdSi，MdSi17所述正惩罚由式18所得：MSSi，＝MSSi∧MdSi，MdSi∨MSSi，MSSi∧MdSi，＝MdSi18所述负惩罚由式19所得：MSSi，MSSi∧MdSi，MdSi19；通过pareto思想中的绝对支配原则和pareto支配原则进行奖励值设定的约束；其中，绝对支配原则由式20所得： 上式中，k表示算法训练的总迭代次数，Rm表示算法中的主要奖励，和对应的是最优策略中的状态和智能体所做出的动作，和对应着非最优策略中的状态和智能体所做出的动作；pareto支配原则由式21所得： 上式中，j表示奖励的类型，其中，Rm表示算法中的主要奖励，Ra表示算法中的辅助奖励；通过绝对支配原则与pareto支配原则对传统A2C算法的奖励值进行重新设定，并对算法中智能体采用动物心理学框架中的训练模式，完成对A2C算法的改进，对待维修任务进行定义环境后，通过训练改进A2C算法中的智能体对工作序列优化的模型进行求解。

全文数据：

权利要求：

百度查询： 中国民航大学 一种基于人因集成的飞机维修工作序列优化方法