1.一种地铁车辆故障模式风险度识别方法,其特征在于,包括以下步骤:(1)q位专家对地铁的各故障模式的风险因子进行评估,其中将第k位专家对地铁车辆的故障模式FMi的风险因子fj进行评估得到的语言评估值表示为 k=1,2,…,q;i=1,
2,…,m;j=1,2,…,n;q,m,n为正整数;
(2)将得到的语言评估值 转换为相应的云评估值 该云评估值 的云数字特征表示为 其中 为期望, 为熵, 为超熵;
(3)将q位专家的所述云评估值 进行算术平均,得到群体云评估值 其中,该群体云评估值 的云数字特征表示为(Ex′ij,En′ij,He′ij),其中Ex′ij为期望,En′ij为熵,He′ij为超熵;
(4)通过公式(1)计算风险因子fj的权重wj,具体为:公式(1)中,Gj=1-Hj,
其中,Gj为风险因子fj的偏差度,Hj为故障模式FMi的风险因子fj的信息熵,信息熵Hj值越小,偏差度Gj越大; 为 根据得分函数S得到的得分值;
(5)通过公式(2)计算故障模式FMi相对于故障模式FMo的优势度δ(FMi,FMo),公式(2)中,o=1,2,...,m,
表示故障模式FMi的风险因子fj相对于故障模式FMo的风险因子fj的优势度,
其中,wjr=wj/wr,wjr为风险因子fj相对于风险因子fr的相对权重,wj表示风险因子fj的权重,θ是损失的衰减系数,且θ>0;
(6)通过公式(3)计算各故障模式的总体优势度 其中,(7)根据上述所得到各故障模式的总体优势度 来识别各故障模式的风险度。
2.如权利要求1所述地铁车辆故障模式风险度识别方法,其特征在于,步骤(7)中根据故障模式的总体优势度 越大,故障模式风险度越大的原则,对各个故障模式的总体优势度 排序,来确定各故障模式的风险度。