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、系统及设备。
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B
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:W
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:M
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:R
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
目标层为风电叶片制造质量,准则层包括:原材料质量(B
第一层次:A=(B
第二层次:B
B
B
B
B
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
将矩阵U各行求和,得到矩阵V,
进行归一化,
步骤4中校验系数CR计算如下:
其中:一致性检验指标
表1平均随机一致性指标RI
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
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系统,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(B
表1叶片制造质量评价指标体系
根据表1建立的评价模型,各层次的因素集为:
第一层次:A=(B
第二层次:B
B
B
B
B
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
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
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B
表4原材料质量判断矩阵B
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B
表5铺层及灌注质量判断矩阵B
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B
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B
表7成品检查质量判断矩阵B
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B
表8包装贮存质量判断矩阵B
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W
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,
其中:一致性检验指标
表9平均随机一致性指标RI
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
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
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:
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。
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(B
根据表1建立的评价模型,各层次的因素集为:
第一层次:A=(B
第二层次:B
B
B
B
B
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
2、同理,构造准则层的判断矩阵B
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:
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
(2)将矩阵U各行求和;
V
(3)进行归一化
W
步骤四:一致性检验,计算判断矩阵的校验系数CR,
计算一致性指标CI:
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
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,
同理可得准则层B
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C
以原材料质量B
表11原材料质量各指标等级隶属度
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
同理可得,B
步骤七:准则层评价结果计算与分析。
将B
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:
可知铺层及灌注质量情况为优,等级隶属度为57.5%。
可知粘接过程质量情况为优,等级隶属度为65.3%。
可知成品检查质量情况为优,等级隶属度为69.9%。
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。
叶片制造质量等级的模糊子集为:
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L
机译: 基于Web的风电叶片管理系统
机译: 基于属性的制造质量控制的计算机实现的系统和方法
机译: 基于属性的制造质量控制的计算机实现系统及方法