<  Retour au portail Polytechnique Montréal

Maintenance planning for bridges using hierarchical reinforcement learning

Zachary Hamida et James Alexandre Goulet

Communication écrite (2023)

Document en libre accès dans PolyPublie et chez l'éditeur officiel
[img]
Affichage préliminaire
Libre accès au plein texte de ce document
Version officielle de l'éditeur
Conditions d'utilisation: Creative Commons: Attribution-Pas d'utilisation commerciale-Partage dans les mêmes conditions (CC BY-NC-SA)
Télécharger (2MB)
Afficher le résumé
Cacher le résumé

Abstract

This paper presents a hierarchical deep RL framework for maintenance planning on bridges. The proposed HRL framework provides advantages in scalability, and interpretability by allowing to visualize the decision boundaries of policies. The RL environment in this study is based on state-space models (SSM), which enables including the deterioration speed alongside the condition in the decision-making analyses. The performance of the proposed approach is evaluated by learning a maintenance policy for the beams structural category within a bridge in the Quebec province, Canada.

Département: Département des génies civil, géologique et des mines
Organismes subventionnaires: Ministère des transports du Québec (MTQ)
URL de PolyPublie: https://publications.polymtl.ca/57349/
Nom de la conférence: 14th International Conference on Applications of Statistics and Probability in Civil Engineering (ICASP14)
Lieu de la conférence: Dublin, Ireland
Date(s) de la conférence: 2023-07-09 - 2023-07-13
Maison d'édition: Trinity College Dublin
URL officielle: http://hdl.handle.net/2262/103207
Date du dépôt: 08 févr. 2024 10:25
Dernière modification: 30 sept. 2024 03:10
Citer en APA 7: Hamida, Z., & Goulet, J. A. (juillet 2023). Maintenance planning for bridges using hierarchical reinforcement learning [Communication écrite]. 14th International Conference on Applications of Statistics and Probability in Civil Engineering (ICASP14), Dublin, Ireland (8 pages). http://hdl.handle.net/2262/103207

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel

Afficher document Afficher document