(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211012376.5 (22)申请日 2022.08.23 (66)本国优先权数据 202111346985.X 2021.1 1.15 CN (71)申请人 合肥工业大 学 地址 230002 安徽省合肥市包河区屯溪路 193号 (72)发明人 阮芙蓉　冯南平　黄挺　魏芬芬　 赵汝想　 (74)专利代理 机构 合肥初航知识产权代理事务 所(普通合伙) 34171 专利代理师 金娟娟 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/00(2012.01)G06F 17/16(2006.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 119/02(2020.01) (54)发明名称 基于综合PIS与权重的FMEA的复杂装备评估 方法 (57)摘要 本发明涉及复杂装备风险管 理技术领域， 具 体地说， 涉及基于综合PIS与权重的FMEA的复杂 装备评估方法。 其包括如下步骤： 步骤S1、 构建对 应的表达故障模式可能性的分布式语言偏好关 系矩阵 步骤S2、 获取每个分布式语言偏好关 系矩阵 的数值化偏好关系矩阵 步骤S3、 构 建表达专家偏好程度的分布式语言偏好关系矩 阵Dex， 和表达风险因子偏好程度的分布式语言 偏好关系矩阵Drf； 步骤S4、 获取分布式语言偏好 关系矩阵Dex的数值化偏好关系 矩阵Fex和分布式 语言偏好关系矩阵Drf的数值化偏好关系矩阵 Frf； 步骤S5、 构建的风险因子 的权重向量为 和 专家的权重向量为λ； 步骤S6、 获取每个故障模 式的分值S(FMi)并进行排序。 本发明增加了评估 结果的可靠性与可信性。 权利要求书4页 说明书12页 附图1页 CN 115293636 A 2022.11.04 CN 115293636 A 1.基于综合PIS与权重的FMEA的复杂 装备评估方法， 其在对复杂 装备进行故障预测时， 构建潜在的故障模式集合FM， FM＝{FMi|i＝1,2,3, …,n}； 构建风险因子集合RF， RF＝{RFj|j ＝1,2,3, …,h}； 以及 构建专家集合EX， EX＝{EXk|k＝1,2,3, …,m}； FMi表示第i个故障模式， RFj表示第j个风险因子， EXk表示第k个专家， n为故障模式的总数， h为风险因子的总数， m为 专家的总数， n、 h及m均为 正整数； 其包括如下步骤： 步骤S1、 每个专家基于每个风险因子， 均构建对应的表达故障模式可能性的分布式语 言偏好关系矩阵 表示专家EXk基于风险因子RFj所作出的分布式语言偏好关系矩阵； 步骤S2、 获取每 个分布式语言偏好关系矩阵 的数值化偏好关系矩阵 步骤S3、 构建表达专家偏好程度的分布式语言偏好关系矩阵Dex， 和表达风险因子偏好 程度的分布式语言偏好关系矩阵Drf； 步骤S4、 获取分布式语言偏好 关系矩阵Dex的数值化偏好关系矩阵Fex和分布式语言偏好 关系矩阵Drf的数值化偏好关系矩阵Frf； 步骤S5、 构建的风险因子的权 重向量为 和专家的权重向量为 λ； 步骤S6、 获取每个故障模式的分值S(FMi)并进行排序， 并以得分最高的故障模式作为所 预测的故障模式。 2.根据权利要求1所述的基于综合PIS与权重的FMEA的复杂装备评估方法， 其特征在 于： 步骤S1具体包括如下步骤， 步骤S11、 针对每个风险因子j均构建对应的风险因子语言术语集LTSj， LTSj＝{pt|t＝ 1,2,…,Tj}， LTSj表示第j个 风险因子的风险因子语言术语 集， pt表示第j个 风险因子的风险 因子语言术语集中的第t个 语言术语； 步骤S12、 每个专家EXk基于每个风险因子RFj的风险因子语言术语集LTSj， 分别构建相 应的分布式语言偏好关系矩阵 表示专家EXk基于风险因子RFj相 较 于 故 障 模 式 F Mx对 故 障 模 式 F Mi的 语 言 术 语 评 价 ， x ＝ 1 ,2 ,3 , …,n ； βt表示语言术语评价 中语言术语pt所占的概 率。 3.根据权利要求2所述的基于综合PIS与权重的FMEA的复杂装备评估方法， 其特征在 于： 步骤S2具体包括如下步骤， 步骤S21、 针对风险因子语言术语集LTSj构建每个专家对其中的语言术语的个性化语义 理解 表示专家EXk对风险因子语言术语集 LTSj中的语言术语的pt的个性化语义理解的数值； 步骤S22、 构建分布式语言偏好关 系矩阵 的数值化偏好关 系矩阵 步骤S23、 构建相应的个性化语义模型以确定 的数值进而获取数值化偏好关权　利　要　求　书 1/4 页 2 CN 115293636 A 2系矩阵 个性化语义模型为， 其中， 表示数值 化偏好关系矩阵 的一致性检验指标， ξ 为设定正数； 个性化语义模型中 ， 所构建的限制条件 和 能够较佳地保 证 数 值 化 偏 好 关 系 矩 阵 的 对 称 性 ， 所 构 建 的 限 制 条 件 能够较佳地保证数值化偏好关系矩阵 的有序性， 所构建的限制条件 能够较佳地保证数值化偏好关系矩阵 的语言术语分布的合 理性。 4.根据权利要求3所述的基于综合PIS与权重的FMEA的复杂装备评估方法， 其特征在 于： 步骤S3具体包括如下步骤， 步骤S31、 构建用于评价专家和风险因子偏好程度的权重语言术语集LTSw， LTSw＝{pω| ω＝1,2, …,W}， pω表示权重语言术语集 LTSw中的第ω个 语言术语； 步骤S32、 基于权重语言术语集LTSw分别构建表达专家偏好程度的分布式语言偏好 关系 矩阵Dex， 和表达风险因子偏好程度的分布式语言偏好关系矩阵Drf； Dex＝(dkv)m×m， v＝1,2, 3,…,m； dkv表示相较于专家v对专家k的语言术语评价， dkv＝{(pω, βω)|ω＝1,2, …,W}， βω 表示语言术语评价duv中语言术语pω所占的概率； Drf＝(djs)h×h， s＝1,2,3, …,h； djs表示相 较于风险因子s对风险因子j的语言术语评价， djs＝{(pω, βω)|ω＝1,2, …,W}， βω表示语言 术语评价drs中语言术语pω所占的概 率。 5.根据权利要求4所述的基于综合PIS与权重的FMEA的复杂装备评估方法， 其特征在 于： 步骤S4具体包括如下步骤， 步骤S41、 构建对权重语言术语集LTSw中的每个语言术语的个性化语义理解PNSw(pω)，权　利　要　求　书 2/4 页 3 CN 115293636 A 3