CN112365135A - 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备 - Google Patents

基于模糊层次分析法的风电叶片制造质量评价方法、***及设备 Download PDF

Info

Publication number
CN112365135A
CN112365135A CN202011164429.6A CN202011164429A CN112365135A CN 112365135 A CN112365135 A CN 112365135A CN 202011164429 A CN202011164429 A CN 202011164429A CN 112365135 A CN112365135 A CN 112365135A
Authority
CN
China
Prior art keywords
evaluation
layer
index
matrix
wind power
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
CN202011164429.6A
Other languages
English (en)
Inventor
田晓璇
朱彬莎
常经纬
张瑞刚
雷航
李小雲
张婷
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.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute Co Ltd
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 Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202011164429.6A priority Critical patent/CN112365135A/zh
Publication of CN112365135A publication Critical patent/CN112365135A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

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

Abstract

本发明公开了一种基于模糊层次分析法的风电设备制造质量评价方法、***及设备，方法具体为：建立风电叶片制造质量评价指标体系，将风电叶片质量评价因素划分为三层，基于叶片制造质量评价指标体系，构建反映评价指标的影响程度的若干个判断矩阵，采用层次分析法计算各层次指标权重，得到各层次指标权重矩阵，对各层次指标权重矩阵进行一致性检验，计算判断矩阵的校验系数；对多层次指标使用模糊评价；将质量问题按照等级评价指标进行百分比统计，作为等级隶属度，得到准则层指标对应的等级隶属度评价矩阵：根据各层次指标权重矩阵和等级隶属度评价矩阵计算得到准则层评价结果，客观反映叶片各个生产环节及总体叶片制造质量水平。

Description

基于模糊层次分析法的风电叶片制造质量评价方法、***及 设备
技术领域
本发明属于风电叶片制造质量评价技术领域，涉及一种基于模糊层次分析法的风电叶片制造质量评价方法、***及设备。
背景技术
作为风电场的关键部件，叶片质量优劣对风电项目整体安全性及经济效益起到了至关重要的作用。近年来，风电行业一直处于快速发展状态，国内风电行业掀起了抢装潮，各项目节点集中、需求集中，风电各主要设备特别是叶片设备供货矛盾呈白热化趋势，供应商产能趋于饱和，在供货压力下，部分制造厂在叶片质量管控上有所松懈，以质量换进度的情况普遍存在，制造质量风险明显增加，即使同一制造厂叶片产品因工期及供货紧张等压力，产品质量时常发生波动。制造质量不达标的叶片若被应用在风电项目现场，将带来很大的安全质量事故隐患。
目前，设备质量评价方法主要有专家评价法、统计调查法、层次分析法、因果分析法等，但目前针对风电叶片制造质量的评价方法尚未形成，因此在实际工程中，亟待寻找一种与风电叶片制造特点相适应质量评价方法，用来科学准确得到叶片的制造水平，使风电场准确了解叶片制造质量情况，并为叶片成品验收提供科学的依据。
发明内容
为了解决现有技术中存在的问题，本发明提供一种较为准确的对风电叶片制造质量进行评价的方法，采用定量和定性相结合的方法，客观反映叶片各个生产环节及总体叶片制造质量水平，为准确了解叶片制造质量情况及叶片成品验收提供科学的参考。
为了实现上述目的，本发明采用的技术方案是，一种基于模糊层次分析法的风电设备制造质量评价方法，包括以下步骤：
步骤1，根据风电叶片生产制造流程及其质量评价关键因素，建立风电叶片制造质量评价指标体系，将风电叶片质量评价因素划分为三层，即目标层、准则层以及指标层，准则层中的因素Bi为目标层A的因素集，i＝1,2,…N，指标层中的因素Cj为准则层Bi的因素集，j＝1,2……M；
步骤2，基于叶片制造质量评价指标体系，构建反映第t级层中的一组评价指标对其对应的第t-1级层中的一项评价指标的影响程度的若干个判断矩阵，t＝2,3；
步骤3，采用层次分析法计算各层次指标权重，得到各层次指标权重矩阵：WA，WBi i＝1,2,…N；
步骤4，对步骤3所得各层次指标权重矩阵进行一致性检验，计算判断矩阵的校验系数；
步骤5，对多层次指标使用模糊评价，构建评价指标评价等级集；
步骤6，采用百分比统计法，将质量问题按照等级评价指标进行百分比统计，作为等级隶属度，得到准则层指标对应的等级隶属度评价矩阵：MBi，i＝1,2,…N；
步骤7，根据步骤3所得各层次指标权重矩阵和步骤6所得等级隶属度评价矩阵计算得到准则层评价结果：RBi＝WBi·MBi，i＝1,2,…N；
步骤8，基于准则层指标权重和准则层评价结果计算目标层综合评价结果
Figure BDA0002745332310000021
结合步骤5所述评价指标评价等级集可得到叶片制造质量等级的模糊子集，即最终评价结果。
目标层为风电叶片制造质量，准则层包括：原材料质量(B1)、铺层及灌注质量(B2)、粘结过程(B3)、成品验收(B4)以及包装贮存(B5)，指标层为质量证明文件(C1)、外观质量(C2)、入厂性能复验(C3)、铺层灌注工艺审查(C4)、纤维布及芯材尺寸位置控制(C5)、大梁表观质量及尺寸(C6)、真空***及灌注固化度(C7)、粘结工艺审查(C8)、腹板表观质量及尺寸(C9)、合模间隙控制(C10)、粘结树脂配比及固化度(C11)、叶片重量及几何尺寸检查(C12)、外观检查(C13)、无损探伤及内部检查(C14)、防雷装置检测(C15)、工装匹配(C16)、贮存条件(C17)以及标记检查(C18)；N＝4，M＝18，风电叶片制造质量评价指标体系中各因素集具体如下：
第一层次：A＝(B1、B2、B3、B4)
第二层次：B1＝(C1，C2，C3)；
B2＝(C4，C5，C6，C7)；
B3＝(C8，C9，C10，C11)；
B4＝(C12，C13，C14，C15)；
B5＝(C16，C17，C18)。
步骤2中，采用“1-9标度法”构造判断矩阵。
指标权重矩阵计算过程如下：
先计算目标层A对准则层的各指标权重，将目标层矩阵各列归一化
Figure BDA0002745332310000031
得到矩阵U，
将矩阵U各行求和，得到矩阵V，
进行归一化,
Figure BDA0002745332310000032
即得到目标层A对准则层的各指标权重，即为矩阵WA,采用同样的方法计算得到，WBii＝1,2,…N。
步骤4中校验系数CR计算如下：
Figure BDA0002745332310000033
其中：一致性检验指标
Figure BDA0002745332310000034
式中：λmax为最大特征根，n为构造矩阵维数，
Figure BDA0002745332310000035
平均随机一致性指标RI通过查表1获得：
表1平均随机一致性指标RI
n 3 4 5 6 7 8 9
RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45
判断矩阵的校验系数CR值越小，说明判断矩阵的一致性程度越好，若校验系数CR<0.1，判断矩阵通过一致性校验，若CR>0.1，则需重新构建判断矩阵。
步骤5所述评价等级具体为：
表2风电叶片制造质量评价等级表
Figure BDA0002745332310000041
L＝(L1，L2，L3，L4，L5)对应优、良、一般、较差以及差5种等级，如表2所示。
基于模糊层次分析法的风电设备制造质量评价***，包括制造质量评价指标体系模块、判断矩阵构建模块、权重矩阵计算模块、校验系数计算模块、准则层隶属度评价矩阵计算模块、准则层评价模块以及目标层评价模块；制造质量评价指标体系模块用于根据风电叶片生产制造流程及其质量评价关键因素，建立风电叶片制造质量评价指标体系，将风电叶片质量评价因素划分为三层，即目标层、准则层以及指标层；
判断矩阵构建模块基于叶片制造质量评价指标体系，构建反映第t级层中的一组评价指标对其对应的第t-1级层中的一项评价指标的影响程度的若干个判断矩阵；
权重矩阵计算模块采用层次分析法计算各层次指标权重，得到各层次指标权重矩阵；
校验系数计算模块对各层次指标权重矩阵进行一致性检验，计算判断矩阵的校验系数；
准则层隶属度评价矩阵计算模块用于构建模糊评价指标集和评价等级，采用百分比统计法，将质量问题按照等级评价指标进行百分比统计，作为等级隶属度，得到准则层指标对应的等级隶属度评价矩阵；
准则层评价模块用于根据各层次指标权重和等级隶属度评价矩阵计算得到准则层评价结果；
目标层综合评价模块基于各层次指标权重和准则层评价结果计算目标层综合评价结果。
本发明还提供一种计算机设备，包括但不限于一个或多个处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述基于模糊层次分析法的风电设备制造质量评价方法的部分步骤或所有步骤。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述基于模糊层次分析法的风电设备制造质量评价方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明综合运用层次分析法和模糊数学理论，构建风电叶片质量评价体系的层次分析模型，采用定量和定性相结合的方法，客观反映叶片各个生产环节及总体叶片制造质量水平，为准确了解叶片制造质量情况及叶片成品验收提供科学的参考，同时有利于生产方对自身的生产质量有更加客观的认识，而且有助于其分析质量问题的来源。
具体实施方式
下面将结合某风电叶片制造厂实际生产质量数据和本发明具体流程，对本发明做进一步描述：
一种基于模糊层次分析法的风电设备制造质量评价方法，叶片制造质量的5个一级评价因素和18个二级评价因素，评价因素是影响叶片制造质量的典型因素，对叶片制造质量具有重要作用；将风电叶片制造质量等级划分为优、良、中、较差、差五个等级，建立风电叶片质量评价等级，构建各指标对质量等级的隶属度矩阵，确定风电叶片制造质量所有评价因素对质量等级的隶属程度；采用模糊层次分析法，建立风电叶片制造质量评价模型，对风电叶片制造质量等级进行准确评价，具体包括以下步骤：
步骤一：根据风电叶片生产制造流程及其质量评价关键因素，建立风电叶片制造质量评价指标体系，将风电叶片质量评价因素划分为三层，即目标层、准则层以及指标层。
其中，目标层为风电叶片制造质量，准则层包括：原材料质量(B1)、铺层及灌注质量(B2)、粘结过程(B3)、成品验收(B4)以及包装贮存(B5)，指标层为质量证明文件(C1)、外观质量(C2)、入厂性能复验(C3)、铺层灌注工艺审查(C4)、纤维布及芯材尺寸位置控制(C5)、大梁表观质量及尺寸(C6)、真空***及灌注固化度(C7)、粘结工艺审查(C8)、腹板表观质量及尺寸(C9)、合模间隙控制(C10)、粘结树脂配比及固化度(C11)、叶片重量及几何尺寸检查(C12)、外观检查(C13)、无损探伤及内部检查(C14)、防雷装置检测(C15)、工装匹配(C16)、贮存条件(C17)以及标记检查(C18)。详见下表1。
表1叶片制造质量评价指标体系
Figure BDA0002745332310000061
Figure BDA0002745332310000071
根据表1建立的评价模型，各层次的因素集为：
第一层次：A＝(B1、B2、B3、B4)
第二层次：B1＝(C1，C2，C3)；
B2＝(C4，C5，C6，C7)；
B3＝(C8，C9，C10，C11)；
B4＝(C12，C13，C14，C15)；
B5＝(C16，C17，C18)；
步骤二：基于叶片制造质量评价指标体系，构建反映第t级层中的一组评价指标对其对应的第t-1级层中的一项评价指标的影响程度的若干个判断矩阵。采用“1-9标度法”构造判断矩阵，标度法的含义如下表2所示：
表2标度法含义说明
Figure BDA0002745332310000072
采用“1-9标度法”对风电叶片制造质量及其对应的5项评价指标构造判断矩阵A，如表3所示：
表3叶片制造质量判断矩阵A
Figure BDA0002745332310000073
Figure BDA0002745332310000081
采用“1-9标度法”对原材料质量指标及其对应的3项评价指标构造判断矩阵B1，如表4所示：
表4原材料质量判断矩阵B1
质量证明文件 外观质量 入厂性能复验
质量证明文件 a<sub>11</sub> a<sub>12</sub> a<sub>13</sub>
外观质量 a<sub>21</sub> a<sub>22</sub> a<sub>23</sub>
入厂性能复验 a<sub>31</sub> a<sub>32</sub> a<sub>33</sub>
采用“1-9标度法”对铺层及灌注质量指标及其对应的4项评价指标构造判断矩阵B2，如表5所示：
表5铺层及灌注质量判断矩阵B2
Figure BDA0002745332310000082
采用“1-9标度法”对粘接过程质量指标及其对应的4项评价指标构造判断矩阵B3，如表6所示：表6粘接过程质量判断矩阵B3
Figure BDA0002745332310000083
采用“1-9标度法”对成品检查质量指标及其对应的4项评价指标构造判断矩阵B4，如表7所示：
表7成品检查质量判断矩阵B4
Figure BDA0002745332310000084
Figure BDA0002745332310000091
采用“1-9标度法”对包装贮存质量指标及其对应的3项评价指标构造判断矩阵B5，如下表8所示：
表8包装贮存质量判断矩阵B5
工装匹配 贮存条件 标记检查
工装匹配 a<sub>11</sub> a<sub>12</sub> a<sub>13</sub>
贮存条件 a<sub>21</sub> a<sub>22</sub> a<sub>23</sub>
入标记检查 a<sub>31</sub> a<sub>32</sub> a<sub>33</sub>
步骤三：采用层次分析法计算各层次指标权重，得到各层次指标权重矩阵WA,
Figure BDA0002745332310000092
步骤四：对各层次指标权重矩阵进行一致性检验，计算判断矩阵的校验系数CR，
Figure BDA0002745332310000093
其中：一致性检验指标
Figure BDA0002745332310000094
式中：λmax为最大特征根，n为构造矩阵维数，
Figure BDA0002745332310000095
平均随机一致性指标RI通过查下表获得：
表9平均随机一致性指标RI
n 3 4 5 6 7 8 9
RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45
判断矩阵的校验系数CR值越小，说明判断矩阵的一致性程度越好，若校验系数CR<0.1，判断矩阵通过一致性校验，若CR>0.1，则需重新构建判断矩阵。
步骤五，对评价指标体系中的多层次指标使用模糊评价，构建评价指标评价等级集L，L＝(L1，L2，L3，L4，L5)对应优、良、一般、较差、差5种等级，如下表10所示。
表10风电叶片制造质量评价等级
Figure BDA0002745332310000096
Figure BDA0002745332310000101
步骤六：计算各评价指标等级隶属度。
采用百分比统计法，将质量问题按照等级评价指标进行百分比统计，作为等级隶属度，得到准则层指标对应的等级隶属度评价矩阵
Figure BDA0002745332310000102
作为示例：对指标Ci监督检查发现的设备质量问题数量总数为y件，其中特征为Lm等级的质量问题为x件，由此可知指标Ci的Lm等级隶属度为：rim＝x/y(i＝1,2,....18；m＝1,2...5)。由此可得出指标Ci的等级隶属度矩阵为ri＝(ri1,ri2,ri3,ri4,ri5)。
步骤七：根据各指标权重和等级隶属度评价矩阵计算得到准则层模糊综合评判结果为：
Figure BDA0002745332310000103
Figure BDA0002745332310000104
Figure BDA0002745332310000105
Figure BDA0002745332310000106
Figure BDA0002745332310000107
步骤八：基于准则层指标权重和准则层模糊评价结果计算目标层综合评价结果。依据最大隶属度原则，确定叶片制造质量评价等级。
Figure BDA0002745332310000108
本发明还提供一种计算机设备，包括但不限于一个或多个处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述基于模糊层次分析法的风电设备制造质量评价方法的部分步骤或所有步骤。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于模糊层次分析法的风电设备制造质量评价方法。
所述计算机设备可以采用笔记本电脑、平板电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是笔记本电脑、平板电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random ACCess Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,ResistanCe Random ACCess Memory)和动态随机存取存储器(DRAM，DynamiC Random ACCess Memory)。
以下为实例：
步骤一：根据风电叶片生产制造流程及其质量评价关键因素，建立风电叶片制造质量评价指标体系，将风电叶片质量评估因素划分为三层，即目标层、准则层、指标层。
其中，目标层为风电叶片制造质量，准则层包括：原材料质量(B1)、铺层及灌注质量(B2)、粘结过程(B3)、成品验收(B4)、包装贮存(B5)，指标层为质量证明文件(C1)、外观质量(C2)、入厂性能复验(C3)、铺层灌注工艺审查(C4)、纤维布及芯材尺寸位置控制(C5)、大梁表观质量及尺寸(C6)、真空***及灌注固化度(C7)、粘结工艺审查(C8)、腹板表观质量及尺寸(C9)、合模间隙控制(C10)、粘结树脂配比及固化度(C11)、叶片重量及几何尺寸检查(C12)、外观检查(C13)、无损探伤及内部检查(C14)、防雷装置检测(C15)、工装匹配(C16)、贮存条件(C17)、标记检查(C18)。详见表1。
根据表1建立的评价模型，各层次的因素集为：
第一层次：A＝(B1、B2、B3、B4)
第二层次：B1＝(C1，C2，C3)；
B2＝(C4，C5，C6，C7)；
B3＝(C8，C9，C10，C11)；
B4＝(C12，C13，C14，C15)；
B5＝(C16，C17，C18)
步骤二：采用“1-9标度法”，构建各层次判断矩阵并赋值，得到的判断矩阵如下
1、目标层的判断矩阵A如下
Figure BDA0002745332310000121
2、同理，构造准则层的判断矩阵B1、B2、B3、B4、B5
Figure BDA0002745332310000122
Figure BDA0002745332310000123
Figure BDA0002745332310000131
Figure BDA0002745332310000132
Figure BDA0002745332310000133
步骤三：运用层次分析法计算指标权重。
(1)计算目标层对准则层的各指标权重，将矩阵A各列归一化：
Figure BDA0002745332310000134
矩阵A第一列的和为9.533，第二列的和为4，第三列的和为2.043，第四列的和为17，第五列的和为13。
得到如下矩阵U
Figure BDA0002745332310000135
(2)将矩阵U各行求和；
Figure BDA0002745332310000136
得到如下矩阵V。
VT＝[0.811 1.216 2.310 0.310 0.353]
(3)进行归一化
Figure BDA0002745332310000137
即得到目标层A对准则层的各指标权重，即为矩阵WA。
WA＝[0.162 0.243 0.462 0.062 0.071]
步骤四：一致性检验，计算判断矩阵的校验系数CR，
Figure BDA0002745332310000138
其中：一致性检验指标
Figure BDA0002745332310000141
式中：λmax为最大特征根，n为构造矩阵维数。
Figure BDA0002745332310000142
其中，
Figure BDA0002745332310000143
Figure BDA0002745332310000144
计算一致性指标CI：
Figure BDA0002745332310000145
查表9确定相应的平均随机一致性指标RI，对于5阶的判断矩阵，查表得到R.I＝1.12。
表平均随机一致性指标RI
n 3 4 5 6 7 8 9
RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45
求出一致性比例CR，判断矩阵的校验系数CR值越小，说明判断矩阵的一致性程度越好，
Figure BDA0002745332310000146
可知CR<0.1，判断矩阵通过一致性检验，权重计算结果合理。若CR>0.1，则需重新构建判断矩阵。
同理可得准则层B1、B2、B3、B4、B5经归一化求权重和一致性检验后的结果如下：
Figure BDA0002745332310000147
Figure BDA0002745332310000148
Figure BDA0002745332310000149
Figure BDA00027453323100001410
Figure BDA00027453323100001411
步骤五：对评价指标体系中的多层次指标使用模糊评价，构建评价指标评价等级集L，L＝(L1，L2，L3，L4，L5)对应优、良、一般、较差、差5种等级，如表10所示。
步骤六：计算各评价指标等级隶属度。假设对指标Ci进行评价，采用百分比统计法，将质量问题等级评价结果进行百分比统计，作为等级隶属度。例如：对指标Ci监督检查发现的设备质量问题数量总数为y件，其中特征为Lm等级的质量问题为x件，由此可知指Ci标的Lm等级隶属度为：rim＝x/y(i＝1,2,....18；m＝1,2...5)。由此可得出指标Ci的等级隶属度矩阵为ri＝(ri1,ri2,ri3,ri4,ri5)。
以原材料质量B1为例，其各指标层等级评价结果隶属度如下表11所示。
表11原材料质量各指标等级隶属度
评价指标 L<sub>1</sub>优 L<sub>2</sub>良好 L<sub>3</sub>一般 L<sub>4</sub>较差 L<sub>5</sub>差
C<sub>1</sub> 0.4 0.3 0.2 0.1 0
C<sub>2</sub> 0.3 0.3 0.2 0.2 0
C<sub>3</sub> 0.3 0.2 0.3 0.2 0
由上表可以得到，原材料质量对应的等级隶属度评价矩阵为
Figure BDA0002745332310000151
Figure BDA0002745332310000152
同理可得，B2，B3，B4，B5指标等级隶属度评价矩阵为
Figure BDA0002745332310000153
Figure BDA0002745332310000154
Figure BDA0002745332310000155
Figure BDA0002745332310000156
Figure BDA0002745332310000161
步骤七：准则层评价结果计算与分析。
将B1的指标权重系数
Figure BDA0002745332310000162
与等级隶属度评价矩阵
Figure BDA0002745332310000163
相乘即得到B1指标评价集
Figure BDA0002745332310000164
Figure BDA0002745332310000165
可知，原材料的质量情况为优，等级隶属度为31.4％。
同理，可得准则层其他指标的评价集：
Figure BDA0002745332310000166
可知铺层及灌注质量情况为优，等级隶属度为57.5％。
Figure BDA0002745332310000167
可知粘接过程质量情况为优，等级隶属度为65.3％。
Figure BDA0002745332310000168
可知成品检查质量情况为优，等级隶属度为69.9％。
Figure BDA0002745332310000169
可知包装贮存质量情况为优，等级隶属度为72.3％。
步骤八：计算目标层综合评价结果并分析。
Figure BDA00027453323100001610
叶片制造质量等级的模糊子集为：
Figure BDA00027453323100001611
依据最大隶属度原则，确定基于叶片制造质量问题数据的叶片制造质量对L1级的隶属度最高，制造质量评价结果为优，等级隶属度为58.7％。

Claims (9)

1.一种基于模糊层次分析法的风电设备制造质量评价方法，其特征在于，包括以下步骤：
步骤1，根据风电叶片生产制造流程及其质量评价关键因素，建立风电叶片制造质量评价指标体系，将风电叶片质量评价因素划分为三层，即目标层、准则层以及指标层，准则层中的因素Bi为目标层A的因素集，i＝1,2,…N，指标层中的因素Cj为准则层Bi的因素集，j＝1,2……M；
步骤2，基于叶片制造质量评价指标体系，构建反映第t级层中的一组评价指标对其对应的第t-1级层中的一项评价指标的影响程度的若干个判断矩阵，t＝2,3；
步骤3，采用层次分析法计算各层次指标权重，得到各层次指标权重矩阵：WA，WBii＝1,2,…N；
步骤4，对步骤3所得各层次指标权重矩阵进行一致性检验，计算判断矩阵的校验系数；
步骤5，对多层次指标使用模糊评价，构建评价指标评价等级集；
步骤6，采用百分比统计法，将质量问题按照等级评价指标进行百分比统计，作为等级隶属度，得到准则层指标对应的等级隶属度评价矩阵：MBi，i＝1,2,…N；
步骤7，根据步骤3所得各层次指标权重矩阵和步骤6所得等级隶属度评价矩阵计算得到准则层评价结果：RBi＝WBi·MBi，i＝1,2,…N；
步骤8，基于准则层指标权重和准则层评价结果计算目标层综合评价结果
Figure FDA0002745332300000011
结合步骤5所述评价指标评价等级集可得到叶片制造质量等级的模糊子集，即最终评价结果。
2.根据权利要求1所述的基于模糊层次分析法的风电设备制造质量评价方法，其特征在于，目标层为风电叶片制造质量，准则层包括：原材料质量(B1)、铺层及灌注质量(B2)、粘结过程(B3)、成品验收(B4)以及包装贮存(B5)，指标层为质量证明文件(C1)、外观质量(C2)、入厂性能复验(C3)、铺层灌注工艺审查(C4)、纤维布及芯材尺寸位置控制(C5)、大梁表观质量及尺寸(C6)、真空***及灌注固化度(C7)、粘结工艺审查(C8)、腹板表观质量及尺寸(C9)、合模间隙控制(C10)、粘结树脂配比及固化度(C11)、叶片重量及几何尺寸检查(C12)、外观检查(C13)、无损探伤及内部检查(C14)、防雷装置检测(C15)、工装匹配(C16)、贮存条件(C17)以及标记检查(C18)；N＝4，M＝18，风电叶片制造质量评价指标体系中各因素集具体如下：
第一层次：A＝(B1、B2、B3、B4)
第二层次：B1＝(C1，C2，C3)；
B2＝(C4，C5，C6，C7)；
B3＝(C8，C9，C10，C11)；
B4＝(C12，C13，C14，C15)；
B5＝(C16，C17，C18)。
3.根据权利要求1所述的基于模糊层次分析法的风电设备制造质量评价方法，其特征在于，步骤2中，采用“1-9标度法”构造判断矩阵。
4.根据权利要求1所述的基于模糊层次分析法的风电设备制造质量评价方法，其特征在于，指标权重矩阵计算过程如下：
先计算目标层A对准则层的各指标权重，将目标层矩阵各列归一化
Figure FDA0002745332300000021
得到矩阵U，
将矩阵U各行求和，得到矩阵V，
进行归一化,
Figure FDA0002745332300000031
即得到目标层A对准则层的各指标权重，即为矩阵WA,采用同样的方法计算得到，WBii＝1,2,…N。
5.根据权利要求1所述的基于模糊层次分析法的风电设备制造质量评价方法，其特征在于，步骤4中校验系数CR计算如下：
Figure FDA0002745332300000032
其中：一致性检验指标
Figure FDA0002745332300000033
式中：λmax为最大特征根，n为构造矩阵维数，
Figure FDA0002745332300000034
平均随机一致性指标RI通过查表1获得：
表1平均随机一致性指标RI
n 3 4 5 6 7 8 9 RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45
判断矩阵的校验系数CR值越小，说明判断矩阵的一致性程度越好，若校验系数CR<0.1，判断矩阵通过一致性校验，若CR>0.1，则需重新构建判断矩阵。
6.根据权利要求1所述的基于模糊层次分析法的风电设备制造质量评价方法，其特征在于，步骤5所述评价等级具体为：
表2风电叶片制造质量评价等级表
Figure FDA0002745332300000035
L＝(L1，L2，L3，L4，L5)对应优、良、一般、较差以及差5种等级，如表2所示。
7.基于模糊层次分析法的风电设备制造质量评价***，其特征在于，包括制造质量评价指标体系模块、判断矩阵构建模块、权重矩阵计算模块、校验系数计算模块、准则层隶属度评价矩阵计算模块、准则层评价模块以及目标层评价模块；制造质量评价指标体系模块用于根据风电叶片生产制造流程及其质量评价关键因素，建立风电叶片制造质量评价指标体系，将风电叶片质量评价因素划分为三层，即目标层、准则层以及指标层；
判断矩阵构建模块基于叶片制造质量评价指标体系，构建反映第t级层中的一组评价指标对其对应的第t-1级层中的一项评价指标的影响程度的若干个判断矩阵；
权重矩阵计算模块采用层次分析法计算各层次指标权重，得到各层次指标权重矩阵；
校验系数计算模块对各层次指标权重矩阵进行一致性检验，计算判断矩阵的校验系数；
准则层隶属度评价矩阵计算模块用于构建模糊评价指标集和评价等级，采用百分比统计法，将质量问题按照等级评价指标进行百分比统计，作为等级隶属度，得到准则层指标对应的等级隶属度评价矩阵；
准则层评价模块用于根据各层次指标权重和等级隶属度评价矩阵计算得到准则层评价结果；
目标层综合评价模块基于各层次指标权重和准则层评价结果计算目标层综合评价结果。
8.一种计算机设备，其特征在于，包括但不限于一个或多个处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现权利要求1-6所述基于模糊层次分析法的风电设备制造质量评价方法的部分步骤或所有步骤。
9.一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，能实现权利要求1-6所述基于模糊层次分析法的风电设备制造质量评价方法。
CN202011164429.6A 2020-10-27 2020-10-27 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备 Pending CN112365135A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011164429.6A CN112365135A (zh) 2020-10-27 2020-10-27 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011164429.6A CN112365135A (zh) 2020-10-27 2020-10-27 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备

Publications (1)

Publication Number Publication Date
CN112365135A true CN112365135A (zh) 2021-02-12

Family

ID=74512254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011164429.6A Pending CN112365135A (zh) 2020-10-27 2020-10-27 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备

Country Status (1)

Country Link
CN (1) CN112365135A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222461A (zh) * 2021-05-31 2021-08-06 江苏科技大学 基于ahp-critic的海上风电升压站冷却***评价方法
CN113435686A (zh) * 2021-04-28 2021-09-24 国网冀北电力有限公司计量中心 蓄热式电采暖***评价方法及装置
CN116579633A (zh) * 2023-07-12 2023-08-11 湖南省计量检测研究院 基于数据驱动实现风电设备的服役状态质量分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN109784735A (zh) * 2019-01-21 2019-05-21 中国计量大学 基于层次-模糊法对电梯安全防护***的评估方法
CN110580580A (zh) * 2019-09-02 2019-12-17 长沙理工大学 一种基于模糊层次分析法的桥梁挂篮施工风险评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN109784735A (zh) * 2019-01-21 2019-05-21 中国计量大学 基于层次-模糊法对电梯安全防护***的评估方法
CN110580580A (zh) * 2019-09-02 2019-12-17 长沙理工大学 一种基于模糊层次分析法的桥梁挂篮施工风险评估方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
焦玉民等: "基于模糊层次分析法的工程机械质量评价", 《中国工程机械学报》 *
焦玉民等: "基于模糊层次分析法的工程机械质量评价", 《中国工程机械学报》, no. 04, 15 December 2010 (2010-12-15), pages 115 - 120 *
田松峰;韩强;王美俊;胥佳瑞;: "复合材料风电叶片静态无损检测方法研究进展", 工程塑料应用, no. 06 *
秦合营等: "基于模糊层次分析的印刷色彩质量综合评价研究", 《包装工程》 *
秦合营等: "基于模糊层次分析的印刷色彩质量综合评价研究", 《包装工程》, no. 12, 15 December 2008 (2008-12-15) *
赵勇;王冰佳;王杰彬;: "风力机叶片质量控制难点分析及对策", 热力发电, no. 04 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435686A (zh) * 2021-04-28 2021-09-24 国网冀北电力有限公司计量中心 蓄热式电采暖***评价方法及装置
CN113222461A (zh) * 2021-05-31 2021-08-06 江苏科技大学 基于ahp-critic的海上风电升压站冷却***评价方法
CN113222461B (zh) * 2021-05-31 2024-02-06 江苏科技大学 基于ahp-critic的海上风电升压站冷却***评价方法
CN116579633A (zh) * 2023-07-12 2023-08-11 湖南省计量检测研究院 基于数据驱动实现风电设备的服役状态质量分析方法
CN116579633B (zh) * 2023-07-12 2023-11-17 湖南省计量检测研究院 基于数据驱动实现风电设备的服役状态质量分析方法

Similar Documents

Publication Publication Date Title
CN112365135A (zh) 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备
CN110264112B (zh) 基于双向加权灰色关联的配电网可靠性影响因素分析方法
CN105893757B (zh) 一种用于电压暂降严重程度的综合评估方法
CN107274067B (zh) 一种配电变压器过载风险评估方法
CN113033618B (zh) 基于支持向量回归的分层水库取水下泄水温预测模型及预测方法
CN114118789B (zh) 基于模糊综合评判和综合赋权的雷达发射机状态评估方法
CN113128893A (zh) 区域防旱减灾的评估方法和装置
CN111882198A (zh) 一种项目绩效评价方法及***
CN110705856A (zh) 基于层次分析法的核电设备锻件材料制造质量评估方法
CN112990627A (zh) 电能质量评估方法
CN111222678A (zh) 路面技术状况预测方法
WO2022133889A1 (zh) 基于设备监理的电站设备质量数据处理方法及装置
CN105488343A (zh) 一种电力二次设备故障概率计算方法
CN117040020A (zh) 一种地区整体光伏新能源可消纳能力指数分布的求解方法
CN104318488A (zh) 一种风电agc辅助服务定价及补偿方法
CN112034139A (zh) 岩爆倾向性等级的判别方法、装置及电子设备
CN115423157B (zh) 一种山洪灾害风险动态预警方法及装置
CN116305725A (zh) 一种绝缘工器具工频耐压试验周期确定方法及装置
CN112653121B (zh) 一种新能源微电网参与电网调频能力的评估方法及装置
CN111310123A (zh) 一种电化学储能电站多维度评价方法和***
CN112070336A (zh) 一种基于层次分析法的制造业信息量化分析方法及装置
CN112035919A (zh) 桥梁在役性能安全评估方法及***、存储介质及设备
CN112085313A (zh) 基于加权topsis法的垃圾污染问题分责方法
CN112711842B (zh) 基于设备监理的电站设备质量数据处理方法及装置
CN112825105A (zh) 混合材料参数压缩的板料挤压成形力快速预测方法

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

Application publication date: 20210212