亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        電子電器觸電風(fēng)險評估模型

        2021-04-22 03:33:52黃國忠謝佳穎謝志利王長林
        科學(xué)技術(shù)與工程 2021年8期
        關(guān)鍵詞:電子電器權(quán)法神經(jīng)網(wǎng)絡(luò)

        黃國忠, 謝佳穎, 謝志利, 王長林

        (1.北京科技大學(xué)土木與資源工程學(xué)院, 北京 100083; 2.國家市場監(jiān)督管理總局缺陷產(chǎn)品管理中心, 北京 100101)

        電子電器是一個復(fù)雜系統(tǒng),由各種相互依存且相互作用的元器件共同組成,在其使用過程中可能由于一個或多個主要組件的失效引發(fā)電能的意外釋放,從而導(dǎo)致觸電等風(fēng)險的發(fā)生[1]。2008—2019年中國共計(jì)召回485次電子電器產(chǎn)品,共計(jì)25 000 094件,批次性的產(chǎn)品缺陷更易帶來嚴(yán)重后果。而針對批次性的電子電器觸電風(fēng)險缺乏統(tǒng)一的風(fēng)險評估方法,增加產(chǎn)品后市場監(jiān)管風(fēng)險,因此,對電子電器實(shí)現(xiàn)可量化的風(fēng)險分析及評估十分重要。

        長期以來,對于電子電器安全風(fēng)險控制多集中于使用過程中電池、電芯等主要元器件失效產(chǎn)生的起火、爆炸等安全問題和故障模式研究[2-4],以及產(chǎn)品本身鎘、鉻、鉛等限制危害物質(zhì)的檢測、評估[5],這些研究多基于產(chǎn)品本身的不安全狀態(tài)。然而電子電器構(gòu)成具有復(fù)雜性,過程設(shè)備、控制過程及控制系統(tǒng)、環(huán)境原因或人機(jī)交互故障均可能導(dǎo)致火災(zāi)或觸電等風(fēng)險事故的發(fā)生[6-7],很少有學(xué)者研究批次性情形下電子電器發(fā)生觸電風(fēng)險的危害程度。

        風(fēng)險評估理論及方法發(fā)展較成熟,目前已應(yīng)用于城市及自然災(zāi)害風(fēng)險評估、輸電線路故障風(fēng)險識別、項(xiàng)目建設(shè)風(fēng)險評估等多方面[8-10],然而缺乏適用于電子電器產(chǎn)品觸電風(fēng)險的評估體系?;诖?,結(jié)合能量意外釋放理論構(gòu)建評估指標(biāo)體系,利用熵權(quán)法、反向傳播(back propagation, BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)建電子電器觸電風(fēng)險評估模型,以此評估不同因素對產(chǎn)品觸電風(fēng)險的具體影響,從而根據(jù)該結(jié)果對實(shí)際產(chǎn)品后市場監(jiān)管予以指導(dǎo)。

        1 電子電器觸電風(fēng)險指標(biāo)體系

        根據(jù)國家市場監(jiān)督管理總局缺陷產(chǎn)品管理中心(Defective Product Administration Center, DPAC)網(wǎng)站公開發(fā)布的電子電器產(chǎn)品召回數(shù)據(jù)[11],自統(tǒng)計(jì)發(fā)現(xiàn)中外電子電器類消費(fèi)品召回事件中,因缺陷導(dǎo)致的傷害類型中有59.6%為觸電傷害,24.1%為火災(zāi)、燒燙傷,具體分布情況如圖1所示。

        電子電器觸電風(fēng)險與產(chǎn)品電能的意外釋放有關(guān),能量意外釋放理論是一套成熟的系統(tǒng)分析理論方法,它從能量釋放和傳遞的角度探究事故發(fā)生的原因,適用于能量傷害模式及風(fēng)險發(fā)生機(jī)理的研究,有助于識別風(fēng)險影響因子[12]。結(jié)合該理論進(jìn)一步分析電子電器觸電風(fēng)險傳遞路徑,如圖2所示,電子電器造成傷害的直接原因是觸電風(fēng)險,而電能的意外釋放是導(dǎo)致觸電風(fēng)險的直接誘因。當(dāng)人體與意外釋放的電能接觸時,由于接觸能量的方式不同、能量大小不同、接觸時間長短不同,所造成的風(fēng)險的嚴(yán)重程度也不同,如電能意外釋放可能造成消費(fèi)者燒燙傷,也可能導(dǎo)致其觸電身亡。

        圖1 中外召回電子電器危害類別Fig.1 Hazard categories of recalled electric appliances at home and abroad

        圖2 電子電器觸電風(fēng)險傳遞路徑Fig.2 Electric shock risk transmission path ofelectric appliances

        此外,導(dǎo)致觸電風(fēng)險的間接原因主要包括使用者的不安全行為和產(chǎn)品的不安全狀態(tài)兩個方面,這是導(dǎo)致電能意外釋放的直接原因,使用者的不安全行為涉及其操作能力、安全意識與知識,或其他個人因素等。產(chǎn)品的不安全狀態(tài)包括設(shè)計(jì)缺陷、缺乏警示標(biāo)識、保護(hù)裝置失效等。

        因此,從能量意外釋放導(dǎo)致風(fēng)險的直接原因和間接原因考慮,將可能性、嚴(yán)重性、脆弱性、惡劣性這4個指標(biāo)作為該評估指標(biāo)體系的一級指標(biāo)集{u1,u2,u3,u4},由此構(gòu)成的電子電器觸電風(fēng)險指標(biāo)體系如表1所示,二級指標(biāo)集為{u11,u12,…,u42}。

        表1 電子電器產(chǎn)品觸電風(fēng)險指標(biāo)體系表

        2 熵權(quán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        由指標(biāo)體系可以看出,電子電器風(fēng)險評估模型是一個包含多指標(biāo)輸入輸出的復(fù)雜評估模型,每個一級指標(biāo)下都對應(yīng)多個二級指標(biāo),存在非線性映射關(guān)系,使用傳統(tǒng)風(fēng)險評估方法進(jìn)行建模分析較為困難,但是人工神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò)算法具有高度非線性的功能映射功能[13-14]。并且無需事前揭示描述這種映射關(guān)系,只需通過輸入層輸入樣本,將刺激傳遞隱含層,隱含層通過神經(jīng)元之間聯(lián)系的強(qiáng)度(權(quán)重)和傳遞規(guī)則(激活函數(shù))將刺激傳到輸出層,輸出層整理刺激產(chǎn)生的最終結(jié)果,并同正確的結(jié)果進(jìn)行比較,得到誤差。最終,逆推對神經(jīng)網(wǎng)中的連接權(quán)重進(jìn)行反饋修正[15]。

        而神經(jīng)網(wǎng)絡(luò)需要初始的學(xué)習(xí)規(guī)則,這需要得到客觀的指標(biāo)體系權(quán)重值,獲得初始的樣本學(xué)習(xí)數(shù)據(jù),傳統(tǒng)的專家賦值具有不確定性,難以獲得客觀的指標(biāo)權(quán)重值,而熵權(quán)法可以根據(jù)評價過程中評價目標(biāo)的信息量,反應(yīng)單一指標(biāo)對整個評價系統(tǒng)的重要度[16],實(shí)現(xiàn)客觀賦值,這種方法能在一定程度上減弱主觀因素對評估指標(biāo)體系重要度的影響。

        因此,熵權(quán)法可以有效確定單一指標(biāo)對系統(tǒng)的重要度,賦予BP神經(jīng)網(wǎng)絡(luò)初始學(xué)習(xí)規(guī)則,而BP神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)和存貯大量的輸入—輸出模式映射關(guān)系,找到不同層次指標(biāo)間的線性關(guān)系,兩種方法結(jié)合實(shí)現(xiàn)電子電器風(fēng)險評估。其學(xué)習(xí)步驟如下。

        (1)標(biāo)準(zhǔn)化評分矩陣。采用性能最優(yōu)的極值處理法[17],利用式(1)處理越大越優(yōu)越型指標(biāo)(收益型指標(biāo))和利用式(2)處理越小越優(yōu)越型(成本型指標(biāo))。

        (1)

        (2)

        式中:yij為第i級第j個標(biāo)準(zhǔn)化指標(biāo);y′ij為第i個評分人對第j個評估指標(biāo)的評價。

        (2)確定單一指標(biāo)的熵(H)。

        (3)

        式(3)中:Hj(0≤Hj≤1)為第j項(xiàng)指標(biāo)的熵。

        (3)確定單一指標(biāo)權(quán)重。

        (4)

        (4)確定輸入模型訓(xùn)練樣本。利用熵權(quán)法得到指標(biāo)權(quán)重處理電子電器樣本數(shù)據(jù),將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入序列(X,Y)。

        (5)網(wǎng)絡(luò)初始化。根據(jù)訓(xùn)練樣本,輸入層、隱含層、輸出層節(jié)點(diǎn)數(shù),學(xué)習(xí)速率和激發(fā)函數(shù),隨機(jī)初始化所有連接權(quán)重及閾值。

        (6)隱含層輸出計(jì)算。將輸入層的每一項(xiàng)輸入進(jìn)神經(jīng)網(wǎng)絡(luò)中,歸一化后,通過初始化后的權(quán)值和閾值進(jìn)行處理,將處理完成的數(shù)據(jù)用sigmoid函數(shù)進(jìn)行下降,得到輸出后進(jìn)入隱含層。

        (5)

        式(5)中:Pj表示第j項(xiàng)隱含層輸出值;ωij為輸入層和隱含層連接權(quán)重;xi為輸入值;aj為隱含層神經(jīng)元輸出閾值;f(·)為隱含層激勵函數(shù)sigmoid。

        (6)

        (7)輸出層輸出計(jì)算。

        (7)

        式(7)中:Y′k為輸出層實(shí)際輸出值;vij表示隱含層和輸出層連接權(quán)重;bk表示輸出層閾值。

        (8)誤差計(jì)算。

        Ek=Y′k-Yk

        (8)

        式(8)中:Ek為誤差;Yk為期望輸出值。

        (9)誤差信號從后向前傳遞,逐層修改連接權(quán)值,利用式(9)更新權(quán)值,式(10)更新閾值,不斷將權(quán)值閾值逼近系統(tǒng)的最優(yōu)值。

        (9)

        (10)

        式中:x(i)表示第i層隱含層的輸入值。

        3 電子電器觸電風(fēng)險評估模型構(gòu)建

        3.1 基于熵權(quán)法確定指標(biāo)權(quán)重

        基于DPAC邀請9位電子電器領(lǐng)域相關(guān)專家依據(jù)表1中的各二級指標(biāo)進(jìn)行百分制賦值,分值越高表明該指標(biāo)的重要程度越高,結(jié)合式(1)~式(4)得到電子電器觸電風(fēng)險評估指標(biāo)體系權(quán)重如表2所示。

        表2 電子電器觸電風(fēng)險評估指標(biāo)權(quán)重表Table 2 Electric appliances risk assessment indicator weight table

        3.2 輸入訓(xùn)練樣本

        初始樣本數(shù)據(jù)來自168起存在觸電風(fēng)險的電子電器召回事件,源自DPAC的專家針對產(chǎn)品警示標(biāo)識、可靠性等12項(xiàng)指標(biāo)評定,取各二級指標(biāo)安全等級評價級為V={低風(fēng)險,中風(fēng)險,高風(fēng)險},各等級對應(yīng)的評分區(qū)間為{0~40,40~70,70~100}。將評分結(jié)果結(jié)合表2中各二級指標(biāo)權(quán)重計(jì)算得到各一級指標(biāo)值作為模型輸入樣本,如表3所示。其中風(fēng)險等級表示每一次召回事件中電子電器導(dǎo)致觸電風(fēng)險的風(fēng)險水平等級,分為1為低風(fēng)險,2為中等風(fēng)險,3為高風(fēng)險。

        表3 模型樣本訓(xùn)練基本數(shù)據(jù)

        3.3 設(shè)定學(xué)習(xí)參數(shù)

        基于BP神經(jīng)網(wǎng)絡(luò)對168個電子電器觸電風(fēng)險樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練和仿真,隨機(jī)選擇75%的數(shù)據(jù)用于樣本訓(xùn)練,剩余25%的數(shù)據(jù)用于結(jié)果仿真,訓(xùn)練參數(shù)設(shè)定為多次訓(xùn)練后的最優(yōu)參數(shù),其設(shè)定如表4所示。并應(yīng)用MATLAB GUI平臺將電子電器觸電風(fēng)險評估仿真模型編制成軟件進(jìn)行應(yīng)用,仿真界面圖如圖3所示。

        BP網(wǎng)絡(luò)作為一種非線性建模和預(yù)測方法,其學(xué)習(xí)算法一般為梯度下降法[18],神經(jīng)元采用的傳遞函數(shù)通常是Sigmoid型可微函數(shù),所以可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射[19]。由于BP算法中Sigmoid函數(shù)值在遠(yuǎn)離[-1,1]時,曲線比較平緩,變化速度緩慢,為加快網(wǎng)絡(luò)學(xué)習(xí)速度,需對輸入的樣本數(shù)據(jù)進(jìn)行歸一化處理,使得數(shù)據(jù)落在[-1,1],利于網(wǎng)絡(luò)學(xué)習(xí)[20]。

        圖3 電子電器觸電風(fēng)險評估仿真界面圖Fig.3 Electric appliances shock risk assessment simulation interface diagram

        表4 模型訓(xùn)練參數(shù)

        4 模型訓(xùn)練及仿真過程

        4.1 模型訓(xùn)練

        在訓(xùn)練過程中,模型將自動調(diào)整其權(quán)值和閾值等參數(shù),直至達(dá)到所期望的誤差為止。電子電器觸電風(fēng)險評估模型的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差下降曲線如圖4所示,從圖4中可以看出,迭代40次后, BP神經(jīng)網(wǎng)絡(luò)就達(dá)到了期望的誤差水平(<0.01),最終迭代的誤差水平為0.004 7,收斂速度較快,擬合精度好。

        圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差下降曲線Fig.4 BP neural network training error decreasing curve

        在樣本訓(xùn)練過程中,訓(xùn)練網(wǎng)絡(luò)將自動調(diào)整并記錄滿足條件的數(shù)值,從而實(shí)現(xiàn)樣本反復(fù)訓(xùn)練和調(diào)整,利用測試中模型保留的權(quán)值和閾值,輸入測試樣本,通過此權(quán)值閾值,模型會自動研判測試樣本分到每一類風(fēng)險等級中的最高值,并選取數(shù)值最大的那一類等級作為該樣本的風(fēng)險等級,如表5所示。

        表5 風(fēng)險等級研判依據(jù)Table 5 Discrimination basis for risk level assessment

        進(jìn)行100次上述仿真訓(xùn)練,將檢驗(yàn)樣本的實(shí)際輸出和期望輸出進(jìn)行對比,各等級模型訓(xùn)練分組正確率如圖5所示,可以看出實(shí)際輸出和期望輸出曲線基本吻合。模型各等級風(fēng)險評估正確率分別為97.20%、95.03%和96.94%,相對誤差百分比依次為2.8%、4.97%、3.06%。仿真訓(xùn)練結(jié)果說明基于熵權(quán)神經(jīng)網(wǎng)絡(luò)構(gòu)建的電子電器觸電風(fēng)險評估模型,能夠比較良好的詮釋輸入-輸出變量間的相互關(guān)系,準(zhǔn)確評估電子電器觸電風(fēng)險水平。

        圖5 模型訓(xùn)練風(fēng)險等級評估正確率Fig.5 Model training risk level assessment accuracy rate

        4.2 對比結(jié)果分析

        任選8組樣本數(shù)據(jù),將熵權(quán)神經(jīng)網(wǎng)絡(luò)模型風(fēng)險評估結(jié)果同傳統(tǒng)熵權(quán)法評估結(jié)果進(jìn)行比對,其評估結(jié)果如表6所示。熵權(quán)法評估結(jié)果正確率僅為62.5%,而熵權(quán)神經(jīng)網(wǎng)絡(luò)模型具備自我學(xué)習(xí)和誤差調(diào)整能力,其評估結(jié)果與期望輸出一致,正確率遠(yuǎn)高于熵權(quán)法。說明該模型學(xué)習(xí)能力強(qiáng),評估誤差小,精準(zhǔn)度較傳統(tǒng)熵權(quán)法有所提高。

        5 結(jié)論

        (1)以電能意外釋放理論為基礎(chǔ),分析了電子電器觸電風(fēng)險傳遞路徑,構(gòu)建以可能性、嚴(yán)重性、脆弱性、惡劣性為一級指標(biāo),包含12個二級指標(biāo)在內(nèi)的電子電器觸電風(fēng)險評估指標(biāo)體系。

        表6 不同方法評估結(jié)果對比Table 6 Comparison of evaluation results of different methods

        (2)對168個樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練和仿真,隨機(jī)選擇75%的數(shù)據(jù)用于樣本訓(xùn)練,剩余25%的數(shù)據(jù)用于結(jié)果仿真,在迭代40次后,誤差水平便達(dá)到期望誤差水平,最終迭代的誤差水平為0.004 7。通過100次仿真訓(xùn)練,模型對各等級風(fēng)險評估正確率分別為97.20%、95.03%和96.94%。

        (3)與傳統(tǒng)熵權(quán)法評估相比,熵權(quán)神經(jīng)網(wǎng)絡(luò)模型精確度提高了,評估輸出結(jié)果與期望輸出結(jié)果具有更高的匹配性。

        猜你喜歡
        電子電器權(quán)法神經(jīng)網(wǎng)絡(luò)
        基于熵權(quán)法的BDS鐘差組合預(yù)測模型的建立
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        電子電器應(yīng)用與維修專業(yè)人才培養(yǎng)方案與課程體系的構(gòu)建漫談
        BP神經(jīng)網(wǎng)絡(luò)結(jié)合熵權(quán)法優(yōu)化甘草皂苷提取工藝
        中成藥(2017年9期)2017-12-19 13:34:30
        基于熵權(quán)法*的廣西能源安全評價
        環(huán)境保護(hù)視角下的電子電器廢棄物回收利用管理之我見
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        基于改進(jìn)熵權(quán)法的風(fēng)電功率組合預(yù)測方法
        基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
        国产一区二区三区三区四区精品 | 精品99在线黑丝袜| 亚洲中文字幕在线第二页| 午夜福利视频一区二区二区| 日韩av无码中文无码电影| 精品熟女少妇av免费观看| 日韩久久av电影| 精品少妇一区二区三区入口| 国产精品极品美女自在线观看免费 | 丰满人妻一区二区三区52| 久久午夜av一区二区三区| 国产97色在线 | 亚洲| 99久久综合九九亚洲| 国产高清在线精品一区不卡| 亚洲av午夜成人片精品电影| 孩交精品xxxx视频视频| 国产精品无码久久久久久久久作品| 国产日本精品一区二区免费 | 正在播放强揉爆乳女教师| 欧美色aⅴ欧美综合色| 亚洲国产精品第一区二区三区| 人妻熟女翘屁股中文字幕| 亚洲av高清在线一区二区三区 | 欧洲一卡2卡三卡4卡免费网站| 中文字幕乱偷乱码亚洲| 美利坚合众国亚洲视频| 亚洲av无码国产精品色午夜字幕| 亚洲一区二区观看播放| 精品一区二区三区中文字幕在线| 久久精品女人av一区二区| 欧美大屁股xxxx| 国产无码十八禁| 国产精品伦理久久一区| 亚洲精品久久区二区三区蜜桃臀| 97se在线观看| 亚洲国产成人精品一区刚刚| 夜夜高潮夜夜爽夜夜爱爱一区| 亚洲国产精品久久久久秋霞影院| 亚洲国产成人aⅴ毛片大全| 国产91色综合久久高清| 白天躁晚上躁麻豆视频|