一种基于多层网络模型的复杂机械设备风险评估方法

技术领域

本发明属于机械设备风险评估领域，特别涉及一种基于多层网络模型的复杂机械设备风险评估方法。

背景技术

在复杂机械设备的服役过程中，局部零部件的性能退化或故障会导致系统功能受到影响，使得整个系统处于风险运行状态。这种风险如果未能进行合理评估与应对，将极有可能引起严重安全事故，并导致人员伤亡与财物经济损失。因此，对复杂机械产品的运行风险进行精准评估，可以为产品的运行维护提供重要的参考，具有重要的工程应用价值。

通常，复杂机械产品具有一定的功能层级结构，从风险的角度，风险由最底层的功能模块逐级传递给上一级的功能模块，最终影响整个产品的安全性能。因此，基于层级化的思想，自下而上地对机械产品的风险进行分析，符合产品风险产生的本质。利用层级化方法对复杂机械产品进行风险评估时，需要解决两个关键问题：首先，采用何种方式实现设备的层次化建模；其次，不同功能模块在风险评估过程中的重要性如何体现。这两个问题相互关联，不能割裂处理，前者是后者的基础。

复杂网络是一种用于探索复杂系统中个体或子系统之间连接关系的理论，在生物学、物理学、社会学等领域得到广泛关注与应用，其在复杂系统建模和节点重要度评估方面具有优势，可以为解决以上问题提供了理论支撑。一方面，通过复杂网络对机械产品进行形式化描述，为复杂机械产品的层级化建模提供支撑；另一方面，可以结合节点重要度评估的思想对各个功能模块的重要度进行评价，为功能模块风险权重的计算提供参考。

发明内容

为了解决上述已有技术存在的不足，本发明基于复杂网络建模与分析方法，并结合层次分析风险评估原理，提出了一种基于多层网络模型的复杂机械设备风险评估新方法。

本发明包括以下步骤：

S1：根据机械设备特性，对机械设备进行层级结构划分，得到不同粒度的功能模块；

S2：将机械设备中的零件映射为网络节点，将零件之间的关联关系和关联强度映射为网络边和边权，构建零件级加权网络模型；

S3：根据层级结构划分得到的功能模块和零件级加权网络模型，自下而上构建多层网络模型；

S4：根据层次分析理论与多层网络模型的对应关系，将多层网络模型中的节点视为风险节点，建立风险评估层次体系；

S5：针对多层网络模型中的每层网络，计算每个风险节点的度中心性指标，得到风险节点的相对重要度，基于此构建判断矩阵，进而获取风险节点权重向量；

S6：利用模糊评价方法，对零件级加权网络模型的节点风险程度进行定量评估，进而构建风险评价矩阵；

S7：根据零件级加权网络模型的风险信息，通过层级递推，逐步得到上一级网络风险信息，最终得到机械设备的风险等级。

进一步地，步骤S1中所定义的机械设备层级结构需要根据机械设备特性进行按需划分，得到一个p层结构。定义每一层的功能模块粒度大小相同。零件为最小粒度的功能模块，位于层次结构的最底层，由下至上功能粒度逐渐增大；机械设备本体为最大粒度的功能模块，位于层次结构最高层。

进一步地，所述步骤S2中根据零件的物理关联关系和关联强度构建零件级加权网络模型，记为Net

进一步地，所述步骤S3中的多层网络模型需要从零件级加权网络出发，逐步得到上一级的网络模型(Net

进一步地，所述步骤S4中根据层次分析法风险评估原理，将多层网络模型中的节点视为风险节点，对应层次分析法中风险因素，由此建立基于多层网络的风险评估层次体系。

进一步地，所述步骤S5中计算节点度中心性指标，具体计算公式如下：

其中k

其中，矩阵元素a

将其最大特征值对应的特征向量x元素依次根据式(3)归一化，得到第p层网络中风险节点的权重向量W

进一步地，所述步骤S6中的基于模糊评价的节点风险程度评估步骤包括：首先，根据风险节点的安全状况建立包含5个等级的评价集U＝{U

进一步地，所述步骤S7中在产品的风险评估层次体系上，建立了多级模糊综合评价模型，其数学表达式如下：

B'＝W

其中，W

F＝S·u

其中，u代表评价集U对应的评价分数向量。

本发明的有益效果在于：利用多层网络模型对复杂机械设备进行层次化建模，能够对不同粒度功能模块之间的关联关系进行形式化描述；利用网络节点重要度评估方法，实现了风险权重的自动计算，提高了风险评估的智能化水平；采用层级化思想分析风险的传递规律，能够由下而上得到不同粒度功能模块的风险程度，能够满足实际工程中风险评估的多样化需求。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点。其中：

图1为本发明的原理整体流程示意图；

图2为本发明的复杂机械设备风险评估层次体系；

图3为本发明的曳引式垂直电梯风险评估层次体系；

图4为本发明的模糊综合层级递推风险评估过程示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施。因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示，本发明提供了一种复杂机械设备的风险评估方法，包括：复杂机械设备层级结构划分、零件级加权网络模型构建、多层网络模型构建、风险评估层次体系构建、风险节点权重向量计算、风险评价矩阵获取、风险层级递推评估等核心内容。其中，复杂机械设备风险评估层次体系如图2所示。为了方便理解本发明的上述技术方案，以下通过具体实施例对本发明的上述技术方案进行详细说明。该具体实施例以某曳引式垂直电梯(以下简称电梯)为对象。

本实施例包括以下步骤：

S1：根据电梯结构特点，将电梯进行层次划分，得到4层结构，即：零件层、细粒度功能模块层、粗粒度功能模块层和设备本体层；对电梯进行层次划分还可以结合电梯设计专家经验。

S2：将电梯的零件映射为网络节点，将零件之间的关联关系和关联强度映射为网络边和边权，构建零件级加权网络模型，记为Net

S3：从零件级加权网络模型出发，逐步得到上一级的网络模型，即细粒度功能模块网络(Net

S4：根据层次分析法风险评估原理，将电梯多层网络模型中的节点视为风险节点，对应层次分析法中风险因素，由此建立基于电梯多层网络的风险评估层次体系，如图3。其中，Ⅰ级风险评估网络(Elevator-Net)、Ⅱ级风险评估网络(CM

S5：计算Ⅲ级风险节点的度中心性来衡量节点重要性，然后构建判断矩阵，并得到节点权重向量。由于Ⅲ级风险节点数量庞大，限于篇幅，对其权重向量结果不予展示。

S6：对Ⅲ级风险层中的所有节点(零件)进行风险评估，得到风险评价矩阵。首先，根据风险节点的安全状况建立包含5个等级的评价集U＝{U

表1风险节点安全状况评价集

其次，构建评价向量B＝[b

S7：建立多级模糊评价模型，如图4所示。其中，R代表风险评价矩阵，W代表风险节点权重向量。根据Ⅲ级风险层得到的权重向量和风险评价矩阵，通过层级递推的方式获取Ⅱ级风险层的评价结果，进而获取Ⅰ级风险层的评价结果。表2给出了I级风险节点的评价向量和权重向量。

表2Ⅰ级风险节点风险评价向量和权重向量

根据表2风险评价向量和权重向量，可以计算得到电梯的风险综合评价结果S＝[0.21164,0.20547,0.19598,0.19319,0.19369]，对S进行量化，得到最终的电梯风险值F为60.96。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。