CN111340343A - 一种无人船安全风险灰色关联度评价方法 - Google Patents

一种无人船安全风险灰色关联度评价方法 Download PDF

Info

Publication number
CN111340343A
CN111340343A CN202010099675.1A CN202010099675A CN111340343A CN 111340343 A CN111340343 A CN 111340343A CN 202010099675 A CN202010099675 A CN 202010099675A CN 111340343 A CN111340343 A CN 111340343A
Authority
CN
China
Prior art keywords
unmanned ship
factors
safety risk
ship
weight
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.)
Pending
Application number
CN202010099675.1A
Other languages
English (en)
Inventor
刘璐
黄继雄
王佳胜
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.)
GUANGDONG INSTITUTE OF STANDARDIZATION
Original Assignee
GUANGDONG INSTITUTE OF STANDARDIZATION
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 GUANGDONG INSTITUTE OF STANDARDIZATION filed Critical GUANGDONG INSTITUTE OF STANDARDIZATION
Priority to CN202010099675.1A priority Critical patent/CN111340343A/zh
Publication of CN111340343A publication Critical patent/CN111340343A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种无人船安全风险灰色关联度评价方法，包括以下步骤：建立无人船安全风险影响因素评价指标体系；对无人船安全凤险影响因素评价指标进行权重计算；建立无人船灰色关联分析模型对无人船安全风险进行评估。本发明采用客观的计算方法白化权函数法和带主观性的计算方法专家打分法对无人船安全风险影响因素指标权重进行计算；灰色关联度分析所需要的数据较少，对数据的要求较低，原理简单，适用于无人船各因素对质量安全指标的影响分析。

Description

一种无人船安全风险灰色关联度评价方法
技术领域
本发明涉及无人船风险评估技术领域，具体涉及一种无人船安全风险灰色关联度评价方法。
背景技术
无人船是一种多用途的观测平台。可搭载多种海洋测量传感器用于实施多种专业测量，无人水面测量船作为一种执行实时、无人、自动测量的综合作业平台，将测量人员从繁重的水下地形测量工作中解脱出来、是现代海洋测量技术装备发展的必然趋势。无人船需要在复杂的海洋环境中自主航行和作业，因此无人船对操纵性、控制性能和可靠性均提出了更为苛刻的要求。为了保证无人船安全、可靠、自主地完成各种复杂任务，这就要求自主地完成各种复杂任务，这就要求它具备灵活机动性和环境适应能力，为了更好的完成任务就需要对无人船的安全封风险进行评估。
安全风险评估在海洋工程中的应用产生于二十世纪七十年代后期，至今为止，IMO、IACS以及许多国家相继开展了风险评估方面的研究工作。现阶段国内外研究的重点是油轮和军舰及科考船、破冰船等，研究结论主要应用于船舶设计阶段。而安全风险评估应用于船舶检测阶段的研究，目前仅见基于船舶长度和船龄对整体安全性的影响。而且船舶风险分析和风险决策应用于船舶检测的研究由于其影响因素之多，很难进行全方位评估。在评估无人船在安全风险评估的方法研究当中，多是针对于某一影响因素进行评估，对于无人船处于多环境因素下，单一的因素评估对于无人船安全风险评估起的作用很小，无法从人、机、环境和管理多方面、全方位的风险进行评估。
鉴于此，用于无人船的安全风险评估方法成为本领域亟待解决的技术问题。
发明内容
针对上述现有技术存在不足，本发明提供一种无人船安全风险灰色关联度评价方法。
本发明采用的技术方案为：
一种无人船安全风险灰色关联度评价方法，其特征在于，包括以下步骤：
建立无人船安全风险影响因素评价指标体系；
对无人船安全凤险影响因素评价指标进行权重计算；
建立无人船灰色关联分析模型对无人船安全风险进行评估。
作为本发明的进一步的技术方案为：所述建立无人船安全风险影响因素评价指标体系；具体包括：
设定n个无人船安全风险影响因素指标，m个船型的评价，则无人船安全风险影响因素指标值组成矩阵，表示为：
Figure BDA0002386531730000021
对无人船安全风险影响因素指标值组成矩阵进行规范化变换后(1)式变为：
Figure BDA0002386531730000022
设x0＝[x0(1),x0(2),…,x0(n)]为参照船型影响因素指标值序列，xi＝[xi(1),xi(2),…,xi(n)]为第i个比较船型影响因素指标值序列，i＝1,2,…,m；
设x′＝[x′(1),x′(2),…,x′(n)]为序列x＝[x(1),x(2),…,x(n)]的累减产生序列，其中x′(1)＝x(1)，x′(k)＝x(k)-x(k-1),k＝2,…,n；
关联性是曲线间几何形状的差别，将曲线间差值的大小作为关联程度的衡量尺度；定义以下点关联系数的计算公式：
Figure BDA0002386531730000031
式中ξ为分辨系数，取值在0到1之间；λ1为位移加权系数，λ2为位移变化率加权系数，且0＜λ1,λ2＜1，λ1+λ2＝1；
式中ζi(k)为第i个船型的第k个影响因素对于参考船型x0的相对差值，这种形式的相对差值称为xi对于x0在k影响因素的关联系数。
进一步的，所述安全风险因素包括船舶适航性因素、动力推进因素、航行控制因素、通讯因素、人为因素、环境因素；其中船舶适航性因素包括纵向稳定性、横向稳定性、回转圈/船长、船体完好程度；动力推进因素包括：动力强度、动力冗余度、动力响应加速度、动力急停时间和舵力强度；航行控制因素包括传感器精度、障碍物感知、自动避碰***；通讯因素包括：通讯速率、通讯通道(单/双)、通讯距离、误码率、数据加密；人为因素(远程遥控模式)包括：操作无人船经验、团队能力、团队人数、人员身体状况；环境因素包括测试场船舶密度、风速、浪高和能见度。
作为本发明的进一步的技术方案为：所述对无人船安全风险影响因素指标值组成矩阵采用效益型规范化；具体为：规范化采用以下公式：
Figure BDA0002386531730000032
作为本发明的进一步的技术方案为：所述对无人船安全风险影响因素指标值组成矩阵采用成本型规范化；具体为：规范化采取以下公式：
Figure BDA0002386531730000033
作为本发明的进一步的技术方案为：所述对无人船安全凤险影响因素评价指标进行权重计算；具体包括：
计算无人船安全风险影响因素的灰色关联系数；
采用白化权函数法和专家打分方法对无人船安全风险影响因素进行权重计算。
作为本发明的进一步的技术方案为：所述建立无人船灰色关联分析模型对无人船安全风险进行评估，具体为：对各影响因素的灰色关联系数进行加权求和，得到船型xi与x0的灰色关联度，如式(6)所示：
Figure BDA0002386531730000041
式中γi为xi对于x0的灰色关联度，w(k)为影响因素指标k的权重系数：其中，
w(k)＝(1-α)wW(k)+αwD(k)； (7)
式中wW(k)和wD(k)分别为白化权函数法和专家打分法得到的权重，α为主观系数，0≤α≤1。
进一步的，所述主观系数α为0.5。
作为本发明的进一步的技术方案为：所述白化权函数法具体为：
设白化权函数为：
f(x)＝xln x； (8)
则归一化权重wW(k)的计算如下:
对于n个影响因素指标，m个船型，影响因素指标值组成矩阵，并对矩阵的值进行规范化：
第一步，求各船型的影响因素的总和：
Figure BDA0002386531730000042
第二步，求影响因素的熵值：
Figure BDA0002386531730000043
当
Figure BDA0002386531730000044
时，令
Figure BDA0002386531730000045
第三步，求各个影响因素熵值的总和：
Figure BDA0002386531730000046
第四步，求影响因素间的相对权重：
Figure BDA0002386531730000051
第五步，对相对权重进行归一化，即得到各影响因素指标的权重系数wW(k)：
Figure BDA0002386531730000052
作为本发明的进一步的技术方案为：所述专家打分法具体包括：
第一步，判断矩阵：
判断矩阵表征本层次各影响因素之间的两两相对重要性程度，设有n个因素B1,B2,…,Bn，因此可以构造判断矩阵：
Figure BDA0002386531730000053
判断矩阵中的相对重要性uij构建采用Saaty的1～9标度法，通过设计打分表单，由专家对于各因素的重要性进行相对重要性打分；
第二步，计算权重：
权重计算法采用和积法，首先，将判断矩阵按列归一化：
Figure BDA0002386531730000054
然后按行求和：
Figure BDA0002386531730000055
对向量W′＝[w′1,w′2,…,w′n]进行归一化：
Figure BDA0002386531730000056
向量WD＝[wD(1),wD(2),…,wD(n)]即为所求的指标权重；
第三步，一致性检验：
得到权重之后还需对之前的判断矩阵的一致性进行检验，首先需要计算最大特根λmax，公式如下：
Figure BDA0002386531730000061
计算一致性指标CI：
Figure BDA0002386531730000062
然后计算一致性比例：
Figure BDA0002386531730000063
式中RI为评价一致性指标，一般情况下CR<0.1时，判断矩阵具有的一致性可接受，否则需要再次征询专家意见。
本发明的有益效果为：
本发明通过建立无人船安全风险影响因素评价指标体系；采用客观的计算方法白化权函数法和带主观性的计算方法专家打分法对无人船安全风险影响因素指标权重进行计算；由于灰色关联度分析所需要的数据较少，对数据的要求较低，原理简单，建立无人船灰色关联分析模型对无人船安全风险进行评估，适用于无人船各因素对质量安全指标的影响分析。
附图说明
图1为本发明提出的一种无人船安全风险灰色关联度评价方法流程图。
具体实施方式
灰色关联度分析是一种多因素统计分析方法，可求解未知的非线性问题中各影响因素灰色关联度，反映各影响因素对目标函数的重要性，从而确定各影响因素的主次。灰色关联度分析法以各因素的样本数据为依据用灰色关联度来描述因素间关系的强弱、大小和次序，若样本数据反映出的两因素变化的态势(方向、大小和速度等)基本一致，则它们之间的关联度较大。反之，关联度较小。此方法的优点在于思路明晰，可以在很大程度上减少由于信息不对称带来的损失，并且对数据要求较低，工作量较少；其主要缺点在于需要对各项指标的最优值进行现行确定，主观性过强，同时部分指标最优值难以确定。
无人船安全风险属于多因素非典型分布特征的现象，回归相关分析的难度相当大，相对来说，灰色关联度分析所需要的数据较少，对数据的要求较低，原理简单，可适用于无人船各因素对质量安全指标的影响分析。
以上是本申请的核心思想，为了使本技术领域的人员更好地理解本申请方案，下面结合附图对本申请作进一步的详细说明。应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
如图1所示，为本发明提出的一种无人船安全风险灰色关联度评价方法流程图。
参照图1，一种无人船安全风险灰色关联度评价方法，包括以下步骤：
步骤101，建立无人船安全风险影响因素评价指标体系；
步骤102，对无人船安全凤险影响因素评价指标进行权重计算；
步骤103，建立无人船灰色关联分析模型对无人船安全风险进行评估。
本发明实施例中，所述建立无人船安全风险影响因素评价指标体系；具体包括：
设定n个无人船安全风险影响因素指标，m个船型的评价，则无人船安全风险影响因素指标值组成矩阵，表示为：
Figure BDA0002386531730000071
对无人船安全风险影响因素指标值组成矩阵进行规范化变换后(1)式变为：
Figure BDA0002386531730000081
设x0＝[x0(1),x0(2),…,x0(n)]为参照船型影响因素指标值序列，xi＝[xi(1),xi(2),…,xi(n)]为第i个比较船型影响因素指标值序列，i＝1,2,…,m；
设x′＝[x′(1),x′(2),…,x′(n)]为序列x＝[x(1),x(2),…,x(n)]的累减产生序列，其中x′(1)＝x(1)，x′(k)＝x(k)-x(k-1),k＝2,…,n；
关联性是曲线间几何形状的差别，将曲线间差值的大小作为关联程度的衡量尺度；定义以下点关联系数的计算公式：
Figure BDA0002386531730000082
式中ξ为分辨系数，取值在0到1之间，一般取0.5；λ1为位移加权系数，λ2为唯一变化率加权系数，且0＜λ1,λ2＜1，λ1+λ2＝1，其取值可根据具体问题的侧重适当调节。如果所分析的因素与各个影响因素的相对位移关系不大，而与整体变化趋势关系大时，则适当减小λ1，增大λ2；如果所分析的因素与影响因素间的变化趋势关系不大时，可适当增大λ1，减小λ2。一般情况下，可取λ1＝λ2＝0.5。式中ζi(k)为第i个船型的第k个影响因素对于参考船型x0的相对差值，这种形式的相对差值称为xi对于x0在k影响因素的关联系数。
本发明实施例中，所述安全风险因素包括船舶适航性因素、动力推进因素、航行控制因素、通讯因素、人为因素、环境因素；其中船舶适航性因素包括纵向稳定性、横向稳定性、回转圈/船长、船体完好程度；动力推进因素包括：动力强度、动力冗余度、动力响应加速度、动力急停时间和舵力强度；航行控制因素包括传感器精度、障碍物感知、自动避碰***；通讯因素包括：通讯速率、通讯通道(单/双)、通讯距离、误码率、数据加密；人为因素(远程遥控模式)包括：操作无人船经验、团队能力、团队人数、人员身体状况；环境因素包括测试场船舶密度、风速、浪高和能见度。具体层级如下表1：
表1
Figure BDA0002386531730000091
本发明实施例中，对无人船安全风险影响因素指标值组成矩阵采用效益型规范化；具体为：规范化采用以下公式：
Figure BDA0002386531730000092
本发明实施例中，对无人船安全风险影响因素指标值组成矩阵采用成本型规范化；具体为：规范化采取以下公式：
Figure BDA0002386531730000101
本发明实施例中，对无人船安全凤险影响因素评价指标进行权重计算；具体包括：
计算无人船安全风险影响因素的灰色关联系数；
采用白化权函数法和专家打分方法对无人船安全风险影响因素进行权重计算。
本发明实施例中，建立无人船灰色关联分析模型对无人船安全风险进行评估，具体为：对各影响因素的灰色关联系数进行加权求和，得到船型xi与x0的灰色关联度，如式6所示：
Figure BDA0002386531730000102
式中γi为xi对于x0的灰色关联度，w(k)为影响因素指标k的权重系数：其中，
w(k)＝(1-α)wW(k)+αwD(k)； (7)
式中wW(k)和wD(k)分别为白化权函数法和专家打分法得到的权重，α为主观系数，0≤α≤1，如果权重需要更加符合主观偏好则增大α，反之如果希望系数尽量避免主观影响，则应降低α，通常取0.5。
本发明实施例中，采用客观的计算方法白化权函数法和带主观性的计算方法专家打分法对无人船安全风险影响因素指标权重进行计算，分别得到WW和WD。
白化权函数法计算无人船安全风险影响因素，具体为：
设权重函数(白化权函数)为：
f(x)＝x ln x； (8)
则归一化权重wW(k)的计算如下:
对于n个影响因素指标，m个船型，影响因素指标值组成矩阵，并对矩阵的值进行规范化：
第一步，求各船型的影响因素的总和：
Figure BDA0002386531730000111
第二步，求影响因素的熵值：
Figure BDA0002386531730000112
当
Figure BDA0002386531730000113
时，令
Figure BDA0002386531730000114
第三步，求各个影响因素熵值的总和：
Figure BDA0002386531730000115
第四步，求影响因素间的相对权重：
Figure BDA0002386531730000116
第五步，对相对权重进行归一化，即得到各影响因素指标的权重系数wW(k)：
Figure BDA0002386531730000117
熵是***无序程度的度量，可以用于度量已知数据所包含的有效信息量和确定权重。当各项评价对象的某项指标值相差较大时，熵值较小，说明该指标提供的有效信息量较大，其权重也应较大；反之，若某项指标值相差较小，熵值较大，说明该指标提供的信息量较小，其权重也应较小。
专家打分法(Delphi Method)主要思想是把需要回答的问题制成征询表单独发放给专家，要求专家依据自己的相关专业知识和工作经验对表单进行回答，研究者将专家的意见进行统计处理，对意见的一致性进行分析。专家打分法的步骤主要分为：建立判断矩阵、计算权重、一致性检验。
第一步，判断矩阵；
判断矩阵表征本层次各影响因素之间的两两相对重要性程度，设有n个因素B1,B2,…,Bn，因此可以构造判断矩阵：
Figure BDA0002386531730000121
判断矩阵中的相对重要性uij构建采用Saaty的1～9标度法，通过设计打分表单，由专家对于各因素的重要性进行相对重要性打分；它符合人们进行比较判断时的心理习惯。实验心理学表明，普通人在对一组事物的某种属性同时比较，并保持判断基本一致时，所能够正确辨别的事物最大个数在5-9个之间，其具体含义如下表：
表2
uij 定义
1 ui与uj相比，同样重要
3 ui与uj相比，稍微重要
5 ui与uj相比，明显重要
7 ui与uj相比，强烈重要
9 ui与uj相比，极端重要
偶数 重要程度介于相邻两奇数之间
1/n ui与uj相比，且重要程度为n
第二步，计算权重；
权重计算法采用和积法，首先，将判断矩阵按列归一化：
Figure BDA0002386531730000122
然后按行求和：
Figure BDA0002386531730000123
对向量W′＝[w′1,w′2,…,w′n]进行归一化：
Figure BDA0002386531730000131
向量WD＝[wD(1),wD(2),…,wD(n)]即为所求的指标权重。
第三步，一致性检验；
得到权重之后还需对之前的判断矩阵的一致性进行检验，首先需要计算最大特根λmax，公式如下：
Figure BDA0002386531730000132
计算一致性指标CI：
Figure BDA0002386531730000133
然后计算一致性比例：
Figure BDA0002386531730000134
式中RI为评价一致性指标，通过查表得到，见表3，一般情况下CR<0.1时，判断矩阵具有的一致性可接受，否则需要再次征询专家意见。
表3
n 1 2 3 4 5 6 7 8 9
RI 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45
上述实施例为本发明的经典案例，但本发明的实施方式并不受上述实施例的限制。其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化等，均应为等效的置换方式，都包含在本发明的保护范围之内。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (9)

1.一种无人船安全风险灰色关联度评价方法，其特征在于，包括以下步骤：
建立无人船安全风险影响因素评价指标体系；
对无人船安全凤险影响因素评价指标进行权重计算；
建立无人船灰色关联分析模型对无人船安全风险进行评估。
2.根据权利要求1所述的方法，其特征在于，所述建立无人船安全风险影响因素评价指标体系；具体包括：
设定n个无人船安全风险影响因素指标，m个船型的评价，则无人船安全风险影响因素指标值组成矩阵，表示为：
Figure FDA0002386531720000011
对无人船安全风险影响因素指标值组成矩阵进行规范化变换后(1)式变为：
Figure FDA0002386531720000012
设x0＝[x0(1),x0(2),…,x0(n)]为参照船型影响因素指标值序列，xi＝[xi(1),xi(2),…,xi(n)]为第i个比较船型影响因素指标值序列，i＝1,2,…,m；
设x′＝[x′(1),x′(2),…,x′(n)]为序列x＝[x(1),x(2),…,x(n)]的累减产生序列，其中x′(1)＝x(1)，x′(k)＝x(k)-x(k-1),k＝2,…,n；
关联性是曲线间几何形状的差别，将曲线间差值的大小作为关联程度的衡量尺度；定义以下点关联系数的计算公式：
Figure FDA0002386531720000013
式中ξ为分辨系数，取值在0到1之间；λ1为位移加权系数，λ2为位移变化率加权系数，且0＜λ1,λ2＜1，λ1+λ2＝1；
式中ζi(k)为第i个船型的第k个影响因素对于参考船型x0的相对差值，这种形式的相对差值称为xi对于x0在k影响因素的关联系数。
3.根据权利要求2所述的方法，其特征在于，所述安全风险因素包括船舶适航性因素、动力推进因素、航行控制因素、通讯因素、人为因素、环境因素；其中船舶适航性因素包括纵向稳定性、横向稳定性、回转圈/船长、船体完好程度；动力推进因素包括：动力强度、动力冗余度、动力响应加速度、动力急停时间和舵力强度；航行控制因素包括传感器精度、障碍物感知、自动避碰***；通讯因素包括：通讯速率、通讯通道、通讯距离、误码率、数据加密；人为因素包括：操作无人船经验、团队能力、团队人数、人员身体状况；环境因素包括测试场船舶密度、风速、浪高和能见度。
4.根据权利要求2所述的方法，其特征在于，所述对无人船安全风险影响因素指标值组成矩阵采用效益型规范化；具体为：规范化采用以下公式：
Figure FDA0002386531720000021
5.根据权利要求2所述的方法，其特征在于，所述对无人船安全风险影响因素指标值组成矩阵采用成本型规范化；具体为：规范化采取以下公式：
Figure FDA0002386531720000022
6.根据权利要求1所述的方法，其特征在于，所述对无人船安全凤险影响因素评价指标进行权重计算；具体包括：
计算无人船安全风险影响因素的灰色关联系数；
采用白化权函数法和专家打分方法对无人船安全风险影响因素进行权重计算。
7.根据权利要求1所述的方法，其特征在于，所述建立无人船灰色关联分析模型对无人船安全风险进行评估，具体为：对各影响因素的灰色关联系数进行加权求和，得到船型xi与x0的灰色关联度，如式6所示：
Figure FDA0002386531720000023
式中γi为xi对于x0的灰色关联度，w(k)为影响因素指标k的权重系数：其中，
w(k)＝(1-α)wW(k)+αwD(k)； (7)
式中wW(k)和wD(k)分别为白化权函数法和专家打分法得到的权重，α为主观系数，0≤α≤1。
8.根据权利要求7所述的方法，其特征在于，所述白化权函数法具体为：
设白化权函数为：
f(x)＝xlnx； (8)
则归一化权重wW(k)的计算如下:
对于n个影响因素指标，m个船型，影响因素指标值组成矩阵，并对矩阵的值进行规范化：
第一步，求各船型的影响因素的总和：
Figure FDA0002386531720000031
第二步，求影响因素的熵值：
Figure FDA0002386531720000032
当
Figure FDA0002386531720000033
时，令
Figure FDA0002386531720000034
第三步，求各个影响因素熵值的总和：
Figure FDA0002386531720000035
第四步，求影响因素间的相对权重：
Figure FDA0002386531720000036
第五步，对相对权重进行归一化，即得到各影响因素指标的权重系数wW(k)：
Figure FDA0002386531720000037
9.根据权利要求7所述的方法，其特征在于，所述专家打分法具体包括：
第一步，判断矩阵：
判断矩阵表征本层次各影响因素之间的两两相对重要性程度，设有n个因素B1,B2,…,Bn，因此可以构造判断矩阵：
Figure FDA0002386531720000041
判断矩阵中的相对重要性uij构建采用Saaty的1～9标度法，通过设计打分表单，由专家对于各因素的重要性进行相对重要性打分；
第二步，计算权重：
权重计算法采用和积法，首先，将判断矩阵按列归一化：
Figure FDA0002386531720000042
然后按行求和：
Figure FDA0002386531720000043
对向量W′＝[w′1,w′2,…,w′n]进行归一化：
Figure FDA0002386531720000044
向量WD＝[wD(1),wD(2),…,wD(n)]即为所求的指标权重；
第三步，一致性检验：
得到权重之后还需对之前的判断矩阵的一致性进行检验，首先需要计算最大特根λmax，公式如下：
Figure FDA0002386531720000045
计算一致性指标CI：
Figure FDA0002386531720000046
然后计算一致性比例：
Figure FDA0002386531720000051
式中RI为评价一致性指标，一般情况下CR<0.1时，判断矩阵具有的一致性可接受，否则需要再次征询专家意见。
CN202010099675.1A 2020-02-18 2020-02-18 一种无人船安全风险灰色关联度评价方法 Pending CN111340343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010099675.1A CN111340343A (zh) 2020-02-18 2020-02-18 一种无人船安全风险灰色关联度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010099675.1A CN111340343A (zh) 2020-02-18 2020-02-18 一种无人船安全风险灰色关联度评价方法

Publications (1)

Publication Number Publication Date
CN111340343A true CN111340343A (zh) 2020-06-26

Family

ID=71181667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010099675.1A Pending CN111340343A (zh) 2020-02-18 2020-02-18 一种无人船安全风险灰色关联度评价方法

Country Status (1)

Country Link
CN (1) CN111340343A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488587A (zh) * 2020-12-21 2021-03-12 北京航空航天大学 一种艇员人体效能衰退程度的先验概率评估方法及***
CN112950028A (zh) * 2021-03-02 2021-06-11 江苏科技大学 半潜式起重拆解平台生产管理风险评估方法
CN115880844A (zh) * 2023-02-21 2023-03-31 江苏称金智能科技有限公司 一种基于多源感知的船舶安防智能管理***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488587A (zh) * 2020-12-21 2021-03-12 北京航空航天大学 一种艇员人体效能衰退程度的先验概率评估方法及***
CN112488587B (zh) * 2020-12-21 2022-06-24 北京航空航天大学 一种艇员人体效能衰退程度的先验概率评估方法及***
CN112950028A (zh) * 2021-03-02 2021-06-11 江苏科技大学 半潜式起重拆解平台生产管理风险评估方法
CN115880844A (zh) * 2023-02-21 2023-03-31 江苏称金智能科技有限公司 一种基于多源感知的船舶安防智能管理***

Similar Documents

Publication Publication Date Title
CN111340343A (zh) 一种无人船安全风险灰色关联度评价方法
Xue et al. Multi-attribute decision-making method for prioritizing maritime traffic safety influencing factors of autonomous ships’ maneuvering decisions using grey and fuzzy theories
Liu et al. Fuzzy comprehensive evaluation for the motion performance of autonomous underwater vehicles
CN112836377B (zh) 一种基于数字化仿真的船舶仿真测试***
Demirel et al. A fuzzy AHP and ELECTRE method for selecting stabilizing device in ship industry
KR102258257B1 (ko) 기계학습기법을 이용한 선박의 횡동요 운동특성 예측 시스템
Tran et al. Optimization strategy for planing hull design
CN114565253A (zh) 一种基于组合赋权-云模型的客滚船航行风险评估方法
Mentes et al. Criticality analysis of probabilistic damage stability of ships with aggregation operators and additive ratio assessment
Lim et al. Prediction of barge ship roll response amplitude operator using machine learning techniques
CN114936661A (zh) 一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法
CN114358502A (zh) 一种基于优化elm的食用油风险评估方法
Petranović et al. Comparative analysis of closed-form expressions and other commonly used seakeeping methods
현철김 et al. Practical application of neural networks for prediction of ship’s performance factors
Cepowski On the modeling of car passenger ferryship design parameters with respect to selected sea-keeping qualities and additional resistance in waves
BIAN et al. Cabin optimization method based on damaged ship safety
WANG et al. Ship structural component contribution evaluation based on grey target theory
Brown et al. Naval ship hull structural scantling optimization by reducing weight, increasing safety and lowering vertical center of gravity
Larangeira et al. An approach for estimating the corrosion rates on aging FPSO hull structures
Martins et al. Real-Time decision support system for managing ship stability under damage
Wang et al. Prediction of corrosion rate in submarine multiphase flow pipeline based on PSO-SVM model
Atoyev et al. Assessment of environmental, social, governance and technogenic components of investment risks
Gerigk On a risk-based method for safety assessment of a ship in critical conditions a the preliminary design stage. Current report
Cheng-Qi et al. Preliminary design of underwater unmanned vehicle integrated System Evaluation
Diatmaja et al. Comparative Evaluation of Design Variations in Prototype Fast Boats: A Hydrodynamic Characteristic-Based Approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200626