基于增强学习的租赁业务分析配置系统的制作方法

本发明涉及数据处理与人工智能，具体为基于增强学习的租赁业务分析配置系统。

背景技术：

1、目前，工程机械租赁业务中的业务配置指令通常是基于人工经验规则、静态价格策略或单次评估结果实现的；当设备工况采集参量存在通信中断、乱序、数据跳变或异常波动时，现有系统往往难以围绕设备客观工时过程对状态进行连续分析，也无法将缺失区间、异常读数和后续校正信息加以区分利用，导致剩余可用寿命状态、可用寿命消耗速度和风险状态的判断准确性不足，进而引发计算资源预留池分配、节点免校验执行周期或高耗并发管控等系统资源配置指令失真。

技术实现思路

1、本发明提出基于增强学习的租赁业务分析配置系统，将基于设备工时过程的状态连续分析校正与预先训练的增强学习模型相结合，以在工程机械租赁业务的业务配置指令过程中获取符合业务约束条件且评分最高的业务配置指令。

2、本发明的目的可以通过以下技术方案实现：

3、基于增强学习的租赁业务分析配置系统，包括：边缘采集模块，与工程机械通信连接，用于采集总线报文、三轴加速度和工时表读数，以所述工时表读数建立设备生命周期主索引，生成特征帧，并将所述特征帧分类输出为有效数据帧和待校验帧，确定所述特征帧的缺失区间，并基于所述缺失区间生成空洞标记段；

4、状态感知模块，用于根据所述有效数据帧和所述空洞标记段计算等效工况消耗率、剩余可用寿命状态、可用寿命消耗速度和状态置信度；

5、动态决策模块，用于获取锚点数据，基于所述锚点数据对所述剩余可用寿命状态和所述状态置信度进行校正；基于校正后的所述剩余可用寿命状态、校正后的所述状态置信度和所述可用寿命消耗速度，从预设的候选指令集中筛选出候选集合；将校正后的所述剩余可用寿命状态、校正后的所述状态置信度及所述候选集合输入预先训练的增强学习模型，输出目标指令；

6、执行与异常处理模块，用于将所述目标指令下发至业务终端执行，并记录执行结果，以及在识别到系统异常时生成替代指令。

7、优选地，所述边缘采集模块包括采集单元、缓存单元和数据判定单元；所述采集单元用于提取所述总线报文中的工况特征、所述三轴加速度和所述工时表读数，并分配单调递增序号以生成所述特征帧；所述缓存单元用于在通信中断期间按照所述单调递增序号将所述特征帧写入缓冲区，并在恢复联网后传输所述特征帧；所述数据判定单元用于根据所述特征帧的序号连续性确定所述缺失区间，并根据所述缺失区间两端的所述工时表读数生成所述空洞标记段。

8、优选地，所述边缘采集模块用于接收确认数据，并利用所述确认数据对所述待校验帧进行比对，将比对通过的所述待校验帧中的工时表读数作为所述锚点数据输出至所述动态决策模块。

9、优选地，所述状态感知模块用于从所述有效数据帧的总线报文中提取发动机负载率和主泵压力，并基于所述三轴加速度提取冲击计数，结合所述发动机负载率、所述主泵压力、所述三轴加速度和所述冲击计数计算所述等效工况消耗率。

10、优选地，所述状态感知模块用于以所述工时表读数为积分变量，结合所述等效工况消耗率和当量消耗容量更新所述剩余可用寿命状态，并基于所述剩余可用寿命状态的变化量计算所述可用寿命消耗速度。

11、优选地，所述状态感知模块用于根据设备工况分布统计值确定所述空洞标记段对应的消耗率估计值，并利用所述消耗率估计值更新所述剩余可用寿命状态。

12、优选地，所述动态决策模块用于在接收到外部评估数据时，提取锚点状态和锚点置信度，并利用预设的融合权重对所述剩余可用寿命状态及所述状态置信度进行加权融合，计算得到校正后的所述剩余可用寿命状态及校正后的所述状态置信度。

13、优选地，所述动态决策模块用于在校正后的所述剩余可用寿命状态低于预设的寿命状态阈值时，从所述预设的候选指令集中剔除不满足预设系统保障条件的指令以生成所述候选集合；在校正后的所述状态置信度低于预设置信度阈值时，屏蔽资源配置下调指令。

14、优选地，所述预先训练的增强学习模型基于离线历史业务记录池进行训练，所述预先训练的增强学习模型以综合状态参量和所述候选集合为模型输入，以系统奖励值为优化目标；所述综合状态参量包含校正后的所述剩余可用寿命状态。

15、优选地，所述执行与异常处理模块判断所述系统异常的触发条件包括设备连续通信中断且未获取到所述锚点数据；所述执行与异常处理模块在判定出现所述系统异常时，停止调用所述预先训练的增强学习模型，并基于离线基线规则表生成所述替代指令。

16、本发明的有益效果：

17、1、通过以工时表读数建立设备生命周期主索引，并将采集到的总线报文、三轴加速度和工时表读数组织为特征帧，再将特征帧分类输出为有效数据帧和待校验帧，并基于缺失区间生成空洞标记段，能够将通信中断、乱序、读数跳变和异常波动数据进行分层处理，从而避免将缺失区间与异常读数混同使用，提高后续状态分析的连续性和可追溯性；

18、通过对总线报文进行循环冗余校验、三倍标准差异常值剔除和五点中值滤波，并结合1min采样区间计算三轴加速度的均方根值和冲击计数，能够将疲劳、振动等工况变化稳定提取出来，从而减少异常特征帧直接进入状态估计造成的偏差；

19、2、通过根据有效数据帧和空洞标记段计算等效工况消耗率、剩余可用寿命状态和可用寿命消耗速度，并在空洞标记段中结合通信中断前最后有效工况档位、同区域同型号设备同期工况分布以及下四分位值进行估计，能够在数据缺失时仍维持状态演化的连续性，从而避免剩余可用寿命状态因通信中断而失真；通过在续传数据到达后重新计算空洞标记段对应状态并在差值超过预设阈值时生成后续策略校正指令或人工复核工单，能够将校正信息纳入后续处理，从而提升状态估计结果的稳定性和可追溯性；

20、3、通过接收外部独立状态评估数据、设备归还状态检测、闲置设备状态流转数据、深度维修核算记录或人工工时表读数作为锚点数据，并按照锚点来源、评估误差和距上次有效锚点的工时增量对剩余可用寿命状态和状态置信度进行融合校正，能够将离散校正信息转化为可计算输入，从而减少单次人工干预修正带来的波动；通过保留校正前状态、锚点来源、校正后状态和校正版本号，能够保证状态修正过程完整记录，从而便于后续追溯与复核。

1.基于增强学习的租赁业务分析配置系统，其特征在于，包括：

2.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述边缘采集模块包括采集单元、缓存单元和数据判定单元；

3.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述边缘采集模块用于接收确认数据，并利用所述确认数据对所述待校验帧进行比对，将比对通过的所述待校验帧中的工时表读数作为所述锚点数据输出至所述动态决策模块。

4.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述状态感知模块用于从所述有效数据帧的总线报文中提取发动机负载率和主泵压力，并基于所述三轴加速度提取冲击计数，结合所述发动机负载率、所述主泵压力、所述三轴加速度和所述冲击计数计算所述等效工况消耗率。

5.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述状态感知模块用于以所述工时表读数为积分变量，结合所述等效工况消耗率和当量消耗容量更新所述剩余可用寿命状态，并基于所述剩余可用寿命状态的变化量计算所述可用寿命消耗速度。

6.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述状态感知模块用于根据设备工况分布统计值确定所述空洞标记段对应的消耗率估计值，并利用所述消耗率估计值更新所述剩余可用寿命状态。

7.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述动态决策模块用于在接收到外部评估数据时，提取锚点状态和锚点置信度，并利用预设的融合权重对所述剩余可用寿命状态及所述状态置信度进行加权融合，计算得到校正后的所述剩余可用寿命状态及校正后的所述状态置信度。

8.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述动态决策模块用于在校正后的所述剩余可用寿命状态低于预设的寿命状态阈值时，从所述预设的候选指令集中剔除不满足预设系统保障条件的指令以生成所述候选集合；在校正后的所述状态置信度低于预设置信度阈值时，屏蔽资源配置下调指令。

9.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述预先训练的增强学习模型基于离线历史业务记录池进行训练，所述预先训练的增强学习模型以综合状态参量和所述候选集合为模型输入，以系统奖励值为优化目标；所述综合状态参量包含校正后的所述剩余可用寿命状态。

10.根据权利要求1所述的基于增强学习的租赁业务分析配置系统，其特征在于，所述执行与异常处理模块判断所述系统异常的触发条件包括设备连续通信中断且未获取到所述锚点数据；所述执行与异常处理模块在判定出现所述系统异常时，停止调用所述预先训练的增强学习模型，并基于离线基线规则表生成所述替代指令。