CN113705080A - 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 - Google Patents
一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 Download PDFInfo
- Publication number
- CN113705080A CN113705080A CN202110827630.6A CN202110827630A CN113705080A CN 113705080 A CN113705080 A CN 113705080A CN 202110827630 A CN202110827630 A CN 202110827630A CN 113705080 A CN113705080 A CN 113705080A
- Authority
- CN
- China
- Prior art keywords
- matrix
- influence
- indexes
- index
- anp
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000002156 mixing Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 4
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract 1
- 238000003012 network analysis Methods 0.000 abstract 1
- 230000001364 causal effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009189 diving Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241000270666 Testudines Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了本发明涉及一种基于DEMATEL‑ANP的深海载人潜水器可靠性指标的分析方法。该方法利用DMMATEL‑ANP(决策实验和评价实验室‑网络分析法)相结合的办法，计算出各个指标对系统影响程度大小，通过DEMATEL方法可以得到直接影响矩阵、总影响关系矩阵以及设定阈值后的综合影响矩阵，利用ANP方法进一步改进了评价指标的影响权重，从而获得混合权重，消除了AHP(层次分析法)单一确定因素的权重的弊端，DMMATEL‑ANP方法对评价指标的评判具有准确性、合理性、可行性，提出了本发明能够更好的确定深海载人潜水器关键因素。
Description
技术领域
本发明涉及可靠性分析与容错控制领域，尤其是涉及一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法。
背景技术
近十几年来,随着国家科技创新的不断发展，“上九天揽月，下五洋捉鳖”的伟大梦想也在逐步实现。深海资源是人类社会可持续发展的重要战略资源，围绕海洋资源的竞争在国际上也日趋白热化。深海载人潜水是深海海底资源勘察的必要装备，由于工作在复杂的深海环境中，其可靠性与安全性不仅决定着每次的下潜仼务能否顺利完成，还决定着潜航员的生命安全，因此对潜航员的出现差错的致因的研究显示得尤为突出。
随着深海载人潜水器设备的复杂化，任务的多样化，作业极富挑战性，充满了未知的风险，发生故障的可能性也在增大。深海载人潜水器是一个典型的人在回路系统，人的操作直接关系载人设备的正常工作和安全状态，而各种因素之间存在着复杂性极高的耦合关系，相互影响，给可靠性评估带来了极大的困难。
现有的方法要么考虑单一的因素的影响，要么是分析各相互独立的因素对可靠性的影响，没有充分考虑元素之间存在着耦合的关系，同时对多个因素进行分析。比如环境的空气质量指数、温度、压力会影响到潜航员的生理、心理状态，进而导致潜航员未能及时高效的完成任务；潜航员的知识经验、规章意识程度也会影响潜航员在作业过程中所需要完成任务的时间等，如何处理因素之间的影响关系成为关键。
发明内容
本发明是为了解决现有技术的可靠性评估方法所存在的上述技术问题，提供了一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法，避免了只考虑单一或某几个独立指标对系统的影响，在充分考虑了各个指标间的相互影响，耦合的关系，能够更好的确定深海载人潜水器可靠性的关键因素。
为了实现上述目的，本发明采用以下技术方案：
本发明的一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法包括以下步骤：
(1)建立一级指标、二级指标的深海载人潜水器可靠性的综合评价模型
建立一级指标，一级指标包含“潜航员-机器-任务-环境-组织”五个指标，其中潜航员包含生理、心理、工作态度、知识经验、规章意识五个二级指标；机器包含仪表可视性、仪表布局、设备的可操作性三个二级指标；任务包含任务难度/数量、任务新颖性、任务时间、任务相关性四个二级指标；环境包含湿度、温度、压力、噪声、照明条件、空气质量六个二级指标；组织包含有人员配备、任务责任划分、轮班交替三个二级指标。
(2)通过DEMATEL方法可以得到直接影响关系矩阵以及各因素之间的影响强度，获得综合影响矩阵。
(3)建立指标两两比较程度表。
(4)通过ANP网络层次分析法确定局部权重和整体权重。
(5)根据指标对应的值计算出混合权重，得到系统的综合评价结果。
作为优选，步骤(2)的具体步骤为：
(a)在收集的数据的基础上，对数据取均值处理后，通过判断两两指标的影响程度大小，建立直接影响矩阵D，一级指标间影响关系可根据公式(1)可得：
(b)对直接影响矩阵D按照下式进行标准化处理，可得到标准化直接影响矩阵X，标准化方法如公式(2)所示，s表示取每行元素的和，每列元素的和的最大值的倒数中小的值；得到标准化后的一级指标直接影响矩阵和二级指标的直接影响矩阵；
(c)对标准化直接影响矩阵X进行处理得到综合影响矩阵T，如公式(4)所示；X+…+Xk表示对X矩阵幂次方的求和，X(I-X)-1表示对(I-X)先求逆矩阵，再左乘矩阵X；
其中，ri是影响度，指各行对应指标对其他指标的影响总和；cj为被影响度，指其他指标对j 列元素的影响总和。当i＝j时，ri-cj是中心度，ri+cj是原因度，中心度越大，表示指标i在系统中越重要，原因度表示指标i与其他指标间的因果逻辑关系程度，如果数值大于0，说明此因素影响其他因素，如果数值小于0，则说明此因素受其他因素的影响。
(d)在得到综合影响矩阵T后，设定一个阈值μ，得到设定阈值后的总影响矩阵称为Tμ。在得到综合影响矩阵T后，为了增强数据的有效性，通常设定一个阈值μ，能够消除较小的影响，从而降低网络关系的复杂程度，设定阈值后的综合影响矩阵称为Tμ。
作为优选，步骤(4)的具体步骤为：
(ⅰ)计算未加权超矩阵A：根据两两比较程度表对元素进行两两比较，未加权超矩阵的形式如公式(4)所示，其中Cn是第n个元素组；若因素组不受其他因素组的影响，则不需要建立两两比较矩阵，指标间没有直接影响，即aij＝0；
(ⅱ)计算加权矩阵Ts：对总影响矩阵Tμ进行标准化处理，并对j列元素乘以
可得矩阵Ts，如公式(5)所示；
(ⅲ)通过未加权矩阵A与经过标准化处理后的矩阵相乘得到加权超矩阵Wa，如公式(6) 所示；
(ⅳ)求极限化超矩阵W*：根据公式(7)计算得到各二级指标的局部权重以及整体权重；
通过判断加权矩阵是不是随机不可约矩阵，是不是素阵，这是一个反复迭代，最终得到稳态矩阵的过程。通过对特征向量进行排序，即可得到因素权重排序，对于系统影响较大的因素，应该重点管理。
作为优选，步骤(5)的具体步骤为：根据极限化超矩阵，取整体权重所在的列向量，记为ω，通过公式(8)可以得到混合权重ξ，
ξ＝ω+Tω (8)。
因此，本发明具有如下有益效果：提出了一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的方法，通过DEMATEL建立取阈值后的综合影响矩阵Tμ，通过ANP得到指标的混合权重，避免了只考虑单一或某几个独立指标对系统的影响，在充分考虑了各个指标间的相互影响，耦合的关系，能够更好的确定深海载人潜水器可靠性的关键因素，填补了深海载人潜水器的可靠性评估方法的空白，可以推广至任务应急预案，更大程度的保证潜航员以及潜水器的安全。
附图说明
图1是本发明可靠性的综合评价模型图。
具体实施方式
下面通过具体实施方式对本发明做进一步的描述。
(1)建立一级指标、二级指标的深海载人潜水器可靠性的综合评价模型建立一级指标，一级指标包含“潜航员-机器-任务-环境-组织”五个指标，其中潜航员包含生理、心理、工作态度、知识经验、规章意识五个二级指标；机器包含仪表可视性、仪表布局、设备的可操作性三个二级指标；任务包含任务难度/数量、任务新颖性、任务时间、任务相关性四个二级指标；环境包含湿度、温度、压力、噪声、照明条件、空气质量六个二级指标；组织包含有人员配备、任务责任划分、轮班交替三个二级指标；具体可靠性的评价模型如表 1所示。
(2)通过DEMATEL方法可以得到直接影响关系矩阵以及各因素之间的影响强度，获得综合影响矩阵，具体步骤为：
(a)在收集的数据的基础上，对数据取均值处理后，通过判断两两指标的影响程度大小，建立直接影响矩阵D，一级指标间影响关系可根据公式(1)可得：
一级指标直接影响矩阵D如表1所示：
表1一级指标直接影响矩阵
| 潜航员 | 机器 | 任务 | 环境 | 组织 | |
| 潜航员 | 3 | 1 | 1 | 1 | 3 |
| 机器 | 3 | 0 | 2 | 0 | 2 |
| 任务 | 3 | 1 | 0 | 2 | 3 |
| 环境 | 4 | 1 | 3 | 0 | 3 |
| 组织 | 4 | 2 | 4 | 3 | 0 |
(b)对直接影响矩阵D按照下式进行标准化处理，可得到标准化直接影响矩阵X，标准化方法如公式(2)所示，s表示取每行元素的和，每列元素的和的最大值的倒数中小的值；得到标准化后的一级指标直接影响矩阵和二级指标的直接影响矩阵，一级指标直接影响矩阵如
表2所示，二级指标的直接影响矩阵如表3所示；
表2一级指标直接影响矩阵
| 潜航员 | 机器 | 任务 | 环境 | 组织 | |
| 潜航员 | 0.44 | 0.15 | 0.21 | 0.17 | 0.34 |
| 机器 | 0.37 | 0.07 | 0.22 | 0.09 | 0.25 |
| 任务 | 0.44 | 0.15 | 0.16 | 0.22 | 0.34 |
| 环境 | 0.54 | 0.16 | 0.34 | 0.14 | 0.38 |
| 组织 | 0.58 | 0.22 | 0.41 | 0.30 | 0.25 |
表3二级指标直接影响矩阵
(c)对标准化直接影响矩阵X进行处理得到综合影响矩阵T，如公式(4)所示；X+…+Xk表示对X矩阵幂次方的求和，X(I-X)-1表示对(I-X)先求逆矩阵，再左乘矩阵X；
其中，ri是影响度，指各行对应指标对其他指标的影响总和；cj为被影响度，指其他指标对j 列元素的影响总和；得到的一级指标因果关系如表4所示，二级指标因果关系如表5所示。
表4一级指标因果关系
表5二级指标因果关系
| r | c | r+c | r-c | |
| H1 | 1.045 | 1.329 | 2.373 | -0.284 |
| H2 | 0.951 | 1.507 | 2.458 | -0.556 |
| H3 | 1.085 | 1.625 | 2.710 | -0.539 |
| H4 | 0.986 | 1.351 | 2.337 | -0.365 |
| H5 | 0.993 | 1.251 | 2.244 | -0.258 |
| M1 | 0.615 | 0.443 | 1.057 | 0.172 |
| M2 | 0.895 | 0.323 | 1.218 | 0.572 |
| M3 | 1.016 | 0.992 | 2.008 | 0.024 |
| T1 | 0.998 | 1.521 | 2.518 | -0.523 |
| T2 | 0.980 | 0.535 | 1.515 | 0.444 |
| T3 | 1.156 | 2.035 | 3.191 | -0.879 |
| T4 | 1.140 | 0.622 | 1.762 | 0.518 |
| E1 | 0.614 | 0.050 | 0.664 | 0.565 |
| E2 | 1.110 | 0.277 | 1.388 | 0.833 |
| E3 | 0.457 | 0.136 | 0.593 | 0.322 |
| E4 | 0.747 | 0.210 | 0.957 | 0.537 |
| E5 | 0.839 | 0.288 | 1.127 | 0.550 |
| E6 | 1.344 | 0.855 | 2.199 | 0.489 |
| O1 | 1.308 | 1.811 | 3.118 | -0.503 |
| O2 | 1.092 | 1.757 | 2.849 | -0.666 |
| O3 | 0.980 | 1.432 | 2.412 | -0.452 |
当i＝j时，ri-cj是中心度，ri+cj是原因度，以ri-cj为横轴，以ri+cj为纵轴，绘制因果关系图，中心度的值越大，表示指标i在系统中越重要，原因度表示指标i与其他指标间的因果逻辑关系程度，如果数值大于0，说明此因素影响其他因素，如果数值小于0，则说明此因素受其他因素的影响。
从表中可以看出数据的值都是非零的，因此可知一级指标之间是相互影响的，r+c的值对应的是潜航员，由此可见，在深海载人潜水器中，潜航员是整个系统的核心，但r-c的值最小，为负值，由此可见在潜航员作业过程中，容易受到其他因素的影响，r-c对应值最大的是环境，表明环境在系统中对其他因素的影响很大。
(d)在得到综合影响矩阵T后，设定一个阈值μ，得到设定阈值后的总影响矩阵称为Tμ。
在得到综合影响矩阵T后，为了增强数据的有效性，通常设定一个阈值μ，能够消除较小的影响，从而降低网络关系的复杂程度，设定阈值后的综合影响矩阵称为Tμ。通过T矩阵反复测试可知阈值μ设为0.00239，可以最大限度的降低指标间关系复杂度。
(3)建立指标两两比较程度表；指标两两比较程度表如表6所示，aij代表某一指标，其中i对j的影响程度；
表6指标两两比较程度表
| 标度a<sub>ij</sub> | 定义 |
| 1 | i与j同等重要 |
| 3 | i比j稍微重要 |
| 5 | i比j重要 |
| 7 | i比j很重要 |
| 9 | i比j至关重要 |
| 2、4、6、8 | 相邻标度中值 |
(4)通过ANP网络层次分析法确定局部权重和整体权重；具体步骤为：
(ⅰ)计算未加权超矩阵A：根据两两比较程度表对元素进行两两比较，未加权超矩阵的形式如公式(4)所示，其中Cn是第n个元素组；若因素组不受其他因素组的影响，则不需要建立两两比较矩阵，指标间没有直接影响，即aij＝0；
未加权超矩阵A如表7所示；
表7未加权超矩阵A
(ⅱ)计算加权矩阵Ts：对总影响矩阵Tμ进行标准化处理，并对j列元素乘以
可得矩阵Ts，如公式(5)所示；
(ⅲ)通过未加权矩阵A与经过标准化处理后的矩阵相乘得到加权超矩阵Wa，如公式(6) 所示；
得到的加权超矩阵Wa如表8 所示。
表8加权超矩阵Wa
(ⅳ)求极限化超矩阵W*：根据公式(7)计算得到各二级指标的局部权重以及整体权重；
得到的各二级指标的局部权重以及整体权重如表9所示。
表9局部权重与整体权重
| 局部权重 | 全局权重 | |
| 生理H1 | 0.08850 | 0.01780 |
| 心理H2 | 0.13181 | 0.02650 |
| 工作态度H3 | 0.16063 | 0.04895 |
| 知识经验H4 | 0.60250 | 0.10813 |
| 规章意识H5 | 0.41879 | 0.12762 |
| 仪表可视性M1 | 0.07465 | 0.02275 |
| 仪表布局M2 | 0.07112 | 0.01276 |
| 设备的可操作性M3 | 0.39154 | 0.01315 |
| 任务难度T1 | 0.42616 | 0.08569 |
| 任务新颖性T2 | 0.23067 | 0.00775 |
| 任务时间T3 | 0.08468 | 0.02381 |
| 任务间的相关性T4 | 0.37778 | 0.01269 |
| 湿度E1 | 0.11297 | 0.02027 |
| 温度E2 | 0.19141 | 0.03849 |
| 压力E3 | 0.01376 | 0.00247 |
| 噪声E4 | 0.01223 | 0.00219 |
| 照明条件E5 | 0.18742 | 0.03363 |
| 空气质量E6 | 0.34594 | 0.10542 |
| 人员配备O1 | 0.54226 | 0.15245 |
| 任务责任划分O2 | 0.37306 | 0.10488 |
| 轮班交替O3 | 0.16212 | 0.03260 |
(5)根据指标对应的值计算出混合权重，得到系统的综合评价结果，混合权重的计算方法为：根据极限化超矩阵，取整体权重所在的列向量，记为ω，通过公式(8)可以得到混合权重ξ，ξ＝ω+Tω (8)。得到的混合权重如表10所示。
表10混合权重
从表10可知，人员配备、任务责任划分、知识经验、规章意识、任务难度、空气质量占有较大的权重，在深海载人潜水器下水作业时应对这几个指标进行重点关注和安排。其中知识经验、规章意识是属于潜航员一级指标，根据表4可知，潜航员的r+c的值最大，r-c的值最小，表明容易影响其他指标，也容易受到其他因素的影响，因此在混合权重排序中比较靠前。人员配备、任务责任划分属于组织一级指标，在混合权重排序中比较靠前，应对该类型的指标进行重点关注。空气质量属于环境一级指标，在密闭的空间中，氧气的浓度是至关重要的，因此需要对深海载人潜水器的氧气储备情况与浓度检测重点进行管控。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (4)
1.一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法，其特征在于，包括以下步骤：
(1)建立一级指标、二级指标的深海载人潜水器可靠性的综合评价模型建立一级指标，一级指标包含“潜航员-机器-任务-环境-组织”五个指标，其中潜航员包含生理、心理、工作态度、知识经验、规章意识五个二级指标；机器包含仪表可视性、仪表布局、设备的可操作性三个二级指标；任务包含任务难度/数量、任务新颖性、任务时间、任务相关性四个二级指标；环境包含湿度、温度、压力、噪声、照明条件、空气质量六个二级指标；组织包含有人员配备、任务责任划分、轮班交替三个二级指标；
(2)通过DEMATEL方法可以得到直接影响关系矩阵以及各因素之间的影响强度，获得综合影响矩阵；
(3)建立指标两两比较程度表；
(4)通过ANP网络层次分析法确定局部权重和整体权重；
(5)根据指标对应的值计算出混合权重，得到系统的综合评价结果。
2.根据权利要求1所述的一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法，其特征在于，步骤(2)的具体步骤为：
(a)在收集的数据的基础上，对数据取均值处理后，通过判断两两指标的影响程度大小，建立直接影响矩阵D，一级指标间影响关系可根据公式(1)可得：
(b)对直接影响矩阵D按照下式进行标准化处理，可得到标准化直接影响矩阵X，标准化方法如公式(2)所示，s表示取每行元素的和，每列元素的和的最大值的倒数中小的值；得到标准化后的一级指标直接影响矩阵和二级指标的直接影响矩阵；
(c)对标准化直接影响矩阵X进行处理得到综合影响矩阵T，如公式(4)所示；X+…+Xk表示对X矩阵幂次方的求和，X(I-X)-1表示对(I-X)先求逆矩阵，再左乘矩阵X；
其中，ri是影响度，指各行对应指标对其他指标的影响总和；cj为被影响度，指其他指标对j列元素的影响总和；
(d)在得到综合影响矩阵T后，设定一个阈值μ，得到设定阈值后的总影响矩阵称为Tμ。
3.根据权利要求2所述的一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法，其特征在于，步骤(4)的具体步骤为：
(ⅰ)计算未加权超矩阵A：根据两两比较程度表对元素进行两两比较，未加权超矩阵的形式如公式(4)所示，其中Cn是第n个元素组；若因素组不受其他因素组的影响，则不需要建立两两比较矩阵，指标间没有直接影响，即aij＝0；
(ⅱ)计算加权矩阵Ts：对总影响矩阵Tμ进行标准化处理，并对j列元素乘以
可得矩阵Ts，如公式(5)所示；
(ⅲ)通过未加权矩阵A与经过标准化处理后的矩阵相乘得到加权超矩阵Wa，如公式(6)所示；
(ⅳ)求极限化超矩阵W*：根据公式(7)计算得到各二级指标的局部权重以及整体权重；
4.根据权利要求3所述的一种基于DEMATEL-ANP的深海载人潜水器可靠性指标的分析方法，其特征在于，步骤(5)的具体步骤为：根据极限化超矩阵，取整体权重所在的列向量，记为ω，通过公式(8)可以得到混合权重ξ，
ξ＝ω+Tω (8)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110827630.6A CN113705080B (zh) | 2021-07-21 | 2021-07-21 | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110827630.6A CN113705080B (zh) | 2021-07-21 | 2021-07-21 | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113705080A true CN113705080A (zh) | 2021-11-26 |
| CN113705080B CN113705080B (zh) | 2024-02-09 |
Family
ID=78650275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110827630.6A Active CN113705080B (zh) | 2021-07-21 | 2021-07-21 | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113705080B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115860447A (zh) * | 2022-11-28 | 2023-03-28 | 中航机载系统共性技术有限公司 | 一种筒体零件工艺相似度评价方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318482A (zh) * | 2014-08-22 | 2015-01-28 | 国家电网公司 | 一套智能配电网综合评估体系和方法 |
| CN106651225A (zh) * | 2017-02-14 | 2017-05-10 | 南方电网科学研究院有限责任公司 | 智能电网示范工程综合评估方法和系统 |
| CN109767074A (zh) * | 2018-12-14 | 2019-05-17 | 国网江苏省电力有限公司经济技术研究院 | 一种高可靠性供电区配网规划效果综合评估方法 |
| CN110442830A (zh) * | 2019-07-26 | 2019-11-12 | 中国科学技术大学 | 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法 |
-
2021
- 2021-07-21 CN CN202110827630.6A patent/CN113705080B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318482A (zh) * | 2014-08-22 | 2015-01-28 | 国家电网公司 | 一套智能配电网综合评估体系和方法 |
| CN106651225A (zh) * | 2017-02-14 | 2017-05-10 | 南方电网科学研究院有限责任公司 | 智能电网示范工程综合评估方法和系统 |
| CN109767074A (zh) * | 2018-12-14 | 2019-05-17 | 国网江苏省电力有限公司经济技术研究院 | 一种高可靠性供电区配网规划效果综合评估方法 |
| CN110442830A (zh) * | 2019-07-26 | 2019-11-12 | 中国科学技术大学 | 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115860447A (zh) * | 2022-11-28 | 2023-03-28 | 中航机载系统共性技术有限公司 | 一种筒体零件工艺相似度评价方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113705080B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107273490B (zh) | 一种基于知识图谱的组合错题推荐方法 | |
| CN104536881B (zh) | 基于自然语言分析的众测错误报告优先级排序方法 | |
| CN106844194B (zh) | 一种多层次软件故障诊断专家系统的构建方法 | |
| CN105893256B (zh) | 基于机器学习算法的软件故障定位方法 | |
| CN105975573B (zh) | 一种基于knn的文本分类方法 | |
| CN104216954B (zh) | 突发事件话题状态的预测装置及预测方法 | |
| Müller et al. | The third international verification of neural networks competition (VNN-COMP 2022): Summary and results | |
| Lu et al. | An evaluation of engine faults diagnostics using artificial neural networks | |
| CN110245709A (zh) | 基于深度学习和自注意力的3d点云数据语义分割方法 | |
| CN109902714B (zh) | 一种基于多图正则化深度哈希的多模态医学图像检索方法 | |
| CN113268883B (zh) | 一种基于pca-abc-svm模型的海底原油管道腐蚀速率预测方法 | |
| CN111679972A (zh) | 软件系统可靠性预计方法、装置、计算机设备和存储介质 | |
| Jaw et al. | Engine diagnostics in the eyes of machine learning | |
| CN113705080A (zh) | 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法 | |
| Mikes et al. | Optimizing an algorithm for data mining a design repository to automate functional modeling | |
| CN112148997A (zh) | 一种用于灾害事件检测的多模态对抗模型的训练方法和装置 | |
| CN114492742A (zh) | 神经网络结构搜索、模型发布方法、电子设备和存储介质 | |
| CN107622354B (zh) | 一种基于区间二元语义的突发事件应急能力评估方法 | |
| CN112200208B (zh) | 基于多维度特征融合的云工作流任务执行时间预测方法 | |
| Gavanelli et al. | Logic–based decision support for strategic environmental assessment | |
| CN107918358A (zh) | 数控装备故障分析方法和装置 | |
| CN112529141A (zh) | 一种基于改进免疫算法的学习路径生成方法 | |
| CN112380763A (zh) | 一种基于数据挖掘的堆内构件可靠性分析系统及方法 | |
| CN107703884B (zh) | 一种数控机床可用性改进方法及装置 | |
| CN103164531B (zh) | 基于模糊优先级的二阶段实例层数据集成方法 |
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 |