主权项 |
机床产品制造系统的能效组合评价方法,其特征在于,包括以下步骤:步骤一、采集原始的能耗相关数据,建立机床产品制造能效评估指标体系,其中包括能效经济指标、产品能效指标、设备能效指标和任务流程能效指标四类;步骤二、确定能效评估指标体系下各评估指标的权重向量W,W=(w<sub>1</sub>,w<sub>2</sub>,…,w<sub>i</sub>,…,w<sub>n</sub>),则w<sub>i</sub>满足<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><mo>=</mo><mn>1</mn><mo>,</mo><mn>0</mn><mo>≤</mo><msub><mi>w</mi><mi>i</mi></msub><mo>≤</mo><mn>1</mn></mrow>]]></math><img file="FDA0000746515090000011.GIF" wi="436" he="144" /></maths>w<sub>i</sub>为各个指标的权重;采用层次分析法确定各评估指标的权重,构建各评估指标的判断矩阵:<img file="FDA0000746515090000012.GIF" wi="572" he="327" />其中d<sub>ij</sub>是指标i与指标j比较后的标度值,并满足d<sub>ij</sub>=1/d<sub>ji</sub>,d<sub>ii</sub>=1;计算矩阵D的最大特征根λ<sub>max</sub>,则判断矩阵的一致性检验:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>C</mi><mi>I</mi><mo>=</mo><mfrac><mrow><msub><mi>λ</mi><mrow><mi>m</mi><mi>a</mi><mi>x</mi></mrow></msub><mo>-</mo><mi>n</mi></mrow><mrow><mi>n</mi><mo>-</mo><mn>1</mn></mrow></mfrac></mrow>]]></math><img file="FDA0000746515090000013.GIF" wi="307" he="138" /></maths>其中,n为指标集中的指标数量也即是矩阵阶数;通过计算一致性比率CR判定矩阵的合理性:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mi>C</mi><mi>R</mi><mo>=</mo><mfrac><mrow><mi>C</mi><mi>I</mi></mrow><mrow><mi>R</mi><mi>I</mi></mrow></mfrac></mrow>]]></math><img file="FDA0000746515090000014.GIF" wi="230" he="127" /></maths>其中,RI为平均随机一致性指标,是足够多个随机发生的判断矩阵计算一致性指标的平均值,如果CR<0.1,矩阵合理,认为一致性可以接受,如果CR≥0.1,则遍历上述评估指标并进行两两对比,从而重新构建各评估指标的权重矩阵;步骤三、采用灰色关联法确定最优指标集,并进行规范化处理,确定关联度系数和关联系数矩阵:将经过规范化处理后的最优指标集{y<sub>0j</sub>}=[y<sub>01</sub>,y<sub>02</sub>,…,y<sub>0n</sub>]作为参考序列,经规范化处理后的方案指标值{y<sub>ij</sub>}=[y<sub>i1</sub>,y<sub>i2</sub>,…,y<sub>in</sub>]作为被比较数列,则可用如下关联度系数公式分别计算第i个指标与第j个最优指标的关联系数β<sub>i</sub>(j):<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mi>β</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mfrac><mrow><munder><mi>min</mi><mi>i</mi></munder><munder><mi>min</mi><mi>j</mi></munder><mo>|</mo><msub><mi>y</mi><mrow><mn>0</mn><mi>j</mi></mrow></msub><mo>-</mo><msub><mi>y</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>|</mo><mo>+</mo><mi>ρ</mi><munder><mi>max</mi><mi>i</mi></munder><munder><mi>max</mi><mi>j</mi></munder><mo>|</mo><msub><mi>y</mi><mrow><mn>0</mn><mi>j</mi></mrow></msub><mo>-</mo><msub><mi>y</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>|</mo></mrow><mrow><mo>|</mo><msub><mi>y</mi><mrow><mn>0</mn><mi>j</mi></mrow></msub><mo>-</mo><msub><mi>y</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>|</mo><mo>+</mo><mi>ρ</mi><munder><mi>max</mi><mi>i</mi></munder><munder><mi>max</mi><mi>j</mi></munder><mo>|</mo><msub><mi>y</mi><mrow><mn>0</mn><mi>j</mi></mrow></msub><mo>-</mo><msub><mi>y</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>|</mo></mrow></mfrac></mrow>]]></math><img file="FDA0000746515090000015.GIF" wi="1003" he="221" /></maths>其中,<img file="FDA0000746515090000016.GIF" wi="371" he="99" />和<img file="FDA0000746515090000017.GIF" wi="371" he="102" />分别表示最小绝对值和最大绝对值,分辨率ρ∈[0,1];通过如上计算,得到关联系数矩阵β:<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mi>β</mi><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><mrow><msub><mi>β</mi><mn>1</mn></msub><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd><mtd><mrow><msub><mi>β</mi><mn>1</mn></msub><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></mtd><mtd><mo>...</mo></mtd><mtd><mrow><msub><mi>β</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>β</mi><mn>2</mn></msub><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd><mtd><mrow><msub><mi>β</mi><mn>2</mn></msub><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></mtd><mtd><mo>...</mo></mtd><mtd><mrow><msub><mi>β</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>·</mo></mtd></mtr><mtr><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>·</mo></mtd></mtr><mtr><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mrow></mrow></mtd><mtd><mo>·</mo></mtd></mtr><mtr><mtd><mrow><msub><mi>β</mi><mi>n</mi></msub><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd><mtd><mrow><msub><mi>β</mi><mi>n</mi></msub><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></mtd><mtd><mo>...</mo></mtd><mtd><mrow><msub><mi>β</mi><mi>n</mi></msub><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></mrow></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000746515090000021.GIF" wi="684" he="332" /></maths>步骤四、采用模糊综合评价法得到最终评价结果:将步骤二中得到的权重向量W和步骤三中得到的关联系数矩阵β进行复合运算得到综合评判矩阵,则模糊评价算子Z=W·β<sup>T</sup>;确定评语等级论域,即确定等级矩阵V=(v<sub>1</sub>,v<sub>2</sub>,…v<sub>n</sub>)<sup>T</sup>隶属于集合M={(优)1,(良)0.7,(中)0.5,(差)0.2}利用归一化将评价向量Z进行归一化处理得到Z<sup>*</sup>=(z<sub>1</sub>,z<sub>2</sub>,…,z<sub>n</sub>),并对指标各评价等级进行加权平均,得到综合评价结果:<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><mi>G</mi><mo>=</mo><mfrac><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>z</mi><mi>i</mi></msub><mi>M</mi></mrow><mrow><munderover><mo>Σ</mo><mn>1</mn><mi>n</mi></munderover><msub><mi>z</mi><mi>i</mi></msub></mrow></mfrac></mrow>]]></math><img file="FDA0000746515090000022.GIF" wi="301" he="277" /></maths>综合评价分数越高,则说明制造系统的能效越高。 |