买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军海军航空大学申请的专利一种复杂装备快速技术保障安全性评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116228027B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310231540.X，技术领域涉及：G06Q10/0639；该发明授权一种复杂装备快速技术保障安全性评估方法是由李恒;戴邵武;张建;肖支才;张文广;陈黎明设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本一种复杂装备快速技术保障安全性评估方法在说明书摘要公布了：本发明公开了一种复杂装备快速技术保障安全性评估方法，其将其分解为三个一级评价因素；再逐步分解为15个二级评价因素9个三级评价因素7个四级评价因素，采用本级专家打分的方式进行综合评分。为了适应不规则的四级结构，建立了一种五级权值叠加型专用的径向基神经网络，其具有层层补齐向上收缩的网络结构，从而能够适应不规则的数据模式；同时采用以往的本级专家与上级专家的后验数据来训练神经网络的权值，并根据网络训练误差设计了一种正余弦混合分数阶误差反馈的权值自适应调节律实现权值收敛，最后利用神经网络的强大并行计算能力来模拟安全性与四级评价因素之间的复杂关系，最待评价装备的快速技术保障安全性做出评估结论。

本发明授权一种复杂装备快速技术保障安全性评估方法在权利要求书中公布了：1.一种复杂装备技术保障模糊综合评估方法，其特征在于以下步骤： 步骤S10，将每台装备的快速技术保障过程安全性评估分为保障条件安全、保障防护安全、保障流程安全三个一级评价因素；再将保障条件安全分解为温湿度、静电、高压气体、电子器件四个二级评价因素；其中温湿度分解为环境温湿度、保障装备温湿度、易爆品温湿度、易燃品温湿度四个三级评价因素；将保障防护安全分解为防护装置安全、防爆措施安全、防可燃物安全、防盗安全四个二级评价因素；而其中防护装置安全又分解为普通测试间的防爆设备，易爆测试间的防护装置；易燃测试间的防护装置三个三级评价因素；防爆措施安全分为内部措施安全与外部能量激发安全两个三级评价因素。其中内部措施安全分解为接地、短路插座、防爆插座、防爆空调、加注场所通风五个四级评价因素；外部能量激发安全分解为隔离墙、隔离网两个四级评价因素；保障流程安全分解为拆卸安全、运输安全、分机测试安全、安装安全、整体测试安全、技术准备安全、离场安全七个四级评价因素； 步骤S20，分别针对每台装备的快速技术保障过程的3个一级评价因素15个二级评价因素9个三级评价因素7个四级评价因素，采用本级专家打分的方式进行综合评分。首先根据第i台装备的接地、短路插座、防爆插座、防爆空调、加注场所通风、隔离墙、隔离网7个四级评价因素的记作7个四级评价因素进行综合评分，采用百分值，记作aijkwl，其表示第i台装备第j个一级评价因素第k个二级评价因素第w个三级评价因素第l个四级评价因素的评估分值；再对其中没有被分解为四级评价因素的7个三级评价因素进行综合评分，记作aijkw，其表示第i台装备第j个一级评价因素第k个二级评价因素第w个三级评价因素的评估分值；然后对没有分解为三级评价因素的12个二级评价因素进行综合评分，记作aijk，其表示第i台装备第j个一级评价因素第k个二级评价因素的评估分值；其次，对没有分解为二级评价因素的12个一级评价因素进行综合评分，记作aijk，其表示第i台装备第j个一级评价因素第k个二级评价因素的评估分值；最后，记录第i台装备在上级专家对装备完成任务后的安全性综合评估分值，记作bi； 步骤S30，根据本级专家对n台装备的快速技术保障过程的3个一级评价因素15个二级评价因素9个三级评价因素7个四级评价因素的评估分值数据，建立基于一种不规则的五层递进式专用径向基神经网络；首先根据第i台装备的接地、短路插座、防爆插座、防爆空调、加注场所通风、隔离墙、隔离网7个四级评价因素的记作7个四级评价因素的评估分值，分别选取30个神经网络四级节点中心值；然后与之比较得到网络四级中心点偏差数据；并设置神经网络二级节点敏感区间，分别进行偏差绝对值指数变换、偏差绝对值平方指数变换以及偏差绝对值开方指数变换后进行线性叠加，得到网络四级中心点偏差指数混合变换数据；然后乘以相应的神经网络四级权值并进行30个节点累加，得到神经网络对第i台装备第j个一级评价因素第k个二级评价因素第w个三级评价因素第l个四级评价因素的综合输出如下： εijkwlp＝aijkwl-a1jkwlp； 其中a1jkwlp为30个神经网络四级节点中心值，εijkwlp为网络四级中心点偏差数据；σjk为神经网络二级节点敏感区间，为常值参数；c1、c2为常值参数；γijkwlp为网络四级中心点偏差指数混合变换数据；uijkwl为神经网络对第i台装备第j个一级评价因素第k个二级评价因素第w个三级评价因素第l个四级评价因素的综合输出，k4jkwlp为神经网络四级权值； 步骤S40，根据装备的快速技术保障过程的3个一级评价因素15个二级评价因素9个三级评价因素的结构组成特点，首先依据神经网络对7个四级评价因素的综合输出分为两组进行信号综合，得到被分解为四级评价因素的2个三级评价因素的综合评分；然后结合未被分解为四级评价因素的7个三级评价因素的综合评分一起形成9个三级评价因素的综合评分；然后针对9个三级评价因素的综合评分，分别选取30个神经网络三级节点中心值；然后与之比较得到网络三级中心点偏差数据；并根据神经网络二级节点敏感区间，分别进行偏差绝对值指数变换、偏差绝对值平方指数变换以及偏差绝对值开方指数变换后进行线性叠加，得到网络三级中心点偏差指数混合变换数据；然后乘以相应的神经网络三级权值并进行30个节点累加，得到神经网络对第i台装备第j个一级评价因素第k个二级评价因素第w个三级评价因素的综合输出如下： εijkwp＝aijkw-a1jkwp； 其中a1jkwp为30个神经网络三级节点中心值，p＝1,2,…,30，j＝2,k＝8,w＝1时，l＝1,2,…,5，j＝2,k＝8,w＝2时，l＝1,2；εijkwp为网络三级中心点偏差数据；γijkwp为网络三级中心点偏差指数混合变换数据；uijkw为神经网络对第i台装备第j个一级评价因素第k个二级评价因素第w个三级评价因素的综合输出，k3jkwp为神经网络三级权值； 步骤S50，根据装备的快速技术保障过程的3个一级评价因素15个二级评价因素的结构组成特点，首先依据神经网络对9个三级评价因素的综合输出分为三组进行信号综合，得到被分解为三级评价因素的3个二级评价因素的综合评分；然后结合未被分解为三级评价因素的12个二级评价因素的综合评分一起形成15个二级评价因素的综合评分；然后针对15个二级评价因素的综合评分，分别选取30个神经网络节点中心值；然后与之比较得到网络二级中心点偏差数据；并根据神经网络二级节点敏感区间，分别进行偏差绝对值指数变换、偏差绝对值平方指数变换以及偏差绝对值开方指数变换后进行线性叠加，得到网络二级中心点偏差指数混合变换数据；然后乘以相应的神经网络二级权值并进行30个节点累加，得到神经网络对第i台装备第j个一级评价因素第k个二级评价因素的综合输出如下： εijkp＝aijk-a1jkp； 其中a1jkp为30个神经网络二级节点中心值，其中p＝1,2,…,30，当j＝1,k＝1时，w＝1,2,3,4；当j＝2,k＝1时，w＝1,2,3，当j＝2,k＝4时，w＝1,2，εijkp为网络二级中心点偏差数据；γijkp为网络二级中心点偏差指数混合变换数据；uijk为神经网络对第i台装备第j个一级评价因素第k个二级评价因素的综合输出，k2jkp为神经网络二级权值； 步骤S60，根据装备的快速技术保障过程的3个一级评价因素的结构组成特点，首先依据神经网络对15个二级评价因素的综合输出分为三组进行信号综合，得到全部3个一级评价因素的综合评分；然后针对3个一级评价因素的综合评分，分别选取30个神经网络一级节点中心值；然后与之比较得到网络一级中心点偏差数据；并设置神经网络一级节点敏感区间，分别进行偏差绝对值指数变换、偏差绝对值平方指数变换以及偏差绝对值开方指数变换后进行线性叠加，得到网络一级中心点偏差指数混合变换数据，然后乘以相应的神经网络一级权值并进行30个节点累加，得到神经网络对第i台装备第j个一级评价因素的综合输出；然后乘以相应的神经网络初级权值得到神经网络对第i台装备的快速技术保障过程的安全性评估总输出如下： εijp＝aij-a1jp； 其中a1jp为30个神经网络一级节点中心值，其中p＝1,2,…,30，当j＝1,时，k＝1,2,3,4；当j＝2时，k＝1,2,3,4，当j＝3时，k＝1,2,…,7，εijp为网络一级中心点偏差数据；σj为神经网络一级节点敏感区间，为常值参数；γijp为网络一级中心点偏差指数混合变换数据；uij为神经网络对第i台装备第j个一级评价因素的综合输出，k1jp为神经网络二级权值；k0j为神经网络初级权值；yi为神经网络对第i台装备的快速技术保障过程的安全性评估总输出； 步骤S70，根据所述的神经网络对第i台装备的快速技术保障过程的安全性评估总输出数据与第i台装备在上级专家对装备完成任务后的安全性综合评估分值进行比较得到网络训练误差数据；然后根据网络训练误差数据分别设计基于正余弦混合分数阶误差反馈的网络初级权值自适应调节律、网络一级权值自适应调节律、网络二级权值自适应调节律、网络三级权值自适应调节律、网络四级权值自适应调节律，最后通过积分运算分别对网络初级权值、网络一级权值、网络二级权值、网络三级权值、网络四级权值进行自适应更新；当网络训练误差收敛到0附近区域时，停止训练与权值更新； ei＝yi-bi； k0jn+1＝k0jn+k0jd； k1jpn+1＝k1jpn+k1jpd； k2jkpn+1＝k2jkpn+k2jkpd； k3jkwpn+1＝k3jkwpn+k3jkwpd； k4jkwlpn+1＝k4jkwlpn+k4jkwlpd； 其中ei为网络训练误差数据，k0jd、k1jpd、k2jkpd、k3jkwpd、k4jkwlpd分别为网络初级权值自适应调节律、网络一级权值自适应调节律、网络二级权值自适应调节律、网络三级权值自适应调节律、网络四级权值自适应调节律；l0j、l1jp、l2jkp、l3jkwp、l4jkwlp为常值参数，用于调节神经网络权值收敛速度。 步骤S80，根据本级专家对待评价装备的快速技术保障过程的3个一级评价因素15个二级评价因素9个三级评价因素7个四级评价因素的评估分值数据代入训练好的神经网络，得到神经网络对待评价装备的快速技术保障过程的综合评价分值如下： 其中γDjkwlp为神经网络对待评价装备的网络四级中心点偏差指数混合变换数据；γDjkwp为神经网络对待评价装备的网络三级中心点偏差指数混合变换数据；γDjkp为神经网络对待评价装备的网络二级中心点偏差指数混合变换数据；γDjp为神经网络对待评价装备的网络一级中心点偏差指数混合变换数据；上述数据由本级专家对待评价装备的快速技术保障过程的3个一级评价因素15个二级评价因素9个三级评价因素7个四级评价因素的评估分值数据代入训练好的神经网络产生；uDjkwl为神经网络对待评价装备第j个一级评价因素第k个二级评价因素第w个三级评价因素第l个四级评价因素的综合输出，uDjkw为神经网络对待评价装备第j个一级评价因素第k个二级评价因素第w个三级评价因素的综合输出，uDjk为神经网络对待评价装备第j个一级评价因素第k个二级评价因素的综合输出，uDj为神经网络对待评价装备第j个一级评价因素的综合输出，yD为神经网络对待评价装备的快速技术保障过程的安全性评价分值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军海军航空大学，其通讯地址为：264001 山东省烟台市芝罘区二马路188号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。