CN106709522B - 一种基于改进模糊三角数的高压电缆施工缺陷分级方法 - Google Patents

一种基于改进模糊三角数的高压电缆施工缺陷分级方法 Download PDF

Info

Publication number
CN106709522B
CN106709522B CN201611247484.5A CN201611247484A CN106709522B CN 106709522 B CN106709522 B CN 106709522B CN 201611247484 A CN201611247484 A CN 201611247484A CN 106709522 B CN106709522 B CN 106709522B
Authority
CN
China
Prior art keywords
fuzzy
defect
evaluation
experts
grading
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611247484.5A
Other languages
English (en)
Other versions
CN106709522A (zh
Inventor
龚庆武
杨安琪
乔卉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201611247484.5A priority Critical patent/CN106709522B/zh
Publication of CN106709522A publication Critical patent/CN106709522A/zh
Application granted granted Critical
Publication of CN106709522B publication Critical patent/CN106709522B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种高压电缆施工缺陷分级方法，尤其是涉及一种基于改进模糊三角数的高压电缆施工缺陷分级方法。在施工缺陷注入仿真培训***之前，根据本发明对每一种施工缺陷进行等级评估。在考虑专家经验的基础上加入了四种新的评价指标作为评价标准，以改进的模糊层次法为框架，通过综合三角模糊数整合了所有评估专家的共识，以确立评价指标的模糊权重，避免部分专家的独特见解被过滤，然后用重心法求解非模糊权重，来避免在缺陷等级评估中专家的主观性对评价指标的影响，通过专家的评分得到量化的施工缺陷数据，为企业决策者提供一个客观实用的分级方法，分级效果较理想，对学员培训难度的选择以有力的决策支持。

Description

一种基于改进模糊三角数的高压电缆施工缺陷分级方法
技术领域
本发明涉及电力***安全生产领域，尤其设计一种高压电缆施工缺陷分级的方法。
背景技术
高压电缆施工作为我国电力建设中一个关键环节，其作业人员对施工过程出现的不同难易程度缺陷的熟悉程度和解决故障的能力将大大影响高压电缆施工的危险系数。因此高压电缆施工仿真培训***必须能够对施工缺陷进行准确分级，以适应不同阶段层次的学员，对高压电缆施工安全运行意义重大。
如何科学客观地评价每一个施工缺陷，尽量减少主观判断就成了企业决策者面临的难题。对于缺陷分级，电力***传统的方法是由专家结合经验和施工实际情况对缺陷进行粗略判断、将专家意见进行加权平均来计算权重。此故障分级过程存在效率低、主观不精确等问题，难以体现作业人员的实际施工水平。
目前，传统的模糊层次分析法在事件体系评价分级领域已有取得了一定的成果，一般是先用层析分析法确定因素集，然后用模糊综合评判确定评判效果，是一种将定性与定量相结合的评价模型。但是传统模糊层次法在综合多位专家的评价意见时，对建立的模糊判断矩阵取单一的算术平均值来计算评价指标的权重，不能反映各个数据的重要性区别，造成部分专家的独特见解被过滤。本发明引入改进的模糊层次分析法，采用一种综合三角模糊数表征专家的判断信息，保留了专家共识中的最大与最小值，以及几何平均数，不但可以避免采用算数平均法整合专家意见时造成的部分专家独特意见缺失,而且可以模拟人类思维的主观性、模糊性及不确定性。因此将综合三角模糊数应用于高压施工电缆仿真培训***中的缺陷分级是非常必要的。
发明内容
本发明主要是解决现有方法所存在的技术问题；提出一种高压电缆施工仿真培训***的施工缺陷分级方法。在施工缺陷注入仿真培训***之前，根据本发明对每一种施工缺陷进行等级评估。在考虑专家经验的基础上加入了四种新的评价指标作为评价标准，以改进的模糊层次法为框架，通过综合三角模糊数整合了所有评估专家的共识，以确立评价指标的模糊权重，避免部分专家的独特见解被过滤，然后用重心法求解非模糊权重，来避免在缺陷等级评估中专家的主观性对评价指标的影响，通过专家的评分得到量化的施工缺陷数据，为企业决策者提供一个客观实用的分级方法，分级效果较理想，对学员培训难度的选择以有力的决策支持。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于改进模糊三角数的高压电缆施工缺陷分级方法,其特征在于，包括以下步骤：
步骤1，确定评价指标，根据专家对评价指标的评分，建立模糊矩阵；
步骤1.1，在同一准则下，让每位专家比较任意一个评价指标与剩余三个评价指标的相对重要程度，得到专家的评判结果；利用主观判断和模糊数之间的转换关系，得到每位专家对于任意两个指标的三角模糊数；
步骤1.2，采用综合三角模糊数将N位专家的意见进行整合，建立由N位专家评估得到的模糊关系矩阵R；
步骤2，确立各评价指标的权重，计算各缺陷的得分；
步骤2.1，通过求三角模糊数重心的方法将模糊值转换为非模糊值；
步骤2.2，对解模糊化后得到的基于N位专家评价的模糊矩阵的每一行进行求和，并分别计算四个评价指标的优先权重；
步骤2.3，在同一准则下，由N位专家对每个缺陷进行评分，乘以各评价指标对应的权重后线性求和，得到该缺陷的综合评分；
步骤3，根据各缺陷的综合评分值对各缺陷来分级；
步骤3.1，先将缺陷样品数据进行标准化，选择K个缺陷样品作为初始的凝聚点；
步骤3.2，将每个缺陷样品归入距离其凝聚点最近的一类(采用sqEuclidean距离)；
步骤3.3，重新计算每个类的重心(均值)，然后将其重心(均值)作为中心凝聚点；
步骤3.4，重复步骤3.2，直到各类重心不再变化，类也不再变化为止；
步骤3.5，按照聚类的距离，通过谱系图把聚类的过程表示出来，选择合适的阈值，确定聚类的个数，划分等级结束；
步骤4，缺陷随机放到相同等级的施工路径里；
高压电缆施工仿真培训***中的所有路径也是有等级划分的，相同等级的缺陷被随机放到相同等级的路径里，供学员查找。
在上述的一种基于改进模糊三角数的高压电缆施工缺陷分级方法，所述步骤1.2的具体方法是：本发明中，N位专家意见的共识用综合三角模糊数来表示：
Mij＝(lij,mij,uij)
且
Figure BDA0001197419130000041
并根据所述综合三角模糊数，建立由N个专家评估得到的模糊关系矩阵R：
Figure BDA0001197419130000042
(其中i＝1,…N,j＝1,…N)。
因此，本发明具有如下优点：该方法采用综合三角模糊数整合了所有评估专家的共识，利用评价指标之间的相对重要程度计算模糊权重，避免部分专家的独特见解被过滤，然后用重心法求解非模糊权重，来避免在缺陷等级评估中专家的主观性对评价指标的影响，从而保证了评估结果的可靠性。该缺陷库分级方法的实现为高压电缆施工培训***的设计提供了新的思路，为后续的缺陷库扩充提供了方便。
附图说明
附图1是本发明的方法流程示意图。
附图2是本发明根据每种缺陷的综合评分，根据最短距离法做聚类分析，得到的缺陷样品聚类空间分布图。
附图3是本发明根据每种缺陷的聚类的距离，选择合适的阈值，把聚类的过程表示出来的缺陷谱系图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
下面是采用本发明的具体实施例的步骤，如下：
一、建立模糊关系矩阵
本发明实施例中，评价指标是指得到专家共识的用来评价缺陷难易程度的四个评价指标：Q1(隐患度)，Q2(保护度)，Q3(完整度)，Q4(美观度)。
在同一准则下，让每位专家比较任意一个评价指标与剩余三个评价指标的相对重要程度，得到专家的评判结果；利用主观判断和模糊数之间的转换关系，得到每位专家对于任意两个指标的三角模糊数Mij＝(lij,mij,uij)(其中i＝1,…N,j＝1,…N)，M的隶属函数为
Figure BDA0001197419130000051
上式中，m为M的隶属度为1的中值，代表某一位专家对任意两个评价指标之间相对重要程度的平均评估，当x＝m时，x完全属于M；l和u分别为下界和上界，分别代表某一位专家对任意两个评价指标之间相对重要程度的消极评估和积极评估；在l，u以外完全不属于模糊数M。
采用综合三角模糊数将N位专家的意见进行整合，来避免利用传统的单一几何平均法整合意见时可能造成部分专家的独特见解被过滤。本发明中，N位专家意见的共识用综合三角模糊数来表示：
Mij＝(lij,mij,uij)
且
Figure BDA0001197419130000061
并根据所述综合三角模糊数，建立由N位专家评估得到的模糊关系矩阵R：
Figure BDA0001197419130000062
(其中i＝1,…N,j＝1,…N)
二、确立各评价指标的权重，计算各缺陷的得分；
用三角模糊数来比较任意两评价指标之间的相对重要性，然后计算出基于施工规范的模糊权重。由于上面得到的模糊矩阵中的Mij是模糊值，需要通过一定的方法将模糊值转换为非模糊值(即解模糊化)。本发明采用求三角模糊数重心的方法来解模糊，计算公式如下
Figure BDA0001197419130000063
其中D(M)为解模糊后的数值，该方法可以很好地保留不带偏好的、较客观的专家决策。根据上式对Mij解模糊化后，对模糊矩阵每一行进行求和，分别得到H1，H2，H3，H4，并分别计算四个评价指标的优先权重Wi：
Figure BDA0001197419130000064
然后由各个专家对每个缺陷进行评分，乘以各评价指标对应的权重后线性求和，得到该缺陷的综合评分Y。
Y＝0.362q1+0.281q2+0.234q3+0.123q4
其中q1、q2、q3、q4分别为上文所述的评价缺陷难易程度的四个要素：q1(隐患度)，q2(保护度)，q3(完整度)，q4(美观度)，在这里，我们采用五分制对每个指标进行打分。
三、根据各缺陷的综合评分值对各缺陷来分级。
本发明针对根据各缺陷的综合评分值，根据最短距离法做聚类分析，用K-means聚类算法对各缺陷来分级。K-means聚类算法是将样本观测值划分为K个类，使得类内对象之间接近(距离最小)，而类间的区别大(距离最大)。
算法流程为：
步骤1：先将缺陷样品数据进行标准化，选择K个缺陷样品作为初始的凝聚点，
步骤2：将每个缺陷样品归入距离其凝聚点最近的一类(采用sqEuclidean距离)；
步骤3：重新计算每个类的重心(均值)，然后将其重心(均值)作为中心凝聚点，
步骤4：重复步骤2，直到各类重心不再变化，类也不再变化为止。
将全部样本聚类结束后，按照聚类的距离，通过谱系图把聚类的过程表示出来。然后选择合适的阈值，确定聚类的个数，划分等级结束。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种基于改进模糊三角数的高压电缆施工缺陷分级方法,其特征在于，包括以下步骤：
步骤1，确定评价指标，根据专家对评价指标的评分，建立模糊矩阵；
步骤1.1，在同一准则下，让每位专家比较任意一个评价指标与剩余三个评价指标的相对重要程度，得到专家的评判结果；利用主观判断和模糊数之间的转换关系，得到每位专家对于任意两个指标的三角模糊数；
步骤1.2，采用综合三角模糊数将N位专家的意见进行整合，建立由N位专家评估得到的模糊关系矩阵R；
步骤2，确立各评价指标的权重，计算各缺陷的得分；
步骤2.1，通过求三角模糊数重心的方法将模糊值转换为非模糊值；
步骤2.2，对解模糊化后得到的基于N位专家评价的模糊矩阵的每一行进行求和，并分别计算四个评价指标的优先权重；
步骤2.3，在同一准则下，由N位专家对每个缺陷进行评分，乘以各评价指标对应的权重后线性求和，得到该缺陷的综合评分；
步骤3，根据各缺陷的综合评分值对各缺陷来分级；
步骤3.1，先将缺陷样品数据进行标准化，选择K个缺陷样品作为初始的凝聚点；
步骤3.2，将每个缺陷样品归入距离其凝聚点最近的一类；
步骤3.3，重新计算每个类的重心，然后将其重心作为中心凝聚点；
步骤3.4，重复步骤3.2，直到各类重心不再变化，类也不再变化为止；
步骤3.5，按照聚类的距离，通过谱系图把聚类的过程表示出来，选择合适的阈值，确定聚类的个数，划分等级结束；
步骤4，缺陷随机放到相同等级的施工路径里；
高压电缆施工仿真培训***中的所有路径也是有等级划分的，相同等级的缺陷被随机放到相同等级的路径里，供学员查找。
2.根据权利要求1所述的一种基于改进模糊三角数的高压电缆施工缺陷分级方法，其特征在于，所述步骤1.2的具体方法是：本发明中，N位专家意见的共识用综合三角模糊数来表示：
Mij＝(lij,mij,uij)
且
Figure FDA0002221337360000021
并根据所述综合三角模糊数，建立由N个专家评估得到的模糊关系矩阵R：
Figure FDA0002221337360000022
其中i＝1,…N,j＝1,…N。
CN201611247484.5A 2016-12-29 2016-12-29 一种基于改进模糊三角数的高压电缆施工缺陷分级方法 Active CN106709522B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611247484.5A CN106709522B (zh) 2016-12-29 2016-12-29 一种基于改进模糊三角数的高压电缆施工缺陷分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611247484.5A CN106709522B (zh) 2016-12-29 2016-12-29 一种基于改进模糊三角数的高压电缆施工缺陷分级方法

Publications (2)

Publication Number Publication Date
CN106709522A CN106709522A (zh) 2017-05-24
CN106709522B true CN106709522B (zh) 2020-03-10

Family

ID=58906073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611247484.5A Active CN106709522B (zh) 2016-12-29 2016-12-29 一种基于改进模糊三角数的高压电缆施工缺陷分级方法

Country Status (1)

Country Link
CN (1) CN106709522B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108890B (zh) * 2017-12-18 2021-12-03 北京航空航天大学 一种基于工序关联关系的工艺缺陷风险分析方法
CN109685385A (zh) * 2018-12-29 2019-04-26 中国地质科学院探矿工艺研究所 一种重力式混凝土挡墙缺陷程度分类评价模型

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825320A (zh) * 2016-03-07 2016-08-03 天津工业大学 一种石油化工企业承灾体脆弱性评估方法
CN105910649A (zh) * 2016-06-08 2016-08-31 石家庄开发区中实检测设备有限公司 基于直接接地箱的高压电缆状态监测***及其实现方法
CN105975797A (zh) * 2016-05-27 2016-09-28 北京航空航天大学 一种基于模糊数据处理的产品早期故障根原因识别方法
CN106093720A (zh) * 2016-06-08 2016-11-09 国家电网公司 基于保护接地箱的高压电缆状态监测***及其实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9042236B2 (en) * 2013-03-15 2015-05-26 Arris Technology, Inc. Method using equalization data to determine defects in a cable plant

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825320A (zh) * 2016-03-07 2016-08-03 天津工业大学 一种石油化工企业承灾体脆弱性评估方法
CN105975797A (zh) * 2016-05-27 2016-09-28 北京航空航天大学 一种基于模糊数据处理的产品早期故障根原因识别方法
CN105910649A (zh) * 2016-06-08 2016-08-31 石家庄开发区中实检测设备有限公司 基于直接接地箱的高压电缆状态监测***及其实现方法
CN106093720A (zh) * 2016-06-08 2016-11-09 国家电网公司 基于保护接地箱的高压电缆状态监测***及其实现方法

Also Published As

Publication number Publication date
CN106709522A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN111950918B (zh) 一种基于电力交易数据的市场风险评估方法
CN107169628B (zh) 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN108009937B (zh) 一种配电主设备健康状态的评估方法
CN111680875B (zh) 基于概率基线模型的无人机状态风险模糊综合评价方法
CN113887908A (zh) 考虑主客观交叉融合权重的桥梁风险评估方法
CN108830417B (zh) 一种基于arma和回归分析的生活能源消费预测方法及***
CN109472075B (zh) 一种基站性能分析方法及***
CN115063056B (zh) 基于图拓扑分析改进的建造行为安全风险动态分析方法
CN116245406B (zh) 基于运维质量管理数据库的软件运维质量评价方法及***
CN111932081B (zh) 一种电力信息***运行状态评估方法及***
CN114997578A (zh) 一种基于深度学习的智慧风电场实时状态评估方法
CN111446002A (zh) 一种基于人工智能的新型冠状病毒患者病况分类***
CN104077493A (zh) 一种电力继电保护***状态评估指标体系的构建方法
CN106709522B (zh) 一种基于改进模糊三角数的高压电缆施工缺陷分级方法
CN116561519A (zh) 基于电网大数据的电碳排放过程监测方法和***
CN116307352A (zh) 一种基于机器学习的工程量指标估算方法及***
CN114862267A (zh) 一种输油气管道报警管理体系的评价方法及***
CN109165854B (zh) 空管运行效率等级评估方法及其装置
CN111985782B (zh) 基于环境感知的自动驾驶有轨电车运行风险评估方法
CN110888850B (zh) 一种基于电力物联网平台的数据质量检测方法
Kai et al. Notice of Retraction: A Novel Forecasting Model of Fuzzy Time Series Based on K-means Clustering
CN111209955A (zh) 基于深度神经网络和随机森林的飞机电源***故障识别方法
CN113807587B (zh) 一种基于多梯核深度神经网络模型积分预警方法以及***
CN108898890B (zh) 空管运行效率等级评估方法及其装置
CN113449966B (zh) 一种石膏板设备巡检方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant