主权项 |
一种基于灰色理论的电池更换站安全评价方法,其特征在于:包括以下步骤,步骤一,定义电池更换站的机械系统和电气系统中存在n个共同评价对象;定义n个评价对象的理想行为序列为X<sub>0</sub>={x<sub>0</sub>(i)}|<sub>1×n</sub>,i=1,2,…,n其中,X<sub>0</sub>为评价对象理想值序列,x<sub>0</sub>(i)为第i个评价对象的理想值;步骤二,假定每个评价对象存在m个影响因素,m个影响因素比较序列为;<math><![CDATA[<mrow><msub><mi>X</mi><mi>j</mi></msub><mo>=</mo><mo>{</mo><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>}</mo><msub><mo>|</mo><mrow><mn>1</mn><mo>×</mo><mi>n</mi></mrow></msub><mo>,</mo><mtable><mtr><mtd><mrow><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>m</mi></mrow></mtd></mtr><mtr><mtd><mrow><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>n</mi></mrow></mtd></mtr></mtable></mrow>]]></math><img file="FDA0000845090950000011.GIF" wi="764" he="167" /></maths>式中,X<sub>j</sub>为影响因素比较序列,x<sub>j</sub>(i)为第i个评价对象的第j个影响因素;步骤三,对评价对象影响因素进行无量纲化处理;<math><![CDATA[<mrow><msubsup><mi>x</mi><mi>j</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow><mrow><msubsup><mi>x</mi><mi>j</mi><mo>*</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></mfrac></mrow>]]></math><img file="FDA0000845090950000012.GIF" wi="324" he="187" /></maths>式中,x′<sub>j</sub>(i)为x<sub>j</sub>(i)的无量纲化,<img file="FDA0000845090950000013.GIF" wi="134" he="89" />为影响因素的理想值;步骤四,计算评价对象影响因素与理想值间的灰色关联度系数;<math><![CDATA[<mrow><mi>r</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>(</mo><mi>i</mi><mo>)</mo><mo>,</mo><msub><mi>x</mi><mi>j</mi></msub><mo>(</mo><mi>i</mi><mo>)</mo><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><mi>i</mi></munder><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><mi>j</mi></munder><mo>|</mo><msubsup><mi>x</mi><mn>0</mn><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mi>x</mi><mi>j</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>|</mo><mo>+</mo><mi>ρ</mi><munder><mi>max</mi><mi>i</mi></munder><munder><mi>max</mi><mi>j</mi></munder><mo>|</mo><msubsup><mi>x</mi><mn>0</mn><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mi>x</mi><mi>j</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>|</mo></mrow><mrow><mo>|</mo><msubsup><mi>x</mi><mn>0</mn><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mi>x</mi><mi>j</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>|</mo><mo>+</mo><mi>ρ</mi><munder><mi>max</mi><mi>i</mi></munder><munder><mi>max</mi><mi>j</mi></munder><mo>|</mo><msubsup><mi>x</mi><mn>0</mn><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mi>x</mi><mi>j</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>|</mo></mrow></mfrac></mrow>]]></math><img file="FDA0000845090950000014.GIF" wi="1581" he="246" /></maths>式中,r(x<sub>0</sub>(i),x<sub>j</sub>(i))为x<sub>j</sub>(i)与x<sub>0</sub>(i)间的灰色关联度系数,ρ∈(0,1)为分辨率系数,x<sub>0</sub>′(i)为x<sub>0</sub>(i)的无量纲化;步骤五,计算灰色关联度加权系数概率分布值;<math><![CDATA[<mrow><msub><mi>y</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>ω</mi><mi>i</mi></msub><mi>r</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>)</mo></mrow><mrow><mi>r</mi><mrow><mo>(</mo><msub><mi>X</mi><mn>0</mn></msub><mo>,</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></mfrac></mrow>]]></math><img file="FDA0000845090950000015.GIF" wi="589" he="190" /></maths>式中,y<sub>j</sub>(i)为灰色关联度加权系数概率分布值,且满足<img file="FDA0000845090950000021.GIF" wi="327" he="153" />ω<sub>i</sub>为第i个评价对象关联系数权重,r(X<sub>0</sub>,X<sub>j</sub>)为系统评价对象间灰色关联度;<math><![CDATA[<mrow><mi>r</mi><mrow><mo>(</mo><msub><mi>X</mi><mn>0</mn></msub><mo>,</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>ω</mi><mi>i</mi></msub><mi>r</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>(</mo><mi>i</mi><mo>)</mo><mo>,</mo><msub><mi>x</mi><mi>j</mi></msub><mo>(</mo><mi>i</mi><mo>)</mo><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000845090950000022.GIF" wi="797" he="159" /></maths>步骤六,构造有限离散序列Y(i)={y<sub>j</sub>(i)}|<sub>1×n</sub>;步骤七,计算Y(i)的灰熵;<math><![CDATA[<mrow><mi>H</mi><mrow><mo>(</mo><mi>Y</mi><mo>(</mo><mi>i</mi><mo>)</mo><mo>)</mo></mrow><mo>=</mo><mo>-</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>ω</mi><mi>i</mi></msub><msub><mi>y</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>·</mo><msub><mi>lny</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000845090950000023.GIF" wi="774" he="159" /></maths>式中,H(Y(i))为Y(i)的灰熵;则灰熵的极大值H<sub>m</sub>为,H<sub>m</sub>=lnm;步骤八,根据灰熵和熵极大值,给出均衡度函数;B(i)=H(Y(i))/H<sub>m</sub>其中,B(i)为Y(i)的衡度函数,B(i)值越大,Y(i)越均衡;步骤九,根据均衡度函数构造评价对象的权重序列;<math><![CDATA[<mrow><mi>W</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mn>1</mn><mo>-</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>B</mi><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>)</mo></mrow></mfrac></mrow>]]></math><img file="FDA0000845090950000024.GIF" wi="502" he="245" /></maths>式中,W(i)为第i个评价对象的权重序列,W(i)值越大,表示评价对象越接近理想对象,该评价对象越安全。 |