本發(fā)明涉及可靠性分析的，特別涉及一種基于雙層猶豫三角模糊語義集和模糊exp-todim的改進(jìn)fmea方法。

背景技術(shù)：

1、失效模式及影響分析(failure?modes?and?effect?analysis，fmea)是一種前瞻性的、系統(tǒng)的可靠性分析和安全性評估技術(shù)，可用于識別系統(tǒng)、產(chǎn)品、過程和服務(wù)等各個(gè)方面中潛在的技術(shù)風(fēng)險(xiǎn)，評價(jià)不同失效模式所產(chǎn)生的影響，幫助系統(tǒng)提高安全性和可靠性。自fmea被美國空軍正式采用以來，已被廣泛運(yùn)用在航天航空、機(jī)械制造、醫(yī)療行業(yè)、核工業(yè)等領(lǐng)域。

2、傳統(tǒng)fmea的實(shí)施步驟一般為：(1)專家(一般是工程師或其他有關(guān)人員)根據(jù)其對產(chǎn)品和過程的專業(yè)知識和經(jīng)驗(yàn)，列出潛在的失效模式及其潛在影響和潛在原因。(2)fmea有三個(gè)風(fēng)險(xiǎn)因子，分別是嚴(yán)重度(severity，s)、發(fā)生度(occurrence，o)、檢測度(detection，d)，行業(yè)專家在每一個(gè)失效模式下分別對這三個(gè)風(fēng)險(xiǎn)因子進(jìn)行等級評價(jià)。(3)計(jì)算風(fēng)險(xiǎn)優(yōu)先指數(shù)(risk?priority?number，rpn)，并根據(jù)rpn值對失效模式進(jìn)行排序。(4)管理者根據(jù)排序結(jié)果提出改進(jìn)方案或糾正措施。然而，在實(shí)踐應(yīng)用中，傳統(tǒng)fmea仍然存在明顯的不足，如：(1)發(fā)生度、嚴(yán)重度和檢測度之間的相對重要性沒有體現(xiàn)；(2)rpn公式的合理性存在質(zhì)疑，僅靠rpn數(shù)值難以對風(fēng)險(xiǎn)作出準(zhǔn)確的評估；(3)現(xiàn)實(shí)中專家難以將其評價(jià)準(zhǔn)確地量化為一個(gè)精確值。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的不足之處，本發(fā)明的目的是提供一種基于雙層猶豫三角模糊語義集和模糊exp-todim的改進(jìn)fmea方法，通過ims系統(tǒng)可靠性與風(fēng)險(xiǎn)評價(jià)分析，確定了ims系統(tǒng)各失效模式的風(fēng)險(xiǎn)嚴(yán)重程度，驗(yàn)證了改進(jìn)fmea方法的有效性與適用性。為了實(shí)現(xiàn)根據(jù)本發(fā)明的上述目的和其他優(yōu)點(diǎn)，提供了一種基于雙層猶豫三角模糊語義集和模糊exp-todim的改進(jìn)fmea方法，包括：

2、s1、組建fmea團(tuán)隊(duì)，分析對象的運(yùn)作過程；

3、s2、確定分析對象的n條潛在失效模式，構(gòu)建失效模式集合；

4、s3、將傳統(tǒng)fmea方法中的風(fēng)險(xiǎn)因子進(jìn)行改進(jìn)，分別為嚴(yán)重度、發(fā)生度、檢測度、修復(fù)度和經(jīng)濟(jì)度；

5、s4、建立雙層猶豫三角模糊語義集，包括將雙層猶豫三角模糊語言元與評價(jià)語言一一對應(yīng)，根據(jù)雙層猶豫三角模糊語義集構(gòu)建相應(yīng)評價(jià)標(biāo)準(zhǔn)及根據(jù)語言變量對應(yīng)的雙層猶豫三角模糊語言元，將專家打分表轉(zhuǎn)化為l位專家的打分矩陣；

6、s5、通過基于社交網(wǎng)絡(luò)信任度和模糊偏好關(guān)系一致性的共識決策算法獲得專家權(quán)重；

7、s6、根據(jù)專家權(quán)重將專家們的打分矩陣加權(quán)平均，得到模糊失效模式評價(jià)矩陣；

8、s7、通過將模糊失效模式評價(jià)矩陣分兩步去模糊化，分別得到半模糊失效模式評價(jià)矩陣及明確失效模式評價(jià)矩陣；

9、s8、對明確失效模式評價(jià)矩陣使用merec(method?based?on?the?removaleffects?of?criteria)方法，得到風(fēng)險(xiǎn)因子權(quán)重；

10、s9、對半模糊失效模式評價(jià)矩陣使用基于廣義混合豪斯多夫偏好距離的模糊exp-todim方法對失效模式進(jìn)行排序，相關(guān)人員依據(jù)排序制定相應(yīng)的預(yù)防與應(yīng)對措施。

11、優(yōu)選的，步驟4中雙層猶豫三角模糊語義集的建立包括以下步驟：

12、s41、定義雙層語言術(shù)語集；

13、s42、定義雙層猶豫模糊語言術(shù)語集；

14、s43、定義三角模糊數(shù)，模糊數(shù)可由(al，am，au)決定(0≤al≤am≤au≤1)，且隸屬函數(shù)(或特征函數(shù))為：

15、

16、則稱為三角模糊數(shù)；記其中al是最保守或悲觀的估計(jì)值，am是最可能的估計(jì)值，au是最樂觀的評價(jià)值；

17、s44、定義雙層猶豫三角模糊語言術(shù)語集。

18、優(yōu)選的，步驟s41中包括設(shè)s＝{st|t＝--τ，…，-1，0，1，…，τ}和是兩個(gè)有限的、完全有序的離散語言術(shù)語集，s和o分別是第一層和第二層語言術(shù)語集且相互獨(dú)立，則雙層語言術(shù)語集其中是雙層語言術(shù)語，st表示第一層語言，ok表示第二層語言；

19、優(yōu)選的，步驟s42中包括設(shè)x是一個(gè)非空集合，基于雙層語言術(shù)語集so的雙層猶豫模糊語言術(shù)語集其中，

20、

21、

22、表示so中一列連續(xù)的可能取值，體現(xiàn)元素xi屬于so的隸屬度，記為雙層猶豫模糊語言元，li表示中語言術(shù)語的數(shù)量；φ×ψ表示雙層猶豫模糊語言元素的集合；

23、優(yōu)選的，步驟s44中包括設(shè)x是一個(gè)非空集合，為一個(gè)雙層語言術(shù)語集，則so上的雙層猶豫三角模糊語言術(shù)語集表示為：其中，為三元集合：其中集合中的三個(gè)元素皆屬于so，分別表示xi在最悲觀、最有可能和最樂觀三種情況下的術(shù)語，記為雙層猶豫三角模糊語言元，t(φ×ψ)表示雙層猶豫三角模糊語言元素的集合；

24、優(yōu)選的，步驟4中基于雙層猶豫三角模糊語義集的評價(jià)標(biāo)準(zhǔn)構(gòu)建過程如下：

25、s45、給出打分樣例及意義說明：每個(gè)失效模式下，對單個(gè)風(fēng)險(xiǎn)因子的打分樣例為：

26、[(x1，y1)，(x2，y2)，(x3，y3)]

27、對單個(gè)風(fēng)險(xiǎn)因子的打分分為三個(gè)部分：

28、第一個(gè)部分：(x1，y1)，表示最低評級，即極大型指標(biāo)的最小評級或極小型指標(biāo)的最大評級，

29、第二個(gè)部分：(x2，y2)，表示最可能的評級，

30、第三個(gè)部分：(x3，y3)，表示最高評級，即極大型指標(biāo)的最大評級或極小型指標(biāo)的最小評級；

31、s46、給出打分中每個(gè)部分的說明：(xi，yi)為對風(fēng)險(xiǎn)因子的雙層描述，將一個(gè)精確的數(shù)值分為“整數(shù)部分(xi)”和“小數(shù)部分(yi)”兩層，xi+yi為切實(shí)的評價(jià)標(biāo)準(zhǔn)；

32、xi為第一層，整數(shù)部分，取值范圍為{-2，-1，0，1，2}，分別代表{非常低(vl)，低(l)，中等(m)，高(h)，非常高(vh)}；

33、yi為第二層，小數(shù)部分，作為對xi的補(bǔ)充(形容)，取值范圍為分別代表{再低很多，再低一點(diǎn)，完全符合，再高一點(diǎn)，再高很多}；

34、s47、給出補(bǔ)充說明：xi+yi為切實(shí)的評價(jià)標(biāo)準(zhǔn)，打分時(shí)仍保留(xi，yi)形式；其次，xi+yi的取值范圍為[-2，2]，當(dāng)xi＝2(xi＝-2)時(shí)，yi只能取非正數(shù)(非負(fù)數(shù))；最后，評價(jià)標(biāo)準(zhǔn)中，xi對應(yīng)于雙層猶豫三角模糊語言元中的φl，yi對應(yīng)于雙層猶豫三角模糊語言元中的由于則

35、優(yōu)選的，步驟7中模糊失效模式評價(jià)矩陣的去模糊化方法如下：

36、s71、對于每一個(gè)雙層猶豫三角模糊語言元中的元素使用雙層猶豫模糊語言元去模糊化方法，將雙層猶豫三角模糊語言元轉(zhuǎn)化為三角模糊數(shù)；

37、s72、通過k次冪的加權(quán)平均法對得到的三角模糊數(shù)進(jìn)行去模糊化，得到精確數(shù)。

38、優(yōu)選的，步驟9中基于廣義豪斯多夫偏好距離的模糊exp-todim方法包括以下步驟：

39、s91、使用線性標(biāo)準(zhǔn)化方法將半模糊失效模式評價(jià)矩陣標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化矩陣；

40、s92、第k個(gè)風(fēng)險(xiǎn)因子下，失效模式fmi與fmj對應(yīng)的雙層猶豫三角模糊語言元分別為：則aik與ajk之間的廣義豪斯多夫偏好距離為：

41、

42、其中取

43、s93、第k個(gè)風(fēng)險(xiǎn)因子下，失效模式fmi(i＝1，2，...，n)相對其余所有失效模式的指數(shù)前景函數(shù)值為

44、

45、其中j＝1，2…，n，j≠i；wk是第k個(gè)風(fēng)險(xiǎn)因子的權(quán)重；為aik與ajk之間的廣義豪斯多夫偏好距離；λ為調(diào)整增益和損耗效果的放大參數(shù)，確保損耗造成的影響大于增益；ρ用于表示單一評價(jià)差距對優(yōu)勢度的影響程度；

46、s94、計(jì)算失效模式fmi相對于其他所有失效模式的優(yōu)勢度

47、s95、計(jì)算失效模式fmi的整體優(yōu)勢度

48、s96、根據(jù)ξi值遞減的順序?qū)κＪ竭M(jìn)行排序。

49、本發(fā)明與現(xiàn)有技術(shù)相比，其有益效果是：采用雙層猶豫三角模糊語義集理論衍生出的評價(jià)標(biāo)準(zhǔn)對失效模式的各風(fēng)險(xiǎn)因子進(jìn)行打分，以解決風(fēng)險(xiǎn)因子評價(jià)難以量化的問題；其次使用merec方法處理打分矩陣，得到各風(fēng)險(xiǎn)因子的相對權(quán)重，以解決風(fēng)險(xiǎn)因子間相對重要性未被考慮的問題；最后使用基于廣義混合豪斯多夫偏好距離的exp-todim方法對失效模式進(jìn)行排序，進(jìn)而評估每個(gè)失效模式對系統(tǒng)的影響程度。