摘要：维护与备件库存管理是海上风电运维的两个密不可分的关键环节。为提高海上风电机组设计寿命周期内的运维经济性,构建状态维护与备件库存联合优化策略。首先,将海上风电机组构建为由叶片、齿轮箱、电气、偏航、轮毂、制动、传动链、发电机8个子系统组成的系统,然后将各子系统的劣化过程构建为多状态马尔可夫随机过程,建立维护与备件库存的交互模型,其中包括被动维护时间与随机故障以及备件库存的关系、备件库存对维护活动的影响等。随后,设计子系统的劣化状态与备件库存状态、状态检修动作与备件订购的表征方法,并以此形成深度强化学习Dueling DQN的框架,通过对深度网络的迭代训练,求解海上风电机组的最优维护与备件订购决策序列。最后,以某海上风电场内的风电机组为例,验证所提联合优化方法的优越性,并讨论强化学习的探索率、风电场的可达率对运维成本的影响。

摘要：本文设计了一种基于机器人操作系统(ROS)的小车自主建图与路径规划方法。通过深度传感器Xtion2获取室内环境的深度信息并转换成激光数据,利用该数据通过Gmapping算法构建环境的二维栅格地图,并通过自适应蒙特卡罗定位(AMCL)方法进行自主定位与导航。经实验验证,该方法能够对复杂的室内环境进行建图,并实现精确的定位与导航。