云模型模糊层次分析法在铁路信号系统风险分析中的应用的制作方法
云模型模糊层次分析法在铁路信号系统风险分析中的应用的制作方法
【专利摘要】本发明公开了一种应用于铁路信号系统风险分析领域的评估方法，首先制定铁路系统的风险等级，采用MATLAB仿真软件的正向云发生器表现风险等级评价云模型并生成标准风险等级评语集云模型图；由专家对某一功能的失效模式根据制定的风险等级打分，得到风险因素集并转换为综合评判矩阵R，专家通过层次分析法得到风险因素集中各个参数相对应的风险因素集权重系数，利用模糊合成算子计算综合评价结果云模型图；将综合评价结果云模型图和标准风险等级评语集云模型图进行对比，得出综合评价结果的风险等级。本发明使风险评估结果更为客观、准确。
【专利说明】云模型模糊层次分析法在铁路信号系统风险分析中的应用
【技术领域】
[0001] 本发明属于铁路信号系统风险分析【技术领域】，涉及云模型模糊层次分析法在铁路 信号系统风险分析中的应用。
【背景技术】
[0002] 云模型（Cloud Model):由中国工程院院士李德毅提出的，处理定性概念与定量描 述的不确定转换模型。模糊层次分析法（Fuzzy Analytic Hierarchy Process, FAHP):综 合运用层次分析法和模糊综合评判法来解决多因素，多指标评价问题的一种方法。模糊层 次分析法是众多风险评估方法中的一种，其基本思想是利用模糊线性变换原理和最大隶属 度原则，考虑与被评价事物相关的各个因素，对其做出合理的综合评价。由于有些风险因子 无法用定量的方式来给出比较结果，因此在风险评价中必须借鉴专家个人经验给出风险因 子权重，总体风险评价结果是否科学准确在一定程度上依赖于专家做出的判断。在模糊层 次分析法中，层次分析法采用整数数值和其倒数来表示风险因子的重要性大小；模糊方法 需要专家根据自身知识和经验判断，用确定的数值来评价风险因子的风险值，这两种方法 虽然表达了主观判断的模糊性，但没有刻画出风险因子的随机性。在实际评价中，从评价论 域的选择到权重系数的计算，以及综合评价矩阵的产生都存在模糊以及不确定性，而且具 有一定的随机性，模糊层次分析法所得到的简单评价结果无法反映这些问题。
[0003] 高速铁路速度的提高和行车间距的缩短，意味着对系统安全性的考验更为显著。 铁道部开展高铁技术设备专业测试、第三方认证和风险评估工作，进一步研究高铁建设项 目系统性安全评价方法，完善评价体系，对工程项目进行全面系统的安全评价。铁路信号系 统设备对于保障列车在高速行驶下的安全起着至关重要的作用，对铁路信号系统设备进行 风险评估，对于我国铁路信号设备的系统保障和安全认证工作将会有一定的促进作用。目 前，已有的故障树分析法、模糊层次分析法、灰色模糊理论法等评价方法，对铁路信号系统 的安全风险评估具有一定的参考借鉴作用，但这些方法大多忽略了评价过程中出现的各种 不确定性，即模糊性和随机性。评价过程过分依赖一种精确运算的数学模型，或是以一种 阈值的方式对评价结果进行分类，对评价过程中的定性概念很难做出清楚的解释。
[0004] 在铁路信号系统设备风险评估系统中，各个风险因子在系统中的地位以及作用都 不一样，导致对最终的风险评价结果的贡献都不相同，也就是说每个因子对应风险所占的 权重不相同，如果只是简单的综合各个风险因子的风险评价结果给出最终的评价结果，结 果有可能会和实际有较大出入，出现失真的情况。由于铁路信号系统设备风险因子的模糊 性和随机性，而且各个风险因子相互作用相互关联，有些风险因子无法用定量的方式来给 出比较结果，因此在风险评价中借鉴专家个人经验给出评判确定风险因子权重是必须的， 总体风险评价结果是否科学准确在一定程度上依赖于专家做出的判断。
[0005] 现有技术方案，运用常规模糊层次分析法对铁路信号系统设备进行风险评估时， 首先，总结出铁路信号系统设备的失效模式，然后在专家对各失效模式进行打分的基础上， 运用模糊综合评判法将由调查所得数据转化为各失效模式模式相对应的模糊矩阵，并利用 层次分析法获得各失效模式的权重，最后完成对铁路信号系统设备的模糊综合评判，得到 该信号设备的风险等级。运用常规模糊层次分析法对铁路信号系统设备进行风险评估时会 带来如下问题：
[0006] (1)在运用传统层次分析法来确定权重时，构建两两比较的重要性的判断矩阵的 时候，主要是采用整数数值以及整数的倒数来表示出要素的两两比较重要性，但是在实际 情况中，两两因素比较重要性的大小应当是一个稳定的倾向性的随机数，只用1?9这样的 确定的整数来表示两两要素的比较重要性不能完全客观的表现出其随机性；
[0007] (2)在运用传统层次分析法来确定权重时，在利用整数和倒数来构造比较判断矩 阵的时候没有投入充分考虑到判断者本身的模糊性，在对风险因子两两比较重要性进行赋 值的时候，只考虑到了判断做出判断的两种可能的极端情况，当使用精确的数字来构建判 断矩阵，不能准确的反映出决策者的主观偏好关系的。
[0008] (3)在模糊数学中，只着重于研究事物不确定性和模糊性，而没有考虑到不确定性 事物会存在随机误差，因此采用一个精确的数值对事物的隶属度进行描述是不客观的，容 易使最后的推理结果偏离实际情况。
[0009] (4)模糊数学中利用精确数学的方法来定义概念并且证明定理，这会导致模糊性 的丧失，最终使模糊性完全消失。并且用一个精确的数值来客观的表征对象的隶属度也是 非常困难的，最后为了解决问题，只能通过主观取位来给出隶属度，这样会使结果不客观不 可靠。
【发明内容】
[0010] 本发明的目的在提供一种应用于铁路信号系统风险分析领域的评估方法，解决了 现有技术方案运用常规模糊层次分析法利用最大隶属度原则或加权平均法来做出综合决 策对铁路信号系统设备进行风险评估会使结果不客观不可靠的问题。
[0011] 本发明的技术方案是按照以下步骤进行：
[0012] 步骤1 :首先制定铁路系统的风险等级，采用MATLAB仿真软件的正向云发生器表 现风险等级评价云模型并生成标准风险等级评语集云模型图；
[0013] 步骤2 :由专家对某一功能的失效模式根据制定的风险等级打分，得到风险因素 集，通过mat lab仿真软件的逆向云发生器得到含有（Ex, En, He)参数的综合评判矩阵R ;
[0014] 步骤3 :专家通过层次分析法得到风险因素集中各个参数相对应的风险因素集权 重系数，通过matlab仿真软件的逆向云发生器得到含有权系数参数峋:.）的风 险因素集矩阵A ;
[0015] 步骤4 :根据步骤2中的综合评判矩阵R和步骤3中的风险因素集矩阵A利用模 糊合成算子计算综合评价结果，将综合评价结果通过MATLAB仿真软件得到综合评价结果 云模型图；
[0016] 步骤5 :将步骤4中得到的综合评价结果云模型图和步骤1中的标准风险等级评 语集云模型图进行对比，得出综合评价结果的风险等级。
[0017] 本发明的技术特点还在于步骤1中铁路系统的风险等级为可接受、有条件可接 受、不希望、不可接受四个等级。步骤2中风险因素集通过逆向云发生器得到综合评判矩阵 R的过程为：首先使用逆向云发生器将专家打分的风险因素集中的每个参数转换为三参数 Ex，En，He ;
[0018] 首先向MATLAB仿真软件中输入样本点Xi(i = 1，2, · · ·，n);
【权利要求】
1. 云模型模糊层次分析法在铁路信号系统风险分析中的应用，其特征在于按照以下步 骤进行： 步骤1 :首先制定铁路系统的风险等级，采用MATLAB仿真软件的正向云发生器表现风 险等级评价云模型并生成标准风险等级评语集云模型图； 步骤2 :由专家对某一功能的失效模式根据制定的风险等级打分，得到风险因素集，通 过mat lab仿真软件的逆向云发生器得到含有（Ex, En，He)参数的综合评判矩阵R ; 步骤3 :专家通过层次分析法得到风险因素集中各个参数相对应的风险因素集权重系 数，通过matlab仿真软件的逆向云发生器得到含有权系数参数的风险因 素集矩阵A ; 步骤4 :根据步骤2中的综合评判矩阵R和步骤3中的风险因素集矩阵A利用模糊合 成算子计算综合评价结果，将综合评价结果通过MATLAB仿真软件得到综合评价结果云模 型图； 步骤5 :将步骤4中得到的综合评价结果云模型图和步骤1中的标准风险等级评语集 云模型图进行对比，得出综合评价结果的风险等级。
2. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤1中铁路系统的风险等级为可接受、有条件可接受、不希望、不可接受 四个等级。
3. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤2中风险因素集通过逆向云发生器得到综合评判矩阵R的过程为：首 先使用逆向云发生器将专家打分的风险因素集中的每个参数转换为三参数Ex，En，He ; 首先向MATLAB仿真软件中输入样本点Xi (i = 1，2,. . .，η); 输出：这η个样本点表示的定性概念C的期望值Εχ，熵Εη和超熵He，^代表样本 数，即下文中要提到的专家打分的值，有10个专家对某个失效模式进行打分，即为Xi (i = 1，2,. . .，10)，这里i取的是10,代表第10个专家，如Xl = 2就代表第一个专家对某一个功 能的失效模式的打分为2,这个逆向云发生器的整个算法就是通过一组样本值来表述，这η 代表专家样本值的个数，上面的风险因素集C = (Cl，c2, . . .，cq)即为q个专家打的分： (1) 根据输入样本Xi，计算总体均值
计算样本的一阶绝对中心）
& - Λ? ; 计算样本的方差5
.-奸； (2) Εχ = Χ； (3) Εη--
(4) /fe = ^/s2^￡?r ; 对10个专家针对失效模式的打分经过逆向云发生器得到了 10组三参数Ex，En，He。
4. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤4中模糊合成算子计算综合评价结果的过程为算所得评价对象的综合 评价特征值公式为：
=(Exb, EnB, HeB), 其中B=A · R= (ExB, EnB, HeB)，是一个评价云模型，" · "是综合计算算子，这个算子选用 的加权算子。
5. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤4中将综合评价结果通过MATLAB仿真软件得到综合评价结果云模型图 过程为：得到综合评价结果B(Ex b，RnB，HeB)，将三参数（ExB，EnB，He B)用正向云发生器表现 为云滴图：通过向MATLAB仿真软件输入上述的三参数（ExB，En B，HeB)得到仿真的云滴图， 云滴数N取值4000， 输出：N个云滴的定量值以及每个云滴代表概念C的确定度； (1) 生成以En为期望值，He为标准差的一个正态随机数En'; (2) 生成以Ex为期望值，En'为标准差的正态随机数X; (3) 令X为定性概念C的一次具体量化值，称为云滴；
(5) 令y为X属于定性概念C的确定度； (6) {x，y}完整地反映了这一次定性定量转换的全部内容； (7) 重复（1)?（6)直到产生N个云滴为止。
【文档编号】G06F17/50GK104102762SQ201410179324
【公开日】2014年10月15日 申请日期:2014年4月29日 优先权日:2014年4月29日
【发明者】张友鹏, 徐征捷, 苏宏升, 赵斌, 董海燕 申请人:兰州交通大学
【专利摘要】本发明公开了一种应用于铁路信号系统风险分析领域的评估方法，首先制定铁路系统的风险等级，采用MATLAB仿真软件的正向云发生器表现风险等级评价云模型并生成标准风险等级评语集云模型图；由专家对某一功能的失效模式根据制定的风险等级打分，得到风险因素集并转换为综合评判矩阵R，专家通过层次分析法得到风险因素集中各个参数相对应的风险因素集权重系数，利用模糊合成算子计算综合评价结果云模型图；将综合评价结果云模型图和标准风险等级评语集云模型图进行对比，得出综合评价结果的风险等级。本发明使风险评估结果更为客观、准确。
【专利说明】云模型模糊层次分析法在铁路信号系统风险分析中的应用
【技术领域】
[0001] 本发明属于铁路信号系统风险分析【技术领域】，涉及云模型模糊层次分析法在铁路 信号系统风险分析中的应用。
【背景技术】
[0002] 云模型（Cloud Model):由中国工程院院士李德毅提出的，处理定性概念与定量描 述的不确定转换模型。模糊层次分析法（Fuzzy Analytic Hierarchy Process, FAHP):综 合运用层次分析法和模糊综合评判法来解决多因素，多指标评价问题的一种方法。模糊层 次分析法是众多风险评估方法中的一种，其基本思想是利用模糊线性变换原理和最大隶属 度原则，考虑与被评价事物相关的各个因素，对其做出合理的综合评价。由于有些风险因子 无法用定量的方式来给出比较结果，因此在风险评价中必须借鉴专家个人经验给出风险因 子权重，总体风险评价结果是否科学准确在一定程度上依赖于专家做出的判断。在模糊层 次分析法中，层次分析法采用整数数值和其倒数来表示风险因子的重要性大小；模糊方法 需要专家根据自身知识和经验判断，用确定的数值来评价风险因子的风险值，这两种方法 虽然表达了主观判断的模糊性，但没有刻画出风险因子的随机性。在实际评价中，从评价论 域的选择到权重系数的计算，以及综合评价矩阵的产生都存在模糊以及不确定性，而且具 有一定的随机性，模糊层次分析法所得到的简单评价结果无法反映这些问题。
[0003] 高速铁路速度的提高和行车间距的缩短，意味着对系统安全性的考验更为显著。 铁道部开展高铁技术设备专业测试、第三方认证和风险评估工作，进一步研究高铁建设项 目系统性安全评价方法，完善评价体系，对工程项目进行全面系统的安全评价。铁路信号系 统设备对于保障列车在高速行驶下的安全起着至关重要的作用，对铁路信号系统设备进行 风险评估，对于我国铁路信号设备的系统保障和安全认证工作将会有一定的促进作用。目 前，已有的故障树分析法、模糊层次分析法、灰色模糊理论法等评价方法，对铁路信号系统 的安全风险评估具有一定的参考借鉴作用，但这些方法大多忽略了评价过程中出现的各种 不确定性，即模糊性和随机性。评价过程过分依赖一种精确运算的数学模型，或是以一种 阈值的方式对评价结果进行分类，对评价过程中的定性概念很难做出清楚的解释。
[0004] 在铁路信号系统设备风险评估系统中，各个风险因子在系统中的地位以及作用都 不一样，导致对最终的风险评价结果的贡献都不相同，也就是说每个因子对应风险所占的 权重不相同，如果只是简单的综合各个风险因子的风险评价结果给出最终的评价结果，结 果有可能会和实际有较大出入，出现失真的情况。由于铁路信号系统设备风险因子的模糊 性和随机性，而且各个风险因子相互作用相互关联，有些风险因子无法用定量的方式来给 出比较结果，因此在风险评价中借鉴专家个人经验给出评判确定风险因子权重是必须的， 总体风险评价结果是否科学准确在一定程度上依赖于专家做出的判断。
[0005] 现有技术方案，运用常规模糊层次分析法对铁路信号系统设备进行风险评估时， 首先，总结出铁路信号系统设备的失效模式，然后在专家对各失效模式进行打分的基础上， 运用模糊综合评判法将由调查所得数据转化为各失效模式模式相对应的模糊矩阵，并利用 层次分析法获得各失效模式的权重，最后完成对铁路信号系统设备的模糊综合评判，得到 该信号设备的风险等级。运用常规模糊层次分析法对铁路信号系统设备进行风险评估时会 带来如下问题：
[0006] (1)在运用传统层次分析法来确定权重时，构建两两比较的重要性的判断矩阵的 时候，主要是采用整数数值以及整数的倒数来表示出要素的两两比较重要性，但是在实际 情况中，两两因素比较重要性的大小应当是一个稳定的倾向性的随机数，只用1?9这样的 确定的整数来表示两两要素的比较重要性不能完全客观的表现出其随机性；
[0007] (2)在运用传统层次分析法来确定权重时，在利用整数和倒数来构造比较判断矩 阵的时候没有投入充分考虑到判断者本身的模糊性，在对风险因子两两比较重要性进行赋 值的时候，只考虑到了判断做出判断的两种可能的极端情况，当使用精确的数字来构建判 断矩阵，不能准确的反映出决策者的主观偏好关系的。
[0008] (3)在模糊数学中，只着重于研究事物不确定性和模糊性，而没有考虑到不确定性 事物会存在随机误差，因此采用一个精确的数值对事物的隶属度进行描述是不客观的，容 易使最后的推理结果偏离实际情况。
[0009] (4)模糊数学中利用精确数学的方法来定义概念并且证明定理，这会导致模糊性 的丧失，最终使模糊性完全消失。并且用一个精确的数值来客观的表征对象的隶属度也是 非常困难的，最后为了解决问题，只能通过主观取位来给出隶属度，这样会使结果不客观不 可靠。
【发明内容】
[0010] 本发明的目的在提供一种应用于铁路信号系统风险分析领域的评估方法，解决了 现有技术方案运用常规模糊层次分析法利用最大隶属度原则或加权平均法来做出综合决 策对铁路信号系统设备进行风险评估会使结果不客观不可靠的问题。
[0011] 本发明的技术方案是按照以下步骤进行：
[0012] 步骤1 :首先制定铁路系统的风险等级，采用MATLAB仿真软件的正向云发生器表 现风险等级评价云模型并生成标准风险等级评语集云模型图；
[0013] 步骤2 :由专家对某一功能的失效模式根据制定的风险等级打分，得到风险因素 集，通过mat lab仿真软件的逆向云发生器得到含有（Ex, En, He)参数的综合评判矩阵R ;
[0014] 步骤3 :专家通过层次分析法得到风险因素集中各个参数相对应的风险因素集权 重系数，通过matlab仿真软件的逆向云发生器得到含有权系数参数峋:.）的风 险因素集矩阵A ;
[0015] 步骤4 :根据步骤2中的综合评判矩阵R和步骤3中的风险因素集矩阵A利用模 糊合成算子计算综合评价结果，将综合评价结果通过MATLAB仿真软件得到综合评价结果 云模型图；
[0016] 步骤5 :将步骤4中得到的综合评价结果云模型图和步骤1中的标准风险等级评 语集云模型图进行对比，得出综合评价结果的风险等级。
[0017] 本发明的技术特点还在于步骤1中铁路系统的风险等级为可接受、有条件可接 受、不希望、不可接受四个等级。步骤2中风险因素集通过逆向云发生器得到综合评判矩阵 R的过程为：首先使用逆向云发生器将专家打分的风险因素集中的每个参数转换为三参数 Ex，En，He ;
[0018] 首先向MATLAB仿真软件中输入样本点Xi(i = 1，2, · · ·，n);
【权利要求】
1. 云模型模糊层次分析法在铁路信号系统风险分析中的应用，其特征在于按照以下步 骤进行： 步骤1 :首先制定铁路系统的风险等级，采用MATLAB仿真软件的正向云发生器表现风 险等级评价云模型并生成标准风险等级评语集云模型图； 步骤2 :由专家对某一功能的失效模式根据制定的风险等级打分，得到风险因素集，通 过mat lab仿真软件的逆向云发生器得到含有（Ex, En，He)参数的综合评判矩阵R ; 步骤3 :专家通过层次分析法得到风险因素集中各个参数相对应的风险因素集权重系 数，通过matlab仿真软件的逆向云发生器得到含有权系数参数的风险因 素集矩阵A ; 步骤4 :根据步骤2中的综合评判矩阵R和步骤3中的风险因素集矩阵A利用模糊合 成算子计算综合评价结果，将综合评价结果通过MATLAB仿真软件得到综合评价结果云模 型图； 步骤5 :将步骤4中得到的综合评价结果云模型图和步骤1中的标准风险等级评语集 云模型图进行对比，得出综合评价结果的风险等级。
2. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤1中铁路系统的风险等级为可接受、有条件可接受、不希望、不可接受 四个等级。
3. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤2中风险因素集通过逆向云发生器得到综合评判矩阵R的过程为：首 先使用逆向云发生器将专家打分的风险因素集中的每个参数转换为三参数Ex，En，He ; 首先向MATLAB仿真软件中输入样本点Xi (i = 1，2,. . .，η); 输出：这η个样本点表示的定性概念C的期望值Εχ，熵Εη和超熵He，^代表样本 数，即下文中要提到的专家打分的值，有10个专家对某个失效模式进行打分，即为Xi (i = 1，2,. . .，10)，这里i取的是10,代表第10个专家，如Xl = 2就代表第一个专家对某一个功 能的失效模式的打分为2,这个逆向云发生器的整个算法就是通过一组样本值来表述，这η 代表专家样本值的个数，上面的风险因素集C = (Cl，c2, . . .，cq)即为q个专家打的分： (1) 根据输入样本Xi，计算总体均值
计算样本的一阶绝对中心）
& - Λ? ; 计算样本的方差5
.-奸； (2) Εχ = Χ； (3) Εη--
(4) /fe = ^/s2^￡?r ; 对10个专家针对失效模式的打分经过逆向云发生器得到了 10组三参数Ex，En，He。
4. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤4中模糊合成算子计算综合评价结果的过程为算所得评价对象的综合 评价特征值公式为：
=(Exb, EnB, HeB), 其中B=A · R= (ExB, EnB, HeB)，是一个评价云模型，" · "是综合计算算子，这个算子选用 的加权算子。
5. 按照权利要求1所述云模型模糊层次分析法在铁路信号系统风险分析中的应用，其 特征在于：所述步骤4中将综合评价结果通过MATLAB仿真软件得到综合评价结果云模型图 过程为：得到综合评价结果B(Ex b，RnB，HeB)，将三参数（ExB，EnB，He B)用正向云发生器表现 为云滴图：通过向MATLAB仿真软件输入上述的三参数（ExB，En B，HeB)得到仿真的云滴图， 云滴数N取值4000， 输出：N个云滴的定量值以及每个云滴代表概念C的确定度； (1) 生成以En为期望值，He为标准差的一个正态随机数En'; (2) 生成以Ex为期望值，En'为标准差的正态随机数X; (3) 令X为定性概念C的一次具体量化值，称为云滴；
(5) 令y为X属于定性概念C的确定度； (6) {x，y}完整地反映了这一次定性定量转换的全部内容； (7) 重复（1)?（6)直到产生N个云滴为止。
【文档编号】G06F17/50GK104102762SQ201410179324
【公开日】2014年10月15日 申请日期:2014年4月29日 优先权日:2014年4月29日
【发明者】张友鹏, 徐征捷, 苏宏升, 赵斌, 董海燕 申请人:兰州交通大学
最新回复(0)