CN110347972A - 机电特种设备安全性评价指标体系的权重集组合量化方法 - Google Patents

机电特种设备安全性评价指标体系的权重集组合量化方法 Download PDF

Info

Publication number
CN110347972A
CN110347972A CN201910511967.9A CN201910511967A CN110347972A CN 110347972 A CN110347972 A CN 110347972A CN 201910511967 A CN201910511967 A CN 201910511967A CN 110347972 A CN110347972 A CN 110347972A
Authority
CN
China
Prior art keywords
subsystem
index
safety
level
component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910511967.9A
Other languages
English (en)
Inventor
訾艳阳
安桐
周子桐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201910511967.9A priority Critical patent/CN110347972A/zh
Publication of CN110347972A publication Critical patent/CN110347972A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种机电特种设备安全性评价指标体系的权重集组合量化方法，该方法对需要保持指标独立性的设备子系统级的二级指标通过层次分析法进行指标权重量化，对强调相互影响关系的部件级的三级指标通过网络分析法进行指标权重量化，形成了各级指标权重体系。针对机电特种设备，考虑了设备部件之间的相互影响关系对部件级指标权重的影响，并同时考虑了设备子系统级指标之间的差异性与独立性，将不同级指标通过不同定权方法进行权重集量化，组合形成各级指标权重。本方法提高了指标权重集量化的准确性与客观性，能够为机电类特种设备系统的层次化安全性评价指标体系完成较为客观的权重集量化，为机电类特种设备系统的安全性评价奠定权重基础。

Description

机电特种设备安全性评价指标体系的权重集组合量化方法
【技术领域】
本发明属于机械工程安全评估领域，具体涉及一种机电特种设备安全性评价指标体系的权重集组合量化方法。
【背景技术】
在机械设备中，机电类特种设备在国家经济发展以及人民日常生活中起到了至关重要的作用，如电梯、自动扶梯、港口机械、客运索道等设备在各个领域都有着广泛分布。但是由于机电类特种设备一旦发生故障则容易造成重大人员伤亡，因此对机电类特种设备进行安全性评价有着重要意义。
在机电类特种设备的安全性评价中，层次化的评价指标体系能够覆盖从整体到局部的关键安全因素，是进行安全性评价与分析的基础性工作。对设备系统进行安全性评价需要对各级指标所占的权重进行分配以得到系统整体的安全等级。在定权方法中，层次分析法得到了较为广泛的应用。但是层次分析法未能考虑到不同决策层或同一层次之间的相互影响且只是强调各决策层之间的单向层次关系，并不能有效反映出复杂系统各指标之间的相互影响关系。与此相对应的网络分析法则可以对指标之间的网络状影响关系进行刻画，但忽略了指标之间的独立性，同时对于涉及较多因素的复杂系统存在繁冗低效的问题。
【发明内容】
本发明的目的在于克服上述现有技术的缺点，提供一种机电特种设备安全性评价指标体系的权重集组合量化方法，该方法提高了指标权重集量化的准确性与客观性。
为达到上述目的，本发明采用以下技术方案予以实现：
机电特种设备安全性评价指标体系的权重集组合量化方法，包括以下步骤：
步骤1，所述机电类特种设备包括M个子系统，每一个子系统包括若干个部件，针对M个子系统和所有的部件，建立设备的层次化安全性评价指标体系；所述层次化安全性评价指标体系包括设备安全性一级指标，在设备安全性一级指标下包含子系统级的二级安全性评价指标和部件级的三级安全性评价指标；
步骤2，通过层次分析法对子系统级的二级安全性评价指标进行权重集量化；通过网络分析法对部件级的三级安全性评价指标进行权重集量化；
所述对子系统级的二级安全性评价指标进行权重集量化，为所有子系统对设备安全运行的重要性程度的比较量化；所述部件级的三级安全性评价指标进行权重集量化，为所有部件对设备安全运行的重要性程度的比较量化。
本发明的进一步改进在于：
优选的，步骤1具体包括以下步骤：
(1)建立设备的分层安全控制结构；
(2)提取并识别安全控制结构中每一个部件潜在的不安全控制行为；
(3)针对所有的不安全控制行为制定各自的安全约束；
(4)将所有不安全控制行为的安全约束作为各个部件级的三级安全性评价指标，通过一个子系统内所有部件级的三级安全性评价指标建立该子系统级的二级安全性评价指标；形成设备的层次化安全性评价指标体系。
优选的，步骤2中对子系统级的二级安全性评价指标进行权重集量化具体包括以下步骤：
(1)通过标度法建立子系统级的比较判别矩阵A；
(2)计算比较判别矩阵A的最大特征值对应的特征向量
w＝(w1,w2,...,wm)T，在此基础上对特征向量进行归一化后得到指标权重向量W系；
(3)对比较判别矩阵A的检验系数CR进行计算，若CR小于0.1则一致性检验合格，认定比较判别矩阵A的指标权重向量W系能够表示层次化指标安全评价体系中子系统级指标的权重集量化；CR若大于等于0.1，则重复步骤(1)和步骤(2)，直至建立的比较判别矩阵A的CR小于0.1为止。
优选的，步骤(1)中，所述比较判别矩阵A的表达式如下式所示：
其中，aij——为子系统i相对于子系统j对设备的安全性评价指标的重要度；其中，aij＞0，aij＝1/aji，aii＝1，i≤M，j≤M。
优选的，步骤2中对部件级的三级安全性评价指标进行权重集量化具体包括以下步骤：
(1)构造部件级安全性之间的网络状相互影响关系；
(2)建立子系统的权矩阵B，用于表示子系统之间的相互影响关系；
(3)对所有部件之间的相互影响程度进行判别，建立超矩阵W；
(4)将步骤(2)得到的权矩阵B和步骤(3)得到的超矩阵W相乘得到加权超矩阵W，表达式如下式(10)所示，所述加权超矩阵W用于表示整个设备的各个部件之间影响关系；
式中，表示子系统j中各元素对子系统i中各元素的影响程度比较；
(5)对加权超矩阵进行自相乘运算，得到式(11)所示的极限超矩阵
其中，t为自相乘的次数，当t趋近于无穷时，极限超矩阵中每一列的数值趋向于保持稳定，此时的极限超矩阵的列即为每一个部件级的三级安全性评价指标的权重。
优选的，步骤(2)中，建立子系统的全矩阵B包括以下步骤：
(2-1)针对每一个子系统建立比较判别矩阵Ci，用于表示其他子系统对该子系统的影响；共建立M个比较判别矩阵Ci，比较判别矩阵的表达式为：
其中，Ei为受多子系统同时影响的子系统；aqp为第q个子系统与第p个子系统对子系统Ei影响程度的大小比较标度；
(2-2)计算所有的比较判别矩阵Ci，得到M个最大特征根wi，wi的表达式为：
wi＝(bi1 bi2 ... bim)T (5)
式中，bi1、bim…bim表示第i个子系统受到的其余子系统影响程度的权向量；
(2-3)将所有的最大特征根wi组合得到子系统的权矩阵B，所述权矩阵B代表子系统之间的相互影响程度，权矩阵B的表达式为：
式中，bij表示子系统i受到子系统j的影响程度。
优选的，步骤(3)的具体过程为：
(3-1)对于子系统Ei中的部件eik，分别将子系统Ej中各部件对eik的不安全行为影响程度进行比较，建立子系统Ei中每一个部件的比较判别矩阵Qik；
(3-2)计算每一个比较判别矩阵Qik的归一化特征向量，得到Ej中各部件对Ei中各部件的不安全行为相对影响矩阵Wij：
上式中，Wij中的每一列代表子系统Ej的所有部件对Ei中第eik个部件影响；n1代表子系统Ei中的部件数量，n2代表子系统Ej中的部件数量；
(3-3)将所有子系统之间的Wij组合，得到超矩阵W；所述超矩阵W，表示安全化评价指标体系中所有部件的相互影响程度，其表达式如下所示：
优选的，步骤(4)中，加权超矩阵中的元素的计算公式为：
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种机电特种设备安全性评价指标体系的权重集组合量化方法，该方法对需要保持指标独立性的设备子系统级的二级指标通过层次分析法进行指标权重量化，对强调相互影响关系的部件级的三级指标通过网络分析法进行指标权重量化，最终形成了各级指标权重体系。根据机电类特种设备的特点，充分考虑了设备部件之间的相互影响关系对部件级指标权重的影响，并同时考虑了设备子系统级指标之间的差异性与独立性，将不同级指标通过不同定权方法进行权重集量化，组合形成各级指标权重。本方法提高了指标权重集量化的准确性与客观性，能够为机电类特种设备系统的层次化安全性评价指标体系完成较为客观的权重集量化，为机电类特种设备系统的安全性评价奠定权重基础。
【附图说明】
图1是自动扶梯安全性评价指标体系。
图2是基于层次分析法的自动扶梯二级安全性评价指标权重。
图3是网络分析法系统结构。
图4是基于网络分析法的自动扶梯三级安全性评价指标权重。
图5是自动扶梯安全性评价指标权重体系。
【具体实施方式】
下面结合附图和具体实施例对本发明做进一步详细描述，本发明公开了一种机电特种设备安全性评价指标体系的权重集组合量化方法，该方法针对机电类特种设备。对于任何一个设备，由M个子系统组成，每一个子系统内包括若干个部件，M为≥1的自然数，该方法就是针对M个子系统和所有子系统中的所有部件建立的，具体包括以下步骤：
步骤1，通过对机电类特种设备进行系统安全分析，提出安全约束，建立层次化安全性评价指标体系；
步骤1.1建立设备的分层安全控制结构，所述分层安全控制结构为设备的部件之间的相互控制关系；
步骤1.2对该分层安全控制结构中部件的控制行为进行提取，并识别分层安全控制结构中每一个部件潜在的不安全控制行为；具体来说，如部件A控制部件B运动，当部件B的运动行程超出正常的运动行程时，则该行为为不安全控制行为，一个部件可能存在多个不安全控制行为，该步骤的目的就是将设备中的所有类似的不安全控制行为提取出；
步骤1.3针对所有部件的所有不安全控制行为，对所有的不安全控制行为制定安全约束，所述安全约束为每一个部件所有不安全控制行为各自的工作参数安全数据范围，以避免不安全控制行为的发生；如对于部件B的不安全控制行为除了超出行程以外，还包括部件B的运行温度需在合理范围内，则超出该范围也是不安全控制行为，因此一个部件可能存在多个不安全控制行为，设定整个设备共包括N个不安全控制行为。
步骤1.4将针对不安全控制行为所提出的安全约束作为部件级的三级安全性评价指标，由一个子系统内所有部件级的三级安全性评价指标组成该子系统的评价指标，由所有子系统级的二级安全性评价指标，构成该设备的层次化安全性评价指标体系，相对应的，该设备的安全性评价指标由子系统级的二级安全性评价指标构成；设定设备的安全性评价指标为一级指标，子系统级的二级安全性评价指标为二级指标，部件级的三级安全性评价指标为三级指标。
步骤2，使用层次分析法对机电类特种设备子系统级的安全性评价指标权重集进行量化的过程包括以下步骤：具体包括以下步骤：
步骤2.1针对子系统级的二级安全性评价指标，根据各个子系统对设备整体系统安全性评价指标的重要性程度按照下表1所示的1-9标度法构建比较判别矩阵A，重要性程度为人为判断，矩阵中的部件即为标度，描述指标之间的重要度比较，以凸显指标之间差异性；
表1 1-9标度法
其中，aij——同级指标中指标i相对于指标j对上一级指标的重要度；其中，aij＞0，aij＝1/aji，aii＝1，i≤M，j≤M。
在本发明中，对于机电类特种设备而言，此处比较判别矩阵A中的指标aij为子系统i相对于子系统j对设备的安全性评价指标的重要度，因此表1可以变换为下表2所示：
表2针对机电类特种设备的1-9标度法
步骤2.2计算比较判别矩阵A的最大特征值对应的特征向量
w＝(w1,w2,...,wm)T，在此基础上对特征向量进行归一化后得到指标权重向量W系。
步骤2.3对得到的权重向量W系进行一致性检验，首先计算比较判别矩阵A的最大特征根λmax，然后对比较判别矩阵A的检验系数CR进行计算，CR若小于0.1则一致性检验合格，认定比较判别矩阵A的指标权重向量W系能够表示层次化指标安全评价体系中子系统级指标的权重集量化；指标权重向量W系为二级指标权重。
其中，RI为平均随机一致性指标。随机一致性指标RI和比较判别矩阵A的阶数m有关，对应情况如下表3所示：
表3不同比较判别阶数下的RI值
该步骤中，CR若≥0.1，则认为检验不合格，需重复步骤2.1和2.2，重新建立比较判别矩阵A，直至比较判别矩阵A的检验系数CR＜0.1为止。
该步骤中所有安全性评价指标的重要度衡量，均指是的设备在运行过程中子系统对整个设备安全运行的重要性程度的评价，比较的是子系统之间对设备安全运行的重要性程度。
步骤3，使用网络分析法对机电类特种设备部件级指标权重集进行量化，每一个子系统包括若干个部件；上述步骤2针对的是子系统对设备的安全性评价指标的重要度评级，该步骤针对是子系统j对子系统i安全性评价指标的重要性，即部件对部件安全性评价指标的重要性；该方法具体过程包括以下步骤：
步骤3.1，构造部件级安全性之间的网络状相互影响关系，即某一个部件对另外一个部件的某个不安全行为的影响；具体来说，如部件A控制部件B运动，当部件B的运动行程超出正常的运动行程时，则该行为为不安全控制行为，对于运动行程的影响，有可能是部件C或部件D是对部件B的运动行程影响，该步骤为构建设备中所有的部件对其他部件不安全行为的网络状相互影响关系图；该步骤是基于步骤1中建立的层次化安全性评价指标体系进行的，判别不同的部件对于各个不安全行为的影响，进而建立网络状相互影响关系图。
步骤3.2，对网络层中各子系统之间的相互影响程度进行比较判别，即对层次化安全性评价指标体系中的各个子系统之间的相互影响程度进行比较判别；针对每一个子系统Ei建立比较判别矩阵Ci，用于表示其他子系统对该子系统的影响；
其中，Ei为受多子系统同时影响的目标子系统；aqp为第q个子系统与第p个子系统对子系统Ei影响程度的大小比较标度，通过标度法(如下表4所示)建立比较判别矩阵Ci，因为每一个子系统都能够建立一个比较判别矩阵Ci，因此共得到M个子系统的比较判别矩阵Ci；通过所有的对比较判别矩阵Ci进行计算得到每一个Ci的最大特征根对应的归一化特征向量wi，共得到M个最大特征根wi：
wi＝(bi1 bi2 ... bim)T (5)
式中，bi1、bim…bim表示第i个子系统受到的其余子系统影响程度的权向量。
将所有归一化特征向量wi组合即可得到子系统的权矩阵B，即子系统之间的权矩阵B，代表子系统之间的相互影响程度；
式中，bij表示子系统i受到子系统j的影响程度。
表4针对机电类特种设备的1-9标度法
步骤3.3，对网络层部件之间的相互影响程度进行比较判别，即对安全化评价指标体系中的所有部件之间的相互影响程度进行比较判别，得到超矩阵W，具体过程为：
对于子系统Ei中的部件eik，根据步骤3.1建立的部件级网络影响关系，研究子系统Ej中的每个部件对子系统Ei中的每个部件的每一个不安全行为影响，得到子系统Ei中每一个部件的比较判别矩阵Qik，依次列出子系统Ei所有部件的比较判别矩阵，假设子系统Ei中共n1个部件，则得到n1比较判别矩阵Qik，计算每一个比较判别矩阵Qik的归一化特征向量，共得到n1个归一化特征向量，即子系统Ej中各部件对部件eik的影响，假设子系统Ej中共n2个部件，以此类推，进而得到Ej中各部件对Ei中各部件的相对影响矩阵Wij：
上式中，每一列代表子系统Ej的所有部件对Ei中第eik个部件的不安全行为的影响；
将所有子系统之间的Wij组合起来即为网络分析法的超矩阵W，如下式(8)所示，该超矩阵中，包括了安全化评价指标体系中所有部件的相互影响程度。
式(8)中每一列代表其他子系统中的所有元素对目标子系统中所有部件的的影响；
步骤3.4，将子系统的权矩阵B和超矩阵W进行相乘，即构造得出表征表示整个设备的各个部件之间影响的加权超矩阵其中加权超矩阵中的每一个元素的计算公式为；
整个设备的加权超矩阵如下：
步骤3.5，对加权超矩阵进行自相乘运算，得到极限超矩阵如下式(11)所示，t为自相乘的次数：
其中，当t趋近于无穷时，极限超矩阵中每一列的数值趋向于保持稳定，此时得到的极限超矩阵的列即为该部件级安全性评价指标的权重，部件级指标的权重为三级指标的权重。
需要说明的是，上述步骤2和步骤3一个是针对子系统的权重集量化，一个是针对所有部件的权重集量化，因此步骤2和步骤3的顺序可以调整。
上述通过步骤2和步骤3将整个系统的子系统和各个部件进行了权重分析，最终将步骤3得到的三级指标的权重与三级指标安全性评价等级相乘得到二级指标安全性评价等级，将二级指标权重与二级指标安全性评价等级相乘得到整个系统的安全性评价等级；因为该方法考虑到了子系统之间的，部件之间的相互评价，因此最终得到的安全性评价结果准确性和客观性均较高。
实施例
该实施例中以机电类特种设备中的自动扶梯系统为对象，通过基于层次分析法与网络分析法组合赋权的方法完成了对自动扶梯安全性评价指标体系二级指标(各个子系统)和三级指标(各个部件)的权重分配。
步骤1，如图1所示，建立自动扶梯的三层安全性评价指标体系，其构建方法如下：
建立分层安全控制结构，整个设备包括多个系统，每一个系统中包括有多个部件，识别其分层控制模型中的潜在不安全控制行为，如图1所示的第三层所示，包括曳引电动机升温、曳引电动机振动加速度、梯级运行速度等；针对每一个不安全控制行为对组件以及子系统提出相应的安全约束，如，梯级运行速度需要在一个合理的速度数据范围内，超出该范围则认定该因素不安全，对应的如图1所示的每一个不安全控制行为均存在一个合理的(正常的范围)，并在此基础上根据安全约束的执行情况制定安全性评价指标，建立层次化安全性评价指标体系；从图中可以看出，该体系中的子系统包括：驱动系统、梯级系统、扶手系统、制动及安全防护系统、支撑与围板、外部因素，每一个子系统包括有若干个不安全控制行为。
步骤2，基于层次分析法实现层次化指标安全评价体系中子系统级安全性评价指标的权重集量化，具体步骤如下：
步骤2.1针对需要凸显指标之间差异性的子系统级评价指标，根据各子系统评价指标对设备整体系统安全性的重要性程度按照1-9标度法构建比较判别矩阵A，矩阵中的部件即为标度，描述各个子系统评价指标之间的重要度比较；本实施例中驱动系统和梯级系统比较的标度法如下表5所示，依次将所有的子系统进行相互比较。
表5本实施例中的1-9标度法
其中，aij——同级指标中子系统评价指标i相对于子系统评价指标j对自动扶梯安全性评价的重要度；其中，aij＞0，aij＝1/aji，aii＝1，i≤6，j≤6。
经过专家打分对自动扶梯的6个二级安全性评价指标构造其比较判别矩阵为：
其中，矩阵的每一行代表各二级指标对自动扶梯安全性的影响程度分别与自身以及其余5个二级指标按照1-9标度法的比较数值，矩阵A中的1-6个二级指标分别为“驱动系统”、“梯级系统”、“扶手系统”、“制动及安全防护系统”、“支撑与围板”、“外部因素”。
步骤2.2，计算比较判别矩阵A的最大特征值对应的特征向量w＝-(0.2871,0.6931,0.4742,0.3817,0.2063,0.1553)，在此基础上对特征向量进行归一化后得到指标权重向量W系，经过计算可以得到自动扶梯层次化安全性评价指标体系中二级安全性评价指标的权重向量W系＝(0.1306,0.3154,0.2158,0.1737,0.0939,0.0707)；
步骤2.3，进行一致性检验，首先计算得到比较判别矩阵的最大特征根λmax为6.2041，其次对比较判别矩阵的检验系数CR进行计算：
其中，RI——平均随机一致性指标。随机一致性指标RI和比较判别矩阵的阶数m有关，平均随机一致性指标与比较判别阶数的对应关系如下表6所示：
表6不同比较判别阶数下的RI值
计算得到CR为0.04082<0.1，一致性检验合格，最后的自动扶梯安全性评价指标体系中二级指标的权重集量化结果如图2所示，从图中可以看出在子系统中，驱动系统的权重为0.1306，梯级系统的权重为0.3154，扶手系统的权重为0.2158，制动及安全防护装置的权重为0.1737，支撑与围板的权重为0.0939，外部因素的权重为0.0707，对二级指标完成了权重集量化。其中，梯级系统所占权重最高，对自动扶梯的安全性影响最大。
步骤3，基于网络分析法实现层次化指标体系中部件级指标的权重集量化，具体步骤如下：
步骤3.1，构造自动扶梯部件级指标之间的网络状相互影响关系，结果如下表7所示，表中的D为驱动系统、S为梯级系统、H为扶手系统、B为制动及安全防护系统、P为支撑与围板、E为外部因素。
表7自动扶梯网络层各部件指标相互影响关系
步骤3.2，对网络层中各子系统之间的相互影响程度进行比较判别，组合形成矩阵Ci；
其中，Ei为受多子系统同时影响的子系统；aqp为第q个子系统与第p个子系统对子系统Ei影响程度的大小比较标度，通过标度法(如下表8所示)建立比较判别矩阵Ci；下述表8只是驱动系统和扶手系统对于目标子系统扶梯系统的安全性评价指标的比较，依次将每一个系统进行标度，进而比较判定通过所有的对比较判别矩阵Ci进行计算得到每一个Ci的最大特征根对应的归一化特征向量，共得到M个最大特征根wi：
wi＝(bi1 bi2 ... bim)T (5)
将所有归一化特征向量组合即可得到子系统的权矩阵B，即子系统之间的权矩阵B：
式中，bij表示子系统i受到子系统j的影响程度。
表8针对本实施例的子系统之间的1-9标度法
步骤3.3，对网络层部件之间的相互影响程度进行比较判别，即对安全化评价指标体系中的所有部件之间的相互影响程度进行比较判别，得到超矩阵W，具体过程为：
对于子系统Ei中的部件eik，根据步骤3.1建立的部件级网络影响关系，研究子系统Ej中的每个部件对子系统Ei中的每个部件的影响，得到子系统Ei中每一个部件的比较判别矩阵Qik，依次列出子系统Ei所有部件的比较判别矩阵，假设子系统Ei中共n1个部件，则得到n1比较判别矩阵Qik，计算每一个比较判别矩阵Qik的归一化特征向量，共得到n1个归一化特征向量，即子系统Ej中各部件对部件eik的影响，假设子系统Ej中共n2个部件，以此类推，进而得到Ej中各部件对Ei中各部件的相对影响矩阵Wij：
上式中，每一列代表子系统Ej的所有部件对Ei中第eik个部件影响；
将所有子系统之间的Wij组合起来即为网络分析法的超矩阵W，该超矩阵中，包括了安全化评价指标体系中的所有部件的相互影响程度。
步骤3.4，将子系统的权矩阵B和超矩阵W进行相乘，即构造得出表征表示整个设备的各个部件之间影响的加权超矩阵其中加权超矩阵中的每一个元素的计算公式为；
整个设备的加权超矩阵如下：
步骤3.5，对加权超矩阵进行自相乘运算，将部件级的权重集进行量化；
其中，当t趋近于无穷时，极限超矩阵中每一列的数值趋向于保持稳定，此时得到的极限超矩阵的列即为该部件指标的权重。
图3中所示的是网络分析法的结构，该方法将系统划分为控制因素层和网络层，控制因素层包含了自动扶梯整体系统级和子系统级指标，网络层包含了部件级指标，部件之间的网络状相互影响关系对指标的权重分配产生了影响。对自动扶梯安全性评价指标体系中三级指标通过网络分析法进行权重量化得到图4中所示结果，即自动扶梯层次化安全性评价指标体系各三级指标在对应的二级指标下的权重向量。从图中可看出，在梯级系统中，“梯级运行平稳性”指标所占权重为0.8281，对梯级系统影响程度较大。在扶手系统中，“扶手带与梯级运行速度差”指标所占权重为0.5527，对扶手带运行安全性的影响较大。在外部因素中，“月平均人流量”和“室外”指标所占权重分别为0.4259、0.4652，是外部因素二级指标下的主要影响指标。
图5中所示的是最终得到的自动扶梯层次化安全性评价指标体系的权重集量化结果。
在此基础上，考虑到梯级系统对自动扶梯安全性有较高影响，对自动扶梯的梯级系统二级指标的安全等级进行实验计算。将安全等级划分为安全V1、异常V2、危险V3三个等级，根据实验测量的“梯级运行速度”指标数值，以及经过量化的“梯级运行平稳性”指标数值，通过模糊综合评价法对该两个三级指标进行评价，并结合两指标在梯级系统下所占的权重集{0.1719,0.8281}最终得到梯级系统对于三个安全等级的隶属度向量。在该实验中，梯级出现抖振的扶梯梯级系统二级指标对安全、异常、危险三个安全等级的隶属度向量为[0.144,0.028,0.828]，梯级运行正常的扶梯梯级系统二级指标对安全、异常、危险三个安全等级的隶属度向量为[0.977,0.023,0]。根据隶属度最大原则，梯级抖振扶梯的梯级系统安全等级为危险V3，梯级正常运行扶梯的梯级系统安全等级为安全V1，从而验证了指标权重的合理性。
本发明公开了一种机电特种设备安全性评价指标体系的权重集组合量化方法，该方法对需要保持指标独立性的设备子系统级的二级指标通过层次分析法进行指标权重量化，对强调相互影响关系的部件级的三级指标通过网络分析法进行指标权重量化，最终形成了各级指标权重体系。根据机电类特种设备的特点，充分考虑了设备部件之间的相互影响关系对部件级指标权重的影响，并同时考虑了设备子系统级指标之间的差异性与独立性，将不同级指标通过不同定权方法进行权重集量化，组合形成各级指标权重。本方法提高了指标权重集量化的准确性与客观性，能够为机电类特种设备系统的层次化安全性评价指标体系完成较为客观的权重集量化，为机电类特种设备系统的安全性评价奠定权重基础。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，包括以下步骤：
步骤1，所述机电类特种设备包括M个子系统，每一个子系统包括若干个部件，针对M个子系统和所有的部件，建立设备的层次化安全性评价指标体系；所述层次化安全性评价指标体系包括设备安全性一级指标，在设备安全性一级指标下包含子系统级的二级安全性评价指标和部件级的三级安全性评价指标；
步骤2，通过层次分析法对子系统级的二级安全性评价指标进行权重集量化；通过网络分析法对部件级的三级安全性评价指标进行权重集量化；
所述对子系统级的二级安全性评价指标进行权重集量化，为所有子系统对设备安全运行的重要性程度的比较量化；所述部件级的三级安全性评价指标进行权重集量化，为所有部件对设备安全运行的重要性程度的比较量化。
2.根据权利要求1所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤1具体包括以下步骤：
(1)建立设备的分层安全控制结构；
(2)提取并识别安全控制结构中每一个部件潜在的不安全控制行为；
(3)针对所有的不安全控制行为制定各自的安全约束；
(4)将所有不安全控制行为的安全约束作为各个部件级的三级安全性评价指标，通过一个子系统内所有部件级的三级安全性评价指标建立该子系统级的二级安全性评价指标；形成设备的层次化安全性评价指标体系。
3.根据权利要求1所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤2中对子系统级的二级安全性评价指标进行权重集量化具体包括以下步骤：
(1)通过标度法建立子系统级的比较判别矩阵A；
(2)计算比较判别矩阵A的最大特征值对应的特征向量w＝(w1,w2,...,wm)T，在此基础上对特征向量进行归一化后得到指标权重向量W系；
(3)对比较判别矩阵A的检验系数CR进行计算，若CR小于0.1则一致性检验合格，认定比较判别矩阵A的指标权重向量W系能够表示层次化指标安全评价体系中子系统级指标的权重集量化；CR若大于等于0.1，则重复步骤(1)和步骤(2)，直至建立的比较判别矩阵A的CR小于0.1为止。
4.根据权利要求3所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤(1)中，所述比较判别矩阵A的表达式如下式所示：
其中，aij——为子系统i相对于子系统j对设备的安全性评价指标的重要度；其中，aij＞0，aij＝1/aji，aii＝1，i≤M，j≤M。
5.根据权利要求1所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤2中对部件级的三级安全性评价指标进行权重集量化具体包括以下步骤：
(1)构造部件级安全性之间的网络状相互影响关系；
(2)建立子系统的权矩阵B，用于表示子系统之间的相互影响关系；
(3)对所有部件之间的相互影响程度进行判别，建立超矩阵W；
(4)将步骤(2)得到的权矩阵B和步骤(3)得到的超矩阵W相乘得到加权超矩阵表达式如下式(10)所示，所述加权超矩阵用于表示整个设备的各个部件之间影响关系；
式中，表示子系统j中各元素对子系统i中各元素的影响程度比较；
(5)对加权超矩阵进行自相乘运算，得到式(11)所示的极限超矩阵
其中，t为自相乘的次数，当t趋近于无穷时，极限超矩阵中每一列的数值趋向于保持稳定，此时的极限超矩阵的列即为每一个部件级的三级安全性评价指标的权重。
6.根据权利要求5所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤(2)中，建立子系统的全矩阵B包括以下步骤：
(2-1)针对每一个子系统建立比较判别矩阵Ci，用于表示其他子系统对该子系统的影响；共建立M个比较判别矩阵Ci，比较判别矩阵的表达式为：
其中，Ei为受多子系统同时影响的子系统；aqp为第q个子系统与第p个子系统对子系统Ei影响程度的大小比较标度；
(2-2)计算所有的比较判别矩阵Ci，得到M个最大特征根wi，wi的表达式为：
wi＝(bi1 bi2 ... bim)T (5)
式中，bi1、bim…bim表示第i个子系统受到的其余子系统影响程度的权向量；
(2-3)将所有的最大特征根wi组合得到子系统的权矩阵B，所述权矩阵B代表子系统之间的相互影响程度，权矩阵B的表达式为：
式中，bij表示子系统i受到子系统j的影响程度。
7.根据权利要求6所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤(3)的具体过程为：
(3-1)对于子系统Ei中的部件eik，分别将子系统Ej中各部件对eik的不安全行为影响程度进行比较，建立子系统Ei中每一个部件的比较判别矩阵Qik；
(3-2)计算每一个比较判别矩阵Qik的归一化特征向量，得到Ej中各部件对Ei中各部件的不安全行为相对影响矩阵Wij：
上式中，Wij中的每一列代表子系统Ej的所有部件对Ei中第eik个部件影响；n1代表子系统Ei中的部件数量，n2代表子系统Ej中的部件数量；
(3-3)将所有子系统之间的Wij组合，得到超矩阵W；所述超矩阵W，表示安全化评价指标体系中所有部件的相互影响程度，其表达式如下所示：
8.根据权利要求7所述的机电特种设备安全性评价指标体系的权重集组合量化方法，其特征在于，步骤(4)中，加权超矩阵中的元素的计算公式为：
CN201910511967.9A 2019-06-13 2019-06-13 机电特种设备安全性评价指标体系的权重集组合量化方法 Pending CN110347972A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910511967.9A CN110347972A (zh) 2019-06-13 2019-06-13 机电特种设备安全性评价指标体系的权重集组合量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910511967.9A CN110347972A (zh) 2019-06-13 2019-06-13 机电特种设备安全性评价指标体系的权重集组合量化方法

Publications (1)

Publication Number Publication Date
CN110347972A true CN110347972A (zh) 2019-10-18

Family

ID=68181985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910511967.9A Pending CN110347972A (zh) 2019-06-13 2019-06-13 机电特种设备安全性评价指标体系的权重集组合量化方法

Country Status (1)

Country Link
CN (1) CN110347972A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337956A (zh) * 2020-03-16 2020-06-26 北京工业大学 导航接收机性能综合评价方法及装置
CN112668200A (zh) * 2021-01-06 2021-04-16 西安理工大学 一种特种设备安全性分析的方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102001560A (zh) * 2010-12-15 2011-04-06 南京市特种设备安全监督检验研究院 一种垂直电梯安全评价方法
CN103400044A (zh) * 2013-08-12 2013-11-20 青岛理工大学 一种改进的水环境安全评价分析方法
CN104392393A (zh) * 2014-11-20 2015-03-04 三峡大学 一种降低电力系统安全风险方案的dematel-anp-vikor混合选择方法
CN104637023A (zh) * 2013-11-14 2015-05-20 辽宁工程技术大学 一种对铁路运营现状安全性评价的方法
CN104899645A (zh) * 2015-04-03 2015-09-09 国家电网公司 一种城市配电网智能化改造评估系统
CN105184655A (zh) * 2015-03-31 2015-12-23 国家电网公司 一种城市配电网智能化改造评估方法
CN107085648A (zh) * 2017-05-17 2017-08-22 国家电网公司 一种电网发展能力综合性诊断指标体系构建方法
CN107784451A (zh) * 2017-11-10 2018-03-09 苏州大成电子科技有限公司 一种航空物流供应链风险识别与评估方法
CN108009695A (zh) * 2016-10-29 2018-05-08 南京理工大学 一种虑及指标相关性的主动配电网运行的风险评估方法
CN108399508A (zh) * 2018-03-22 2018-08-14 东北大学 冶金企业作业人员在用安全帽有效性综合评价方法
CN108596430A (zh) * 2018-03-20 2018-09-28 四川大学 一种专业性购物网站设计评价方法
CN109758157A (zh) * 2019-01-29 2019-05-17 广州晓康医疗科技有限公司 基于增强现实的步态康复训练评估方法与系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102001560A (zh) * 2010-12-15 2011-04-06 南京市特种设备安全监督检验研究院 一种垂直电梯安全评价方法
CN103400044A (zh) * 2013-08-12 2013-11-20 青岛理工大学 一种改进的水环境安全评价分析方法
CN104637023A (zh) * 2013-11-14 2015-05-20 辽宁工程技术大学 一种对铁路运营现状安全性评价的方法
CN104392393A (zh) * 2014-11-20 2015-03-04 三峡大学 一种降低电力系统安全风险方案的dematel-anp-vikor混合选择方法
CN105184655A (zh) * 2015-03-31 2015-12-23 国家电网公司 一种城市配电网智能化改造评估方法
CN104899645A (zh) * 2015-04-03 2015-09-09 国家电网公司 一种城市配电网智能化改造评估系统
CN108009695A (zh) * 2016-10-29 2018-05-08 南京理工大学 一种虑及指标相关性的主动配电网运行的风险评估方法
CN107085648A (zh) * 2017-05-17 2017-08-22 国家电网公司 一种电网发展能力综合性诊断指标体系构建方法
CN107784451A (zh) * 2017-11-10 2018-03-09 苏州大成电子科技有限公司 一种航空物流供应链风险识别与评估方法
CN108596430A (zh) * 2018-03-20 2018-09-28 四川大学 一种专业性购物网站设计评价方法
CN108399508A (zh) * 2018-03-22 2018-08-14 东北大学 冶金企业作业人员在用安全帽有效性综合评价方法
CN109758157A (zh) * 2019-01-29 2019-05-17 广州晓康医疗科技有限公司 基于增强现实的步态康复训练评估方法与系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337956A (zh) * 2020-03-16 2020-06-26 北京工业大学 导航接收机性能综合评价方法及装置
CN112668200A (zh) * 2021-01-06 2021-04-16 西安理工大学 一种特种设备安全性分析的方法及系统
CN112668200B (zh) * 2021-01-06 2023-08-29 西安理工大学 一种特种设备安全性分析的方法及系统

Similar Documents

Publication Publication Date Title
WO2022237911A1 (zh) 变压器消防灭火系统有效性评估方法及装置
CN106844663B (zh) 一种基于数据挖掘的船舶碰撞风险评估方法及系统
CN108108877A (zh) 一种基于bp神经网络的输电线路雷害风险评估方法
CN105938609A (zh) 一种实现多层次指标体系的电网运行评估方法
CN110795692A (zh) 一种主动配电网运行状态评估方法
CN107274067B (zh) 一种配电变压器过载风险评估方法
CN110650040B (zh) 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法
CN109787236A (zh) 一种基于深度学习的电力系统频率态势预测方法
CN106997509A (zh) 一种不确定信息融合的应急物资分布需求预测方法
CN107358332A (zh) 一种电网调度运行精益化评价方法
CN111191926B (zh) 基于可拓不确定性量化法的装备抢修效能云评估方法
CN107609671A (zh) 一种基于综合因素评价模型的短期电力负荷预测方法
CN110347972A (zh) 机电特种设备安全性评价指标体系的权重集组合量化方法
CN109615169A (zh) 一种基于MEA-IElman神经网络的配电网可靠性评估方法
CN105893758A (zh) 一种wmnt瓦斯爆炸灾害风险评价方法
CN110163486A (zh) 一种项目风险重要度评估方法及系统
CN113505978A (zh) 一种不同形式城市社区的防灾功能评估方法和装置
CN113516396A (zh) 基于模糊层次分析的城市动态风险指数评估方法
CN107300907B (zh) 结合综合评估与假设检验的飞行器控制系统性能评定方法
CN109255177A (zh) 对荷载作用下边坡稳定性状态的判定方法
CN110472363A (zh) 适用于高速铁路隧道的围岩变形等级预测方法及系统
CN106679670A (zh) 一种基于融合赋权的无人飞行器航迹规划决策方法
CN109033561A (zh) 矿井通风系统抗灾能力评价方法及装置
CN116596346A (zh) 一种高速公路隧道运营安全性评价方法
CN114997616A (zh) 一种基于模糊重心的电梯安全综合评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191018

RJ01 Rejection of invention patent application after publication