基于黑盒測試法和權(quán)重法的起重機(jī)械電氣系統(tǒng)風(fēng)險(xiǎn)評估

李向東， 陳序， 崔靜靜， 樊衛(wèi)華*

(1.江蘇省特種設(shè)備安全監(jiān)督檢驗(yàn)研究院， 南京 210036； 2.南京理工大學(xué)自動化學(xué)院, 南京 210094)

起重機(jī)在工業(yè)生產(chǎn)中起著很重要的作用，在鋼材市場、鋼廠、工礦企業(yè)、冶金企業(yè)都被廣泛應(yīng)用。2020年，中國起重機(jī)行業(yè)的資產(chǎn)總額達(dá)3 604億元，同比增長了6.68%，主營業(yè)務(wù)收入約1 886億元，總利潤額230億元。截至2020年底，起重機(jī)械數(shù)量在中國特種設(shè)備中排名第三，高達(dá)253.84萬臺，占比15.4%[1]。

隨著中國起重機(jī)注冊使用的數(shù)量逐年增長，在生產(chǎn)效率得到極大提高的同時，起重機(jī)安全事故時有發(fā)生，往往帶來巨大的財(cái)產(chǎn)損失，甚至造成人員傷亡[2]。2020年起重機(jī)行業(yè)的事故數(shù)量占比為25.23%，死亡總?cè)藬?shù)占29.25%，可見起重機(jī)事故發(fā)生頻率比較高，事故造成的人員死亡情況嚴(yán)重，有關(guān)起重機(jī)安全問題的社會關(guān)注度也因此不斷提高，加強(qiáng)起重機(jī)械的相關(guān)安全技術(shù)研究已經(jīng)成為當(dāng)務(wù)之急。

伴隨無線通信、互聯(lián)網(wǎng)自動化技術(shù)的應(yīng)用，催生了現(xiàn)代化智能起重機(jī)等新型的起重機(jī)械。由于自動化和智能技術(shù)的引入，有望憑借自動操作能力和智能化系統(tǒng)，模擬人工實(shí)際作業(yè)，實(shí)現(xiàn)人工向自動化的更替，符合工業(yè)4.0和智能制造的發(fā)展趨勢，具有廣闊的前景[2]。

與傳統(tǒng)的起重機(jī)械相比，智能化的起重機(jī)械在結(jié)構(gòu)和組成上有較大的變化，特別是電氣控制系統(tǒng)中的可編程控制器，可以通過其內(nèi)部的軟件實(shí)現(xiàn)對變頻器、電動機(jī)的控制以及各種操控設(shè)備的信號檢測。然而，由于可編程控制器內(nèi)部的軟件代碼往往無法清晰獲知，且其對機(jī)械、電氣部件的影響難以直接測量，這給電氣系統(tǒng)功能安全評估帶來了新的挑戰(zhàn)。2000年5月，國際電工委員會發(fā)布了IEC61508標(biāo)準(zhǔn)，名為《電氣/電子/可編程電子安全系統(tǒng)的功能安全》，針對由電氣/電子/可編程電子部件構(gòu)成的、起安全作用的電氣/電子/可編程電子系統(tǒng)的安全生命周期，建立一個基本評價方法。中國在該標(biāo)準(zhǔn)的基礎(chǔ)上，也頒布了電氣/電子/可編程電子安全相關(guān)系統(tǒng)的功能安全(GB/T 20438)等系列國家標(biāo)準(zhǔn)，但這些標(biāo)準(zhǔn)中對于電氣功能安全評估的評價方法和實(shí)施細(xì)則尚待明確。

生產(chǎn)安全牽動人心，關(guān)系重大。近年來，不少學(xué)者對風(fēng)險(xiǎn)評估展開了廣泛的研究并取得了一定的成果。劉致雙等[3]提出了一種基于多指標(biāo)綜合評估法的特種設(shè)備固有風(fēng)險(xiǎn)分類分級方法，運(yùn)用多指標(biāo)綜合評估法和熵權(quán)法，建立了特種設(shè)備使用單位固有風(fēng)險(xiǎn)分級模型，得出特種設(shè)備固有風(fēng)險(xiǎn)值。史運(yùn)濤等[4]考慮了系統(tǒng)風(fēng)險(xiǎn)復(fù)雜的耦合影響關(guān)系，提出了一種基于圖神經(jīng)網(wǎng)絡(luò)的系統(tǒng)動態(tài)風(fēng)險(xiǎn)評估方法，實(shí)現(xiàn)了燃?xì)庀到y(tǒng)的安全動態(tài)風(fēng)險(xiǎn)評估。劉佳璐等[5]基于大數(shù)據(jù)概念，結(jié)合電梯檢驗(yàn)質(zhì)量和風(fēng)險(xiǎn)預(yù)警分析，提出了電梯安全綜合評價模型，建立了項(xiàng)目檢查表，提出了風(fēng)險(xiǎn)評估方法和程序，系統(tǒng)地描述了危險(xiǎn)情節(jié)，給出了風(fēng)險(xiǎn)評估和評定標(biāo)準(zhǔn)。孫滔然等[6]在國際標(biāo)準(zhǔn)化組織(International Organization for Standardization, ISO)標(biāo)準(zhǔn)體系的基礎(chǔ)上，利用傷害程度、危險(xiǎn)發(fā)生的頻率及持續(xù)時間、危險(xiǎn)發(fā)生概率和避免或減少傷害的可能性四項(xiàng)指標(biāo)，評估系統(tǒng)的風(fēng)險(xiǎn)指數(shù)。劉自秤[7]通過對系統(tǒng)危險(xiǎn)進(jìn)行辨識，分析起重機(jī)各部分可能發(fā)生的缺陷，列出清單，然后運(yùn)用定量風(fēng)險(xiǎn)評估 (quantitative risk assessment，QRA) 方法對失效頻率和后果等級進(jìn)行評價，根據(jù)安全風(fēng)險(xiǎn)大小，結(jié)合風(fēng)險(xiǎn)矩陣，確定起重機(jī)的失效程度，提出降低風(fēng)險(xiǎn)的建議措施。針對評估時只對系統(tǒng)的某一部分單獨(dú)評估，陳崢等[8]對每個風(fēng)險(xiǎn)指標(biāo)建立不同的分類標(biāo)準(zhǔn)，評估出散貨料倉施工前的風(fēng)險(xiǎn)等級，并采用指標(biāo)體系法構(gòu)建一級和二級指標(biāo)評估體系，結(jié)合多級可拓模型評估出施工過程中的風(fēng)險(xiǎn)等級。單科科等[9]、孫遠(yuǎn)韜等[10]基于潛在失效模式及后果分析法和故障樹分析法對起重機(jī)進(jìn)行失效分析，并建立故障樹，根據(jù)故障樹確定系統(tǒng)的失效概率，得出對應(yīng)的安全完整性等級。劉自秤[7]提出利用定量風(fēng)險(xiǎn)評價對起重機(jī)各個部分的缺陷進(jìn)行評估，結(jié)合風(fēng)險(xiǎn)矩陣，確定其失效程度，給出降低風(fēng)險(xiǎn)的建議。在安全理論方面也涌現(xiàn)了模糊綜合評價法、支持向量機(jī)等評價方法，充分利用了計(jì)算機(jī)來輔助失效分析[11]。

但上述研究中，大部分評估依賴于對系統(tǒng)內(nèi)部結(jié)構(gòu)進(jìn)行分析，需要系統(tǒng)內(nèi)部的技術(shù)資料，才可以實(shí)施。由于中國起重機(jī)械的生產(chǎn)、使用、管理、維修通常由多個主體完成，技術(shù)資料的管理制度尚不健全，技術(shù)資料缺失情況時有發(fā)生，這可能導(dǎo)致上述方法在評估中無法實(shí)施，且目前大部分風(fēng)險(xiǎn)評估方法屬于定性評估，無法定量得到起重機(jī)的風(fēng)險(xiǎn)等級。

針對上述問題，現(xiàn)提出利用黑盒測試法對評估設(shè)備進(jìn)行測試，無需全盤獲取其內(nèi)部技術(shù)資料；在測試過程中，只需測量或采集評估對象的關(guān)鍵輸出參數(shù)，利用輸出參數(shù)與期望標(biāo)準(zhǔn)值、設(shè)計(jì)極限值之間的偏差，定量評估設(shè)備的健康狀態(tài)，從而確定它的風(fēng)險(xiǎn)等級。

1 黑盒測試

黑盒測試是一種無需清晰了解系統(tǒng)內(nèi)部和運(yùn)行機(jī)制，通過外部觀測和識別，利用系統(tǒng)輸入輸出信號來研究系統(tǒng)特性的一種方法[12]。黑箱測試的基本原理如圖1所示。

圖1 黑盒測試法原理圖Fig.1 Schematic diagram of black box test method

“黑盒系統(tǒng)”代表需要研究和了解的對象；輸入表示可對系統(tǒng)產(chǎn)生影響的各個信號及其可能的組合，一般根據(jù)測試用例生成；輸出反映指定輸入下系統(tǒng)的變化，表征了系統(tǒng)對于輸入信號的響應(yīng)狀態(tài)。

隨著科學(xué)技術(shù)的進(jìn)步，起重機(jī)逐漸向智能化、自動化的趨勢發(fā)展，采用可編程邏輯電子部件來進(jìn)行控制。智能化的起重機(jī)實(shí)際上是軟硬件結(jié)合的系統(tǒng)，其失效機(jī)制不僅和機(jī)械部件相關(guān)，與可編程邏輯電子部件內(nèi)部的軟件也有關(guān)系，因此失效的成因和組成變得十分復(fù)雜。在無法獲得內(nèi)部設(shè)計(jì)詳細(xì)資料，特別是軟件設(shè)計(jì)詳細(xì)資料時，難以使用IEC61508中的風(fēng)險(xiǎn)評估方法對起重機(jī)械進(jìn)行評估。此時，可將它們視為黑盒，無需了解其中可編程邏輯電子部件內(nèi)部的軟件代碼等信息，直接通過外部觀測來進(jìn)行評估。

對于采用可編程邏輯電子部件的起重機(jī)，可以抽象為如圖2所示的系統(tǒng)。

操縱桿、各種開關(guān)、按鈕以及遙控器的輸入量經(jīng)電氣控制系統(tǒng)處理后，產(chǎn)生驅(qū)動電機(jī)與各種執(zhí)行機(jī)構(gòu)運(yùn)行的信號，機(jī)構(gòu)的運(yùn)行使得系統(tǒng)的輸出產(chǎn)生變化。因此，可以對系統(tǒng)的輸出進(jìn)行采樣和處理，用于評估設(shè)備的風(fēng)險(xiǎn)等級。基于黑盒法評估起重機(jī)械風(fēng)險(xiǎn)等級的步驟如圖3所示。

圖2 特種設(shè)備的總體結(jié)構(gòu)Fig.2 The general structure of special equipment

圖3 基于黑盒測試的風(fēng)險(xiǎn)評估流程Fig.3 Risk assessment process based on black box testing

該方法首先要定義待評估對象所對應(yīng)的各種軟硬件失效類別，按照類別確定系統(tǒng)輸入和輸出信號，進(jìn)而設(shè)計(jì)有效的測試用例，覆蓋所有的失效類別，且盡可能地減少用例(即測試次數(shù))。在此基礎(chǔ)上，對待評估對象進(jìn)行測試并獲取測試的數(shù)據(jù)。然后對數(shù)據(jù)進(jìn)行處理，以獲得風(fēng)險(xiǎn)等級。

2 風(fēng)險(xiǎn)等級評估方法

2.1 負(fù)向函數(shù)計(jì)算

為實(shí)現(xiàn)風(fēng)險(xiǎn)評估的量化，考慮采用某種數(shù)學(xué)函數(shù)量化設(shè)備的風(fēng)險(xiǎn)等級。由于安全評估理論中風(fēng)險(xiǎn)越大對應(yīng)的風(fēng)險(xiǎn)等級的級數(shù)越低(表1)，因此選擇負(fù)向函數(shù)來描述這種負(fù)相關(guān)關(guān)系。

表1 風(fēng)險(xiǎn)等級的描述

本文中采用的負(fù)向函數(shù)為

(1)

式(1)中：f(x)為特征參數(shù)的評估分?jǐn)?shù)；xl為評估區(qū)域的下限；xh為評估區(qū)域的上限；R為評估結(jié)果范圍參數(shù)，一般選擇為0～100；b為形狀參數(shù)，可根據(jù)參數(shù)特性進(jìn)行調(diào)整，b=0時表示線性處理。

由于采集數(shù)據(jù)的量綱各不相同，需將數(shù)據(jù)統(tǒng)一為無量綱形式[13]。定義x為特征參數(shù)的偏差值，即

x=|P-Pe|

(2)

式(2)中：P為某一參數(shù)的實(shí)測值；Pe為期望標(biāo)準(zhǔn)值。此時，式(1)中的xh和xl分別代表偏差值的上下限。

通過使用負(fù)向函數(shù)，基于采集到的輸出數(shù)據(jù)的期望標(biāo)準(zhǔn)值、極限值，就可以計(jì)算各項(xiàng)分?jǐn)?shù)，量化單項(xiàng)的風(fēng)險(xiǎn)狀況。

2.2 基于層次分析法的靜態(tài)權(quán)重確定

不同采集參數(shù)對特種設(shè)備風(fēng)險(xiǎn)的影響程度是不一樣的，靜態(tài)權(quán)重說明了各個參數(shù)對風(fēng)險(xiǎn)程度的固定貢獻(xiàn)。

Saaty在1970年提出了層次分析法(analytic hierarchy process，AHP)，根據(jù)制定的決策標(biāo)準(zhǔn)，將對象兩兩之間進(jìn)行比較，評估它們的整體性能，為最終決策提供依據(jù)，能有效弱化權(quán)重確定過程中的主觀性[14]。利用層次分析法確定設(shè)備各項(xiàng)特征參數(shù)的權(quán)重時，要先根據(jù)各特征參數(shù)的相對重要性構(gòu)建判斷矩陣，用于確定各項(xiàng)參數(shù)的相對重要程度。對采集的n項(xiàng)參數(shù)，通過兩兩比較構(gòu)建出來的判斷矩陣格式為

(3)

式(3)中：aij(i,j=1,2,…,n)為參數(shù)i與參數(shù)j相比對于系統(tǒng)的重要程度，aij>0，且有

(4)

表2引入了數(shù)值為1～9的標(biāo)度體系用于量化aij，其中A、B為需要進(jìn)行兩兩比較的特征參數(shù)。

表2 判斷矩陣的標(biāo)度

一般通過特征值法計(jì)算各項(xiàng)參數(shù)的靜態(tài)權(quán)重，即將構(gòu)建出的判斷矩陣M的最大特征值所對應(yīng)的特征向量進(jìn)行歸一化處理，得到各項(xiàng)特征參數(shù)的權(quán)重。

然而判斷權(quán)重存在不一致的問題，要進(jìn)行一致性的判斷。一致性代表數(shù)據(jù)能夠保持一致，在兩兩對比構(gòu)造判斷矩陣的過程中，理想情況下對于矩陣M中的數(shù)據(jù)a13、a21、a23，若有a23=a21a13，則稱它們是一致的。實(shí)際上，層次分析法的使用中允許存在不一致，但不一致的程度必須在允許范圍內(nèi)[15-16]。

在線性代數(shù)中，矩陣M也被稱為正互反矩陣，當(dāng)其是非一致矩陣時，它的最大特征值λmax一定大于它的階數(shù)n，因此將一致性指標(biāo)(consistency index,CI)定義為兩者的差值，公式為

(5)

指標(biāo)CI越大，矩陣的一致性就越差；反之，指標(biāo)CI越小，矩陣的一致性越好。為了判斷計(jì)算出來的一致性指標(biāo)CI的大小，構(gòu)建了平均隨機(jī)一致性指標(biāo)(random index,RI)。RI的構(gòu)建方法是隨機(jī)構(gòu)建1 000個正互反矩陣，并計(jì)算一致性指標(biāo)的平均值，如表3所示。

表3 平均隨機(jī)一致性指標(biāo)

RI反映了一致性指標(biāo)的期望值。定義一致性比例(consisten ratio,CR)為

(6)

當(dāng)CR<0.1時，認(rèn)為判斷矩陣的不一致程度在容許的范圍內(nèi)，即矩陣通過了一致性檢驗(yàn)；否則需要適當(dāng)?shù)卣{(diào)整原矩陣，并再次判斷一致性，直到滿足要求。

2.3 權(quán)重的動態(tài)調(diào)整

在評估一個特種設(shè)備時，不僅要考慮初始情況下各個參數(shù)的重要程度，還要考慮個別或者少數(shù)參數(shù)發(fā)生變化(例如，超過預(yù)警值或者報(bào)警值)時對整個設(shè)備風(fēng)險(xiǎn)狀況的影響程度的變化。因此本文提出對權(quán)重進(jìn)行動態(tài)調(diào)整。

文獻(xiàn)[17]表示當(dāng)某個參數(shù)的取值在健康區(qū)域附近時，該參數(shù)對設(shè)備狀況的影響主要體現(xiàn)為靜態(tài)權(quán)重。而當(dāng)參數(shù)的采樣值逐漸偏離正常區(qū)域時，其對設(shè)備的影響也隨之改變，體現(xiàn)為權(quán)重的增大，在臨近報(bào)警區(qū)時達(dá)到最大。對于不同的特征參數(shù)，靜態(tài)權(quán)重反映了對設(shè)備狀況的影響，而同一特征參數(shù)在不同情況下的取值可能不同，與此同時對設(shè)備的影響程度也會發(fā)生一定的變化，也就是說權(quán)重會改變。因此在起重機(jī)械風(fēng)險(xiǎn)評估過程中不應(yīng)始終采用固定不變的靜態(tài)權(quán)重，而是需要根據(jù)情況對權(quán)重進(jìn)行動態(tài)調(diào)整，來更合理地表示某個參數(shù)的影響程度。

權(quán)重的調(diào)整根據(jù)特征參數(shù)的取值可以分為兩種情況。

(1)特征參數(shù)超過預(yù)警值。當(dāng)某項(xiàng)參數(shù)檢測值超過預(yù)警值時，它在評估設(shè)備風(fēng)險(xiǎn)狀況時的重要性應(yīng)該適當(dāng)增加。將測量值超過預(yù)警值的特征參數(shù)記錄在集合A中，將處于正常范圍內(nèi)的參數(shù)記錄在集合B中。對集合A中特征參數(shù)的權(quán)重調(diào)整為

(7)

式(7)中：wi0、wk0為集合A中特征參數(shù)的初始權(quán)重值。

集合B中特征參數(shù)的權(quán)重則調(diào)整為

(8)

式(8)中：wj0、wk0為集合B中特征參數(shù)的初始權(quán)重值。

(2)特征參數(shù)超過報(bào)警值。當(dāng)特征參數(shù)超出報(bào)警值時，說明設(shè)備可能已經(jīng)處于某種程度的危險(xiǎn)中。為了避免由于特征參數(shù)的初始靜態(tài)權(quán)重較小，導(dǎo)致危險(xiǎn)信息被忽略，必須調(diào)整權(quán)重以充分凸顯該項(xiàng)特征參數(shù)的危險(xiǎn)程度[18]。將超過報(bào)警值的特征參數(shù)記錄在集合C中，并調(diào)整為

(9)

式(9)中：β是修正因子，一般取0.9；x是特征參數(shù)的檢測值；α為危險(xiǎn)報(bào)警的上限值或者下限值。

式(8)僅對超出報(bào)警值的特征參數(shù)的權(quán)重做了較大的調(diào)整，因此能充分凸顯設(shè)備中的異常參數(shù)。

3.4 綜合評分

根據(jù)修正之后的權(quán)重，可以計(jì)算系統(tǒng)整體的綜合分?jǐn)?shù)，公式為

(10)

式(10)中：Dsys代表設(shè)備的綜合評估分?jǐn)?shù)，反映了設(shè)備的風(fēng)險(xiǎn)程度；wi是n個參數(shù)構(gòu)成的向量中特征參數(shù)i對應(yīng)的權(quán)重因子；Di是特征參數(shù)的負(fù)向函數(shù)計(jì)算結(jié)果。

經(jīng)計(jì)算得出的Dsys反映了設(shè)備的風(fēng)險(xiǎn)程度，由表4可以確定設(shè)備的風(fēng)險(xiǎn)等級。

表4 風(fēng)險(xiǎn)等級與評估分?jǐn)?shù)對應(yīng)關(guān)系

3 案例

為驗(yàn)證方法的可行性，利用文獻(xiàn)[17]中雷達(dá)發(fā)射機(jī)的風(fēng)險(xiǎn)評估數(shù)據(jù)為例。雷達(dá)發(fā)射機(jī)由射頻放大裝置、高頻柜、調(diào)制柜和冷卻部分組成，采用FPGA(field programmable gate array)和DSP(digital signal processing)控制直接數(shù)字頻率合成(direct digital synthesis,DDS)芯片的工作，產(chǎn)生各種雷達(dá)波形是一種采用可編程邏輯部件的電氣設(shè)備[19-22]。

文獻(xiàn)[17]采用黑盒測試法，每隔6 s采集發(fā)射機(jī)的20個監(jiān)控參數(shù)。經(jīng)過降維后保留了如表5所示的11項(xiàng)特征參數(shù)，包括鈦泵電流、燈絲電流、偏磁電流、注電流、反峰電流、整流電壓、高功率電流、峰值功率、平均功率、發(fā)射機(jī)溫度、風(fēng)道溫度。表6給出了各項(xiàng)特征參數(shù)的期望標(biāo)準(zhǔn)值和報(bào)警邊界值。

經(jīng)由層次分析法根據(jù)各項(xiàng)特征參數(shù)兩兩之間的重要程度完成標(biāo)度，見表7。

計(jì)算可得判斷矩陣的特征值為λmax=11.894 2，CI=(11.894 2-10)/10=0.089 42，判斷矩陣的階數(shù)n=11，查表可知RI=1.51，由公式CR=CI/RI可算得CR=0.059，而CR<0.1，說明矩陣滿足一致性要求。將判斷矩陣的最大特征值對應(yīng)的特征向量歸一化之后得到的結(jié)果即各項(xiàng)特征參數(shù)對應(yīng)的靜態(tài)權(quán)重，如表8所示。

令負(fù)向函數(shù)中的b=0，A=100，表示最佳狀況下的結(jié)果為100。對超過預(yù)警值和報(bào)警值的特征參數(shù)的權(quán)重進(jìn)行動態(tài)調(diào)整，結(jié)果如表9所示。根據(jù)負(fù)向函數(shù)對每項(xiàng)特征參數(shù)進(jìn)行分?jǐn)?shù)計(jì)算，并結(jié)合動態(tài)修正后的權(quán)重得到的8個樣本的綜合評分結(jié)果如表10所示。

表5 雷達(dá)發(fā)射機(jī)各項(xiàng)特征參數(shù)的輸出

表6 各項(xiàng)特征參數(shù)的期望標(biāo)準(zhǔn)值及報(bào)警邊界值

表7 依據(jù)層次分析標(biāo)度結(jié)果

表8 各項(xiàng)特征參數(shù)對應(yīng)靜態(tài)權(quán)重

表9 各項(xiàng)特征參數(shù)的動態(tài)權(quán)重

表10 各項(xiàng)特征參數(shù)的評估分?jǐn)?shù)

表10中，以上這兩種情況都能較好地反映某些特征參數(shù)的異常。表10最后一列的綜合分?jǐn)?shù)反映了8組設(shè)備的健康狀況，分?jǐn)?shù)越高代表風(fēng)險(xiǎn)越低，反之則代表風(fēng)險(xiǎn)越高。表11比較了8組數(shù)據(jù)分別在采用專家評估的固定權(quán)重以及通過調(diào)整基于層次分析法得出的靜態(tài)權(quán)重得到的動態(tài)權(quán)重兩種情況下的綜合評分，可以看出采用動態(tài)權(quán)重能更好地突出系統(tǒng)的異常情況，對風(fēng)險(xiǎn)等級的區(qū)分度更高，更合理。

將本文方法確定的風(fēng)險(xiǎn)等級結(jié)果與參考文獻(xiàn)計(jì)算得出的健康度進(jìn)行比較，結(jié)果如表12所示，發(fā)現(xiàn)表征結(jié)果基本一致。雷達(dá)發(fā)射機(jī)越健康，代表它的風(fēng)險(xiǎn)等級就越小。

表11 采用固定權(quán)重以及動態(tài)權(quán)重的綜合評分結(jié)果比較

表12 雷達(dá)發(fā)射機(jī)風(fēng)險(xiǎn)等級結(jié)果比較

4 結(jié)論

針對內(nèi)部結(jié)構(gòu)復(fù)雜難以理清的起重機(jī)械，采用黑盒測試法收集設(shè)備工作中的輸出參數(shù)，基于負(fù)向函數(shù)利用每一項(xiàng)特征參數(shù)的實(shí)測值、標(biāo)準(zhǔn)期望值和極限值評估該項(xiàng)的分?jǐn)?shù)?？紤]采用層次分析法，通過對設(shè)備各項(xiàng)輸出參數(shù)進(jìn)行兩兩比較，根據(jù)重要性進(jìn)行標(biāo)度，構(gòu)建一個判斷矩陣，來選擇靜態(tài)權(quán)重。充分考慮參數(shù)發(fā)生變化對設(shè)備狀態(tài)產(chǎn)生的影響，根據(jù)各項(xiàng)參數(shù)取值將數(shù)據(jù)劃分為正常、超出預(yù)警值、超出報(bào)警值三種區(qū)間，并適當(dāng)調(diào)整后兩種區(qū)間內(nèi)參數(shù)的權(quán)重大小。根據(jù)每項(xiàng)參數(shù)的評分結(jié)合其對應(yīng)的權(quán)重，可得出起重機(jī)械的綜合評估分?jǐn)?shù)。通過實(shí)例計(jì)算，有效歸納出不同風(fēng)險(xiǎn)等級對應(yīng)的分?jǐn)?shù)范圍。但本文也存在一定的問題，后續(xù)需要利用更多的輸出數(shù)據(jù)來驗(yàn)證風(fēng)險(xiǎn)等級的劃分是否合理。