CN111126907A - 基于灰关联熵的复杂贮存环境影响因素的分析方法 - Google Patents
基于灰关联熵的复杂贮存环境影响因素的分析方法 Download PDFInfo
- Publication number
- CN111126907A CN111126907A CN201911313490.XA CN201911313490A CN111126907A CN 111126907 A CN111126907 A CN 111126907A CN 201911313490 A CN201911313490 A CN 201911313490A CN 111126907 A CN111126907 A CN 111126907A
- Authority
- CN
- China
- Prior art keywords
- gray
- storage
- entropy
- analyzing
- product
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明基于灰关联熵的复杂贮存环境影响因素的分析方法涉及的是一种针对武器装备在贮存中环境影响因素进行分析的方法。本发明的技术方案如下:步骤1):对所分析产品的潜在贮存失效及预期复杂贮存环境进行分析,确定可能会影响产品贮存可靠性的所有环境应力;步骤2):收集与所分析产品相类似产品的已有贮存信息;步骤3):按照灰关联熵分析法对贮存信息进行分析处理,包括数据的无量纲化处理、确定比较列与参考列的灰关联度、灰关联分布密度值和灰关联熵,最终得到各贮存环境影响因素的灰熵关联度,完成各环境应力种类的参数敏感性分析;步骤4):按照灰熵关联度的大小对各参考列进行排序,从而确定各种贮存环境的影响程度。
Description
技术领域
本发明基于灰关联熵的复杂贮存环境影响因素的分析方法涉及的是一种针对武器装备在贮存中环境影响因素进行分析的方法,特别是复杂贮存环境对武器装备贮存影响因素的分析方法。
背景技术
武器装备在长期贮存过程中,往往面临着极其复杂的贮存环境,除常年经受仓储库房内的温度、湿度、气压这些应力因素外,在野外阵地贮存时,可能还存在太阳辐射、盐雾的自然环境应力,同时又有运载平台诱发的振动、冲击和颠震的因素,而环境又是影响产品贮存可靠性的重要因素,上述各种环境因素的综合效果制约了产品的实际贮存寿命。通常情况下会根据某些因素建立贮存寿命的模型,但考虑到实际的贮存情况,若将众多种类的贮存环境应力都与产品贮存寿命建立联系,再考虑各应力之间的耦合作用,将极大地提高加速贮存模型构建、贮存寿命定量评估等贮存可靠性研究工作的技术难度,甚至于变得不可行。
因此,在实际型号工程上,需根据装备产品的寿命环境剖面,从中分析、筛选出最主要的环境影响因素,以针对性地指导产品贮存可靠性的设计、试验、评价等方面工作的开展。目前对装备产品主要环境影响因素的筛选,一般是基于相似产品的贮存失效信息以定性评价的方式加以确定,主观性较强,当面临环境应力种类繁多的复杂贮存环境时,就难以做到从中准确筛选并有效排序。
灰色系统理论是我国邓聚龙教授于1982年提出的一门学科,是对“小样本、贫信息”不确定系统进行分析的有效手段,可以找出各因素与系统发展态势之间的关系,从而分辨出主要因素和次要因素。
所以有必要根据邓聚龙教授提出的灰色系统理论为基础,提供一种新的分析方法来满足实际的贮存需求。
发明内容
本发明针对现有武器装备的贮存寿命分析所存在的问题,提出了一种基于灰关联熵的复杂贮存环境影响因素的分析方法,具有较好的工程应用价值。
本发明将灰色系统理论中的灰关联熵分析法引入贮存可靠性工程中,应用于复杂贮存环境因素的筛选分析,可对众多环境影响因素进行参数敏感性分析,得到各贮存环境应力参数与贮存可靠度相对显著程度的关联关系,从而分清各贮存环境应力种类的主次关系,明确复杂贮存环境下的主要环境影响因素,为贮存可靠性的研究提供重要的技术支撑。
针对目前武器装备在面临贮存环境应力复杂多变的状况时,存在着应力敏感性分析方法主观性强、难以量化等不足,将灰关联熵法应用于对贮存环境影响因素的定量分析,可按各种环境应力对产品贮存期的影响大小进行排序,从而抓住重点,为合理开展贮存可靠性研究奠定基础。
为达到上述目的,本发明基于灰关联熵的复杂贮存环境影响因素的分析方法采取的技术方案如下:
步骤1):对所分析产品的潜在贮存失效及预期复杂贮存环境进行分析,确定可能会影响产品贮存可靠性的所有环境应力;
步骤2):收集与所分析产品相类似产品的已有贮存信息;贮存信息包括步骤1)中确定的贮存环境应力的应力水平和产品的实际贮存可靠性水平;
步骤3):按照灰关联熵分析法对步骤2)收集到的贮存信息进行分析处理,包括数据的无量纲化处理、确定比较列与参考列的灰关联度、灰关联分布密度值和灰关联熵,最终得到各贮存环境影响因素的灰熵关联度,完成各环境应力种类的参数敏感性分析;
步骤4):按照灰熵关联度的大小对各参考列进行排序,从而确定各种贮存环境的影响程度,得出影响产品贮存可靠性的主要贮存环境因素。
步骤1)中所述的预期贮存环境下的环境应力包括但不限于:温度、湿度、大气压力、辐射、盐雾、霉菌、沙尘、振动、冲击、加速度和磁场。
步骤2)中所述的相类似产品的相似之处包括:在功能原理、材料组成、生产工艺及贮存环境方面的相似。
步骤2)中所述的环境应力水平为具体定量数值,或定性评价的数字等级。
步骤2)中所述的实际贮存水平包括但不限于:贮存寿命、相同时间内的贮存可靠度。
按照步骤2)的要求,收集与所分析产品相类似产品的已有贮存信息;并建立历史相似产品实际贮存信息统计表;
(1)将历史相似产品实际贮存信息统计表收集到的信息进行均值无量纲化处理,得到灰关联因子集X,其中,X0为参考列,Xi(i=1,2,…,m)为比较列;
(2)计算比较列与参考列之间的绝对值差值△i=|x0(k)-xi(k)|;
(3)计算比较列与参考列间的灰关联度,具体计算公式为:
(4)计算灰关联熵和灰熵关联度
对参考列X0和比较列Xi的灰关联度值ξi进行映射处理,Ri={ξ[x0(k),xi(k)],k=1,2,…,n},取:
Ph称为分布的密度值,根据计算结果,建立灰关联分布密度值计算结果统计表;
(5)则Ph为属性信息的灰关联熵可表示为:
并将灰关联熵计算结果建立统计表格;
(6)比较列Xi的灰熵关联度为:
其中,Hmax=lnn,代表由n个元素构成的差异信息列的最大值。
计算得到的灰熵关联度表;
根据灰熵关联度表,对贮存环境影响因素按照灰熵关联度按照大小进行排序,从而针对灰熵关联度的大小计算武器装备的贮存寿命。
本发明与现有技术相比,具有如下优点和有益效果:
本发明在充分利用历史相似产品贮存可靠性信息的基础上,通过灰色关联分析法得到各种贮存环境影响因素与产品贮存寿命之间的关系,采用灰熵关联度这一定量指标对各环境因素与贮存寿命的相对显著程度关联关系进行量化,从而得到主要因素和次要因素,为开展新研产品的贮存可靠性设计提供了精确指导,本发明方法摆脱了常规的专家打分法等主观性方法存在的一系列缺陷,譬如分析结果不可量化、不同专家的结果不一致、影响因素太多则难以分析等。
附图说明
图1为本发明基于灰关联熵的复杂贮存环境影响因素的分析方法的分析流程。
图2为利用本发明基于灰关联熵的复杂贮存环境影响因素的分析方法,所分析得出的某型导弹以贮存寿命为参考序列的各贮存环境因素灰熵关联度。
具体实施方式
下面通过具体实施例和附图1-2对本发明做进一步的详细说明。
本发明基于灰关联熵的复杂贮存环境影响因素的分析方法采取的技术方案如下:
步骤1):对所分析产品的潜在贮存失效及预期复杂贮存环境进行分析,确定可能会影响产品贮存可靠性的所有环境应力;
步骤2):收集与所分析产品相类似产品的已有贮存信息;贮存信息包括步骤1)中确定的贮存环境应力的应力水平和产品的实际贮存可靠性水平;
步骤3):按照灰关联熵分析法对步骤2)收集到的贮存信息进行分析处理,包括数据的无量纲化处理、确定比较列与参考列的灰关联度、灰关联分布密度值和灰关联熵,最终得到各贮存环境影响因素的灰熵关联度,完成各环境应力种类的参数敏感性分析;
步骤4):按照灰熵关联度的大小对各参考列进行排序,从而确定各种贮存环境的影响程度,得出影响产品贮存可靠性的主要贮存环境因素。
步骤1)中所述的预期贮存环境下的环境应力包括但不限于:温度、湿度、大气压力、辐射、盐雾、霉菌、沙尘、振动、冲击、加速度和磁场。
步骤2)中所述的相类似产品的相似之处包括:在功能原理、材料组成、生产工艺及贮存环境方面的相似。
步骤2)中所述的环境应力水平为具体定量数值,或定性评价的数字等级。
步骤2)中所述的实际贮存水平包括但不限于:贮存寿命、相同时间内的贮存可靠度。
按照步骤2)的要求,收集与所分析产品相类似产品的已有贮存信息;并建立历史相似产品实际贮存信息统计表;
(1)将历史相似产品实际贮存信息统计表收集到的信息进行均值无量纲化处理,得到灰关联因子集X,其中,X0为参考列,Xi(i=1,2,…,m)为比较列;
(2)计算比较列与参考列之间的绝对值差值△i=|x0(k)-xi(k)|;
(3)计算比较列与参考列间的灰关联度,具体计算公式为:
(4)计算灰关联熵和灰熵关联度
对参考列X0和比较列Xi的灰关联度值ξi进行映射处理,Ri={ξ[x0(k),xi(k)],k=1,2,…,n},取:
Ph称为分布的密度值,根据计算结果,建立灰关联分布密度值计算结果统计表;
(5)则Ph为属性信息的灰关联熵可表示为:
并将灰关联熵计算结果建立统计表格;
(6)比较列Xi的灰熵关联度为:
其中,Hmax=lnn,代表由n个元素构成的差异信息列的最大值。
计算得到的灰熵关联度表;
根据灰熵关联度表,对贮存环境影响因素按照灰熵关联度按照大小进行排序,从而针对灰熵关联度的大小计算武器装备的贮存寿命。
实施例
某型导弹在研制过程中,由于其寿命剖面包括库房贮存、转场运输、舰载值班等多种任务剖面,面临的贮存环境十分复杂,包括温度、湿度、盐雾、振动、冲击等各种环境应力。
为满足其研制合同中规定的贮存可靠性指标要求,研制方在方案阶段从任务剖面、功能结构等角度确定了以往数个相似型号产品,并对其实际贮存信息进行了统计,分析确定影响贮存可靠性的主要环境影响因素,以确保拟采取的设计防范措施具有较高的针对性,相似产品的具体统计信息如表1所示。
表1历史相似产品实际贮存信息统计表
从表1中可以看出,贮存统计信息中的5种环境应力同时影响了产品的最终贮存寿命,但其中哪些环境应力起着主导作用,从表中数据难以通过以往的主观分析方法给出准确的判断,本实施例按照灰关联熵分析法对上述统计数据进行分析,计算各种环境影响因素的灰关联熵,可给出准确的定量分析结果。
(1)将表1收集到的信息进行均值无量纲化处理,得到灰关联因子集X,其中,X0为参考列,Xi(i=1,2,…,m)为比较列,如表2所示。
表2实际贮存信息经均值无量纲化处理
序号 | X0 | X1 | X2 | X3 | X4 | X5 |
1 | 0.7944 | 1.0977 | 0.9767 | 1.4545 | 0.7832 | 1.6119 |
2 | 0.8411 | 1.0478 | 1.1628 | 1.2121 | 1.1189 | 1.9104 |
3 | 1.0748 | 1.0021 | 0.9302 | 0.8889 | 1.1189 | 0.2388 |
4 | 0.8598 | 0.8316 | 1.1938 | 0.8081 | 0.8839 | 1.0746 |
5 | 1.0280 | 1.0187 | 1.0078 | 0.9697 | 1.0294 | 0.4776 |
6 | 1.3084 | 0.9023 | 0.7907 | 0.5657 | 0.8280 | 0.5970 |
7 | 1.4019 | 1.1143 | 0.6977 | 0.8889 | 1.0070 | 0.6567 |
8 | 0.6916 | 0.9854 | 1.2403 | 1.2121 | 1.2308 | 1.4328 |
(2)计算比较列与参考列之间的绝对值差值△i=|x0(k)-xi(k)|,如表3所示。
表3比较列与参考列之间的绝对值差值
序号 | △1 | △2 | △3 | △4 | △5 |
1 | 0.3033 | 0.1824 | 0.6602 | 0.0112 | 0.8175 |
2 | 0.2067 | 0.3217 | 0.3710 | 0.2778 | 1.0693 |
3 | 0.0727 | 0.1445 | 0.1859 | 0.0441 | 0.8360 |
4 | 0.0282 | 0.3340 | 0.0517 | 0.0241 | 0.2148 |
5 | 0.0093 | 0.0203 | 0.0583 | 0.0013 | 0.5504 |
6 | 0.4061 | 0.5177 | 0.7428 | 0.4804 | 0.7114 |
7 | 0.2875 | 0.7042 | 0.5130 | 0.3949 | 0.7452 |
8 | 0.2939 | 0.5487 | 0.5205 | 0.5392 | 0.7412 |
(3)计算比较列与参考列间的灰关联度,具体计算公式为:
表4灰关联度计算结果
序号 | ξ1 | ξ2 | ξ3 | ξ4 | ξ5 |
1 | 0.6396 | 0.7475 | 0.4486 | 0.9820 | 0.3964 |
2 | 0.7230 | 0.6259 | 0.5918 | 0.6598 | 0.3342 |
3 | 0.8825 | 0.7892 | 0.7439 | 0.9261 | 0.3911 |
4 | 0.9522 | 0.6170 | 0.9141 | 0.9592 | 0.7152 |
5 | 0.9853 | 0.9658 | 0.9039 | 1.0000 | 0.4940 |
6 | 0.5697 | 0.5093 | 0.4196 | 0.5280 | 0.4302 |
7 | 0.6519 | 0.4327 | 0.5116 | 0.5766 | 0.4188 |
8 | 0.6469 | 0.4947 | 0.5080 | 0.4991 | 0.4201 |
(4)计算灰关联熵和灰熵关联度
对参考列X0和比较列Xi的灰关联度值ξi进行映射处理,Ri={ξ[x0(k),xi(k)],k=1,2,…,n},取:
Ph称为分布的密度值,计算结果如表5所示。
表5灰关联分布密度值计算结果
序号 | P1 | P2 | P3 | P4 | P5 |
1 | 0.1057 | 0.1443 | 0.0890 | 0.1602 | 0.1101 |
2 | 0.1195 | 0.1208 | 0.1174 | 0.1076 | 0.0928 |
3 | 0.1458 | 0.1523 | 0.1476 | 0.1511 | 0.1086 |
4 | 0.1574 | 0.1191 | 0.1813 | 0.1565 | 0.1987 |
5 | 0.1628 | 0.1864 | 0.1793 | 0.1631 | 0.1372 |
6 | 0.0942 | 0.0983 | 0.0832 | 0.0861 | 0.1195 |
7 | 0.1077 | 0.0835 | 0.1015 | 0.0941 | 0.1163 |
8 | 0.1069 | 0.0955 | 0.1008 | 0.0814 | 0.1167 |
(5)则Ph为属性信息的灰关联熵可表示为:
表6灰关联熵计算结果
序号 | H1 | H2 | H3 | H4 | H5 |
1 | 0.2375 | 0.2793 | 0.2153 | 0.2934 | 0.2429 |
2 | 0.2538 | 0.2553 | 0.2515 | 0.2399 | 0.2207 |
3 | 0.2808 | 0.2866 | 0.2824 | 0.2855 | 0.2411 |
4 | 0.2910 | 0.2534 | 0.3096 | 0.2902 | 0.3211 |
5 | 0.2955 | 0.3131 | 0.3082 | 0.2958 | 0.2725 |
6 | 0.2225 | 0.2280 | 0.2069 | 0.2112 | 0.2539 |
7 | 0.2400 | 0.2073 | 0.2322 | 0.2223 | 0.2503 |
8 | 0.2390 | 0.2243 | 0.2312 | 0.2042 | 0.2507 |
灰关联熵 | 2.0602 | 2.0473 | 2.0372 | 2.0425 | 2.0532 |
(6)比较列Xi的灰熵关联度为:
其中,Hmax=lnn,代表由n个元素构成的差异信息列的最大值。
计算得到的灰熵关联度如表7所示。
表7灰关联熵和灰熵关联度计算结果
参考列编号 | X1 | X2 | X3 | X4 | X5 |
灰熵关联度 | 0.9908 | 0.9845 | 0.9797 | 0.9822 | 0.9874 |
由表7、图2可以看出,各贮存环境影响因素按照灰熵关联度大小的排序为:X1平均温度>X5大气盐分含量>X2平均湿度>X4冲击峰值>X3转场振动,即温度、盐雾、湿度是影响该类导弹贮存可靠性的主要环境因素,在长期贮存过程中,温度、湿度加速了设备元器件、橡胶等材料的老化,而大气中盐分的存在又促进了金属材料的腐蚀,这些环境因素在该导弹贮存可靠性的设计过程中应得到重点关注。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (6)
1.一种基于灰关联熵的复杂贮存环境影响因素的分析方法,其特征在于:
步骤1):对所分析产品的潜在贮存失效及预期复杂贮存环境进行分析,确定可能会影响产品贮存可靠性的所有环境应力;
步骤2):收集与所分析产品相类似产品的已有贮存信息;贮存信息包括步骤1)中确定的贮存环境应力的应力水平和产品的实际贮存可靠性水平;
步骤3):按照灰关联熵分析法对步骤2)收集到的贮存信息进行分析处理,包括数据的无量纲化处理、确定比较列与参考列的灰关联度、灰关联分布密度值和灰关联熵,最终得到各贮存环境影响因素的灰熵关联度,完成各环境应力种类的参数敏感性分析;
步骤4):按照灰熵关联度的大小对各参考列进行排序,从而确定各种贮存环境的影响程度,得出影响产品贮存可靠性的主要贮存环境因素。
2.根据权利要求1所述的基于灰关联熵的复杂贮存环境影响因素的分析方法,其特征在于:
步骤1)中所述的预期贮存环境下的环境应力包括但不限于:温度、湿度、大气压力、辐射、盐雾、霉菌、沙尘、振动、冲击、加速度和磁场;
步骤2)中所述的相类似产品的相似之处包括:在功能原理、材料组成、生产工艺及贮存环境方面的相似。
3.根据权利要求1所述的基于灰关联熵的复杂贮存环境影响因素的分析方法,其特征在于:步骤2)中所述的环境应力水平为具体定量数值,或定性评价的数字等级。
4.根据权利要求1所述的基于灰关联熵的复杂贮存环境影响因素的分析方法,其特征在于:步骤2)中所述的实际贮存水平包括但不限于:贮存寿命、相同时间内的贮存可靠度。
5.根据权利要求1所述的基于灰关联熵的复杂贮存环境影响因素的分析方法,其特征在于:按照步骤2)的要求,收集与所分析产品相类似产品的已有贮存信息;并建立历史相似产品实际贮存信息统计表。
6.根据权利要求1所述的基于灰关联熵的复杂贮存环境影响因素的分析方法,其特征在于:
(1)将历史相似产品实际贮存信息统计表收集到的信息进行均值无量纲化处理,得到灰关联因子集X,其中,X0为参考列,Xi(i=1,2,…,m)为比较列;
(2)计算比较列与参考列之间的绝对值差值△i=|x0(k)-xi(k)|;
(3)计算比较列与参考列间的灰关联度,具体计算公式为:
(4)计算灰关联熵和灰熵关联度
对参考列X0和比较列Xi的灰关联度值ξi进行映射处理,Ri={ξ[x0(k),xi(k)],k=1,2,…,n},取:
Ph称为分布的密度值,根据计算结果,建立灰关联分布密度值计算结果统计表;
(5)则Ph为属性信息的灰关联熵可表示为:
并将灰关联熵计算结果建立统计表格;
(6)比较列Xi的灰熵关联度为:
其中,Hmax=lnn,代表由n个元素构成的差异信息列的最大值。
计算得到的灰熵关联度表;
根据灰熵关联度表,对贮存环境影响因素按照灰熵关联度按照大小进行排序,从而针对灰熵关联度的大小计算武器装备的贮存寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313490.XA CN111126907B (zh) | 2019-12-18 | 2019-12-18 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313490.XA CN111126907B (zh) | 2019-12-18 | 2019-12-18 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126907A true CN111126907A (zh) | 2020-05-08 |
CN111126907B CN111126907B (zh) | 2023-05-05 |
Family
ID=70499848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313490.XA Active CN111126907B (zh) | 2019-12-18 | 2019-12-18 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126907B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515839A (zh) * | 2021-04-13 | 2021-10-19 | 中国人民解放军陆军工程大学 | 弹药贮存环境分析方法、装置及终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020072878A1 (en) * | 2000-02-01 | 2002-06-13 | Kabushiki Kaisha Toshiba | Deterioration diagnostic method and equipment thereof |
CN106443243A (zh) * | 2016-08-31 | 2017-02-22 | 中国人民解放军装备学院 | 一种电磁环境对装备性能影响因素的主次关系分析方法 |
CN107329426A (zh) * | 2017-06-30 | 2017-11-07 | 中国人民解放军军械工程学院 | 弹药储运环境应力监测系统 |
CN109344362A (zh) * | 2018-09-03 | 2019-02-15 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件自然库房贮存敏感应力定量评估方法 |
CN110210740A (zh) * | 2019-05-22 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种考虑供电质量的配电网可靠性评估方法 |
CN110299192A (zh) * | 2019-06-28 | 2019-10-01 | 中国兵器工业第五九研究所 | 一种轻武器部件及其复合材料、高分子材料的环境适应性评价方法 |
CN110363432A (zh) * | 2019-07-17 | 2019-10-22 | 国网河南省电力公司开封供电公司 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
-
2019
- 2019-12-18 CN CN201911313490.XA patent/CN111126907B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020072878A1 (en) * | 2000-02-01 | 2002-06-13 | Kabushiki Kaisha Toshiba | Deterioration diagnostic method and equipment thereof |
CN106443243A (zh) * | 2016-08-31 | 2017-02-22 | 中国人民解放军装备学院 | 一种电磁环境对装备性能影响因素的主次关系分析方法 |
CN107329426A (zh) * | 2017-06-30 | 2017-11-07 | 中国人民解放军军械工程学院 | 弹药储运环境应力监测系统 |
CN109344362A (zh) * | 2018-09-03 | 2019-02-15 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件自然库房贮存敏感应力定量评估方法 |
CN110210740A (zh) * | 2019-05-22 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种考虑供电质量的配电网可靠性评估方法 |
CN110299192A (zh) * | 2019-06-28 | 2019-10-01 | 中国兵器工业第五九研究所 | 一种轻武器部件及其复合材料、高分子材料的环境适应性评价方法 |
CN110363432A (zh) * | 2019-07-17 | 2019-10-22 | 国网河南省电力公司开封供电公司 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515839A (zh) * | 2021-04-13 | 2021-10-19 | 中国人民解放军陆军工程大学 | 弹药贮存环境分析方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN111126907B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503245B (zh) | 一种机场航班大面积延误风险的预测方法 | |
CN104153981B (zh) | 一种用于电站循环水泵启停时背压数据的预估方法 | |
CN108959736A (zh) | 一种基于bim的桥梁技术状况评定方法 | |
CN113723010A (zh) | 一种基于lstm温度-位移相关模型的桥梁损伤预警方法 | |
CN108415884B (zh) | 一种结构模态参数实时追踪方法 | |
KR101553476B1 (ko) | 건물의 유사도 측정 장치 및 그 방법 | |
CN107092751B (zh) | 基于Bootstrap的变权重模型组合预测方法 | |
CN111339478B (zh) | 基于改进模糊层次分析法的气象数据质量评估方法 | |
CN108510209A (zh) | 一种基于模糊理论的工艺失效模式识别及评价方法 | |
CN111027744A (zh) | 一种多层级发电厂实时对标优化方法 | |
CN111126907B (zh) | 基于灰关联熵的复杂贮存环境影响因素的分析方法 | |
CN115953252A (zh) | 一种建工安责险保费的确定方法 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN108090623B (zh) | 一种电网停电事故的危险性评估方法 | |
CN108830405B (zh) | 基于多指标动态匹配的实时电力负荷预测系统及其方法 | |
CN116957534A (zh) | 一种预测智能电表更换数量的方法 | |
Panasyuk et al. | Classification of large and socially important enterprises of the region by the levels of their economic solvency | |
CN112487639A (zh) | 使用模糊灰色综合评价模型确定城市地下空间寿命周期风险等级的方法 | |
CN110196797B (zh) | 适于信用评分卡系统的自动优化方法和系统 | |
CN114580118B (zh) | 一种离子推力器寿命及可靠性定量评估方法 | |
CN116805220A (zh) | 一种基于熵理论的标准效能分析模型与评估方法 | |
CN110727986A (zh) | 基于bim和加权灰云聚类模型的古建筑维护模型获取方法 | |
CN111178576B (zh) | 基于炼化装置运行数据的操作优化方法 | |
CN115408755A (zh) | 一种考虑时变效应的组合梁桥动力疲劳可靠性评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |