CN117669048A - 一种基于模糊综合评价模型的车辆可靠性增长速率评估方法 - Google Patents
一种基于模糊综合评价模型的车辆可靠性增长速率评估方法 Download PDFInfo
- Publication number
- CN117669048A CN117669048A CN202311685277.8A CN202311685277A CN117669048A CN 117669048 A CN117669048 A CN 117669048A CN 202311685277 A CN202311685277 A CN 202311685277A CN 117669048 A CN117669048 A CN 117669048A
- Authority
- CN
- China
- Prior art keywords
- growth rate
- judgment matrix
- reliability growth
- importance
- evaluation
- 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 26
- 238000013210 evaluation model Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 69
- 238000011156 evaluation Methods 0.000 claims description 33
- 238000011161 development Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 238000011002 quantification Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- 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)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，包括：获取车辆可靠性增长率层次模型；构建重要性判断矩阵；构建直接判断矩阵；确认直接判断矩阵的相容性；构建模糊综合评价模型，输出可靠性增长速率。本申请车辆可靠性增长速率评估方法，基本解决了可靠性增长速率的量化问题，避免了单一经验指标描述的缺点，能够使指标描述定量化，评估更符合实际，更加科学合理；增加重要性判断矩阵，通过该矩阵可以降低直接判断矩阵的主观影响，同时也可以在构建初期提升矩阵的相容性，提高通过的概率，节约时间成本。
Description
技术领域
本发明涉及商用车可靠性增长试验技术领域，尤其涉及一种基于模糊综合评价模型的车辆可靠性增长速率评估方法。
背景技术
有计划地激发产品潜在设计缺陷、分析失效原因和纠正设计，并证明纠正措施有效性而进行地试验，称为可靠性增长试验。
在产品研制过程中，只要对暴露的系统性失效不断地进行纠正和改进，使之不再发生，那么累积失效率与累积试验时间的关系，可以用双对数坐标纸上的一条直线来近似描述，如图1所示，为基于Duane模型的增长曲线。
基于Duane模型的增长曲线由两部分组成：以第一个试验段的累积试验时间T0为界，0至T0段内，增长曲线为一段水平线，表示第一个试验段的平均可靠性水平，也就是可靠性增长的初始水平，增长的基点；T0之后，是稳定增长部分，可直接用Duane模型描述。
Duane模型的理论公式如下：
MDBFc＝MDBF0(T/T0)^α
在试验完成时，瞬时失效间隔里程MDBFi如下式：
MDBFi＝MDBFc/(1-α)＝MDBF0(T/T0)^α/(1-α)
式中：MDBF0为试验开始的平均故障间隔里程；MDBFc为试验时间内累计平均故障间隔里程；α为MDBF增长的斜率，即可靠性增长速率；T为既定的目标试验里程；T0为初始试验里程。
其中α的数值，只能根据企业的研发水平估计在0和0.6之间，增长速率并没有统一的规定标准，这种基于经验的方法没有系统考虑影响车辆可靠性增长的因素，其结果只是硬性的规定，难以保证试验的合理性与结果的科学性。
发明内容
为解决上述技术问题，本发明提供一种基于模糊综合评价模型的车辆可靠性增长速率评估方法。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
本发明采用如下技术方案：
提供一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，包括：获取车辆可靠性增长率层次模型；依据所述车辆可靠性增长率层次模型，构建重要性判断矩阵；基于所述重要性判断矩阵构建直接判断矩阵，并依据所述直接判断矩阵得到最大特征值；确认所述直接判断矩阵的相容性；构建模糊综合评价模型，输出可靠性增长速率。
进一步的，所述车辆可靠性增长率层次模型包括：目标层和基准层；所述目标层为可靠性增长速率；所述基准层由5个影响因素构成，分别为车辆复杂程度、技术水平、经费投入、研发时长需求、FEMA分析有效性。
进一步的，所述构建重要性判断矩阵的过程包括：获取基准层因素集合：JZYS＝{B1，B2，B3，B4，B5}，其中，B1为车辆复杂程度，B2为技术水平，B3为经费投入，B4为研发时长需求，B5为FEMA分析有效性；比较所述基准层因素集合中任意两个影响因素之间的重要度，记为bij，其中，i＝1,2...,n，j＝1,2...,n，n＝5；获取所述基准层因素集合中任一影响因素的重要度指数，记为ri，其中，i＝1,2...,n，j＝1,2...,n，n＝5。
进一步的，所述构建直接判断矩阵的过程包括：
对ri进行排序，取最大的重要度指数记为rmax，最小的重要度指数记为rmin；
在rmax对应的影响因素中选取一个记为Bmax，在rmin对应的影响因素中选取一个记为Bmin，并根据预设条件获取相对重要性bm；
按照下式将所述重要性判断矩阵转化为直接判断矩阵A：
上式中，
计算权重系数Wi，
将Wi归一化得出Woi，记向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)；
将A与向量Wo相乘，得到AWo，记AWo＝(AWo1,AWo2,AWo3,AWo4,AWo5)；
令λ1＝AWo1÷Wo1，λ2＝AWo2÷Wo2，λ3＝AWo3÷Wo3，λ4＝AWo4÷Wo4，λ5＝AWo5÷Wo5，以得到最大特征值候选值集合JH＝(λ1,λ2,λ3,λ4,λ5)，取JH中的最大数值记为最大特征值λmax。
进一步的，所述确认所述直接判断矩阵的相容性的过程包括：获取一般性指标CI，CI＝(λmax-5)/4，并判断是否满足CI＜0.1；若CI＜0.1，则判定所述直接判断矩阵具有可以接收的一致性；若CI≥0.1，则调整和修正所述重要性判断矩阵，直至满足CI＜0.1，使所述直接判断矩阵具有可以接收的一致性。
进一步的，所述构建模糊综合评价模型的过程包括：确定评价因素集V＝(v1，v2，v3，v4，v5)^T的取值范围；将所述评价因素集V的取值范围等分成5份，并分别分配在v1、v2、v3、v4、v5，其中，v1代表最高值，v5代表最低值；获取基准层评价结果集合R(Bi)，R(Bi)＝(ri1,ri2,ri3,ri4,ri5)，i＝1,2,3,...,6；将所述基准层评价结果集合R(Bi)输出为矩阵R，R＝(R(B1)，R(B2)，R(B3)，R(B4)，R(B5)，R(B6))^T。
进一步的，所述输出可靠性增长速率的过程包括：
将向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)与矩阵R相乘，并将相乘得到的结果再与所述评价因素集V相乘以得到最终结果数值，将所述最终结果数值作为可靠性增长速率输出。
本发明所带来的有益效果：
1.本申请依据模糊综合评价模型构建车辆可靠性增长速率评估方法，基本解决了可靠性增长速率的量化问题，避免了单一经验指标描述的缺点，能够使指标描述定量化，评估更符合实际，更加科学合理；
2.本发明增加重要性判断矩阵，通过该矩阵可以降低直接判断矩阵的主观影响，同时也可以在构建初期提升矩阵的相容性，提高通过的概率，节约时间成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。
图1为基于Duane模型的试验里程与失效间隔里程MDBF的关系图；
图2为本发明的流程示意图；
图3为车辆可靠性增长率层次模型图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
现有判断可靠性增长速率的方法依赖于经验判断，没有统一的规定标准，直接影响可靠性增长试验的制定。若增长率定的太高，会导致研发部门和试验部门难以接受，若增长率定的太低，则试验周期将会无故被拉长，浪费人力、物力和财力，同时又无法满足车辆的使用要求，影响可靠性的指标。本发明目的是提供一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，建立可靠性增长率评价体系，以更加科学有效的方法来确定可靠性增长速率。
如图2所示，在一些说明性的实施例中，提供一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，包括如下步骤：
S1：获取车辆可靠性增长率层次模型。
如图3所示，车辆可靠性增长率层次模型包括：目标层和基准层。目标层为可靠性增长速率；基准层由5个影响因素构成，分别为车辆复杂程度、技术水平、经费投入、研发时长需求、FEMA分析有效性。
将车辆复杂程度记为B1，技术水平记为B2，经费投入记为B3，研发时长需记为求B4，FEMA分析有效性记为B5。
S2：构建重要性判断矩阵。具体是依据车辆可靠性增长率层次模型，构建重要性判断矩阵，包括如下步骤：
获取5个影响因素进行相互比较时的评判尺度指标，分别为1、0、-1。以B1与B2进行比较时进行举例说明，若B1比B2重要记为1，B1与B2一样重要记为0，B1不如B2重要记为-1，其中，B1与自身比较时即为同等重要，记为0。
获取基准层因素集合：JZYS＝{B1，B2，B3，B4，B5}。
比较基准层因素集合中任意2个影响因素之间的重要度，记为bij，其中，i＝1,2...,n，j＝1,2...,n，n＝5。
获取基准层因素集合中任一影响因素的重要度指数，记为ri，其中，i＝1,2...,n，j＝1,2...,n，n＝5。
最终得到重要性判断矩阵，该重要性判断矩阵用表格进行表示时如下表：
| bij | B1 | B2 | B3 | B4 | B5 | ri |
| B1 | b11 | b12 | b13 | b14 | b15 | r1 |
| B2 | b21 | b22 | b23 | b24 | b25 | r2 |
| B3 | b31 | b32 | b33 | b34 | b35 | r3 |
| B4 | b41 | b42 | b43 | b44 | b45 | r4 |
| B5 | b51 | b52 | b53 | b54 | b55 | r5 |
下表为实际操作中其中一个具体案例的重要性判断矩阵表：
| bij | B1 | B2 | B3 | B4 | B5 | B6 | ri |
| B1 | 0 | 0 | -1 | -1 | -1 | -1 | -4 |
| B2 | 0 | 0 | -1 | -1 | -1 | -1 | -4 |
| B3 | 1 | 1 | 0 | -1 | -1 | -1 | -1 |
| B4 | 1 | 1 | 1 | 0 | 0 | 0 | 3 |
| B5 | 1 | 1 | 1 | 0 | 0 | 0 | 3 |
S3：构建直接判断矩阵。具体是基于重要性判断矩阵构建直接判断矩阵，并依据直接判断矩阵得到最大特征值，包括如下步骤：
首先，对ri进行排序，排序后取最大的重要度指数记为rmax，取最小的重要度指数记为rmin。
然后，在rmax对应的影响因素中选取一个记为Bmax，在rmin对应的影响因素中选取一个记为Bmin，并根据预设条件获取相对重要性bm。起哄，根据预设条件获取相对重要性bm是指，将基点按照1-9级判断尺度进行比较判断以得出相对重要性bm，1-9级判断尺度如下表：
由具体案例的重要性判断矩阵表可知，rmax为3，分别为r4和r5，对应B4、5B5；rmin为-4，分别为r1和r2，对应B1、B2；选取B5和B1并进行比较，取bm＝5。
然后，按照下式将重要性判断矩阵转化为直接判断矩阵A：
上式中，根据具体案例的重要性判断矩阵表转化出的直接判断矩阵采用表格进行表示时如下表：
| aij | A1 | A2 | A3 | A4 | A5 |
| A1 | 1.0000 | 1.0000 | 0.3684 | 0.2000 | 0.2000 |
| A2 | 1.0000 | 1.0000 | 0.3684 | 0.2000 | 0.2000 |
| A3 | 2.7143 | 2.7143 | 1.0000 | 0.3043 | 0.3043 |
| A4 | 5.0000 | 5.0000 | 3.2857 | 1.0000 | 1.0000 |
| A5 | 5.0000 | 5.0000 | 3.2857 | 1.0000 | 1.0000 |
然后，计算权重系数Wi，其中，i＝1，2...，n，j＝1，2...，n，n＝5；获取权重系数Wi后，将权重系数Wi归一化得出Woi，/>记向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)；将直接判断矩阵A与向量Wo相乘，得到AWo，记AWo＝(AWo1,AWo2,AWo3,AWo4,AWo5)。
令λ1＝AWo1÷Wo1，λ2＝AWo2÷Wo2，λ3＝AWo3÷Wo3，λ4＝AWo4÷Wo4，λ5＝AWo5÷Wo5，以得到最大特征值候选值集合JH＝(λ1,λ2,λ3,λ4,λ5)，取JH中的最大数值记为最大特征值λmax，以保证严格性。
S4：确认直接判断矩阵A的相容性，即判断A的相容性是否通过，若通过则进行S5，否则返回S2。
确认直接判断矩阵的相容性的过程包括：
依据最大特征值λmax获取一般性指标CI，CI＝(λmax-5)/4，并判断是否满足CI＜0.1；
若CI＜0.1，则判定直接判断矩阵A具有可以接收的一致性，即A的相容性通过；
若CI≥0.1，则判定直接判断矩阵A的相容性未通过，需返回S2，即调整和修正重要性判断矩阵，直至满足CI＜0.1，使直接判断矩阵A具有可以接收的一致性，即A的相容性通过。
在具体案例中，计算出的一般性指标CI＝(λmax-5)/4的结果为CI＝0.0269，CI＝0.0269＜0.1，则直接判断矩阵A具有可以接收的一致性，计算结果如下表：
上表中，w权重系数是指权重系数Wi；wo权重系数是指Woi；AW矩阵乘积是指，直接判断矩阵A与向量Wo相乘得到的AWo；AW/W是指最大特征值候选值集合JH＝(λ1,λ2,λ3,λ4,λ5)；λ最大特征值是指，最大特征值λmax。
S5：构建模糊综合评价模型，包括如下步骤：
首选，确定评价因素集V＝(v1，v2，v3，v4，v5)^T的取值范围。
评价因素集V的取值范围为，当企业有很好的排除故障的措施计划，对所有的故障进行预防管理时，V∈(0.4，0.6)；当企业有较好的排除故障的措施计划，对重要的故障进行预防管理时，V∈(0.3，0.4)；当企业对可靠性改进活动有日常的检查，只对重要的故障采取措施时，V∈(0.2，0.3)；当企业不太重视可靠性改进活动时，V∈(0，0.2)。
然后，将评价因素集V的取值范围等分成5份，并分别分配在v1、v2、v3、v4、v5，其中，v1代表最高值，v5代表最低值。在具体案例中，企业对可靠性改进活动有日常的检查，只对重要的故障采取措施时这种情形，即V∈(0.2，0.3)，V＝(0.2，0.225，0.25，0.275，0.3)^T。
然后，获取基准层评价结果集合R(Bi)，R(Bi)＝(ri1,ri2,ri3,ri4,ri5)，i＝1,2,3,...,6。下面以车辆复杂程度B1进行举例说明：对于车辆复杂程度B1，获取评价结果，该评价结果判定车辆复杂程度导致车辆从研发到量产可靠性增长率会提升v1的占百分之50，会提升v2的占百分之20，会提升v3的占百分之10，会提升v4的占百分之10，会提升v5的占百分之10，则得到车辆复杂程度B1的评价结果为R(B1)，R(B1)＝(0.5,0.2,0.1,0.1,0.1)。
最后，将基准层评价结果集合R(Bi)输出为矩阵R，R＝(R(B1)，R(B2)，R(B3)，R(B4)，R(B5)，R(B6))^T。
在具体案例中，矩阵R利用表格进行表示时如下表：
S6：输出可靠性增长速率。
将向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)与矩阵R相乘，并将相乘得到的结果再与评价因素集V相乘以得到最终结果数值，将最终结果数值作为可靠性增长速率输出。
在具体案例中，将向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)与矩阵R相乘，已知Wo＝(0.065,0.065,0.14,0.365,0.365)，得到结果Wo×R＝(0.3866,0.2213,0.1536,0.1622,0.07627).将Wo×R再与评价因素集V相乘，即Wo×R×V＝(0.3866,0.2213,0.1536,0.1622,0.0763)×(0.2,0.225,0.25,0.275,0.3)^T＝0.2721。
可靠性增加速率计算完成，其值为0.2721。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，包括：
获取车辆可靠性增长率层次模型；
依据所述车辆可靠性增长率层次模型，构建重要性判断矩阵；
基于所述重要性判断矩阵构建直接判断矩阵，并依据所述直接判断矩阵得到最大特征值；
确认所述直接判断矩阵的相容性；
构建模糊综合评价模型，输出可靠性增长速率。
2.根据权利要求1所述的一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，所述车辆可靠性增长率层次模型包括：目标层和基准层；所述目标层为可靠性增长速率；所述基准层由5个影响因素构成，分别为车辆复杂程度、技术水平、经费投入、研发时长需求、FEMA分析有效性。
3.根据权利要求2所述的一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，所述构建重要性判断矩阵的过程包括：
获取基准层因素集合：JZYS＝{B1，B2，B3，B4，B5}，其中，B1为车辆复杂程度，B2为技术水平，B3为经费投入，B4为研发时长需求，B5为FEMA分析有效性；
比较所述基准层因素集合中任意两个影响因素之间的重要度，记为bij，其中，i＝1,2...,n，j＝1,2...,n，n＝5；
获取所述基准层因素集合中任一影响因素的重要度指数，记为ri，其中，i＝1,2...,n，j＝1,2...,n，n＝5。
4.根据权利要求3所述的一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，所述构建直接判断矩阵的过程包括：
对ri进行排序，取最大的重要度指数记为rmax，最小的重要度指数记为rmin；
在rmax对应的影响因素中选取一个记为Bmax，在rmin对应的影响因素中选取一个记为Bmin，并根据预设条件获取相对重要性bm；
按照下式将所述重要性判断矩阵转化为直接判断矩阵A：
上式中，
计算权重系数Wi，
将Wi归一化得出Woi，记向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)；
将A与向量Wo相乘，得到AWo，记AWo＝(AWo1,AWo2,AWo3,AWo4,AWo5)；
令λ1＝AWo1÷Wo1，λ2＝AWo2÷Wo2，λ3＝AWo3÷Wo3，λ4＝AWo4÷Wo4，λ5＝AWo5÷Wo5，以得到最大特征值候选值集合JH＝(λ1,λ2,λ3,λ4,λ5)，取JH中的最大数值记为最大特征值λmax。
5.根据权利要求4所述的一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，所述确认所述直接判断矩阵的相容性的过程包括：
获取一般性指标CI，CI＝(λmax-5)/4，并判断是否满足CI＜0.1；
若CI＜0.1，则判定所述直接判断矩阵具有可以接收的一致性；
若CI≥0.1，则调整和修正所述重要性判断矩阵，直至满足CI＜0.1，使所述直接判断矩阵具有可以接收的一致性。
6.根据权利要求5所述的一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，所述构建模糊综合评价模型的过程包括：
确定评价因素集V＝(v1，v2，v3，v4，v5)^T的取值范围；
将所述评价因素集V的取值范围等分成5份，并分别分配在v1、v2、v3、v4、v5，其中，v1代表最高值，v5代表最低值；
获取基准层评价结果集合R(Bi)，R(Bi)＝(ri1,ri2,ri3,ri4,ri5)，i＝1,2,3,...,6；
将所述基准层评价结果集合R(Bi)输出为矩阵R，R＝(R(B1)，R(B2)，R(B3)，R(B4)，R(B5)，R(B6))^T。
7.根据权利要求6所述的一种基于模糊综合评价模型的车辆可靠性增长速率评估方法，其特征在于，所述输出可靠性增长速率的过程包括：将向量Wo＝(Wo1,Wo2,Wo3,Wo4,Wo5)与矩阵R相乘，并将相乘得到的结果再与所述评价因素集V相乘以得到最终结果数值，将所述最终结果数值作为可靠性增长速率输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311685277.8A CN117669048A (zh) | 2023-12-11 | 2023-12-11 | 一种基于模糊综合评价模型的车辆可靠性增长速率评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311685277.8A CN117669048A (zh) | 2023-12-11 | 2023-12-11 | 一种基于模糊综合评价模型的车辆可靠性增长速率评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117669048A true CN117669048A (zh) | 2024-03-08 |
Family
ID=90067832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311685277.8A Pending CN117669048A (zh) | 2023-12-11 | 2023-12-11 | 一种基于模糊综合评价模型的车辆可靠性增长速率评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117669048A (zh) |
-
2023
- 2023-12-11 CN CN202311685277.8A patent/CN117669048A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651089B (zh) | 生产调度问题的分布集鲁棒模型的建模及优化求解方法 | |
| CN109598435A (zh) | 一种配电网电缆运行状态评价方法及系统 | |
| CN105550938B (zh) | 县域耕地质量评价成果异常值检验方法 | |
| CN112990500A (zh) | 基于改进加权灰色关联分析的台区线损分析方法及系统 | |
| CN111985845B (zh) | 一种异构Spark集群的节点优先级调优方法 | |
| CN114978956A (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
| CN109599866B (zh) | 一种预测辅助的电力系统状态估计方法 | |
| CN114116828A (zh) | 多维网络指标的关联规则分析方法、设备和存储介质 | |
| CN110390563A (zh) | 用户价值的量化方法、装置、计算机设备和存储介质 | |
| CN117828371B (zh) | 一种综合运维平台的业务信息智能分析方法 | |
| CN115455359A (zh) | 小批量误差数据的自动校正与分布拟合方法 | |
| CN117669048A (zh) | 一种基于模糊综合评价模型的车辆可靠性增长速率评估方法 | |
| CN117587403A (zh) | 基于化学转化的铝合金模板表面处理方法及系统 | |
| CN117874429A (zh) | 一种互联电力系统边界数据正态修正与递归寻优方法 | |
| CN111598475A (zh) | 一种基于改进型灰色马尔可夫模型的电网风险预测方法 | |
| CN111125078A (zh) | 一种继电保护装置缺陷数据修正方法 | |
| CN112100867B (zh) | 电网负荷预测方法 | |
| CN116090612A (zh) | 一种基于Prophet模型的配电网线路峰值负荷预测方法 | |
| CN108664708A (zh) | 一种系统健康评估系统 | |
| CN112330046A (zh) | 基于多维灰色-神经网络混合协调的电力需求预测方法 | |
| CN109886495A (zh) | 基于灰色模型的电网投资预测方法 | |
| CN104037810B (zh) | 一种改进的风险评估发电-负荷功率调整方法 | |
| CN110798485A (zh) | 一种基于ahp的电力监控系统网络安全风险分析方法 | |
| CN111308977A (zh) | 暂降及短时中断严重度评估与治理的工业过程建模方法 | |
| CN111831701B (zh) | 可操作its系统构建方法、装置、计算机设备及存储介质 |
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 |