1.一種基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，包括以下步驟：
3.根據(jù)權(quán)利要求2所述的基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，步驟s4中雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的建立包括以下步驟：
4.根據(jù)權(quán)利要求3所述的基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，所述步驟s5中隸屬度矩陣分別表示為γa、γb、γc、γd，區(qū)間直覺(jué)模糊數(shù)矩陣分別表示為qa、qb、qc、qd；雙層語(yǔ)言術(shù)語(yǔ)的下標(biāo)與隸屬度γl之間可以相互轉(zhuǎn)換，轉(zhuǎn)換函數(shù)為：
5.根據(jù)權(quán)利要求4所述的基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，所述步驟s6中構(gòu)造的目標(biāo)函數(shù)為其中，i為矩陣行數(shù)，j為矩陣列數(shù)，p為專家個(gè)數(shù)，為第k個(gè)專家評(píng)分隸屬度矩陣中第i行第j列的元素；根據(jù)遺傳算法對(duì)上述目標(biāo)函數(shù)進(jìn)行求解：定義迭代次數(shù)和初始種群數(shù)量，這里種群是指p個(gè)專家的權(quán)重向量；生成初始種群，所有初始種群都取為0和1之間的小數(shù)，并且所有元素之和為1；去除一個(gè)專家，這樣做是為了保證權(quán)重向量中所有元素之和為1的條件，最后一個(gè)專家的權(quán)重通過(guò)相減得到；進(jìn)行交叉變異，生成子代，合并父代種群和子代種群；對(duì)新的種群進(jìn)行快速非支配排序，選擇合并種群中前n個(gè)優(yōu)先的個(gè)體組成新種群，最終得到最優(yōu)的專家權(quán)重λ＝(λ1，λ2，...，λp)。
6.根據(jù)權(quán)利要求5所述的基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，所述步驟s7中，根據(jù)層次分析法求解二級(jí)指標(biāo)的風(fēng)險(xiǎn)因子權(quán)重，利用區(qū)間直覺(jué)模糊加權(quán)平均算子實(shí)現(xiàn)二級(jí)指標(biāo)信息集成；將一級(jí)指標(biāo)記作cj，設(shè)cj下有q(q>0)個(gè)二級(jí)指標(biāo)，專家團(tuán)隊(duì)分別對(duì)cj下的q個(gè)子風(fēng)險(xiǎn)因子進(jìn)行比較并建立判斷矩陣矩陣中的元素代表一級(jí)指標(biāo)下對(duì)應(yīng)的二級(jí)風(fēng)險(xiǎn)因子之間的相互影響程度；然后進(jìn)行判斷矩陣的一致性檢驗(yàn)：引入一致性比率cr，其中，為一致性指標(biāo)，λmax為判斷矩陣的最大特征值，ri為隨機(jī)一致性指標(biāo)，其值由矩陣的階數(shù)決定，如表2所示；判斷矩陣z歸一化后，根據(jù)計(jì)算二級(jí)指標(biāo)權(quán)重然后由求得二級(jí)指標(biāo)的集體權(quán)重。
7.根據(jù)權(quán)利要求6所述的基于雙層區(qū)間直覺(jué)猶豫模糊語(yǔ)言集的改進(jìn)fmea方法，其特征在于，所述步驟s8中基于最大交叉熵線性規(guī)劃模型的風(fēng)險(xiǎn)因子權(quán)重求解方法以及失效模式排序方法包括以下步驟：