CN112488501B - 基于群组判断的核电设备锻件材料质量判断矩阵的构成方法 - Google Patents
基于群组判断的核电设备锻件材料质量判断矩阵的构成方法 Download PDFInfo
- Publication number
- CN112488501B CN112488501B CN202011370064.2A CN202011370064A CN112488501B CN 112488501 B CN112488501 B CN 112488501B CN 202011370064 A CN202011370064 A CN 202011370064A CN 112488501 B CN112488501 B CN 112488501B
- Authority
- CN
- China
- Prior art keywords
- index
- judgment matrix
- quality judgment
- hierarchical structure
- matrix
- 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.)
- Active
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 160
- 238000005242 forging Methods 0.000 title claims abstract description 45
- 239000000463 material Substances 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 238000013441 quality evaluation Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000011179 visual inspection Methods 0.000 claims description 3
- 238000009659 non-destructive testing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000275 quality assurance Methods 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Forging (AREA)
Abstract
本发明公开了一种基于群组判断的核电设备锻件材料质量判断矩阵构成方法,包括以下步骤:步骤1)、基于层次分析法建立锻件材料质量评价层次结构;步骤2)、确认各层次结构的初始质量判断矩阵形式,分别建立各层次结构的初始质量判断矩阵;步骤3)、校验各层次结构的初始质量判断矩阵的一致性;步骤4)、建立各层次结构质量判断矩阵的等级偏差矩阵;步骤5)、通过群组判断方法构建各层次结构的最终质量判断矩阵,逐层计算各层次结构的权重系数,确定各项评价指标对锻件整体质量的权重系数。本发明的基于群组判断的核电设备锻件材料质量判断矩阵的构成方法,能够获得客观的且具有普遍代表性的核电设备锻件材料质量判断矩阵。
Description
技术领域
本发明属于核电设备质量评价技术领域,具体涉及一种基于群组判断的核电设备锻件材料质量判断矩阵的构成方法。
背景技术
锻件材料被广泛应用于核电设备制造。制造质量对设备的安全性、可靠性至关重要。当前主要的质量评定方法是依据核电站机械设备设计建造规范,如美国ASME规范和法国RCCM规范等,评判锻件材料是否合格,缺少一种与核电设备锻件材料制造特点相适应的可以较为准确度量质量的评价方法。
层次分析法可以把一个复杂问题逐层分解,通过权重的方式考虑各项因素对最终评判结果。目前已有专利开始应用层次分析法来解决核电设备锻件材料制造质量评价问题,如申请号:201910902400.4,名称为“一种基于层次分析法的核电设备锻件材料制造质量评估方法”的中国发明专利申请中所公开的,该专利的步骤二要求构造质量判断矩阵,但是并没有详细说明如何构造一个合理的质量判断矩阵。
一般来说,对于同一个事件可以得到多个判断矩阵,但是无法简单的决定哪个判断矩阵才是最准确的,只有将多个判断矩阵进行结合才能得到更加准确的结果,所以必须找出一种方法可以综合考虑多个质量判断矩阵,形成客观的且具有普遍代表性的质量判断矩阵。
发明内容
有鉴于此,为了达到上述目的,本发明的目的是提供一种基于群组判断的核电设备锻件材料质量判断矩阵的构成方法,其能够获得客观的且具有普遍代表性的核电设备锻件材料质量判断矩阵。
为了达到上述目的,本发明采用以下的技术方案:
一种基于群组判断的核电设备锻件材料质量判断矩阵构成方法,包括以下步骤:
步骤1)、基于层次分析法建立锻件材料质量评价层次结构;
步骤2)、确认各层次结构的初始质量判断矩阵形式,分别建立各层次结构的初始质量判断矩阵;
步骤3)、校验各层次结构的初始质量判断矩阵的一致性;
步骤4)、建立各层次结构质量判断矩阵的等级偏差矩阵;
步骤5)、通过群组判断方法构建各层次结构的最终质量判断矩阵,逐层计算各层次结构的权重系数,确定各项评价指标对锻件整体质量的权重系数。
根据本发明的一些优选实施方面,步骤1)基于层次分析法建立锻件材料质量评价层次结构,具体包括如下步骤:
建立锻件材料质量评价递阶层次结构,评价结构共包含4个层次:目标层N、一级评价指标层Ni(i=1,2)、二级评价指标层N2i(i=1,2,3,4,5)和三级评价指标层N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2)。
其中,目标层N是核电设备锻件材料质量,其分解为N1工艺过程控制指标和N2制造质量验证指标。
N2制造质量验证指标又可以细分为N21化学成分指标、N22力学性能指标、N23无损检测指标、N24金相检查指标和N25尺寸检查指标。
更具体的,化学成分指标N21进一步细分为N211成份分析指标、N212残余元素含量指标、N213报告数据比较指标。
力学性能指标N22进一步细分为N221取样与标识指标、N222力学性能数据指标、N223韧脆转变温度指标和N224复试情况指标。
无损检测指标N23进一步细分为N231目视检查指标、N232表面检查指标和N233体积检查指标。
金相检查指标N24进一步细分为N241组织结构指标、N242晶粒度指标和N243夹杂物指标。
尺寸检查指标N25进一步细分为N251主要几何尺寸指标和N252次要几何尺寸指标。
根据本发明的一些优选实施方面,步骤2)具体包括如下步骤:
2.1)、确认各层次结构的初始质量判断矩阵形式
一级评价指标层只有两个指标:N1和N2,对应于总体目标N,因此总体目标N的质量判断矩阵A为一个2×2的矩阵。
二级评价指标层有5个指标N2i(i=1,2,3,4,5),且均对应于N2,因此N2的质量判断矩阵A2为一个5×5的矩阵。
三级评价指标层有指标N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2),分别对应于N21、N22、N23、N24和N25,因此N21、N22、N23、N24和N25的质量判断矩阵A21、A22、A23、A24和A25分别为3×3、4×4、3×3、3×3和2×2的矩阵。
所以,各层次结构的初始质量判断矩阵的具体形式如下:
其中A为某层次结构对应的n×n阶初始判断矩阵,n为该层次结构对应的指标数量。
2.2)、分别建立各层次结构的初始质量判断矩阵
初始质量判断矩阵中aij表示第i个元素和第j元素对该初始质量判断矩阵相应指标的影响大小之比。本发明采用1-9标度法来确定aij的取值范围。
采用1-9标度法分别建立各层次结构的初始质量判断矩阵,如下所示:
其中,k为大于0的自然数,k=1,...,m。
根据本发明的一些优选实施方面,步骤3)校验各层次结构的初始质量判断矩阵的一致性,具体包括如下步骤:
其中C.I.为一致性指标,R.I.为平均随机一致性指标;
C.I.由下式计算得到:
其中λmax为各初始质量判断矩阵的最大特征值;n为对应的初始质量的阶数。
平均随机一致性指标R.I.可由下表查得:
n | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
R.I. | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
C.R.值越小,说明构建的初始质量判断矩阵的一致性程度越好。设定C.R.<0.1时,初始质量判断矩阵通过一致性检验。当C.R.≥0.1时,则需重返回步骤2)重新构建相应的初始质量判断矩阵。
根据本发明的一些优选实施方面,步骤4)建立各层次结构初始质量判断矩阵的等级偏差矩阵,具体包括如下步骤:
某层次结构的初始质量判断矩阵形式为A=[aij]n×n,其具有n个指标;设该层次结构有m个初始质量判断矩阵Ak,k=1,...,m;
容易证明:eij=eji(i,j=1,2,...,n);eii=0,所以上述构建的等级偏差矩阵E能够很好地反映不同质量判断矩阵间的不一致信息。
根据步骤1)建立的锻件材料质量评价层次结构,步骤4)最终建立的等级偏差矩阵如下:
一级评价指标层:E1
二级评价指标层:E2
三级评价指标层:E21,E22,E23,E24,E25。
根据本发明的一些优选实施方面,步骤5)具体包括如下步骤:
条件C为:这n-1个元素中的任何一个元素都不能由其他n-2个元素导出。实际上,根据图论,满足条件C的n-1个元素对应着一个没有回路的连通无向简单图,其中顶点和边的对应关系如下:元素的下标i,j分别对应于连通无向简单图中的节点,元素本身表示节点之间的关联边。
5.3)、利用已知的(n-1)个元素建立最终质量判断矩阵/>由于已知的n-1个元素对应着一个没有回路的连通无向简单图,因此最终质量判断矩阵A*矩阵中其他未知的元素,可以由已知的n-1个元素计算得到。设/>和/>为已知的元素,则未知元素/>可以根据公式(5.2)计算得到:
5.4)、逐层计算各层次结构的权重系数
权重系数由最终质量判断矩阵A*的最大特征值λmax对应的特征向量X计算得到。设某层次结构的最终质量判断矩阵形式为A*=(aij)n×n,该最终质量判断矩阵具有n个指标;设质量判断矩阵A*的最大特征值为λmax,相应的特征向量为X;λmax和X满足如下公式:
A*X=λmaxX;X=[x1,x2,…xn]T (5.3)
其中xi,i=1,2,…n为特征向量X的各元素;
最终质量判断矩阵A*对应的权重系数αi,i=1,2,…n为
5.5)、确定各项评价指标对锻件整体质量的权重系数
设定锻件材料质量评价数学模型为
N=α1*N1+α2*N2 (5.5)
其中N为锻件材料质量总得分;N1和N2为一级评价指标值;α1和α2为N1和N2相对于N的权重系数;
N2由下式计算得到:
其中N21~N25为二级评价指标值,α21~α25为N21~N25相对于N2的权重系数,由步骤4)计算得到;
N21~N25由下式计算:
其中N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2)为三级评价指标;α21i(i=1,2,3)、α22i(i=1,2,3,4)、α23i(i=1,2,3)、α24i(i=1,2,3)、α25i(i=1,2)为相对于各自上一层次指标的权重系数。
与现有技术相比,本发明的有益之处在于:本发明的基于群组判断的核电设备锻件材料质量判断矩阵的构成方法,可以获得客观的且具有普遍代表性的核电设备锻件材料质量判断矩阵,根据质量判断矩阵求解的权重系数可以较好的反映各项评价指标对锻件整体质量的影响程度,避免因受个人主观因素影响对核电设备锻件材料的质量评价。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明优选实施例中的连通无向简单图(由a23、a45、a12、a14构成)。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案,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的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
本实施例的基于群组判断的核电设备锻件材料质量判断矩阵构成方法,具体包括以下步骤:
步骤1):基于层次分析法建立锻件材料质量评价层次结构
建立如表1所示的锻件材料质量评价递阶层次结构。
表1:锻件材料质量评价递阶层次结构
如表1所示,评价结构共包含4个层次:目标层N、一级评价指标层Ni(i=1,2)、二级评价指标层N2i(i=1,2,3,4,5)和三级评价指标层N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2)。
目标层N是核电设备锻件材料质量,其分解为N1工艺过程控制指标和N2制造质量验证指标。
其中N2制造质量验证指标又可以细分为N21化学成分指标、N22力学性能指标、N23无损检测指标、N24金相检查指标和N25尺寸检查指标。
更具体的,化学成分指标N21进一步细分为N211成份分析指标、N212残余元素含量指标、N213报告数据比较指标。
力学性能指标N22进一步细分为N221取样与标识指标、N222力学性能数据指标、N223韧脆转变温度指标和N224复试情况指标。
无损检测指标N23进一步细分为N231目视检查指标、N232表面检查指标和N233体积检查指标。
金相检查指标N24进一步细分为N241组织结构指标、N242晶粒度指标和N243夹杂物指标。
尺寸检查指标N25进一步细分为N251主要几何尺寸指标和N252次要几何尺寸指标。
步骤2):确认各层次结构的初始质量判断矩阵形式,分别建立各层次结构的初始质量判断矩阵。
具体包括如下两个步骤:
2.1)、确认各层次结构的初始质量判断矩阵形式
一级评价指标层只有两个指标:N1和N2,对应于总体目标N。因此总体目标N的质量判断矩阵A为一个2×2的矩阵
二级评价指标层有5个指标N2i(i=1,2,3,4,5),且均对应于N2。因此N2的质量判断矩阵A2为一个5×5的矩阵。
三级评价指标层有指标N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2),分别对应于N21、N22、N23、N24和N25。因此N21、N22、N23、N24和N25的质量判断矩阵A21、A22、A23、A24和A25分别为3×3、4×4、3×3、3×3和2×2的矩阵。
所以得到各层次的初始质量判断矩阵的具体形式如下:
其中A为某层次结构对应的n×n阶初始判断矩阵,n为该层次结构对应的指标数量。
2.2)、采用1-9标度法分别建立各层次结构的初始质量判断矩阵
质量判断矩阵中aij表示第i个元素和第j元素对该判断矩阵相应指标的影响大小之比。本发明采用1-9标度法来确定aij的取值范围。得到多个各层次结构的初始质量判断矩阵:
其中,k为大于0的自然数,k=1,...,m。
步骤3):校验各层次结构的初始质量判断矩阵的一致性
其中C.I.为一致性指标,R.I.为平均随机一致性指标。
C.I.由下式计算得到:
其中λmax为各初始质量判断矩阵的最大特征值;n为初始质量判断矩阵的阶数。
平均随机一致性指标R.I.可由下表查得
n | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
R.I. | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
C.R.值越小,说明构建的初始质量判断矩阵的一致性程度越好。本实施例设定C.R.<0.1时,则初始质量判断矩阵通过一致性检验。当C.R.≥0.1时,则需重返回步骤2)重新构建相应的初始质量判断矩阵。
步骤4):建立各层次结构的初始质量判断矩阵的等级偏差矩阵
某层次结构的初始质量判断矩阵形式为A=[aij]n×n,其具有n个指标;设该层次结构有m个初始质量判断矩阵Ak,k=1,...,m;
容易证明:eij=eji(i,j=1,2,...,n);eii=0,所以上述构建的等级偏差矩阵E能够很好地反映不同质量判断矩阵间的不一致信息。
根据步骤1)建立的锻件材料质量评价层次结构,步骤4)最终建立的等级偏差矩阵如下:
一级评价指标层:E1
二级评价指标层:E2
三级评价指标层:E21,E22,E23,E24,E25。
步骤5):通过群组判断方法构建各层次结构的最终质量判断矩阵,逐层计算各层次结构的权重系数,确定各项评价指标对锻件整体质量的权重系数
条件C为:这n-1个元素中的任何一个元素都不能由其他n-2个元素导出。实际上,根据图论满足条件C的n-1个元素对应着一个没有回路的连通无向简单图,其中顶点和边的对应关系如下:元素的下标i,j分别对应于连通无向简单图中的节点,元素本身表示节点之间的关联边。
5.3)、利用已知的(n-1)个元素建立最终质量判断矩阵/>由于已知的n-1个元素对应着一个没有回路的连通无向简单图,因此最终质量判断矩阵A*矩阵中其他未知的元素,可以由已知的n-1个元素计算得到。设/>和/>为已知的元素,则未知元素/>可以根据公式(5.2)计算得到:
5.4)、逐层计算各层次结构的权重系数
权重系数由最终质量判断矩阵A*的最大特征值λmax对应的特征向量X计算得到。设某层次结构的最终质量判断矩阵形式为A*=(aij)n×n,该质量判断矩阵具有n个指标;设最终质量判断矩阵A*的最大特征值为λmax,相应的特征向量为X;λmax和X满足如下公式:
A*X=λmaxX;X=[x1,x2,…xn]T (5.3)
其中xi,i=1,2,…n为特征向量X的各元素;
最终质量判断矩阵A*对应的权重系数αi,i=1,2,…n为
5.5)、确定各项评价指标对锻件整体质量的权重系数
设定锻件材料质量评价数学模型为
N=α1*N1+α2*N2 (5.5)
其中N为锻件材料质量总得分;N1和N2为一级评价指标值;α1和α2为N1和N2相对于N的权重系数;
N2由下式计算得到:
其中N21~N25为二级评价指标值,α21~α25为N21~N25相对于N2的权重系数,由步骤四计算得到;
N21~N25由下式计算:
其中N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2)为三级评价指标;α21i(i=1,2,3)、α22i(i=1,2,3,4)、α23i(i=1,2,3)、α24i(i=1,2,3)、α25i(i=1,2)为相对于各自上一层次指标的权重系数。
以下以二级评价指标层对应的质量判断矩阵A2为例,说明其构造过程,具体步骤实施如下:
1、确认初始质量判断矩阵形式
参考表1,二级评价指标层对应的初始质量判断矩阵A2形式为:
化学成份 | 力学性能 | 无损检测 | 金相检验 | 几何尺寸 | |
化学成份 | a11 | a12 | a13 | a14 | a15 |
力学性能 | a21 | a22 | a23 | a24 | a25 |
无损检测 | a31 | a32 | a33 | a34 | a35 |
金相检验 | a41 | a42 | a43 | a44 | a45 |
几何尺寸 | a51 | a52 | a53 | a54 | a55 |
2、建立初始质量判断矩阵
采用1-9标度法给出3个A2的初始质量判断矩阵,如下所示:
3、校验各层次初始质量判断矩阵一致性
根据公式3.1和3.2,分别校验各初始质量判断矩阵的的一致性。计算结果如下:
由于三个初始质量判断矩阵的C.R.<0.1,所以三个初始质量判断矩阵均通过一致性检验。
4、建立质量判断矩阵的等级偏差矩阵。
4.1、依据公式4.1用自然数重新排列初始判断矩阵,得到如下矩阵:
4.2、依据公式4.2计算得到等级偏差矩阵E2
5.1、通过观察等级偏差矩阵E2,可以发现eij中最小值为2,其次为4。因此可以判断初始质量判断矩阵中一致性程度最高的元素为a23和a45,一致性程度次高的元素为a12、a14、a24、a34和a35。从中取a23、a45、a12、a14可以构成连通无向简单图,即符合条件C,如图1所示。
5.4、根据公式5.3求解最终质量判断矩阵A2 *的最大特征值λmax和特性向量X
λmax=5;XT={1.3056,5.00,3.00,1.6786,0.7194}
化学成分 | 力学性能 | 无损检测 | 金相检验 | 几何尺寸 |
0.11 | 0.43 | 0.26 | 0.14 | 0.06 |
上述数据表示,锻件材料力学性能对质量验证指标N2的影响程度最高,约为43%;几何尺寸对质量验证指标N2的影响程度最底,约为6%。
本发明提出的方法可以获得客观的且具有普遍代表性的核电设备锻件材料质量判断矩阵,根据质量判断矩阵求解的权重系数可以较好的反映各项评价指标对锻件整体质量的影响程度,避免因受个人主观因素影响对核电设备锻件材料的质量评价。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于群组判断的核电设备锻件材料质量判断矩阵的构成方法,其特征在于:包括如下步骤:
1)基于层次分析法建立锻件材料质量评价层次结构;
2)确认各层次结构的初始质量判断矩阵形式,分别建立各层次结构的初始质量判断矩阵;
3)校验各层次结构的初始质量判断矩阵的一致性;
4)建立各层次结构质量判断矩阵的等级偏差矩阵;
5)通过群组判断方法构建各层次结构的最终质量判断矩阵,逐层计算各层次结构的权重系数,确定各项评价指标对锻件整体质量的权重系数;
步骤5)包括如下步骤:
2.根据权利要求1所述的质量判断矩阵的构成方法,其特征在于:
步骤1)中的锻件材料质量评价层次结构,包括4个层次结构:
目标层N,其为核电设备锻件材料质量;
一级评价指标层Ni,其包括工艺过程控制指标N1和制造质量验证指标N2;
二级评价指标层N2i,其包括化学成分指标N21、力学性能指标N22、无损检测指标N23、金相检查指标N24和尺寸检查指标N25;
三级评价指标层N21i、N22i、N23i、N24i、N25i,其中,N21i包括成份分析指标N211、残余元素含量指标N212、报告数据比较指标N213;N22i包括取样与标识指标N221、力学性能数据指标N222、韧脆转变温度指标N223和复试情况指标N224;N23i包括目视检查指标N231、表面检查指标N232和体积检查指标N233;N24i包括组织结构指标N241、晶粒度指标N242和夹杂物指标N243;N25i包括主要几何尺寸指标N251和次要几何尺寸指标N252。
6.根据权利要求1所述的质量判断矩阵的构成方法,其特征在于:步骤4)中建立各层次结构初始质量判断矩阵的等级偏差矩阵,具体包括如下步骤:
根据步骤2)中的初始质量判断矩阵形式A=[aij]n×n,其具有n个指标,设定该层次结构具有m个初始质量判断矩阵Ak,k=1,...,m;
根据步骤1)建立的锻件材料质量评价层次结构,建立如下等级偏差矩阵:
一级评价指标层:E1
二级评价指标层:E2
三级评价指标层:E21,E22,E23,E24,E25。
7.根据权利要求6所述的质量判断矩阵的构成方法,其特征在于:步骤5)还包括如下步骤:
5.4)、逐层计算各层次结构的权重系数
权重系数由最终质量判断矩阵A*的最大特征值λmax对应的特征向量X计算得到;设某层次结构的最终质量判断矩阵形式为A*=(aij)n×n,该最终质量判断矩阵具有n个指标;设最终质量判断矩阵A*的最大特征值为λmax,相应的特征向量为X;λmax和X满足如下公式:
A*X=λmaxX;X=[x1,x2,…xn]T (5.3)
其中xi,i=1,2,…n为特征向量X的各元素;
最终质量判断矩阵A*对应的权重系数αi,i=1,2,…n为
5.5)、确定各项评价指标对锻件整体质量的权重系数
设定锻件材料质量评价数学模型为
N=α1*N1+α2*N2 (5.5)
其中N为锻件材料质量总得分;N1和N2为一级评价指标值;α1和α2为N1和N2相对于N的权重系数;
N2由下式计算得到:
其中N21~N25为二级评价指标值,α21~α25为N21~N25相对于N2的权重系数,由步骤4)计算得到;
N21~N25由下式计算:
其中N21i(i=1,2,3)、N22i(i=1,2,3,4)、N23i(i=1,2,3)、N24i(i=1,2,3)、N25i(i=1,2)为三级评价指标;α21i(i=1,2,3)、α22i(i=1,2,3,4)、α23i(i=1,2,3)、α24i(i=1,2,3)、α25i(i=1,2)为相对于各自上一层次指标的权重系数。
8.根据权利要求7所述的质量判断矩阵的构成方法,其特征在于:步骤5.1)中的条件为:n-1个元素中的任何一个元素都不能由其他n-2个元素导出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370064.2A CN112488501B (zh) | 2020-11-30 | 2020-11-30 | 基于群组判断的核电设备锻件材料质量判断矩阵的构成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370064.2A CN112488501B (zh) | 2020-11-30 | 2020-11-30 | 基于群组判断的核电设备锻件材料质量判断矩阵的构成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488501A CN112488501A (zh) | 2021-03-12 |
CN112488501B true CN112488501B (zh) | 2023-06-20 |
Family
ID=74937394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011370064.2A Active CN112488501B (zh) | 2020-11-30 | 2020-11-30 | 基于群组判断的核电设备锻件材料质量判断矩阵的构成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488501B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938609A (zh) * | 2016-04-28 | 2016-09-14 | 国家电网公司 | 一种实现多层次指标体系的电网运行评估方法 |
CN107563672A (zh) * | 2017-09-29 | 2018-01-09 | 云南中烟工业有限责任公司 | 一种基于层次分析法构建卷烟制丝质量评价模型的方法 |
CN109242267A (zh) * | 2018-08-15 | 2019-01-18 | 东北石油大学 | 一种基于层次分析法的原油管输*耗评价体系分析方法 |
CN110705856A (zh) * | 2019-09-24 | 2020-01-17 | 苏州热工研究院有限公司 | 基于层次分析法的核电设备锻件材料制造质量评估方法 |
CN110751378A (zh) * | 2019-09-29 | 2020-02-04 | 中广核工程有限公司 | 一种核设施退役方案评价方法以及系统 |
-
2020
- 2020-11-30 CN CN202011370064.2A patent/CN112488501B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938609A (zh) * | 2016-04-28 | 2016-09-14 | 国家电网公司 | 一种实现多层次指标体系的电网运行评估方法 |
CN107563672A (zh) * | 2017-09-29 | 2018-01-09 | 云南中烟工业有限责任公司 | 一种基于层次分析法构建卷烟制丝质量评价模型的方法 |
CN109242267A (zh) * | 2018-08-15 | 2019-01-18 | 东北石油大学 | 一种基于层次分析法的原油管输*耗评价体系分析方法 |
CN110705856A (zh) * | 2019-09-24 | 2020-01-17 | 苏州热工研究院有限公司 | 基于层次分析法的核电设备锻件材料制造质量评估方法 |
CN110751378A (zh) * | 2019-09-29 | 2020-02-04 | 中广核工程有限公司 | 一种核设施退役方案评价方法以及系统 |
Non-Patent Citations (1)
Title |
---|
基于AHP的家庭护理服务质量评价指标体系的权重赋值研究;汤先萍;滕雪;周莹;陈雪梅;孙宏;周兰姝;张晓萍;高立艳;;徐州医科大学学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112488501A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819207B (zh) | 基于相似性度量的地质灾害空间预测方法、系统及存储介质 | |
CN111950918A (zh) | 一种基于电力交易数据的市场风险评估方法 | |
CN113379238A (zh) | 风险评估方法、装置及电子设备 | |
CN110705856A (zh) | 基于层次分析法的核电设备锻件材料制造质量评估方法 | |
CN107885928A (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
CN110428121A (zh) | 基于灰色关联分析的隐马尔可夫模型食品质量评估方法 | |
CN114997612A (zh) | 一种面向大型粮堆异常信息的聚类分析方法和装置 | |
CN115270266B (zh) | 基于改进层次分析法的边坡监测状态风险判断方法 | |
CN111209316A (zh) | 一种信息素养数据挖掘方法、装置、电子设备及存储介质 | |
CN114547928B (zh) | 一种基于主成分分析的缺陷形貌等效与寿命评估方法 | |
CN112488501B (zh) | 基于群组判断的核电设备锻件材料质量判断矩阵的构成方法 | |
CN108830407B (zh) | 多工况条件下结构健康监测中的传感器分布优化方法 | |
CN114200245A (zh) | 一种配电网的线损异常识别模型的构建方法 | |
CN112034139A (zh) | 岩爆倾向性等级的判别方法、装置及电子设备 | |
CN115615466B (zh) | 一种复杂工程系统健康状态确定方法及系统 | |
CN108197824B (zh) | 一种高坝服役安全空间警戒域诊断方法 | |
CN113689153B (zh) | 一种基于灰靶决策的复杂装备交付中典型问题的筛选方法 | |
CN115615551A (zh) | 一种用于数字化射线底片黑度值的测算方法 | |
CN114021905A (zh) | 一种中小企业信用风险评价方法 | |
CN115018342A (zh) | 绩效量化方法、装置、计算机设备、存储介质和程序产品 | |
CN113609449A (zh) | 惯性测量装置加速试验数据有效性评估方法 | |
Spagnolo et al. | Forensic metrology: uncertainty of measurements in forensic analysis | |
CN113688498B (zh) | 一种飞行器结构可信区间响应确定方法 | |
CN114676587B (zh) | 基于载荷谱相似性的疲劳寿命评估方法 | |
CN113221332B (zh) | 一种基于云模型理论的海岸侵蚀脆弱性评估方法 |
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 |