科研之友
微信
新浪微博
Facebook
分享链接
摘要
油气管道腐蚀状态受外部复杂环境和未知因素的干扰，其失效率与维修成本逐年增加，因此选择科学的维修策略是降本增效的有效途径。为了对腐蚀油气管道不同时期内维修策略进行科学选择，提出基于深度强化学习（Deep Reinforcement Learning）的腐蚀油气管道预防性维修最优化模型。模型以残余退化量作为建模初始条件，运用Weibull分布模拟管道剩余壁厚的退化路径，在不完全维修理论的基础上，设计以成本最低为目标的动作－价值体系，建立以奖励函数为基础的更新学习机制；最后引入深度强化学习算法Double-DQN对模型进行求解，并通过添加高斯噪声增加智能体策略选择的稳定性，迭代完成后得到腐蚀油气管道最优维修策略。实证结果表明：使用基于深度强化学习的腐蚀油气管道预防性维修最优化模型，某APILX52级钢制管道在计算期内进行4次小修和1次大修，使得管道服役周期增加10.84年，年平均成本为389.63元。因此，所提出的模型具有良好的实际应用价值。
- 出版日期2023
- 单位西安建筑科技大学
