一种机械材料评价方法及其系统
技术领域
本发明涉及数据评价领域,尤其涉及一种机械材料评价方法及其系统。
背景技术
机械行业对于我国国民经济的发展起着重要支撑作用,在经济发展中占有非常重要的位置。机械设计作为机械行业的基础,对整个机械行业的发展起着关键性作用。机械材料的选择是机械设计中极为关键的一步,需要考虑材料的机械性能、工艺性能、经济性以及环境属性。机械材料的选择是一个多准则、多目标、多方案的决策问题,需要考虑到决策者决策的模糊性。多属性决策是社会经济和工程技术领域中广泛存在的一类决策问题。在多属性决策方法方面学者做了大量研究。常用的多属性决策方法有TOPSIS、VIKOR、层次分析法、GRA、PROMETHEE、MEW、SAW等,并且随着单一决策方法所存在的局限性,集成多属性决策方法在工程领域得到了广泛的应用,例如模糊TOPSIS、模糊VIKOR等。
目前,在多属性决策方法研究中,存在一些不足:1)决策问题自身的复杂性和决策信息存在的模糊性、不确定性;2)主观性太强;3)单一决策方法所存在的局限性。
发明内容
本发明目的在于提供一种机械材料评价方法及其系统,以解决传统方法主观性强,且单一决策方法存在局限性的现有技术问题。
为实现上述目的,本发明提供了一种机械材料评价方法,包括以下步骤:
构建机械材料评价指标体系并确定各评价指标的权重;
确定评价等级语言变量与模糊标度的对应关系,并运用三角模糊数对各方案的材料进行专家打分构建综合模糊决策矩阵,对综合模糊决策矩阵进行标准化及加权处理,得到加权标准化判断矩阵;
根据加权标准化判断矩阵确定理想解和负理想解;
计算各方案分别到理想解以及负理想解之间的欧氏距离以及灰色关联系数,并根据结果计算各方案的相对贴近度和灰色关联相似度;
采用非线性模型根据相对贴近度和灰色关联相似度计算各方案的综合评价指标以对各方案进行优先选择排序。
进一步地,综合模糊决策矩阵的构建过程如下:
由专家Dk(k=1,2,...,K)根据模糊标度针对各评价指标C={C1,C2,...,Cm}对各机械材料方案A={A1,A2,...,An}进行模糊评判,得到模糊决策矩阵i=1,2,...,n,j=1,2,...,m,k=1,2,...,K;
综合模糊决策矩阵
进一步地,理想解和负理想解分别为:
理想解:其中
负理想解:其中
进一步地,非线性模型如下所示:
其中Ri为灰色相似度,Di为相对贴近度,CSi为综合评价值。
依托上述方法,本发明还提出了一种机械材料评价系统,包括以下模块:
第一模块:用于构建机械材料评价指标体系并确定各评价指标的权重;
第二模块:用于确定评价等级语言变量与模糊标度的对应关系,并运用三角模糊数对各方案的材料进行专家打分构建综合模糊决策矩阵,对综合模糊决策矩阵进行标准化及加权处理,得到加权标准化判断矩阵;
第三模块:用于根据加权标准化判断矩阵确定理想解和负理想解;
第四模块:用于计算各方案分别到理想解以及负理想解之间的欧氏距离以及灰色关联系数,并根据结果计算各方案的相对贴近度和灰色关联相似度;
第五模块:用于采用非线性模型根据相对贴近度和灰色关联相似度计算各方案的综合评价指标以对各方案进行优先选择排序。
进一步地,第二模块中综合模糊决策矩阵的构建过程如下:
由专家Dk(k=1,2,...,K)根据模糊标度针对各评价指标C={C1,C2,...,Cm}对各机械材料方案A={A1,A2,...,An}进行模糊评判,得到模糊决策矩阵i=1,2,...,n,j=1,2,...,m,k=1,2,...,K;
综合模糊决策矩阵
进一步地,第二模块中标准化及加权处理的具体过程如下:
标准化矩阵为
若评价指标Ci为收益型指标,则:
若评价指标Ci为消耗型指标,则:
加权标准化矩阵为其中wj为权重。
进一步地,理想解和负理想解分别为:
理想解:其中
负理想解:其中
进一步地,第五模块中非线性模型如下所示:
其中Ri为灰色相似度,Di为相对贴近度,CSi为综合评价值。
本发明具有以下有益效果:
(1)采用模糊理论,降低了方案决策过程中专家的主观决断对结果的影响;
(2)有效克服了由于欧式距离相等(方案不同)而无法对材料方案进行选择的问题,且评价过程更加合理有效;
(3)采用非线性模型,解决了以往加权集成所带来的主观性问题。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的一种机械材料评价方法流程图;
图2是机械材料综合评价指标体系的示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明实施例首先公开了一种机械材料评价方法,参见图1,包括以下步骤:
S1:选择机械材料评价指标并确定各评价指标的权重。
机械材料的选择是机械设计中极为关键的一环,一般需要考虑材料的机械性能、经济性、工艺性能和环境属性,而机械性能、经济性、工艺性能和环境属性又可以由多项评价指标进行评价。本实施列从上述每一项从选择几个评价指标,如图2所示,根据各评价指标的相对重要性来确定每项评价指标的权重,构建了如下表1所示的评价指标权重对应表:
表1评价指标权重对应表
S2:确定评价等级语言变量与模糊标度的对应关系,并运用三角模糊数对各材料方案进行专家打分构建模糊决策矩阵,对其进行标准化及加权处理,得出加权标准化判断矩阵。
构建模糊决策矩阵首先需要确定评价语言变量与模糊标度的对应关系,具体模糊标度如表2所示:
表2模糊标度
语言变量 |
模糊数 |
很低 |
(1,1,3) |
低 |
(1,3,5) |
中等 |
(3,5,7) |
高 |
(5,7,9) |
很高 |
(7,9,9) |
由专家Dk(k=1,2,...,K)根据模糊标度针对各评价指标C={C1,C2,...,Cm}对各机械材料方案A={A1,A2,...,An}进行模糊评判,得到模糊决策矩阵i=1,2,...,n,j=1,2,...,m,k=1,2,...,K;
综合模糊决策矩阵
将综合模糊决策矩阵利用差值法进行标准化可以得到:
标准化矩阵为
若评价指标Ci为收益型指标,则:
若评价指标Ci为消耗型指标,则:
加权标准化矩阵为其中wj为权重
S3:根据加权标准化判断矩阵确定理想解和负理想解。
根据各评价指标的属性确定材料方案的理想解与负理想解,其中:
理想解:其中
负理想解:其中
S4:计算各方案分别到理想解以及负理想解之间的欧氏距离以及灰色关联系数,并根据结果计算各方案的相对贴近度和灰色关联相似度。
采用模糊数理论计算各方案到正理想值和负理想值的欧氏距离:
假设和为两个三角模糊数,则两数之间的距离可表示为:
对和作无量纲化处理:
则各方案的相对贴近度:
计算各方案与正理想值和负理想值关于各指标的灰色关联系数:
其中,“*”分别表示“+”或“-”。若“*”为“+”,则表示方案与理想解关于各指标的灰色关联系数;若“*”为“-”,则表示方案与负理想解关于各指标的灰色关联系数。ρ设置为0.5。
再计算各方案与理想/负理想解的灰色关联度:
对和作无量纲化处理:
计算各方案的灰色关联相似度:
S5:采用非线性模型根据相对贴近度和灰色关联相似度计算各方案的综合评价指标以对各方案进行优先选择排序。
非线性模型如下所示:
依托上述方法,本发明还提出了一种机械材料评价系统,包括以下模块:
第一模块:用于构建机械材料评价指标体系并确定各评价指标的权重;
第二模块:用于确定评价等级语言变量与模糊标度的对应关系,并运用三角模糊数对各方案的材料进行专家打分构建综合模糊决策矩阵,对综合模糊决策矩阵进行标准化及加权处理,得到加权标准化判断矩阵;
第三模块:用于根据加权标准化判断矩阵确定理想解和负理想解;
第四模块:用于计算各方案分别到理想解以及负理想解之间的欧氏距离以及灰色关联系数,并根据结果计算各方案的相对贴近度和灰色关联相似度;
第五模块:用于采用非线性模型根据相对贴近度和灰色关联相似度计算各方案的综合评价指标以对各方案进行优先选择排序。
本实施例以某虚拟汽车企业为汽车车身设计选择合适的材料,输入16个评价指标C={C1,C2,...,C16},由3名专家Dk(k=1,2,3)对3类机械材料方案A={A1,A2,A3}打分,具体数值如表3所示:
表3综合模糊决策矩阵
由第二模块可得到如表4所示的加权标准化决策矩阵:
表4加权标准化决策矩阵
根据上表由第三模块可得到如表5所示的理想解和负理想解:
表5理想解和负理想解
|
理想值 |
负理想值 |
塑性(F1) |
(0.0633,0.0633,0.0633) |
(0.0211,0.0211,0.0211) |
耐磨性(F2) |
(0.1682,0.1682,0.1682) |
(0.0187,0.0187,0.0187) |
疲劳强度(F3) |
(0.1682,0.1682,0.1682) |
(0.0187,0.0187,0.0187) |
刚度(F4) |
(0.0472,0.0472,0.0472) |
(0.0157,0.0157,0.0157) |
材料成本(F5) |
(0.0244,0.0244,0.0244) |
(0.0081,0.0081,0.0081) |
加工制造成本(F6) |
(0.0792,0.0792,0.0792) |
(0.0264,0.0264,0.0264) |
回收处理成本(F7) |
(0.0244,0.0244,0.0244) |
(0.0081,0.0081,0.0081) |
铸造性能(F8) |
(0.0496,0.0496,0.0496) |
(0.0055,0.0055,0.0055) |
锻造性能(F9) |
(0.0779,0.0779,0.0779) |
(0.0260,0.0260,0.0260) |
焊接性能(F10) |
(0.0092,0.0092,0.0092) |
(0.0010,0.0010,0.0010) |
切削性能(F11) |
(0.0779,0.0779,0.0779) |
(0.0260,0.0260,0.0260) |
热处理工艺性(F12) |
(0.0779,0.0779,0.0779) |
(0.0260,0.0260,0.0260) |
污染性(F13) |
(0.0505,0.0505,0.0505) |
(0.0056,0.0056,0.0056) |
回收性(F14) |
(0.0127,0.0127,0.0127) |
(0.0042,0.0042,0.0042) |
分解性(F15) |
(0.0189,0.0189,0.0189) |
(0.0063,0.0063,0.0063) |
能源消耗(F16) |
(0.0505,0.0505,0.0505) |
(0.0168,0.0168,0.0168) |
通过第四模块可得各机械材料方案的相对贴近度为Di=(0.4737,0.4702,0.5371)以及灰色关联相似度Ri=(0.4986,0.4910,0.5110)。通过第五模块可得各机械材料方案的综合评价值CSi=(0.4862,0.4806,0.5241)。由此可得三种机械材料的排序为材料3>材料1>材料2,即采用方案3的机械材料是3种方案中最优的方案。
综上可知,本发明采用模糊决策,降低了方案决策过程中专家的主观决断对结果的影响,有效克服了由于欧式距离相等而无法对材料方案进行选择的问题,且评价过程更加合理有效,计算综合评价值采用非线性模型,解决了以往加权集成所带来的主观性问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。