基于AHP-LEC的科研院所实验室的风险评估研究

科研院所实验室安全管理水平的高低与实验是否顺利开展密切相关,为预防和减少实验室安全事故,从物料、设备设施、实验操作环节、场所环境4方面分析,科学全面地辨识危险源,构建风险评估模型,确定7个一级指标和24个二级指标;将层次分析法和作业条件危险性评价法相结合定量描述各风险因素的相对权重,对加权风险评价值进行排序;进行实证分析。结果表明:将2种评价方法结合应用于科研院所实验室的安全风险量化评估上,依据先后原则提出控制措施,能有效降低事故率,为加强实验室风险分级管控和隐患排查治理提供依据。

基于GRA和AHP的GRNN神经网络零件失效概率预测方法

为了提高对机械零件失效概率的预测精度,提出一种基于GRA和AHP的广义回归神经网络零件失效概率预测方法.在分析机械零件失效概率影响因素的基础上,首先利用灰色关联分析法(Grey Relational Analysis,GRA)分析影响机械零件失效概率的主要因素,通过层次分析法(Analytic Hierarchy Process,AHP)构建机械零件失效概率的评价指标层次体系,评估各个指标对于零件失效概率的权重;结合各个指标权重与初始值,以获取各指标的加权评价值;最后通过广义回归神经网络(Generalized Regression Neural Network,GRNN)建立以各指标加权评价值来预测机械零件失效概率的预测模型.利用本文方法所建立的预测模型对某企业数控转台的上齿盘失效概率进行预测,并与传统的GRNN神经网络预测模型、BP神经网络预测模型和回归预测模型进行对比,结果显示本文所建立的模型预测误差小于0.8%、残差在-0.2%～0.2%范围内,均优于对比模型的预测结果,表明所建立的预测模型具有更高的精度和更强的稳健性,适合于零件失效概率的预测.