CN111882238A - 基于云模型和eahp的门座起重机结构健康评估方法 - Google Patents
基于云模型和eahp的门座起重机结构健康评估方法 Download PDFInfo
- Publication number
- CN111882238A CN111882238A CN202010770303.7A CN202010770303A CN111882238A CN 111882238 A CN111882238 A CN 111882238A CN 202010770303 A CN202010770303 A CN 202010770303A CN 111882238 A CN111882238 A CN 111882238A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- cloud model
- index
- eahp
- assessment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000036541 health Effects 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 140
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000013139 quantization Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 230000003862 health status Effects 0.000 claims description 2
- 239000002184 metal Substances 0.000 abstract description 15
- 230000009191 jumping Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06Q10/06—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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于云模型和EAHP的门座起重机金属结构健康评估方法，其主要实现过程为：(1)划分层次化健康评估体系；(2)确定评估指标的健康状态评判标准，并给出评估指标的模糊量化等级区间；(3)概念跃升并提取相应的云模型参数；(4)计算各评估指标隶属于每个评判等级的平均确定度；(5)采用EAHP计算各评估指标的权重系数；(6)计算评估对象的综合确定度，据此判别该门座起重机的健康等级。本发明引入云模型进行起重机结构健康评估，定量分析评估指标的局限分布和在不同等级间的转化态势，弱化随机不确定性对评估结果的影响，同时采用EAHP调整判断矩阵，提高指标赋权计算的合理性，因此本发明方法具有较强的可行性和有效性。
Description
技术领域
本发明属于起重机金属结构服役安全健康评估领域，具体涉及一种基于云模型和EAHP的门座起重机结构健康评估方法。
背景技术
由于长期在复杂的载荷工况和环境条件下工作，起重机结构各部分不可避免的会产生损伤和劣化，导致整机承载能力下降，造成十分严重的安全隐患。为保证起重机安全服役，需对其金属结构进行健康监测，但如何将实测数据转化为反映其健康状况的指标，通过建立科学的评价体系对整体结构状况进行合理评估，还有待更深入的研究。
目前，起重机金属结构健康评估主要从结构风险与安全状况方面展开，已有研究大致可分成三类。第一类，以风险识别与失效分析为基础，评估结构的安全性能。Dusan等运用不同单元分别建立船用起重机臂架结构的有限元模型，确定结构应力状态，并通过材料性能测试说明复杂单元模型对于结构实际性能的预测更为精确；宋秋红等对某厂SVW3型桥式起重机进行三维建模，有限元计算以及现场强度测试，利用MFA(Multi-FactorAnalysis)数学模型结合MATLAB对测试数据分析处理，通过将实际测试结果和理论分析结果进行比较，研究起重机的结构安全性能。第二类，以结构当前状态和监测数据为基础，进行可靠性分析。程跃等提出一种基于支持向量机的起重机主梁非概率可靠性分析方法，对主梁非概率可靠性指标进行迭代运算；Bucas等通过现场作业调研和有限元分析，建立应力和强度概率分布模型，并结合应力强度干涉理论计算塔式起重机结构构件的可靠度指标。第三类，以概率分析和模糊数学理论为基础，对结构进行安全性评估。陈兆芳等基于层次分析法建立指标评估体系，并依据灰色理论确定指标构权，对门座起重机门架结构进行综合评估。李爱华等在港口起重机金属结构安全评估中引入可变模糊集理论，并改进了隶属度计算和安全判别准则分级方法。上述方法为保障起重机的安全运行做出了有益贡献，但这些方法在处理评估过程中存在的不确定性问题时还有一定缺陷，如以风险识别和失效分析为基础的评估方法受个人专业知识和工程经验影响较大；可靠性分析方法对于评估对象的状态分级只有简单的故障态和正常态，忽略了安全状态的变化过程；模糊数学方法在隶属函数概念及确定方法上主观性过强。
云模型作为一种处理不确定性问题的数学工具，能够以某种确定分布代替确定数值，通过自身特征参数来表征信息的模糊性与随机性，从而实现定性概念与定量数值之间的自然转换。基于此，本发明引入云模型进行起重机结构健康评估，定量分析评估指标的局限分布和在不同等级间的转化态势，弱化随机不确定性对评估结果的影响，同时采用可拓层次分析法(Extension Analytical Hierarchy Process,EAHP)调整判断矩阵，提高指标赋权计算的合理性。以门座起重机为评价实例，验证该方法在起重机械安全评估中的可行性和有效性。
发明内容
本发明的目的是提出一种基于云模型和EAHP的门座起重机结构健康评估方法，以克服现有技术的不足。
为达到上述目的，本发明方法采用如下技术方案：
基于云模型和EAHP的门座起重机结构健康评估方法，包括以下步骤：
(1)在充分考虑门座起重机结构特征和服役工况的基础上，以国内外相关标准为依据，采用由评估目标层、评估项目层以及评估指标层组成的层次化健康评估体系，其中每一层的上一级是其目标层而自身又是上一级的影响因子；
(2)通过参考已有的分级准则，结合专家与工程技术人员的实际经验，给出评估指标的健康状态评判标准；并给出评估指标的模糊量化等级区间；
(3)在已有的评估指标分级标准的基础上进行概念跃升，得到各个评判等级下评估指标的正态云模型参数；
(4)将步骤(3)中的评估指标的正态云模型参数代入正态云发生器中，经多次计算，得到各评估指标隶属于每个评判等级的平均确定度；
(5)在传统AHP的基础上改进采用EAHP，运用区间数代替点值来构造判断矩阵，计算各评估指标的权重系数；
(6)结合评估指标隶属于每个评判等级的确定度以及各评估指标的权重系数逐层计算，得到评估对象的综合确定度，从而判别该门座起重机的健康等级。
进一步，其中步骤(2)中划分的评估指标的健康状态评判标准有五个等级，即故障(V1)、严重异常(V2)、轻度异常(V3)、基本正常(V4)、正常(V5)，且每个指标相应的模糊量化等级区间是通过选取各个评估指标的状态极限值作为比较依据，在统一的取值范围内进行标准化处理得到的。
进一步，其中步骤(3)中得到的评估指标的正态云模型参数包括期望Ex，熵En，超熵He。
进一步，将定性描述的五个评判等级通过正态云模型转换成用期望Ex，熵En，超熵He的定量表示。
进一步，其中步骤(4)中首先根据正态云模型的三个特征参数，利用正向云发生器生成足量云滴，构成评估指标的评判等级云模型，并根据正态云模型中定量数值与定性概念之间的映射转化关系构建确定度函数；其次，在计算平均确定度时，由于在正向云的生成过程中，云滴分布具有一定的内在随机性，这里通过重复计算3000次来消除随机性影响。
进一步，其中步骤(5)中EAHP的计算过程如下：1)构建区间数判断矩阵；2)计算区间数判断矩阵的权重向量；3)利用相对重要度计算评估指标权重。
与现有技术相比，本发明方法具有以下优点和有益效果：
(1)传统的评估方法无法兼顾评价过程中的模糊性和随机性，基于此，本发明方法引入云模型理论，通过正态云模型计算得到各评价指标隶属不同评判等级的确定度，以正态分布的随机变量代替单一的确定数值，最大程度地避免了评估指标属性分级时的不确定性。
(2)结合区间数的相关理论，在已有的层次分析法基础上，通过用区间数构造判断矩阵，替换传统的点数值构造矩阵的方法，较好地降低了决策者的主观性与不确定性。
(3)本发明首次将云模型及EAHP结合运用于门座起重机金属结构的健康状况评估中，拓展了云模型及EAHP的应用范围。
附图说明
图1为门座起重机金属结构指标健康评估体系
图2为评估指标评判等级划分云图
图3为门座起重机金属结构健康评估方法应用流程图
具体实施方式
为了更好地了解本发明的技术内容，特举实例结合附图对本发明做具体说明。
本发明针对门座起重机金属结构复杂，载荷工况复杂等特点，利用云模型从定性与定量角度综合考虑结构健康评估过程中随机性与模糊性并存问题，利用EAHP改进传统方法中存在的主观不确定性问题，提出一种基于云模型和EAHP的门座起重机结构健康评估方法。
如图3所示，本发明包括以下步骤：
1)以国内外相关标准为依据，采用由评估目标层、评估项目层以及评估指标层组成的层次化健康评估体系；
2)通过参考已有的分级准则，结合专家与工程技术人员的实际经验，给出评估指标的健康状态评判标准，并给出评估指标的模糊量化等级区间；
3)在已有的评估指标分级标准的基础上进行概念跃升，得到各个评判等级下评估指标的正态云模型参数；
4)将步骤(3)中的评估指标的正态云模型参数代入正态云发生器中，经多次计算，得到各评估指标隶属于每个评判等级的平均确定度；
5)在传统AHP的基础上改进采用EAHP，运用区间数代替点值来构造判断矩阵，计算各评估指标的权重系数；
6)结合评估指标隶属于每个评判等级的确定度以及各评估指标的权重系数逐层计算，得到评估对象的综合确定度，从而判别该门座起重机的健康等级。
在步骤(1)中，评估目标层仅含有评估指标：门座起重机金属结构(C)，评估项目层含有评估指标：臂架系统(C1)、门架系统(C2)、人字架架系统(C3)、转台转柱系统(C4)以及其他结构系统(C5)，评估指标层含有评估指标：强度(Ck1)、刚度(Ck2)、裂纹(Ck3)、变形(Ck4)以及锈蚀(Ck5)，(k＝1,2,3,4,5)。
在步骤(2)中划分的评估指标的健康状态评判标准有五个等级，即故障(V1)、严重异常(V2)、轻度异常(V3)、基本正常(V4)、正常(V5)，且每个指标相应的模糊量化等级区间是通过选取各个评估指标的状态极限值作为比较依据，在统一的取值范围内进行标准化处理得到的。
在步骤(3)中，将用等级区间表示的评估指标的评判等级转换成用期望Ex，熵En，超熵He三个参数表示的正态云模型。
在步骤(4)中，首先根据正态云模型的三个特征参数，利用正向云发生器生成足量云滴，构成评估指标的评判等级云模型，并根据正态云模型中定量数值与定性概念之间的映射转化关系构建确定度函数；其次，在计算平均确定度时，由于在正向云的生成过程中，云滴分布具有一定的内在随机性，这里通过重复计算3000次来消除随机性影响。
在步骤(5)中，利用EAHP的计算各个评估指标的权重，首先需构建区间数判断矩阵，即将原先点值表示的专家判断矩阵用区间数来表示，并拆分成左右矩阵形式，其次采用均方根法分别计算左右矩阵的最大特征值对应的单位特征向量，并计算得到修正参数，进而得到计算区间数判断矩阵的权重向量，最后利用计算得到的可能性程度矩阵，结合最小二乘法计算评估指标权重。
在步骤(6)中，首先根据评估指标层中各指标隶属于评判等级的确定度及各指标在分级评估中所占权重，计算得到评估项目层中各指标的评估向量，然后结合评估项目层中各指标的权重系数，计算得到评估对象的综合评估向量，根据最大确定度原则，确定评估对象的健康等级，完成对评估目标的定量评价。
本发明是一种基于云模型及EAHP的门座起重机结构健康评估方法，在评估方法上引入云模型理论，通过正态云模型计算得到各评价指标隶属不同评判等级的确定度，以正态分布的随机变量代替单一的确定数值，兼顾评价过程中的模糊性和随机性，最大程度地避免了评估指标属性分级时的不确定性；在评估信息的基础上，结合区间数的相关理论，通过用区间数构造判断矩阵，替换传统的点数值构造矩阵的方法，确定各评估指标在分级评价中所占权重，较好地降低了决策者的主观性与不确定性；在分析最终目标的健康等级时，利用最大确定度原则，同时最小化个体，使的分析结果更为准确。
下面以某门座起重机金属结构为例，进行该方法的说明，其具体过程如下：
(1)以国内外相关标准为依据，采用由评估目标层、评估项目层以及评估指标层组成的层次化健康评估体系，将待评对象门座起重机金属结构C按其评估项目的不同属性划分5个不相交的子集，即C＝{C1,C2,…,C5}，此外每个评估项目子集Ck(k＝1,2,…,5)中有5个评估指标，因此该评估项目子集Ck可用Ck＝{Ck1,Ck2,…,Ck5}表示。
(2)通过参考已有的分级准则，结合专家与工程技术人员的实际经验，给出评估指标的健康状态评判标准，对于任意评估指标Cki∈Ck(i＝1,2,…,5)有5级评判等级，第j级用Vj(j＝1,2,…,5)表示，则等级评判集可表示为V＝{V1,V2,…,V5}，即故障(V1)、严重异常(V2)、轻度异常(V3)、基本正常(V4)、正常(V5)，每个评估指标Cki按不同的评判等级可划分不同的属性状态Ckij，每个Ckij相应的分级界限可用一个双边约束区间[Lkij,L′kij]表示；每个指标相应的模糊量化等级区间通过选取各个评估指标的状态极限值作为比较依据，在统一的取值范围内进行标准化处理得到，即强度指标以测量值σ与材料的许用应力值[σ]的比值表征；刚度指标以结构件的静挠度f与许用挠度值[f]的比值表征；裂纹指标以巡检周期d与其允许的最小巡检天数[d]的比值表征；变形指标以板件现场检测得到最大波浪度p与其许用值[p]的比值表征；锈蚀指标以锈蚀深度占原板厚的百分比γ与其许用值[γ]的比值表征。为保证指标定性概念描述的一致性，还需将上述指标同向化处理。具体的评估指标模糊量化等级见表1。
表1门座起重机金属结构指标评判等级表
(3)根据正态云的分布规律可知，对描述定性概念做出主要贡献的定量值大部分落在区间[Ex-3En,Ex+3En]内。应用以上规律，对于任意评估指标Cki∈Ck(i＝1,2,…,5)，其相应属性状态Ckij在分级界限[Lkij,L′kij]内转换得到的云模型可按下式(1)计算获得。
其中对于变量出现单一边界情况，如[Lkij,+∞]及[-∞,L′kij]，根据分级界限上限边界值L′kij、下限边界值Lkij确定缺省边界参数；z是可以根据不同变量的阈值进行调整的常数，本文中取0.01。
在表1所列出的指标分级标准的基础上，根据式(1)计算得到各个评判等级下评估指标的云模型参数，具体取值如表2所列。将表2中的评估指标云模型参数代入正态云发生器中，得到评判等级云模型图，如图2所示。
表2评估指标对应云模型参数
(4)在已知正态云模型的三个特征参数后，利用正向云发生器生成足量云滴，构成评估指标的属性分级云模型，并根据云模型中定量数值与定性概念之间的映射转化关系构建确定度函数。由于在正向云的生成过程中，云滴分布具有一定的内在随机性，通过重复计算N次来消除随机性影响。对于任意指标Cki∈Ck，相应的属性特征值为cki，其属于第j级评判等级Vj的平均确定度rkij可由下式(4)计算得到。
评估指标相应的属性特征值是结合现场实测和有限元分析，通过步骤(2)中相同的标准化处理过程得到的，具体取值见表3。
表3评估指标属性特征值
(5)在传统AHP的基础上改进采用EAHP，运用区间数代替点值来构造判断矩阵，计算各评估指标的权重系数，具体计算步骤如下：
Step1：构建区间数判断矩阵。对于隶属于相同属性的指标两两比较其重要性，如评估项目子集Ck中的5个指标Ck1,Ck2,…,Ck5，依据1-9标度法构造出区间数判断矩阵Bk＝[bkij]5×5(i,j＝1,2,…,5)，其中
是一个区间数，表示专家经验判断给定的重要性标度取值范围，且判断矩阵对称位置处取值满足
Step2：计算判断矩阵的权重向量。首先将矩阵Bk表示为左右矩阵形式，即
然后采用均方根法计算矩阵
的最大特征值对应的单位特征向量
并计算得到修正参数αk和βk：
若满足条件0≤αk≤1≤βk，表明判断矩阵满足一致性条件，否则需修正原判断矩阵，直到满足要求为止。区间数判断矩阵的权重向量可表示为
Step3：利用相对重要度确定评估指标权重。设
(i,j＝1,2,…,5,i≠j)分别表示评估项目子集Ck中第i个指标Cki和第j个指标Ckj的权重向量，则Ski≥Skj的可能性程度矩阵表示为Gk＝[gkij]5×5，其构成元素为
最后根据最小二乘法计算得到各指标Ck1,Ck2,…,Ck5的权重为
其他各层指标权重计算过程与上述过程类似，所有的权重计算结果见表4。
表4各层评估指标权重
(6)根据评估指标的属性分级结果，逐层加权得到评估对象C的分级评价结果，具体计算见下式(8)和式(9)。
其中，Uj(Ck)表示评估项目子集Ck的5维评估结果中第j个分量，Tj(C)表示评估对象C对应第j级评判等级Vj的综合确定度,wk表示第k个评估项目子集Ck在分级评估中所占权重。若有Ts(C)＝max{Tj(C)|j＝1,2,…,5},(s∈j)，根据最大确定度原则可以确定，评估对象C属于第s级评判等级Vs。
首先将表3中门座起重机金属结构各指标的属性特征值代入各个评判等级的正态云发生器中计算3000次，得到评估指标层中各指标相对于不同评判等级的确定度；再根据表4中赋权计算结果量化各指标间的相互关系，通过式(8)合成计算得到评估项目层中各指标的评估结果；在此基础上，再次量化计算评估项目层中各指标的相对重要性程度，结合项目层中各指标的评估结果，由式(9)合成计算得到评估目标层中指标的综合确定度，具体计算结果见表5。
表5各层评估指标综合确定度
从表5中不同评判等级下各层指标的综合确定度可知，臂架系统的健康等级为V4，处于由正常运行向基本正常运行过渡。同理，门架系统、人字架系统以及其他结构系统处于健康等级V4，而转台转柱系统处于健康等级V3，该门座起重机整机金属结构的健康状况偏于等级V4，表明整机运行比较平稳，但评估项目层中转台转柱系统健康状况偏于等级V3，说明该系统部件易产生异常，因此虽然整机处于正常运行状态，但仍需要加强日常监测和检查。通过与该门座起重机实际服役情况进行对比发现，推理结果基本正确。
Claims (6)
1.基于云模型和EAHP的门座起重机结构健康评估方法，其特征在于，包括以下步骤：
(1)在充分考虑门座起重机结构特征和服役工况的基础上，以国内外相关标准为依据，采用由评估目标层、评估项目层以及评估指标层组成的层次化健康评估体系，其中每一层的上一级是其目标层而自身又是上一级的影响因子；
(2)通过参考已有的分级准则，结合专家与工程技术人员的实际经验，给出评估指标的健康状态评判标准，并给出评估指标的模糊量化等级区间；
(3)在已有的评估指标分级标准的基础上进行概念跃升，得到各个评判等级下评估指标的正态云模型参数；
(4)将步骤(3)中的评估指标的正态云模型参数代入正态云发生器中，经多次计算，得到各评估指标隶属于每个评判等级的平均确定度；
(5)在传统AHP的基础上改进采用EAHP，运用区间数代替点值来构造判断矩阵，计算各评估指标的权重系数；
(6)结合评估指标隶属于每个评判等级的确定度以及各评估指标的权重系数逐层计算，得到评估对象的综合确定度，从而判别该门座起重机的健康等级。
2.根据权利要求1所述的基于云模型和EAHP的门座起重机结构健康评估方法，其特征在于，步骤(2)中划分的评估指标的健康状态评判标准有五个等级，即故障(V1)、严重异常(V2)、轻度异常(V3)、基本正常(V4)、正常(V5)，且每个指标相应的模糊量化等级区间是通过选取各个评估指标的状态极限值作为比较依据，在统一的取值范围内进行标准化处理得到的。
3.根据权利要求1所述的基于云模型和EAHP的门座起重机结构健康评估方法，其特征在于，步骤(3)中得到的评估指标的正态云模型参数包括期望Ex，熵En，超熵He。
4.根据权利要求3所述的基于云模型和EAHP的门座起重机结构健康评估方法，其特征在于，将定性描述的五个评判等级通过正态云模型转换成用期望Ex，熵En，超熵He的定量表示。
5.根据权利要求1所述的基于云模型和EAHP的门座起重机结构健康评估方法，其特征在于，步骤(4)中首先根据正态云模型的三个特征参数，利用正向云发生器生成足量云滴，构成评估指标的评判等级云模型，并根据正态云模型中定量数值与定性概念之间的映射转化关系构建确定度函数；其次，在计算平均确定度时，由于在正向云的生成过程中，云滴分布具有一定的内在随机性，这里通过重复计算3000次来消除随机性影响。
6.根据权利要求1所述的基于云模型和EAHP的门座起重机结构健康评估方法，其特征在于，步骤(5)中EAHP的计算过程如下：1)构建区间数判断矩阵；2)计算区间数判断矩阵的权重向量；3)利用相对重要度计算评估指标权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010770303.7A CN111882238A (zh) | 2020-08-04 | 2020-08-04 | 基于云模型和eahp的门座起重机结构健康评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010770303.7A CN111882238A (zh) | 2020-08-04 | 2020-08-04 | 基于云模型和eahp的门座起重机结构健康评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111882238A true CN111882238A (zh) | 2020-11-03 |
Family
ID=73210109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010770303.7A Pending CN111882238A (zh) | 2020-08-04 | 2020-08-04 | 基于云模型和eahp的门座起重机结构健康评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111882238A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112733379A (zh) * | 2021-01-20 | 2021-04-30 | 上海海事大学 | 一种门座起重机金属结构风险评估方法 |
| CN113609573A (zh) * | 2021-07-06 | 2021-11-05 | 武汉大学 | 一种基于正态云模型的模糊综合评估方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740953A (zh) * | 2019-01-09 | 2019-05-10 | 华北电力大学（保定） | 一种风电机组的实时状态评估方法 |
| CN109754152A (zh) * | 2018-11-23 | 2019-05-14 | 国网天津市电力公司 | 基于可拓层次分析法的同期线损末端成效评估方法 |
| US20200104440A1 (en) * | 2018-09-30 | 2020-04-02 | Wuhan University | Method for evaluating state of power transformer |
-
2020
- 2020-08-04 CN CN202010770303.7A patent/CN111882238A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200104440A1 (en) * | 2018-09-30 | 2020-04-02 | Wuhan University | Method for evaluating state of power transformer |
| CN109754152A (zh) * | 2018-11-23 | 2019-05-14 | 国网天津市电力公司 | 基于可拓层次分析法的同期线损末端成效评估方法 |
| CN109740953A (zh) * | 2019-01-09 | 2019-05-10 | 华北电力大学（保定） | 一种风电机组的实时状态评估方法 |
Non-Patent Citations (5)
| Title |
|---|
| 刘洋等: "基于正态云模型的桥梁结构安全风险评价", 《筑路机械与施工机械化》, vol. 34, 10 September 2017 (2017-09-10), pages 116 - 120 * |
| 梅潇: "基于云模型和EAHP 的起重机金属结构健康评估", 《机械设计与研究》, vol. 36, no. 6, 31 December 2020 (2020-12-31), pages 200 - 204 * |
| 熊和金: "《智能信息处理》", 31 August 2012, 国防工业出版社, pages: 99 * |
| 董兴辉;张鑫淼;郑凯;王帅;: "基于组合赋权和云模型的风电机组健康状态评估", 太阳能学报, no. 08, 28 August 2018 (2018-08-28), pages 2139 - 2146 * |
| 郑娜: "电力变压器状态评估和故障诊断的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 November 2008 (2008-11-15), pages 042 - 299 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112733379A (zh) * | 2021-01-20 | 2021-04-30 | 上海海事大学 | 一种门座起重机金属结构风险评估方法 |
| CN113609573A (zh) * | 2021-07-06 | 2021-11-05 | 武汉大学 | 一种基于正态云模型的模糊综合评估方法及装置 |
| CN113609573B (zh) * | 2021-07-06 | 2024-03-26 | 武汉大学 | 一种基于正态云模型的模糊综合评估方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106444703B (zh) | 基于故障模式发生概率的动设备运行状态模糊评价及预测方法 | |
| Chandrashekhar et al. | Damage assessment of structures with uncertainty by using mode-shape curvatures and fuzzy logic | |
| CN108873859B (zh) | 基于改进关联规则的桥式抓斗卸船机故障预测模型方法 | |
| CN106503807B (zh) | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 | |
| CN108053148B (zh) | 一种电力信息系统故障高效诊断方法 | |
| Tinga et al. | Aligning PHM, SHM and CBM by understanding the physical system failure behaviour | |
| CN105205329A (zh) | 一种大坝安全综合评价方法 | |
| CN112785091A (zh) | 一种对油田电潜泵进行故障预测与健康管理的方法 | |
| CN111882238A (zh) | 基于云模型和eahp的门座起重机结构健康评估方法 | |
| CN113374652A (zh) | 一种风力发电机组寿命评估方法 | |
| Li et al. | A novel method of key meta-action unit integrated identification for CNC machine tool reliability | |
| Tan et al. | Life extension and repair decision-making of ageing offshore platforms based on DHGF method | |
| CN112287586B (zh) | 基于中小桥损伤识别结果的快速可靠度评估方法 | |
| Wu et al. | A quantum multi-agent based neural network model for failure prediction | |
| CN111932081B (zh) | 一种电力信息系统运行状态评估方法及系统 | |
| Dong et al. | Fatigue residual life estimation of jib structure based on improved v‐SVR algorithm obtaining equivalent load spectrum | |
| Li et al. | Research methods and applications of gear manufacturing process optimization | |
| CN115755831A (zh) | 一种基于模糊层次分析的故障诊断方法及系统 | |
| CN112733379A (zh) | 一种门座起重机金属结构风险评估方法 | |
| Li et al. | Remaining life prediction of cores based on data-driven and physical modeling methods | |
| CN114036035A (zh) | 一种基于实时数据流量化复杂度的异常识别的方法 | |
| Huang et al. | Health status evaluation method of CNC machine tools based on grey clustering analysis and fuzzy comprehensive evaluation | |
| Alejandrino et al. | Structural Health Fuzzy Classification of Bridge based on Subjective and Objective Inspections | |
| CN113269384A (zh) | 一种对河流系统健康状态进行预警的方法 | |
| CN113406537A (zh) | 一种电力设备故障程度的定量评估方法 |
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 |