基于深度强化学习的设备预测性维护方法

本发明提供基于深度强化学习的设备预测性维护方法，涉及设备监测技术领域，本发明获取各个零部件的更换原因和时间戳，根据历史的工作数据形成工作数据集并形成各个零部件所参与的任务集，根据任务集构建故障概率判断模型，并设定奖励公式，获取更换指导模型，根据当前所装备的零部件的安装时间获取各个零部件的更换评分，根据下次任务获取折损系数，通过设备的寿命获取年限系数，形成各个零部件的综合更换系数并构建修正阈值，获取各个零部件的更换状况，本发明通过根据零部件之间不同折损状况的协同作用判断起重机对于未来任务的执行能力，实现了对起重机零部件精确的预测性维护。