桥接 POMDP 与贝叶斯决策以应对模型不确定性下的稳健维护规划：以铁路系统为例
人工智能
2022-12-16 v1 机器学习
系统与控制
系统与控制
摘要
结构健康监测(SHM)描述了一个推断结构状况可量化指标的过程，其可作为支持基础设施资产运维决策的输人。鉴于关键结构的使用寿命长，该问题可被表述为在既定周期上的序贯决策问题。部分可观测马尔可夫决策过程(POMDP)提供了一个形式化框架来求解 underlying 最优规划任务。然而，两个问题可能削弱 POMDP 解。其一，需要能充分描述在劣化或纠正性作用下结构状况演化的模型；其二，从可用监测数据中恢复观测过程参数的非平凡任务。尽管存在这些潜在挑战，所采用的 POMDP 模型通常未考虑模型参数的不确定性，导致解可能不切实际地过度自信。本工作中，我们解决这两个关键问题。我们提出一个框架，通过以动作为条件的隐马尔可夫模型(HMM)的马尔可夫链蒙特卡洛(MCMC)采样，直接从可用数据估计 POMDP 转移与观测模型参数。MCMC 推断估计了相关模型参数的分布。随后我们利用推断分布构建并求解 POMDP 问题，以导出对模型不确定性稳健的解。我们基于由实际铁路监测数据计算的“分形值(fractal value)”指标，成功将该方法应用于铁路轨道资产的维护规划。
引用
@article{arxiv.2212.07933,
title = {Bridging POMDPs and Bayesian decision making for robust maintenance planning under model uncertainty: An application to railway systems},
author = {Giacomo Arcieri and Cyprien Hoelzl and Oliver Schwery and Daniel Straub and Konstantinos G. Papakonstantinou and Eleni Chatzi},
journal= {arXiv preprint arXiv:2212.07933},
year = {2022}
}