摘要
本发明提供一种非等间隔退化的接触网关键部件强化学习维修优化方法，方法包括收集接触网系统历史设备故障数据，并进行分类统计，并拟合得到威布尔分布的参数；基于可靠性函数推导出接触网系统的动态可靠性模型，并建立分阶段维修费用模型；动态优化各个阶段的维修间隔以及次数；并输入至多目标优化模块，采用深度强化学习辅助的AGSEA算法求解出关键部件的帕累托维修计划集；根据接触网系统运行的可靠性约束条件筛选出关键部件在各维修阶段下的最终维修计划，并输出当前接触网系统整体可靠性以及维修费用。本发明能够有效适应设备非等间隔的劣化过程以及维持系统高可靠性的同时兼顾经济性。
