CN115525976A - 基于模糊层次分析方法的邮轮动力系统可靠性分析方法 - Google Patents

Abstract

本发明实施例公开了一种基于模糊层次分析方法的邮轮动力系统可靠性分析方法，包括：获取邮轮资料，提取至少包括目标系统结构层次及故障模型的相关信息，获取故障模式评价信息；确定故障模式评估参数项，基于层次分析法优化参数项权重分配；获取优化后的故障模式的风险优先数计算结果；建立目标系统的危害性分析表格，排序故障模式的风险优先数值，绘制目标系统的故障模式危害性矩阵图；基于模糊评判方法，建立目标系统因素集、评语集，结合技术调查表格数据建立模糊评判矩阵，结合风险优先数值和层次分析结果建立一级权重指标和二级权重指标，进行目标系统的一二级模糊评判；清晰化结果，对照评判等级表，给出目标系统层面维护措施信息。

Description

基于模糊层次分析方法的邮轮动力系统可靠性分析方法

技术领域

本发明涉及船舶动力系统的可靠性分析技术领域，特别是一种基于模糊层次分析方法的邮轮动力系统可靠性分析方法。

背景技术

在船舶结构中，动力系统结构复杂，工作条件恶劣，部件会逐渐老化进而导致装备性能退化，带来各种安全隐患。

传统运维在装备发生故障后进行维修养护工作，无法避免故障及其造成的重大负面影响，同时还承担着巨额的维修成本。

通过可靠性分析，可以有针对性加强重点系统/部件或故障模式的预防维护，合理制定维护策略，有效降低因故障带来的损失，提高船舶动力系统运行可靠性。

在专利号为CN114022000A的中国专利中，其公开了一种车辆道路风险评估方法，该方法通过收集道路运输的多种因素，构建车辆道路运输安全评价指标体系，采用模糊综合评价法进行综合评估。在专利号为CN102289928A的中国专利中，其公开了一种枢纽综合交通运行态势评价方法，该方法采用层次分析确定指标权重，并依据权重值进行系统模糊综合评价。

上述两种方法都将模糊综合评价应用于具体系统的评价，但鉴于分析所考虑的因素角度和种类不同，以及专家评价的主观性较强等原因，会导致即使针对同一目标系统进行分析，也可能得到的相差甚远的结果。此外，在考虑因素较多的情况下，仍然简单采用AHP(Analytic Hierarchy Process，层次分析法)方法来确定各因素权重，可以减少多因素评价的主观性，但计算量会成倍增加。同时，该方法对于船舶动力系统的实际应用分析较少。

发明内容

有鉴于现有技术中存在的上述问题，本发明实施例提供一种基于模糊层次分析方法的邮轮动力系统可靠性分析方法，将模糊综合评价方法应用于船舶动力系统的可靠性分析，结合邮轮动力系统的相关因素及种类，减少了技术人员评价的主观性，提高了邮轮动力系统的运行可靠性。

本发明实施例提供一种基于模糊层次分析方法的邮轮动力系统可靠性分析方法，包括：

获取邮轮资料，提取至少包括目标系统结构层次以及故障模型的相关信息，并获取故障模式评价信息；

确定故障模式评估参数项，并基于层次分析法优化参数项权重分配；

基于优化的参数项权重分配，获取优化后的故障模式的风险优先数计算结果；

建立目标系统的危害性分析表格，排序故障模式的风险优先数值，突出重点故障模式，并绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单；

基于模糊评判方法，建立目标系统因素集、评语集，结合技术调查表格数据建立模糊评判矩阵，结合风险优先数值和层次分析结果建立一级权重指标和二级权重指标，进行目标系统的一级模糊评判和二级模糊评判，并对结果进行清晰化；

清晰化结果，对照评判等级表，给出目标系统层面维护措施信息。

在本发明的一些实施例中，所述获取邮轮资料，提取目标系统至少包括结构层次以及故障模型的相关信息，具体为：

通过所述邮轮资料中的设计建造资料以及历史运行记录，获取至少包括目标系统结构层次、功能模块划分、不同模块对应故障模式汇总、以及故障模式相关信息的多种类信息，其中，所述故障模式相关信息至少包括故障模式的原因、概率、影响、检测和补偿的信息。

在本发明的一些实施例中，所述确定故障模式评估参数项，并基于层次分析法优化参数项权重分配，包括：

应用三标度尺度表，对参数项进行重要度比较，构建与参数项目数对应阶数判断矩阵；

计算对应于同一矩阵最大特征值的最终矩阵的右特征向量的归一化分量，得到最终的权重指数。

在本发明的一些实施例中，在所述确定故障模式评估参数项，并基于层次分析法优化参数项权重分配之后，所述方法还包括：

采用一致性指标CI进行一致性检测，其中，

其中，λ_max为判断矩阵最大特征值，n为矩阵阶数；

当判断矩阵为完全一致矩阵时，CI＝0，λ_max＝n，其余特征根为零；

进行一致性比例I_R的检验：

I_R＝CI/RI

当I_R<0.1时，判断矩阵的一致性是接受，不一致率为0.1或以上的需要进一步调查；

其中，RI是n*n矩阵对应CI的平均随机值，能够通过依据设定的不同阶矩阵RI值查询确定。

在本发明的一些实施例中，所述基于优化的参数项权重分配，获取优化后的故障模式的风险优先数计算结果，具体计算方法如下：

其中，系数C为计算所得参数项的权重指数，n代表该目标系统故障模式总数,i则代表目标系统第i个故障模式。

在本发明的一些实施例中，所述绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单，包括：

基于故障模式危害性矩阵图，结合不同故障模式点至原点的连线与水平轴的夹角，确定对应故障模式在同等风险优先数情况下，故障严重影响程度、故障频率和检测难度；

其中，所述夹角越大，表明对应故障模式在同等风险优先数情况下，故障严重影响程度越大，故障频率和检测难度越低。

在本发明的一些实施例中，所述绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单，还包括：

基于故障模式危害性矩阵图，结合不同故障模式垂足到原点的距离，衡量不同故障综合优先度；

其中，所述距离越大，表明对应故障模式的各项特征越均衡。

在本发明的一些实施例中，所述模糊评判方法的流程包括：

进行一级模糊评判，综合考虑多项参数的影响，采用加权平均建立评判模型：

其中，m为参数项编号；n为目标系统包含故障模式总数；W_1m为m参数项对应一级权重指标向量；R_1m为m参数项对应一级评判矩阵；

进行二级模糊评判，基于各参数项一级模糊评判结果，可得到二级评判矩阵：

由此进行二级模糊综合评判：

B₂＝W₂*R₂

其中，W₂为二级权重指标向量。

在本发明的一些实施例中，所述结果进行清晰化，包括：

采用重心法对最终的评判结果进行清晰化，突出隶属度大的因素的作用，选用[μ(u_i)]²作为加权系数：

由于评判模型的评语集V_i(i＝1，2，…，m)并不一致，对评判等级重新定义,并进行重新赋值,将三组评语集统一，得到调整后的清晰化处理公式：

其中，t为统一后的评语集划分的等级数目。

与现有技术相比，本发明实施例提供的基于模糊层次分析方法的邮轮动力系统可靠性分析方法的有益效果在于：其将模糊综合评价方法应用于船舶动力系统的可靠性分析；引入RPN值并优化其计算方式，并用于确定一级模糊评判向量，减少技术人员评价的主观性；采用AHP方法确定参数项权重，将定量分析转化为定性分析，提高结果的准确度；分析所得RPN值、危害性矩阵、模糊评判结果可以从故障模式到系统整体，从小到大立体化反映系统的可靠性状态，为系统运行维护提供决策依据。

附图说明

图1为本发明实施例提供的基于模糊层次分析方法的邮轮动力系统可靠性分析方法的流程图；

图2为本发明实施例提供的基于模糊层次分析方法的邮轮动力系统可靠性分析方法的方案示意图。

具体实施方式

为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。

此处参考附图描述本申请的各种方案以及特征。

通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。

还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。

当结合附图时，鉴于以下详细说明，本申请的上述和其它方面、特征和优势将变得更为显而易见。

此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以根据用户的历史的操作，判明真实的意图，避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。

本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其它实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。

本发明实施例提供一种基于模糊层次分析方法的邮轮动力系统可靠性分析方法，如图1和图2所示，所示方法包括如下步骤：

步骤1：获取邮轮资料，提取至少包括目标系统结构层次以及故障模型的相关信息，并获取故障模式评价信息；

步骤2：确定故障模式评估参数项，并基于层次分析法优化参数项权重分配；

步骤3：基于优化的参数项权重分配，获取优化后的故障模式的风险优先数计算结果；

步骤4：建立目标系统的危害性分析表格，排序故障模式的风险优先数值，突出重点故障模式，并绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单；

步骤5：基于模糊评判方法，建立目标系统因素集、评语集，结合技术调查表格数据建立模糊评判矩阵，结合风险优先数值和层次分析结果建立一级权重指标和二级权重指标，进行目标系统的一级模糊评判和二级模糊评判，并对结果进行清晰化；

步骤6：清晰化结果，对照评判等级表，给出目标系统层面维护措施信息。

在本发明的一些实施例中，在步骤1中，在获取邮轮资料后，提取目标系统至少包括结构层次以及故障模型的相关信息，并采用专家调查法获取故障模式评价信息，具体地，通过所述邮轮资料中的设计建造资料以及历史运行记录，获取至少包括目标系统结构层次、功能模块划分、不同模块对应故障模式汇总、以及故障模式相关信息的多种类信息，其中，所述故障模式相关信息至少包括故障模式的原因、概率、影响、检测和补偿的信息。此外，需要向技术人员收发技术调查表格，获取邮轮动力系统故障模式的主观评价信息。

在步骤2中，所述确定故障模式评估参数项，并基于层次分析法优化参数项权重分配，包括：

应用三标度尺度表，对参数项进行重要度比较，构建与参数项目数对应阶数判断矩阵；

计算对应于同一矩阵最大特征值的最终矩阵的右特征向量的归一化分量，得到最终的权重指数。

在本实施例中，采用一个简单的计算方法，可以是将成对矩阵上升到每次连续平方的幂次；然后，计算行和并归一化；最后，当连续两次计算的和之间的差小于指定值时，迭代过程停止。

进一步地，在本实施例中，在所述确定故障模式评估参数项，并基于层次分析法优化参数项权重分配之后，所述方法还包括：

采用一致性指标CI进行一致性检测，其中，

其中，λ_max为判断矩阵最大特征值，n为矩阵阶数；

当判断矩阵为完全一致矩阵时，CI＝0，λ_max＝n，其余特征根为零；在一般情况下，只要求判断矩阵的最大特征值稍大于n，且其余特征根接近于零，这时判断矩阵具有满意的一致性，利用特征根法得到的权向量基本符合实际。

进行一致性比例I_R的检验：

I_R＝CI/RI

当I_R<0.1时，判断矩阵的一致性是接受，不一致率为0.1或以上的需要进一步调查；

其中，RI是n*n矩阵对应CI的平均随机值，能够通过依据设定的不同阶矩阵RI值查询确定。

表1不同阶矩阵RI值

本发明的一些实施例中，所述基于优化的参数项权重分配，获取优化后的故障模式的风险优先数计算结果，具体计算方法如下：

其中，系数C为计算所得参数项的权重指数，n代表该目标系统故障模式总数,i则代表目标系统第i个故障模式。

在本实施例中，所述绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单，包括：

基于故障模式危害性矩阵图，反映典型故障模式信息，具体为，结合不同故障模式点至原点的连线与水平轴的夹角，确定对应故障模式在同等风险优先数情况下，故障严重影响程度、故障频率和检测难度；

其中，所述夹角越大，表明对应故障模式在同等风险优先数情况下，故障严重影响程度越大，故障频率和检测难度越低。

在本实施例中，所述绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单，还包括：

基于故障模式危害性矩阵图，结合不同故障模式垂足到原点的距离，衡量不同故障综合优先度；

其中，所述距离越大，表明对应故障模式的各项特征越均衡。

在本发明的一些实施例中，所述模糊评判方法的流程包括：

进行一级模糊评判，综合考虑多项参数的影响，采用加权平均建立评判模型：

其中，m为参数项编号；n为目标系统包含故障模式总数；W_1m为m参数项对应一级权重指标向量；R_1m为m参数项对应一级评判矩阵；

进行二级模糊评判，基于各参数项一级模糊评判结果，可得到二级评判矩阵：

由此进行二级模糊综合评判：

B₂＝W₂*R₂

其中，W₂为二级权重指标向量。

在本实施例中，所述结果进行清晰化，具体为：

对于最终的评判结果，仅用最大隶属度原则对其进行清晰化不够精细，未考虑隶属度较小因素的影响。为了综合考虑各方面因素，采用重心法对最终的评判结果进行清晰化，突出隶属度大的因素的作用，选用[μ(u_i)]²作为加权系数：

由于评判模型的评语集V_i(i＝1，2，…，m)并不一致，对评判等级重新定义,并进行重新赋值,将三组评语集统一，得到调整后的清晰化处理公式：

其中，t为统一后的评语集划分的等级数目。

通过上述技术方案可知，本发明上述实施例提供的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，将模糊综合评价方法应用于船舶动力系统的可靠性分析；引入RPN值并优化其计算方式，并用于确定一级模糊评判向量，减少技术人员评价的主观性；采用AHP方法确定参数项权重，将定量分析转化为定性分析，提高结果的准确度；分析所得RPN值、危害性矩阵、模糊评判结果可以从故障模式到系统整体，从小到大立体化反映系统的可靠性状态，为系统运行维护提供决策依据。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (9)

1.一种基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，包括：

获取邮轮资料，提取至少包括目标系统结构层次以及故障模型的相关信息，并获取故障模式评价信息；

确定故障模式评估参数项，并基于层次分析法优化参数项权重分配；

基于优化的参数项权重分配，获取优化后的故障模式的风险优先数计算结果；

建立目标系统的危害性分析表格，排序故障模式的风险优先数值，突出重点故障模式，并绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单；

基于模糊评判方法，建立目标系统因素集、评语集，结合技术调查表格数据建立模糊评判矩阵，结合风险优先数值和层次分析结果建立一级权重指标和二级权重指标，进行目标系统的一级模糊评判和二级模糊评判，并对结果进行清晰化；

清晰化结果，对照评判等级表，给出目标系统层面维护措施信息。

2.根据权利要求1所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述获取邮轮资料，提取目标系统至少包括结构层次以及故障模型的相关信息，具体为：

通过所述邮轮资料中的设计建造资料以及历史运行记录，获取至少包括目标系统结构层次、功能模块划分、不同模块对应故障模式汇总、以及故障模式相关信息的多种类信息，其中，所述故障模式相关信息至少包括故障模式的原因、概率、影响、检测和补偿的信息。

3.根据权利要求2所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述确定故障模式评估参数项，并基于层次分析法优化参数项权重分配，包括：

应用三标度尺度表，对参数项进行重要度比较，构建与参数项目数对应阶数判断矩阵；

计算对应于同一矩阵最大特征值的最终矩阵的右特征向量的归一化分量，得到最终的权重指数。

4.根据权利要求3所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，在所述确定故障模式评估参数项，并基于层次分析法优化参数项权重分配之后，所述方法还包括：

采用一致性指标CI进行一致性检测，其中，

其中，λ_max为判断矩阵最大特征值，n为矩阵阶数；

当判断矩阵为完全一致矩阵时，CI＝0，λ_max＝n，其余特征根为零；

进行一致性比例I_R的检验：

I_R＝CI/RI

当I_R<0.1时，判断矩阵的一致性是接受，不一致率为0.1或以上的需要进一步调查；

其中，RI是n*n矩阵对应CI的平均随机值，能够通过依据设定的不同阶矩阵RI值查询确定。

5.根据权利要求4所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述基于优化的参数项权重分配，获取优化后的故障模式的风险优先数计算结果，具体计算方法如下：

其中，系数C为计算所得参数项的权重指数，n代表该目标系统故障模式总数,i则代表目标系统第i个故障模式。

6.根据权利要求5所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单，包括：

基于故障模式危害性矩阵图，结合不同故障模式点至原点的连线与水平轴的夹角，确定对应故障模式在同等风险优先数情况下，故障严重影响程度、故障频率和检测难度；

其中，所述夹角越大，表明对应故障模式在同等风险优先数情况下，故障严重影响程度越大，故障频率和检测难度越低。

7.根据权利要求6所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述绘制目标系统的故障模式危害性矩阵图，突出汇总各系统典型故障模式清单，还包括：

基于故障模式危害性矩阵图，结合不同故障模式垂足到原点的距离，衡量不同故障综合优先度；

其中，所述距离越大，表明对应故障模式的各项特征越均衡。

8.根据权利要求7所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述模糊评判方法的流程包括：

进行一级模糊评判，综合考虑多项参数的影响，采用加权平均建立评判模型：

其中，m为参数项编号；n为目标系统包含故障模式总数；W_1m为m参数项对应一级权重指标向量；R_1m为m参数项对应一级评判矩阵；

进行二级模糊评判，基于各参数项一级模糊评判结果，可得到二级评判矩阵：

由此进行二级模糊综合评判：

B₂＝W₂*R₂

其中，W₂为二级权重指标向量。

9.根据权利要求8所述的基于模糊层次分析方法的邮轮动力系统可靠性分析方法，其特征在于，所述结果进行清晰化，包括：

采用重心法对最终的评判结果进行清晰化，突出隶属度大的因素的作用，选用[μ(u_i)]²作为加权系数：

由于评判模型的评语集V_i(i＝1，2，…，m)并不一致，对评判等级重新定义,并进行重新赋值,将三组评语集统一，得到调整后的清晰化处理公式：

v_i＝i(i＝1，2，…，t)

其中，t为统一后的评语集划分的等级数目。

Images