【技术实现步骤摘要】
本公开涉及维修调度，具体涉及一种装甲设备的维修调度方法及装置。
技术介绍
1、在经济全球化大背景下，装甲设备在频繁的物资流动中发挥了重要的枢纽作用。随着装甲吞吐量的提升和机械化作业的增多，装甲设备常常处于超负荷的运转状态，并且露天场景下进行机械化作业，容易受到恶劣天气的影响导致装甲设备发生故障，因此，合理的装甲设备维修调度成为装甲设备保持高效运行的关键。然而，相关技术中无法对装甲设备实现高效的维修调度。
2、针对相关技术中无法对装甲设备实现高效的维修调度的问题，目前尚未提出有效的技术解决方案。
技术实现思路
1、本公开的主要目的在于提供一种装甲设备的维修调度方法及装置，以解决相关技术中无法对装甲设备实现高效的维修调度的问题。
2、为了实现上述目的，本公开的第一方面提供了一种装甲设备的维修调度方法，包括：
3、确定装甲设备损耗后的所有当前维修任务；
4、利用超图生成对抗网络为每个当前维修任务赋予对应的权值；
5、基于每个当前维修任务和对应的权值，确定每个当前维修任务对应的维修时间，并确定所有当前维修任务的加权完成时间；
6、采用洪水优化算法，将所有当前维修任务的加权完成时间的最小化作为优化目标进行优化，确定优化后的所有当前维修任务的最优维修序列。
7、可选地，利用超图生成对抗网络为每个当前维修任务赋予对应的权值，包括：
8、初始化超图生成对抗网络，采用包含动量的最速下降法，以并行训练方式初
9、将各个历史维修任务的维修工作量占比和维修周期输入初步训练完成后的超图生成对抗网络，输出结果，并根据先后连续两次输出的结果确定误差，基于误差修正初步训练完成后的超图生成对抗网络的隐层权值和阈值，重复进行训练；
10、当重复训练至误差的平方和小于等于预设误差容限时，或者当重复训练的次数达到预设最大迭代次数时，停止训练，得到重复训练完成后的超图生成对抗网络；
11、通过各个历史维修任务的维修工作量占比和维修周期进行分析比较，确定重复训练完成后的超图生成对抗网络的准确度，测试重复训练完成后的超图生成对抗网络，得到装甲设备每个当前维修任务对应的权值；
12、根据装甲设备所处的正常维修状态或紧急维修状态，确定装甲设备的当前维修任务和当前维修任务对应权值的变化。
13、进一步地，其中，将各个历史维修任务的维修工作量占比和维修周期输入初步训练完成后的超图生成对抗网络，包括：
14、对各个历史维修任务的维修工作量占比和维修周期进行归一化处理，得到归一化处理后的历史维修数据，将归一化处理后的历史维修数据输入初步训练完成后的超图生成对抗网络；
15、其中，在得到重复训练完成后的超图生成对抗网络之后，方法还包括：
16、对归一化处理后的历史维修数据进行反归一化处理，得到各个历史维修任务的维修工作量占比和维修周期。
17、可选地，超图生成对抗网络为交互式超边神经元模块或mrl-ahf。
18、进一步地，当超图生成对抗网络为交互式超边神经元模块时，将交互式超边神经元模块作为生成器捕获数据间的复杂关系，鉴别器是mlp；
19、按照下述公式分别确定第l+1层的节点的特征和第l+1层的超边的特征：
20、，
21、其中，是激活函数，是超图关联矩阵，是的转置，是第l层的超边的特征，是第l层的节点的特征，是第l层的超边的权重矩阵，是第l层的节点的权重矩阵，是超参数；
22、将最后一层的节点作为当前维修任务对应的权值。
23、进一步地，当超图生成对抗网络为mrl-ahf时，将潜在表示分别送入编码器ea和eb，得到表示和，且生成的两个超图使用关联矩阵和表示，通过对抗训练策略实现超图融合，得到顶点的特征：
24、，
25、其中，和分别是和的顶点度矩阵，，，和分别是和的超边度矩阵，是的转置，是权重矩阵；
26、将顶点的特征作为当前维修任务对应的权值。
27、可选地，根据装甲设备所处的正常维修状态或紧急维修状态，确定装甲设备的当前维修任务和当前维修任务对应权值的变化，包括：
28、当装甲设备处于正常维修状态时，按照下述公式建立第一目标函数：
29、，
30、第一约束条件为：
31、，
32、其中，第一目标函数中的为正常维修状态下所有当前维修任务的加权完成时间，n为当前维修任务的总数，为正常维修状态下维修序列中第i项维修任务的权值，为正常维修状态下维修完成维修序列中前i项维修任务时的累计完成时间，为正常维修状态下维修序列中第i项维修任务的维修时间；表示第i项维修任务是否为维修第j台维修设备，表示第i项维修任务是维修第j台维修设备，表示第i项维修任务不是维修第j台维修设备；为维修第j台维修设备的时间，为维修第j台维修设备的权值，为维修序列中第m项维修任务的维修时间；
33、第一约束条件包括：一次只能维修一台维修设备、一项维修任务只能有一个维修序列中的位置。
34、进一步地，当装甲设备处于紧急维修状态时，按照下述公式建立第二目标函数：
35、，
36、第二约束条件为：
37、，
38、其中，第二目标函数中的为紧急维修状态下所有当前维修任务的加权完成时间，为紧急维修状态下维修序列中第i项维修任务的权值，为紧急维修状态下维修完成维修序列中前i项维修任务时的累计完成时间，为紧急维修状态下维修序列中第i项维修任务的维修时间，为紧急维修状态下维修序列中第m项维修任务的维修时间；表示第i项维修任务的维修方式是否为k，表示第i项维修任务的维修方式是k，表示第i项维修任务的维修方式不是k，k=0表示正常维修，k=1表示大修，k=2表示小修；和分别为大修时间和小修时间，和分别为大修和小修引起的维修任务权值的波动率，a和b分别为大修的维修设备最小损耗程度和最大损耗程度，e和f分别为小修的维修设备最小损耗程度和最大损耗程度，为紧急维修状态下维修序列中第i项维修任务的损耗程度；
39、第二约束条件包括：一次只能维修一台维修设备、一个维修任务只能有一个维修序列中的位置、维修序列中的维修任务为正常维修大修和小修中的一种、紧急维修状态下维修序列中任一维修任务的大修的维修设备损耗程度取值范围为[a,b]、紧急维修状态下维修序列中任一维修任务的小修的维修设备损耗程度取值范围为[e,f]。
40、可选地，采用洪水优化算法，将所有当前维修任务的加权完成时间的最小化作为优化目标进行优化，确定优化后的所有当前维修任务的最优维修序列，包括：
41、将所有当前维修任务的数量、时间和权重输入洪水优化算法，输出所有当前维修任务的最优本文档来自技高网...
【技术保护点】
1.一种装甲设备的维修调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用超图生成对抗网络为每个当前维修任务赋予对应的权值，包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2所述的方法，其特征在于，所述超图生成对抗网络为交互式超边神经元模块或MRL-AHF。
5.根据权利要求4所述的方法，其特征在于，当所述超图生成对抗网络为交互式超边神经元模块时，将所述交互式超边神经元模块作为生成器捕获数据间的复杂关系，鉴别器是MLP；
6.根据权利要求4所述的方法，其特征在于，当所述超图生成对抗网络为MRL-AHF时，将潜在表示分别送入编码器EA和EB，得到表示和，且生成的两个超图使用关联矩阵和表示，通过对抗训练策略实现超图融合，得到顶点的特征：
7.根据权利要求2所述的方法，其特征在于，所述根据装甲设备所处的正常维修状态或紧急维修状态，确定所述装甲设备的当前维修任务和当前维修任务对应权值的变化，包括：
8.根据权利要求7所述的方法，其特征在于，当所述装甲设备处于
9.根据权利要求1所述的方法，其特征在于，所述采用洪水优化算法，将所有当前维修任务的加权完成时间的最小化作为优化目标进行优化，确定优化后的所有当前维修任务的最优维修序列，包括：
10.一种装甲设备的维修调度装置，其特征在于，包括：
...【技术特征摘要】
1.一种装甲设备的维修调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用超图生成对抗网络为每个当前维修任务赋予对应的权值，包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2所述的方法，其特征在于，所述超图生成对抗网络为交互式超边神经元模块或mrl-ahf。
5.根据权利要求4所述的方法，其特征在于，当所述超图生成对抗网络为交互式超边神经元模块时，将所述交互式超边神经元模块作为生成器捕获数据间的复杂关系，鉴别器是mlp；
6.根据权利要求4所述的方法，其特征在于，当所述超图生成对抗网络为mrl-ahf时，将潜在表示分别送入编码器ea和...
【专利技术属性】
技术研发人员：张晓伟，董文涛，孔紫宁，肖龙斌，赵明媚，崔伟，林媛媛，张士太，陈桐，栾新瑞，刘英，张一萌，尹菲，彭宇婷，董玉才，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。