[发明专利]基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法

摘要

本发明涉及基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法，步骤如下：步骤1：分解复杂装备结构。步骤2：明确质量风险构成。步骤3：收集与整理历史质量问题数据。步骤4：构建与训练BpNN装备质量风险评估模型。步骤5：收集与整理待评估装备的待分析数据。步骤6：评估复杂装备质量风险。本发明方法运用质量问题数据作为风险评估的输入，能更加客观真实地反映当前装备质量存在的风险概率，为管理决策提供更加科学有效的依据。反向传导神经网络实质上实现了一个从输入到输出的映射功能，具有自学习能力，不用人为赋予指标权重，能够通过训练自动实现各项指标的权重赋值，极大降低人为主观因素对装备质量风险评估结果造成的干扰。

主权项

1.一种基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法，其具体步骤如下：步骤1、分解复杂装备结构：根据复杂装备的集成程度，将其分解到能够度量的最低系统级，确定系统结构组成；步骤2、明确质量风险构成：基于造价和质量问题发生概率，明确质量风险的内涵及构成；步骤3、收集与整理历史质量问题数据：基于装备技术原理，运用故障模式及影响分析、故障树分析的质量分析方法，识别低层级系统的关键性能指标及质量风险源，形成的质量问题数据样本集；步骤4、构建与训练BpNN装备质量风险评估模型：根据低层级系统的关键性能指标数量及质量风险源数量，确定BpNN装备质量风险评估模型的输入节点数量和输出节点数量，构建BpNN装备质量风险评估模型；基于质量问题数据样本集数据，运用Matlab编程，对BpNN装备质量风险评估模型进行训练；步骤5、收集与整理待评估装备的待分析数据：根据已识别的关键性能指标，对待评估装备的各低层级系统进行测试，收集整理低层级系统关键性能指标数据；步骤6、评估复杂装备质量风险：运用步骤4训练成熟的BpNN装备质量风险评估模型，将步骤5收集整理的待评估关键性能指标数据作为模型输入数据，运用Matlab编程，对装备质量风险进行评估。