一种适用于新型复杂机电系统的可靠性预计方法
专利汇可以提供一种适用于新型复杂机电系统的可靠性预计方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种适用于新型复杂 机电系统 的可靠性预计方法，首先采集新型复杂机电系统的相似机电系统的故障数据，统计平均故障间隔时间，得出故障率，其次统计新型复杂机电系统的可靠性主要影响因素和具体评价指标，建立系统可靠性修正因子综合评价层次模型，然后确定各可靠性影响因素的权重，确定相似机电系统的可靠性修正因子，最后对新型复杂机电系统可靠性预计。本发明可以对新型复杂机电系统进行可靠性预计，更科学、合理地找出系统的薄弱环节，为系统的设计定型和批量生产把好关，从而提高系统的 质量 和可靠性。，下面是一种适用于新型复杂机电系统的可靠性预计方法专利的具体信息内容。
1.一种适用于新型复杂机电系统的可靠性预计方法，其特征在于，包括以下步骤：
S1、采集新型复杂机电系统的相似机电系统的故障数据，统计其平均故障间隔时间，并根据平均故障间隔时间得到故障率；
S2、统计新型复杂机电系统的可靠性影响因素和具体评价指标，建立系统可靠性修正因子综合评价层次模型；
S3、采用区间层次分析法和相似比较法确定系统可靠性修正因子综合评价层次模型中各可靠性影响因素的权重和差异程度，并根据各可靠性影响因素的权重和差异程度计算得到相似机电系统的可靠性修正因子；
S4、根据相似机电系统的故障率和可靠性修正因子，计算得到新型复杂机电系统的预计故障率，并通过预计故障率对新型复杂机电系统的可靠性进行预计。
2.根据权利要求1所述的可靠性预计方法，其特征在于，所述步骤S1包括以下分步骤：
S11、根据新型复杂机电系统的结构、功能特点，选取m台相似机电系统，并统计每台相似机电系统的平均故障间隔时间；
S12、对统计的平均故障间隔时间进行频率直方图分析，得到概率密度函数的趋势，并按照频率直方图分组方法，绘制累积分布函数趋势图；
S13、结合频率直方图与累积分布函数趋势图，选取故障数据分布模型；
S14、根据故障数据分布模型计算出各台相似机电系统的故障率λj，其中1≤j≤m。
3.根据权利要求2所述的可靠性预计方法，其特征在于，所述步骤S2具体为：
统计新型复杂机电系统的可靠性影响因素和具体评价指标，将可靠性修正因子作为目标层，将可靠性影响因素作为目标层下的类因素，建立准则层；将各个具体评价指标作为每个类因素下的子因素，建立指标层，从而构建系统可靠性修正因子综合评价层次模型。
4.根据权利要求3所述的可靠性预计方法，其特征在于，所述步骤S3包括以下分步骤：
S31、采用区间层次分析法确定准则层中每个类因素的权重向量
S32、采用区间层次分析法确定指标层中每个子因素的权重向量
S33、根据每个子因素的权重向量 得到每个子因素的差异程度
S34、根据每个子因素的权重向量 和差异程度 计算得到每个类因素的差异程度S35、根据每个类因素的权重向量 和差异程度 计算得到相似机电系统的可靠性修正因子Wj。
5.根据权利要求4所述的可靠性预计方法，其特征在于，所述步骤S31具体为：
构建准则层中各个类因素对目标层的比较判断矩阵 其中
表示第k个类因素与第l个类因素相对于目标层的权重比，取值为1～9范围- - + +
内的区间数或其倒数，1≤k≤n,1≤l≤n，n为类因素的个数，A＝(akl)n×n，A ＝(akl)n×n，akl-,akl+表示 区间数的最小值和最大值；
采用区间特征向量法分别求取A-、A+的权重向量，记为x-、x+，并由公式(1)计算得到每个类因素的权重向量
其中α,β为权重向量中间参数，且
所述步骤S32具体为：
构建指标层中各个子因素对准则层所属类因素的比较判断矩阵
其中 表示第k个类因素下第v个子因素与第w个子因素相对于第k个类因素的权重比，取值为1～9范围内的区间数或其倒数，1≤v≤N,1≤w≤N，N为第k个类因素下子因素的个数，Ak-＝(avw-)N×N，Ak+＝(avw+)N×N，avw-,avw+表示 区间数的最小值和最大值；
采用区间特征向量法分别求取Ak-、Ak+的权重向量，记为xk-、xk+，并由公式(2)计算得到每个类因素的权重向量
其中 表示第k个类因素下第v个子因素的权重，αk,βk为权重向量中间参数，且
6.根据权利要求5所述的可靠性预计方法，其特征在于，所述步骤S31中 的取值确定方法为：
取值为1时，表示第k个类因素与第l个类因素同等重要；
取值为3时，表示第k个类因素比第l个类因素略重要；
取值为5时，表示第k个类因素比第l个类因素较重要；
取值为7时，表示第k个类因素比第l个类因素非常重要；
取值为9时，表示第k个类因素比第l个类因素绝对重要；
取值为2,4,6,8时，表示第k个类因素与第l个类因素相比处于1,3,5,7,9取值的中间状态；
所述步骤S32中 的取值确定方法为：
取值为1时，表示第v个子因素与第w个子因素同等重要；
取值为3时，表示第v个子因素比第w个子因素略重要；
取值为5时，表示第v个子因素比第w个子因素较重要；
取值为7时，表示第v个子因素比第w个子因素非常重要；
取值为9时，表示第v个子因素比第w个子因素绝对重要；
取值为2,4,6,8时，表示第v个子因素与第w个子因素相比处于1,3,5,7,9取值的中间状态。
7.根据权利要求4所述的可靠性预计方法，其特征在于，所述步骤S33具体为：
对比指标层的每一个子因素，根据新型复杂机电系统与相似机电系统的差异程度，选取1-9范围的区间数或其倒数对第k个类因素下第v个子因素的差异程度 进行赋值，具体方法为：
若新型复杂机电系统相比于相似系统的改变导致可靠性水平提高，则根据可靠性水平提高的程度取1～9范围内相应的区间数；若改变后导致可靠性水平降低，则根据互反性取相应区间数的倒数。
8.根据权利要求4所述的可靠性预计方法，其特征在于，所述步骤S34中类因素的差异程度 的计算公式为：
其中 表示第k个类因素的差异程度。
9.根据权利要求4所述的可靠性预计方法，其特征在于，所述步骤S35中相似机电系统的可靠性修正因子Wj的计算方法为：
根据每个类因素的权重向量 和差异程度 得到第j个相似机电系统的可靠性修正因子 为：
再将可靠性修正因子 模糊化，模糊化公式为：
其中Wj表示模糊化后第j个相似机电系统的可靠性修正因子， 均为模糊化因子且 Wj+和Wj-分别表示 区间数的最大值
和最小值，α0为权值，且0≤α0≤1。
10.根据权利要求4所述的可靠性预计方法，其特征在于，所述步骤S4中新型复杂机电系统的预计故障率 的计算公式为：
其中λj表示第j个相似机电系统的故障率，Wj表示模糊化后第j个相似机电系统的可靠性修正因子。
一种适用于新型复杂机电系统的可靠性预计方法
技术领域
背景技术
发明内容
围内的区间数或其倒数，1≤k≤n,1≤l≤n，n为类因素的个数，A-＝(akl-)n×n，A+＝(akl+)n×n，akl-,akl+表示 区间数的最小值和最大值。
的权重比，取值为1～9范围内的区间数或其倒数，1≤v≤N,1≤w≤N，N为第k个类因素下子因素的个数，Ak-＝(avw-)N×N，Ak+＝(avw+)N×N，avw-,avw+表示 区间数的最小值和最大值。
具体实施方式
故障率λj/h-1 1.470×10-4 1.234×10-4 1.699×10-4 1.388×10-4
围内的区间数或其倒数，1≤k≤n,1≤l≤n，n为类因素的个数，本发明实施例中n＝5，A-＝- + + - +
(akl)n×n，A＝(akl)n×n，akl ,akl表示 区间数的最小值和最大值。
U1 [1.0,1.0] [0.2,0.6] [0.15,0.5] [0.5,0.9] [0.3,0.7]
U2 [1.0,1.0] [0.6,1.0] [1.3,2.1] [0.9,1.6]
U3 [1.0,1.0] [1.7,2.3] [1.2,1.8]
U4 [1.0,1.0] [0.5,1.0]
U5 [1.0,1.0]
的权重比，取值为1～9范围内的区间数或其倒数；1≤v≤N,1≤w≤N，N为第k个类因素下子因素的个数；Ak-＝(avw-)N×N，Ak+＝(avw+)N×N；本发明实施例中，若选取第1个类因素(组成结构)，则N＝5；若选取其他类因素，则N＝3，avw-,avw+表示 区间数的最小值和最大值。
差异程度 [0.8,1.0] [1.3,1.5] [1.2,1.6] [0.5,0.8] [0.9,1.1]
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于循环神经网络的地表异常现象遥感监测方法、装置 | 2020-05-11 | 796 |
| 基于随机抽样一致性的感知数据错误化攻击检测方法 | 2020-05-11 | 821 |
| 应用于信道模拟器平台的实现Doppler谱生成处理的方法 | 2020-05-12 | 492 |
| 改善未授权的频谱中的CCA空闲 | 2020-05-14 | 718 |
| 一种基于邮件数据分析的异常用户识别方法 | 2020-05-11 | 789 |
| 缺陷预测 | 2020-05-14 | 114 |
| 一种社会感知的基于多跳机会式D2D通信的内容分发方法 | 2020-05-14 | 393 |
| 一种基于多元联合分布的水资源系统多重风险评估方法 | 2020-05-08 | 729 |
| 一种宏用户位置确定方法、微基站群及宏基站 | 2020-05-13 | 526 |
| 一种基于PCA-Copula理论考虑风电相关性的电力系统经济调度方法 | 2020-05-13 | 919 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
-
7 爆发分析
