CN105912857A - 一种配电设备状态监测传感器的选配方法 - Google Patents

Abstract

本发明提供一种配电设备状态监测传感器的选配方法，确定传感器的评价指标及相应的指标等级；确定各项评价指标的权重；利用改进隶属度函数实现对传感器的模糊综合评价，得到传感器的隶属等级及综合评价因子。本发明提出的方法有效且准确的实现了对传感器的模糊综合评价，并以此作为传感器的选型和配置依据，保证了配电设备状态监测传感器的运行稳定性与安全性；进而确保在线监测系统的经济性、适用性及可靠性。

Description

一种配电设备状态监测传感器的选配方法

技术领域

本发明涉及配电设备选配领域，具体涉及一种配电设备状态监测传感器的选配方法。

背景技术

随着配电网规模的扩大，设备数量的增多以及智能化程度的提高，给电网安全运行带来了新的挑战。配电网中的电力设备不仅是电网资产的重要组成部分，也是保障电网安全可靠运行的关键所在。然而电力设备的运行寿命是有限的，并且在服役期内由于多种内部因素和外部因素的共同作用会出现各种故障，设备一旦故障会对电网的安全可靠运行产生极大危害。对电力企业而言，某个设备运行状态的恶化和出现故障，会对整个电网造成影响，造成巨大的经济损失，严重的故障还将造成灾难性的人员伤亡等后果。常规的预防性试验已不能满足对老化设备的选配需要，因此状态监测尤显必要。

状态监测就是利用安装在电气设备中的传感器，对运行中的电气设备进行连续监测，获取各种状态量的过程。状态监测实时获取状态数据，经分析处理后能及时发出报警，提供状态评价信息，避免缺陷进一步扩大导致事故发生，具有明显的优势。在配电主设备状态监测中，如何根据不同配电主设备对传感器类型、灵敏度、精度、安装等监测原理和要求的不同，对传感器经济性和适用性进行综合评价，确定用于状态监测的传感器类型，是亟待解决的问题。

由于传感器的各项评价指标均具有模糊性，传感器各指标等级之间也存在模糊性，故模糊理论可以用于传感器综合评价中。而模糊方法应用于传感器综合评价的一个关键点是隶属度函数的建立，目前各类隶属度函数处理模糊概念的共同缺陷是没有细致刻画各评价指标相对于每个质量等级的模糊特性，只是在笼统计算指标相对于整个合格范围的隶属度后，根据归一量化值确定综合评价等级，无法实现精细化的综合评价。

发明内容

有鉴于此，本发明提供的一种配电设备状态监测传感器的选配方法，该方法有效且准确的实现了对传感器的模糊综合评价，并以此作为传感器的选型和配置依据，保证了配电设备状态监测传感器的运行稳定性与安全性；进而确保在线监测系统的经济性、适用性及可靠性。

本发明的目的是通过以下技术方案实现的：

一种配电设备状态监测传感器的选配方法，所述方法包括如下步骤：

步骤1.确定所述传感器的评价指标及相应的指标等级；

步骤2.确定各项所述评价指标的权重；

步骤3.利用改进隶属度函数实现对所述传感器的模糊综合评价，得到所述传感器的隶属等级及综合评价因子。

优选的，所述步骤2包括：

2-1.根据层次分析法，计算各项所述评价指标的主观权重；

2-2.根据熵权法，计算各项所述评价指标的客观权重；

2-3.根据各项所述评价指标的主观权重及客观权重，确定各项所述评价指标的组合权重。

优选的，所述2-1包括：

a.采用层次分析法构造所述传感器各项所述评价指标的两两比较判断矩阵R_n×n，其中，n为指标个数，R_n×n中的元素r_ij表示第i项评价指标相对于第j项指标的重要性程度；

b.得到第i项指标的主观权重ω_i：

${\mathrm{\ω}}_i=\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}/\underset{i=1}{\overset{n}{\Σ}}\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}---\left(1\right).$

优选的，所述2-2包括：

c.对于具有n个指标的m组测量数据的矩阵D_n×m，其中，m>1；对D_n×m中数据作标幺化处理可得标幺化后的数据集S：

S＝{s_ij}_n×m＝{(maxd_ij-d_ij)/(maxd_ij-mind_ij)}_n×m (2)

式(2)中：s_ij为标幺化后的数据集S中的元素；d_ij为第i项指标的第j个测量数据；

d.得到第i项指标的熵值H_i：

$H_i=-{\left(lnm\right)}^{-1}\underset{j=1}{\overset{m}{\Σ}}{p}_{ij}\ln p_{ij},i=1,2,...,n---\left(3\right)$

式(3)中：p_ij为s_ij在第i项指标的测量数据中所占的比例，且

e.得到第i项指标的客观权重v_i：

$v_i=\frac{1-H_i}{\underset{i=1}{\overset{n}{\Σ}}(1-H_i)}---\left(4\right).$

优选的，所述2-3包括：

根据各项所述评价指标的主观权重及客观权重，确定各项所述评价指标的组合权重W＝[W1,W2,…,Wn]，则有：

$W_i=\frac{{\mathrm{\ω}}_i{v}_i}{\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{v}_i},i=1,2,...,n---\left(5\right)$

式(5)中，W_i＝W₁,W₂,…,W_n。

优选的，所述步骤3包括：

3-1.对于由高到低质量划分的指标等级，根据隶属度函数将指标等级的两级之间的模糊性定量化，分别求解指标对应为最高质量等级、最低质量等级及除最高与最低外的中间质量等级的隶属度函数；得到总体评估结果；

3-2.计算总体评估结果相对于各质量等级模糊子集的隶属等级；

3-3.对由高到低质量划分的评价等级依次赋以分值c₁,c₂...c_p，且相邻等级间的分值间距相等，分值由高到低表示所述传感器质量由好到差；

3-4.采用加权平均法得到评估点的评价因子。

优选的，所述3-1包括：

f.求解指标对应为最高质量等级的隶属度函数μ(ΔX)：

其中，

式(6)及(7)中：C为常数且取值取决于 为指标目标值；ΔX为某项已确定的指标；X₁、X₂为所述最高质量等级的指标区间的上限值和下限值；

g.求解指标对应为最低质量等级的隶属度函数μ(ΔX)：

式中：n＝p-1，p为评价等级的个数；

h.求解指标对应为除最高与最低外的中间质量等级的隶属度函数μ(ΔX)：

式中：k为常数且取值取决于n取值1,2…p-2。

优选的，所述3-2包括：

计算总体评估结果相对于各质量等级模糊子集的隶属等级B：

B＝W·μ (10)

式(10)中，μ为各项评价指标对应不同质量等级的隶属度；W为各项所述评价指标的组合权重。

优选的，所述3-4包括：

采用加权平均法得到评估点的评价因子f_SQ：

$f_{SQ}=\underset{j=1}{\overset{m}{\Σ}}{b}_j{c}_j/\underset{j=1}{\overset{m}{\Σ}}{b}_j---\left(11\right)$

式(11)中：b_j为传感器综合评价指标相对于第j个质量等级的隶属度；c_j为由高到低质量划分的评价等级的第j个分值且c_j＝c₁,c₂...c_p。

从上述的技术方案可以看出，本发明提供了一种配电设备状态监测传感器的选配方法，确定传感器的评价指标及相应的指标等级；确定各项评价指标的权重；利用改进隶属度函数实现对传感器的模糊综合评价，得到传感器的隶属等级及综合评价因子。本发明提出的方法有效且准确的实现了对传感器的模糊综合评价，并以此作为传感器的选型和配置依据，保证了配电设备状态监测传感器的运行稳定性与安全性；进而确保在线监测系统的经济性、适用性及可靠性。

与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：

1、本发明所提供的技术方案中，配电主设备状态监测中，本发明可根据不同配电主设备对传感器类型、灵敏度、精度、安装等监测原理和要求的不同，对传感器经济性和适用性进行综合评价；保证了配电设备状态监测传感器的运行稳定性与安全性。

2、本发明所提供的技术方案，利用改进隶属度函数实现对传感器实现更为细致的模糊综合评价，为传感器的选型依据，进而确保在线监测系统的经济性和适用性。

3、本发明提供的技术方案，应用广泛，具有显著的社会效益和经济效益。

附图说明

图1是本发明的一种配电设备状态监测传感器的选配方法的流程图；

图2是本发明的选配方法中步骤2的流程示意图；

图3是本发明的选配方法中步骤3的流程示意图；

图4是本发明的具体应用例中的评价指标相对于各划分等级的隶属度函数示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供一种配电设备状态监测传感器的选配方法，包括如下步骤：

步骤1.确定传感器的评价指标及相应的指标等级；

步骤2.确定各项评价指标的权重；

步骤3.利用改进隶属度函数实现对传感器的模糊综合评价，得到传感器的隶属等级及综合评价因子。

如图2所示，步骤2包括：

2-1.根据层次分析法，计算各项评价指标的主观权重；

2-2.根据熵权法，计算各项评价指标的客观权重；

2-3.根据各项评价指标的主观权重及客观权重，确定各项评价指标的组合权重。

其中，2-1包括：

a.采用层次分析法构造传感器各项评价指标的两两比较判断矩阵R_n×n，其中，n为指标个数，R_n×n中的元素r_ij表示第i项评价指标相对于第j项指标的重要性程度；

其中，层次分析法(Analytic Hierarchy Process，简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。

b.得到第i项指标的主观权重ω_i：

${\mathrm{\ω}}_i=\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}/\underset{i=1}{\overset{n}{\Σ}}\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}---\left(1\right).$

其中，2-2包括：

c.对于具有n个指标的m组测量数据的矩阵D_n×m，其中，m>1；对D_n×m中数据作标幺化处理可得标幺化后的数据集S：

S＝{s_ij}_n×m＝{(maxd_ij-d_ij)/(maxd_ij-mind_ij)}_n×m (2)

式(2)中：s_ij为标幺化后的数据集S中的元素；d_ij为第i项指标的第j个测量数据；

d.得到第i项指标的熵值H_i：

$H_i=-{\left(\ln m\right)}^{-1}\underset{j=1}{\overset{m}{\Σ}}{p}_{ij}\ln p_{ij},i=1,2,...,n---\left(3\right)$

式(3)中：p_ij为s_ij在第i项指标的测量数据中所占的比例，且

e.得到第i项指标的客观权重v_i：

$v_i=\frac{1-H_i}{\underset{i=1}{\overset{n}{\Σ}}(1-H_i)}---\left(4\right).$

其中，2-3包括：

根据各项评价指标的主观权重及客观权重，确定各项评价指标的组合权重W＝[W1,W2,…,Wn]，则有：

$W_i=\frac{{\mathrm{\ω}}_i{v}_i}{\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{v}_i},i=1,2,...,n---\left(5\right)$

式(5)中，W_i＝W₁,W₂,…,W_n。

如图3所示，步骤3包括：

3-1.对于由高到低质量划分的指标等级，根据隶属度函数将指标等级的两级之间的模糊性定量化，分别求解指标对应为最高质量等级、最低质量等级及除最高与最低外的中间质量等级的隶属度函数；得到总体评估结果；

3-2.计算总体评估结果相对于各质量等级模糊子集的隶属等级；

3-3.对由高到低质量划分的评价等级依次赋以分值c₁,c₂...c_p，且相邻等级间的分值间距相等，分值由高到低表示传感器质量由好到差；

3-4.采用加权平均法得到评估点的评价因子。

其中，3-1包括：

f.求解指标对应为最高质量等级的隶属度函数μ(ΔX)：

其中，

式(6)及(7)中：C为常数且取值取决于 为指标目标值；ΔX为某项已确定的指标；X₁、X₂为最高质量等级的指标区间的上限值和下限值；为表达式的替代参数；

g.求解指标对应为最低质量等级的隶属度函数μ(ΔX)：

式中：n＝p-1，p为评价等级的个数；

h.求解指标对应为除最高与最低外的中间质量等级的隶属度函数μ(ΔX)：

式中：k为常数且取值取决于n取值1,2…p-2。

其中，3-2包括：

计算总体评估结果相对于各质量等级模糊子集的隶属等级B：

B＝W·μ (10)

式(10)中，μ为各项评价指标对应不同质量等级的隶属度；W为各项评价指标的组合权重。

其中，3-4包括：

采用加权平均法得到评估点的评价因子f_SQ：

$f_{SQ}=\underset{j=1}{\overset{m}{\Σ}}{b}_j{c}_j/\underset{j=1}{\overset{m}{\Σ}}{b}_j---\left(11\right)$

式(11)中：b_j为传感器综合评价指标相对于第j个质量等级的隶属度；c_j为由高到低质量划分的评价等级的第j个分值且c_j＝c₁,c₂...c_p。

如图4所示，本发明提供一种配电设备状态监测传感器的选配方法的具体应用例，如下：

本应用例的目的在于提供一种配电设备状态监测传感器的选配方法，通过确定传感器的各项评价指标及相应的指标等级，对传感器各指标采集的数据进行标幺化处理，得到综合评价标准数据；利用AHP算法和熵权法计算各评价指标的主、客权重及组合权重；对评价指标相对于各质量指标等级进行模糊化处理，得到隶属度矩阵，评估总体状况相对于各质量等级模糊子集的隶属程度；最后采用加权评价得到评估点的评价因子。

本应用例的一种配电设备状态监测传感器选配方法包括以下步骤：

(1)选取稳定性、灵敏度、精度、成本、寿命、安装及可操作性等6项因子作为传感器的选型的评价指标，编号分别为1,2,…,6；将指标等级划分为优、良、中、合格、不合格5个等级。

(2)结合层次分析法、熵权法计算各评价指标的主、客观权重及组合权重W。

①采用AHP算法构造传感器各项指标的两两比较判断矩阵R_n×n＝{r_ij}(n＝6)，其中的元素r_ij表示第i项评价指标相对于第j项指标的重要性程度。根据传感器各项指标对传感器选型与评估的重要性，得出判断矩阵如下：

$R=\left[\begin{array}{cccccc}1& 2& 2& 1/2& 1/2& 1\\ 1/2& 1& 1& 1/4& 1/4& 1/2\\ 1/2& 1& 1& 1/4& 1/4& 1/2\\ 2& 4& 4& 1& 1& 2\\ 2& 4& 4& 1& 1& 2\\ 1& 2& 2& 1/2& 1/2& 1\end{array}\right]$

设ω_i为第i项指标的主观权重，其计算公式如下：

${\mathrm{\ω}}_i=\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}/\underset{i=1}{\overset{n}{\Σ}}\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}$

得出：

②建立具有6个指标的m组(m>1)测量数据(指标)矩阵D_6×m，其中的元素d_ij表示传感器第i项指标的第j个测量数据。取m＝4，则：

$D_{6\×4}=\left[\begin{array}{cccc}0.015& 0.011& 0.021& 0.018\\ 0.004& 0.012& 0.008& 0.014\\ 0.025& 0.031& 0.041& 0.036\\ 0.314& 0.205& 0.285& 0.154\\ 0.103& 0.206& 0.263& 0.158\\ 0.505& 0.425& 0.105& 0.328\end{array}\right]$

对矩阵D_6×4作标幺化处理可得：

$\begin{array}{c}S={\left\{s_{ij}\right\}}_{n\×m}={\left\{\right({\mathrm{maxd}}_{ij}-d_{ij}\mathrm{)/}({\mathrm{maxd}}_{ij}-{\mathrm{mind}}_{ij}\mathrm{)\}}}_{n\×m}\\ =\left[\begin{array}{cccc}0.6& 1& 0& 0.3\\ 1& 0.2& 0.6& 0\\ 1& 0.625& 0& 0.3125\\ 0& 0.68125& 0.18125& 1\\ 1& 0.35625& 0& 0.65625\\ 0& 0.2& 1& 0.4425\end{array}\right]\end{array}$

第i项指标的熵值为：

$H_i=-{\left(\ln m\right)}^{-1}\underset{j=1}{\overset{m}{\Σ}}{p}_{ij}\ln p_{ij},i=1,2,...,n$

其中：

$p_{ij}=s_{ij}/\underset{j=1}{\overset{m}{\Σ}}{s}_{ij}$

对矩阵S进行平移后，得出：

[H₁,H₂,H₃,H₄,H₅,H₆]＝[0.9772,0.9745,0.9773,0.9735,0.9778,0.9754]

设v_i为第i项指标的客观权重，其计算公式如下：

$v_i=\frac{1-H_i}{\underset{i=1}{\overset{n}{\Σ}}(1-H_i)}$

得出：[v₁,v₂,v₃,v₄,v₅,v₆]＝[0.1580,0.1767,0.1573,0.1836,0.1538,0.1705]

③传感器指标权重采用主客观组合权重，W＝[W₁,W₂,…,W_n]，计算公式如下：

$W_i=\frac{{\mathrm{\ω}}_i{v}_i}{\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{v}_i},i=1,2,...,n$

[W₁,W₂,W₃,W₄,W₅,W₆]＝[0.1350,0.0755,0.0672,0.3138,0.2628,0.1457]

(3)对传感器评价指标相对于各指标等级进行模糊化处理，计算隶属度矩阵μ。

对于划分的5个质量等级采用如图1所示隶属度函数可将两级之间的模糊性定量化，图中X₁、X₂的取值由实际情况确定，ΔX为某项已确定的指标，表示指标目标值。

①指标对应为“优”质量等级的隶属度函数为：

式中：

C——常数，取

②指标分别对应为“良”、“中”、“合格”质量等级的隶属度函数为：

式中：

k——取

n——取1,2,3。

③指标等级对应为“不合格”质量等级的隶属度函数为：

式中：

n——取4。

④对于指标1～6给定的值如下：

$\left[\begin{array}{cccc}0& 0.01& 0.04& 0.02\\ 0& 0.005& 0.02& 0.012\\ 0& 0.02& 0.1& 0.08\\ 0& 0.15& 0.5& 0.25\\ 0& 0.15& 0.5& 0.12\\ 0& 0.1& 0.45& 0.09\end{array}\right]$

计算得出：

$\mathrm{\μ}=\left[\begin{array}{ccccc}0& 0.4589& 0.5411& 0& 0\\ 0& 0.4480& 0.5520& 0& 0\\ 0& 0& 0.4046& 0.5954& 0\\ 0& 0.4680& 0.5320& 0& 0\\ 0.4918& 0.5082& 0& 0& 0\\ 0.4890& 0.5110& 0& 0& 0\end{array}\right]$

(4)计算评估总体状况相对于各质量等级模糊子集的隶属程度B。计算公式如下：

B＝W·μ

计算得出：

B＝[0.2005 0.4506 0.3089 0.0400 0]

(5)对优、良、中、合格、不合格5个评价等级依次赋以分值c₁,c₂,c₃,c₄,c₅，且相邻等级间的分值间距相等，分值由高到低表示传感器质量由好到差，最后采用加权平均得到评估点的评价因子其计算公式为：

$f_{SQ}=\underset{j=1}{\overset{m}{\Σ}}{b}_j{c}_j/\underset{j=1}{\overset{m}{\Σ}}{b}_j$

式中：

b_j——传感器综合评价指标相对于第j个质量等级的隶属度。

设[c₁,c₂,c₃,c₄,c₅]＝[10,9,8,7,6]，得出：f_SQ＝8.8116。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，而这些未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。

Claims (9)

1.一种配电设备状态监测传感器的选配方法，其特征在于，所述方法包括如下步骤：

步骤1.确定所述传感器的评价指标及相应的指标等级；

步骤2.确定各项所述评价指标的权重；

步骤3.利用改进隶属度函数实现对所述传感器的模糊综合评价，得到所述传感器的隶属等级及综合评价因子。

2.如权利要求1所述的方法，其特征在于，所述步骤2包括：

2-1.根据层次分析法，计算各项所述评价指标的主观权重；

2-2.根据熵权法，计算各项所述评价指标的客观权重；

2-3.根据各项所述评价指标的主观权重及客观权重，确定各项所述评价指标的组合权重。

3.如权利要求2所述的方法，其特征在于，所述2-1包括：

a.采用层次分析法构造所述传感器各项所述评价指标的两两比较判断矩阵R_n×n，其中，n为指标个数，R_n×n中的元素r_ij表示第i项评价指标相对于第j项指标的重要性程度；

b.得到第i项指标的主观权重ω_i：

${\mathrm{\ω}}_i=\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}/\underset{i=1}{\overset{n}{\Σ}}\sqrt[n]{\underset{j=1}{\overset{n}{\Π}}{r}_{ij}}---\left(1\right).$

4.如权利要求3所述的方法，其特征在于，所述2-2包括：

c.对于具有n个指标的m组测量数据的矩阵D_n×m，其中，m>1；对D_n×m中数据作标幺化处理可得标幺化后的数据集S：

S＝{s_ij}_n×m＝{(max d_ij-d_ij)/(max d_ij-min d_ij)}_n×m (2)

式(2)中：s_ij为标幺化后的数据集S中的元素；d_ij为第i项指标的第j个测量数据；

d.得到第i项指标的熵值H_i：

$H_i=-{\left(\ln m\right)}^{-1}\underset{j=1}{\overset{m}{\Σ}}{p}_{ij}\ln p_{ij},i=1,2,...,n---\left(3\right)$

式(3)中：p_ij为s_ij在第i项指标的测量数据中所占的比例，且

e.得到第i项指标的客观权重v_i：

$v_i=\frac{1-H_i}{\underset{i=1}{\overset{n}{\Σ}}(1-H_i)}---\left(4\right).$

5.如权利要求4所述的方法，其特征在于，所述2-3包括：

根据各项所述评价指标的主观权重及客观权重，确定各项所述评价指标的组合权重W＝[W1,W2,…,Wn]，则有：

$W_i=\frac{{\mathrm{\ω}}_i{v}_i}{\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{v}_i},i=1,2,...,n---\left(5\right)$

式(5)中，W_i＝W₁,W₂,...,W_n。

6.如权利要求1所述的方法，其特征在于，所述步骤3包括：

3-1.对于由高到低质量划分的指标等级，根据隶属度函数将指标等级的两级之间的模糊性定量化，分别求解指标对应为最高质量等级、最低质量等级及除最高与最低外的中间质量等级的隶属度函数；得到总体评估结果；

3-2.计算总体评估结果相对于各质量等级模糊子集的隶属等级；

3-3.对由高到低质量划分的评价等级依次赋以分值c₁,c₂...c_p，且相邻等级间的分值间距相等，分值由高到低表示所述传感器质量由好到差；

3-4.采用加权平均法得到评估点的评价因子。

7.如权利要求6所述的方法，其特征在于，所述3-1包括：

f.求解指标对应为最高质量等级的隶属度函数μ(ΔX)：

其中，

式(6)及(7)中：C为常数且取值取决于 为指标目标值；ΔX为某项已确定的指标；X₁、X₂为所述最高质量等级的指标区间的上限值和下限值；

g.求解指标对应为最低质量等级的隶属度函数μ(ΔX)：

式中：n＝p-1，p为评价等级的个数；

h.求解指标对应为除最高与最低外的中间质量等级的隶属度函数μ(ΔX)：

式中：k为常数且取值取决于n取值1,2…p-2。

8.如权利要求6所述的方法，其特征在于，所述3-2包括：

计算总体评估结果相对于各质量等级模糊子集的隶属等级B：

B＝W·μ (10)

式(10)中，μ为各项评价指标对应不同质量等级的隶属度；W为各项所述评价指标的组合权重。

9.如权利要求6所述的方法，其特征在于，所述3-4包括：

采用加权平均法得到评估点的评价因子f_SQ：

$f_{SQ}=\underset{j=1}{\overset{m}{\Σ}}{b}_j{c}_j/\underset{j=1}{\overset{m}{\Σ}}{b}_j---\left(11\right)$

式(11)中：b_j为传感器综合评价指标相对于第j个质量等级的隶属度；c_j为由高到低质量划分的评价等级的第j个分值且c_j＝c₁,c₂...c_p。