CN108529372B - 基于云模型和证据理论的电梯运行状态评估方法 - Google Patents

Abstract

本发明公开了一种基于云模型和证据理论的电梯运行状态评估方法，通过分析与电梯运行状态相关的主要特征量，建立电梯运行状态评估指标体系；运用熵权法确定各指标的权重，引入基于均衡函数的变权公式，根据实际数据偏离正常值的大小，对权重加以修正；采用云模型实现定量指标与定性概念之间的转换，得到指标对电梯各状态等级的隶属度；最后应用证据理论融合各指标信息，得到评估结果，为电梯管理人员及时了解电梯状态提供参考。

Description

基于云模型和证据理论的电梯运行状态评估方法

技术领域

本发明属于安全评估技术领域，尤其涉及一种基于云模型和证据理论的电梯运行状态评估方法。

背景技术

电梯作为高层建筑中不可缺少的垂直运输设备，其安全状况直接关系着乘客的人身安全。长期以来，对于电梯的安全保障均采取年检的方式，当电梯存在故障隐患时，这种方式会造成检修不及时。因此，从定期检修转向状态检修是电梯检修发展的趋势，这要求准确地对电梯运行状态进行评估。

近年来，国内外学者均对电梯安全状况的评估进行了研究。依据电梯的检查报告、故障报告，量化各个检验项目的故障率和危害程度；评估电梯的各个部件，量化事故发生的可能性和严重性，确定电梯综合风险值；运用区间估计筛选指标，运用层次分析法确定指标权重，基于模糊评判法确定电梯的安全级别；根据电梯的运行参数，采用层次分析法计算参数权重，基于模糊综合评价理论计算电梯的安全值；根据电梯的故障信息，引入故障率修正系数，对电梯进行风险评估。上述对电梯的状态评估大都基于模糊综合评价理论，但在评估过程中存在一个问题：确定评价矩阵时存在片面性，采用专家打分的策略求取指标对评估等级的隶属度，很难排除人为因素的影响。

发明内容

发明目的：针对以上问题，本发明提出一种基于云模型和证据理论的电梯运行状态评估方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于云模型和证据理论的电梯运行状态评估方法，包括步骤：

(1)建立电梯运行状态评估指标体系；

(2)使用层次分析法计算指标的权重；

(3)运用云模型函数确定指标对状态的隶属度，并归一化；

(4)基于证据理论将不同指标进行融合，得到评估结果。

进一步地，所述步骤(2)具体包括：

(2.1)建立层次结构模型，构造判断矩阵；

(2.2)求解判断矩阵的最大特征根及对应特征向量；

(2.3)判断矩阵的一致性；

(2.4)归一化计算得到指标权重。

进一步地，所述步骤(3)中，云模型有3个数字特征E_x、E_n、H_c；E_x为期望，代表论域中最能代表定性概念的值；E_n为熵，用于度量定性概念的模糊度；H_c为超熵，用于度量熵的不确定性。

进一步地，所述步骤(3)中，指标对各等级的隶属度计算式为：

式中，E'_n是以E_n为期望、H_n为标准差生成的一个正态随机数。

进一步地，所述步骤(4)具体包括：

(4.1)将所有可能的评估结果组合成识别框架；

(4.2)确定基本信息分配；

(4.3)证据融合；

(4.4)进行评估决策。

有益效果：本发明与现有技术相比，具有以下优点：

本发明客服了现有存在的主观性和随意性大的缺点，对评价客体进行有效的评估；使用云模型能够客观的总结出不同因素的评判集，与传统评判方法中不同因素具有相同评判集有着本质区别；利用云模型来综合反应平叛过程，实现定性和定量之间的转化，使整个综合评判方法更具有说服力，使综合评判结果更贴近人们的思想。

本发明使用证据理论有效融合各方面的信息，且随着证据的积累，不断的缩小假设集，具有较强的决策能力；证据理论可以一边结合其它方法的长处一边改进自身的不足，从概率范围逐渐推广到模糊集；使用证据理论融合各指标信息，得到评估结果，能够真实的反应电梯的运行状态。

附图说明

图1是电梯运行状态评估指标体系图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的基于云模型和证据理论的电梯运行状态评估方法，通过分析与电梯运行状态相关的主要特征量，建立电梯运行状态评估指标体系，运用层次分析法确定各指标的权重，采用云模型实现定量指标与定性概念之间的转换，得到指标对电梯各状态等级的隶属度，最后应用证据理论融合各指标信息，得到评估结果。

本发明基于云模型和证据理论的电梯运行状态评估方法包括以下步骤：

步骤1：选取表征电梯运行状态的指标；

电梯运行状态信息众多，这些信息从不同角度不同程度反映了电梯的状态。选取评估指标应遵循下列原则：(1)敏感性，设备的微弱变化能引起指标的较大变化；(2)可靠性，指标的变化能表征设备状态的变化；(3)实用性，指标易于检测；(4)指标之间应尽可能相互独立，从不同方面反映设备特征。根据上述原则，选取电梯各个子系统的主要特征量，构建电梯运行状态评估指标体系，如图1所示。

步骤2：使用层次分析法计算指标的权重；

层次分析法简称AHP，是一种定性与定量相结合的分析方法。首先建立层次结构模型，将各个影响因素分解为若干个层次；再从层次结构模型的第二层开始，将同一层次的指标对上层指标的影响程度进行两两对比，构造判断矩阵，直到最下层；然后求解判断矩阵的最大特征根及对应特征向量，计算指标权重；最后对判断矩阵进行一致性检验，若检验不通过，则需要重新调整判断矩阵。

根据如表1所示的1-9标度法建立判断矩阵，以下以轿厢系统、曳引系统、门系统、拖动系统为例，求取它们对电梯安全重要性的权重。

表1

步骤2.1：电梯安全评估方面有经验的15位专家的意见，研究不同电梯的数据，判断这4个指标的重要性，根据1-9标度法，得到最合理的判断矩阵A：

步骤2.2：根据Aα＝λα计算判断矩阵A的最大特征值λ_max和最大特征向量α_max；

步骤2.3：判断矩阵A的一致性；

计算判断矩阵的检验系数CR，如果满足CR＜0.1，则说明该矩阵A具有满意的一致性，否则就需要调整判断矩阵。矩阵检验系数CR的计算公式为：

式中，CI＝(λ_max-n)/(n-1)，n为矩阵的维数；RI为平均随机一致性指标，取值见表2。

表2

步骤2.4：归一化计算权重，将α_max进行归一化处理后，得到轿厢系统、曳引机系统、门系统、拖动系统4个指标的权重。

步骤3：运用云模型函数确定隶属度得到指标对各状态的隶属度，并归一化；

云模型是一种实现定性概念与定量数值间转换的不确定性模型，云有3个数字特征E_x、E_n、H_c；E_x为期望，代表了论域中最能代表这个定性概念的值；E_n为熵，用于度量定性概念的模糊度，熵越大，表示此概念越模糊，数值范围也越大；H_c为超熵，用于度量熵的不确定性，即熵的熵，超熵越大，隶属度的随机性越大，云滴的凝聚度越小。云模型可表达电梯定性描述与定量指标之间的转换，充分考虑了指标对运行状态的隶属度的模糊性和随机性。

用云模型实现了指标值到各等级的转换，这一过程称为逆向云发生器。给定处于状态等级的一组数据作为样本x_i，生成云的数字特征(E_x,E_n,H_e)，可完成定量到定性的转换。

云的数字特征算法如下：

1)计算期望E_x：

2)计算熵E_n：

3)计算超熵H_e：

确定了云模型的3个数字特征后，即可得到相应的隶属云模型。对于任意一个指标，根据各个等级的运行状态数据，可得到相应的云隶属函数；其中，“良好”为状态集的左边界，采用左半云模型描述；“严重”状态为右边界，采用右半云模型描述。根据云的数字特征和指标值，指标对各等级的隶属度计算式为：

式中，E'_n是以E_n为期望、H_n为标准差生成的一个正态随机数。

步骤4：基于证据理论，将不同指标量进行融合；

步骤4.1：确定识别框架Θ；

所有可能的评估结果组成的集合称为识别框架Θ。本文的识别框架为4种状态等级z₁、z₂、z₃、z₄和不确定度θ，即：

Θ＝{z₁,z₂,z₃,z₄,θ} (6)

步骤4.2：确定基本信度分配；

将各指标量作为独立的证据，根据云隶属函数得到隶属度，表示证据对各状态等级的信任程度，称为基本信度分配(BPA)，计算识别框架Θ上BPA的函数称为mass函数，该函数满足下式：

式中，为空集。

各个证据的可信度是不同的，引入可信度系数λ_k代表各条证据的可信度，λ_k越大表示证据越可信。λ_k定义如下：

式中，λ为可信度系数，取0.9；w_max为同一层次中指标权重的最大值。

用λ_k修订证据合成前的BPA如下：

式中，u'为归一化后的隶属度。

步骤4.3：证据融合；

为避免证据间的冲突导致评估结果误差太大，采用合成规则，规则如下：

式中，B、C是识别框架Θ中的子集；K为归一化常数；ψ为B、C相交的非空子集；m(ψ)为融合后的BPA结果。

步骤4.4：评估决策；

常用的评估决策方法为信度准则和最大隶属度原则，但前者在前一状态接近置信水平时容易误判，后者在各状态的隶属度相差不大时容易误判，将2种方法结合，采用下列方法确定电梯的运行状态。

Ⅰ.判断准确性，判断条件：

m(θ)＜ε₁ (11)

式中，ε₁为设定的阈值，ε₁＝0.05，若满足判断条件(11)，代表融合的结果准确，若不满足需要调整识别框架，并获取更多的证据进行融合。

Ⅱ.最大隶属度原则判断，判断条件为：

式中，ε₂为阈值，ε₂＝0.15。若满足判断条件(12)，融合结果为z₀。

Ⅲ.若不满足式(12)，则按信度准则判断，判断方式为：

式中，ε₃为置信水平，ε₃＝0.5。当各状态BPA相差不大时，BPA依次加和直到满足式(13)，此时融合结果为z₀。最后结合信度准则和最大隶属度原则，得到最终的评估结果。

Claims (4)

1.一种基于云模型和证据理论的电梯运行状态评估方法，其特征在于：包括步骤：

(1)选取电梯各个子系统的主要特征量作为评估指标，建立电梯运行状态评估指标体系；

(2)建立层次结构模型，将各个评估指标分为若干个层次；

(3)从层次结构模型的第二层开始，将同一层次的指标对上层指标的影响程度进行两两对比，直到最下层，构造判断矩阵；

(4)求解判断矩阵的最大特征根及对应特征向量，计算指标权重，并归一化计算得到的指标权重；

(5)对判断矩阵进行一致性检验，若检验不通过，则重新调整判断矩阵；

(6)计算云模型的数字特征，得到相应的云模型函数，运用云模型函数确定评估指标对各状态等级的隶属度；

(7)将所有可能的评估结果组合成识别框架；

(8)计算识别框架的基本信息分配函数，将各评估指标作为独立的证据，根据云模型函数得到的隶属度，表示证据对各状态等级的信任程度；

(9)将基本信息分配结果进行融合；

(10)根据融合结果进行评估决策。

2.根据权利要求1所述的基于云模型和证据理论的电梯运行状态评估方法，其特征在于：所述步骤(6)中，云模型有3个数字特征E_x、E_n、H_c；E_x为期望，代表论域中最能代表定性概念的值；E_n为熵，用于度量定性概念的模糊度；H_c为超熵，用于度量熵的不确定性。

3.根据权利要求2所述的基于云模型和证据理论的电梯运行状态评估方法，其特征在于：所述步骤(6)中，指标对各等级的隶属度计算式为：

式中，E'_n是以E_n为期望、H_n为标准差生成的一个正态随机数。

4.根据权利要求2所述的基于云模型和证据理论的电梯运行状态评估方法，其特征在于：所述步骤(9)中，采用合成规则如下：

式中，B、C是识别框架Θ中的子集；K为归一化常数；ψ为B、C相交的非空子集；m(ψ)为融合后的基本信息分配结果。