CN107464033A - 基于模糊层次分析的扫地机器人智能特性等级评价方法 - Google Patents

Abstract

本发明涉及一种基于模糊层次分析的扫地机器人智能特性等级评价方法，包括如下步骤：S1：建立多层次结构的智能特性等级评价指标体系；S2：用层次分析法确定所述指标体系各级评价指标的权重向量；S3：用模糊综合判断法确定各个评价指标的模糊评判矩阵；S4：通过对层次分析法确定的指标的权重向量和模糊综合判断法确定的模糊评判矩阵进行合成运算，确定模糊关系矩阵；S5：对模糊关系矩阵进行归一化处理，根据最大隶属度原则，确定扫地机器人智能特性等级。本发明能对扫地机器人智能特性等级进行科学合理的评价，为企业生产、市场监管和消费者选购提供参考，同时对其他智能家电产品智能化程度的评价研究具有借鉴意义。

Description

基于模糊层次分析的扫地机器人智能特性等级评价方法

技术领域

本发明涉及一种扫地机器人智能特性等级评价方法。

背景技术

随着市场各种家电产品的大众化，家电的智能化已经开始成为人们追求更高品质生活的目标，消费者对于智能化产品的认知度逐渐提升，个性化需求也更加凸显，物联网技术的应用更是促进了冰箱、空调、洗衣机、吸尘器等智能家电产品的发展。在智能家电产业热度提升的同时，由于智能家电涵盖范围广、产品种类多、个性化需求多样，而相关智能家电产品的标准体系尚未完善，一些打着“智能”幌子的“伪智能”家电产品也悄然进入市场，导致智能家电市场鱼龙混杂。

消费者如何辨识家电是否具有智能特性，智能化程度是否达到标准等成为难题。因此，依据国家标准针对每一个品类制定专门的智能评价方法，是十分必要的。对于智能化这种功能性的标准，很难以一个简单的标准去划分产品的智能特性等级。针对具体智能产品，对其智能特性指标进行科学合理的评价，能够为家电产品检测和认证提供有力补充，从而推动智能家电有序发展、引领智能家电选购与消费。

扫地机器人又称智能吸尘器，它作为目前典型智能家电产品之一，是一种将移动机器人技术和吸尘器技术有机结合的实现室内环境自主清洁的智能型服务机器人。扫地机器人融合了机械学、电子技术、传感器技术、控制技术、机器人技术及人工智能等多学科为一体，目前其智能特性和智能化程度缺乏统一的标准化评价方法，本发明旨在解决这一技术问题，提供一种基于模糊层次分析的扫地机器人智能特性等级评价方法。

发明内容

本发明旨在提供一种扫地机器人智能特性等级评价方法，为企业生产、市场监管和消费者选购提供参考，同时对其他智能家电产品智能化程度的评价研究具有借鉴意义。

解决上述技术问题，本发明所采用的技术方案如下：一种基于模糊层次分析的扫地机器人智能特性等级评价方法，其特征在于，包括如下步骤：

S1：建立多层次结构的智能特性等级评价指标体系；

S2：用层次分析法确定所述指标体系各级评价指标的权重向量；

S3：用模糊综合判断法确定各个评价指标的模糊评判矩阵；

S4：通过对层次分析法确定的指标的权重向量和模糊综合判断法确定的模糊评判矩阵进行合成运算，确定模糊关系矩阵；

S5：对模糊关系矩阵进行归一化处理，根据最大隶属度原则，确定扫地机器人智能特性等级。

进一步，所述指标体系分为三个层次，分别为：评价目标；一级评价指标；二级评价指标；

所述一级评价指标包括自学习、自适应、自组织、自推理、自诊断、自协调、自校正和其他智能特性八个一级评价指标。

进一步，所述一级评价指标自学习的二级评价指标包括：学习用户习惯、记忆工作环境、软件自动升级；

所述一级评价指标自适应的二级评价指标包括：自动调节、断电记忆、防碰撞、防跌落、防缠绕和智能爬坡；

所述一级评价指标自组织的二级评价指标包括：智能运行、信息监测、导航与定位和路径规划；

所述一级评价指标自推理的二级评价指标包括：维护预测、能量预测和性能预测；

所述一级评价指标自诊断的二级评价指标包括:误操作报警、硬件故障报警和远程故障诊断；

所述一级评价指标自协调的二级评价指标包括：无线控制、互联网服务和互联互通；

所述一级评价指标自校正的二级评价指标包括：时间自校正和电路自校正；

所述一级评价指标其他智能特性的二级评价指标包括：易用性、可干预性、可扩展性、功能安全性和信息安全性。

进一步的，所述指标体系分为三个层次，分别为：评价目标；一级评价指标；二级评价指标；

步骤S2所述的用层次分析法确定指标体系各级指标权重向量，包括如下步骤：

S2-1)采用Santy1-9标度法构造一级评价指标相对于评价目标的两两比较矩阵和二级评价指标相对于一级评价指标的两两比较矩阵；

S2-2)计算层次单排序权重向量和层次总排序权重向量并做一致性检验。

步骤S3所述的用模糊综合判断法确定各个指标的模糊评判矩阵，具体包括如下步骤：

S3-1)确定二级评价指标的评语集；

S3-2)对每个评语进行量化，确定每个评语对应的分数区间；

S3-3)通过若干位评估专家针对每个二级评价指标对产品实际具有的智能特性进行打分评定，记录每个二级评价指标专家打分落入各所述分数区间次数的专家打分统计结果；

S3-4)根据所述专家打分统计结果，确定每个一级评价指标对应的模糊评判矩阵。

步骤S2-2)计算层次单排序权重向量和层次总排序权重向量并做一致性检验，具体过程如下：

S2-2-1)将每个两两比较矩阵A各列向量归一化处理，再按行向量求和并再次做归一化处理，得到单一准则下的排序特征向量w；

S2-2-2)根据特征值条件Aw＝λ_maxw，得到最大特征值计算公式：k为w中包含的元素的数目，w_i表示w中的第i个元素，计算最大特征值；

S2-2-3)计算一致性指标

S2-2-4)根据一致性比率公式计算CR，RI为随机一致性指标，其值根据Santy的统计表确定，当CR＜0.1时，认为比较矩阵A的不一致性程度在容许的范围之内，有满意的一致性，通过一致性检验，将经过归一化处理的排序特征向量w作为A的层次单排序权重向量或层次总排序权重向量(w为层次单排序权重向量或层次总排序权重向量，根据比较矩阵A来确定，A为评价目标对应的比较矩阵时，w即为层次总排序权重向量)；不通过一致性检验，则重新构造比较矩阵A；

S2-2-5)根据公式计算层次总排序一致性比率，该公式中的w_i表示层次总排序权重向量w中的第i个元素，CI_i表示二级评价指标相对于第i个一级评价指标的两两比较矩阵A对应的一致性指标；

S2-2-6)若CR_all＜0.1，则层次总排序权重向量一致性检验通过，否则重新构造比较矩阵A。

本发明基于模糊层次分析的扫地机器人智能特性等级评价方法，能对扫地机器人智能特性等级进行科学合理的评价，为企业生产、市场监管和消费者选购提供参考，同时对其他智能家电产品智能化程度的评价研究具有借鉴意义，为家电产品检测和认证提供有力补充，从而推动智能家电有序发展、引领智能家电选购与消费。

附图说明

图1是本发明较佳实施例的流程图；

图2是本发明较佳实施例中建立的多层次结构的智能特性等级评价指标体系。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述。

下面实施例为对某典型扫地机器人产品的智能特性等级的具体评价过程，可参见附图1。

S1：建立多层次结构的智能特性等级评价指标体系

S1-1)利用市场调研、用户问卷调查及厂家提供产品信息与技术文件等多种方式获取产品的智能化技术、产品功能特点及用户可体验性等智能特性描述作为评价数据，确定扫地机器人智能特性等级评价指标集。

S1-2)采集的评价数据进行定性描述与分析，根据智能化通则和专家评定建立如图1所示的多层次结构的智能特性等级评价指标体系。该指标体系分为三个层次，分别为：评价目标层A；一级评价指标B_i(i＝1,2,3,4,5,6,7,8)，包括自学习、自适应、自组织、自推理、自诊断、自协调、自校正和其他智能特性八个项目；二级评价指标C_ij，相应的二级评价指标C_ij如下描述：

1)自学习特性具体包括学习用户习惯、记忆工作环境和软件自动升级。学习用户习惯指产品能根据用户使用习惯，开启时自动进入使用频次最高的状态；记忆工作环境指在同一区域环境下清扫一定次数后，能够自动记忆该区域环境；软件自动升级指当制造商发布新的软件程序时，产品在联网状态下自动进行升级。

2)自适应特性包括自动调节、断电记忆、智能爬坡、防碰撞、防跌落和防缠绕。自动调节指能够根据清扫区域内灰尘量多少自动调节清扫，比如对灰尘量比较多的区域进行集中清扫；断电记忆指电源断电重启后能继续按断电前的工作程序工作，并与原先状态应保持一致；智能爬坡指能够在一定范围的倾角斜坡上前行或越过一定高度的障碍继续前行；防碰撞指能够对障碍物进行主动识别，检测到障碍物边界时就会减速绕开；防跌落指能够主动检测前进方向位置信息，检测到有一定高度差值时自动绕开此位置区域；防缠绕指在运行过程中能够避免被毛线、毛发、线缆等物缠绕。

3)自组织特性包括智能运行、信息监测、导航与定位及路径规划。智能运行指能根据预先设定的程序(如清扫模式、清扫时间等)，自动运行来完成清扫程序或进行自动返回底座充电；信息监测指能够通过传感器自动实时监测外界环境和自身状态信息，比如周围的温度、光照、障碍物以及自身的运行速度、空间位置等信息；导航与定位指能够采用红外探测、仿生超声波探测、激光或机器视觉和室内GPS技术进行自主导航和定位；路径规划指能够根据实时监测的环境和空间位置信息做出合理的路径规划。

4)自推理特性包括维护预测、能量预测和性能预测。维护预测指能够根据工作频次和实时监测数据，预测需要维护保养、更换电池、集尘盒的时间；能量预测指能够根据工作时间和实时监测数据，预测电池供电能量维持工作的时间；性能预测指能够根据工作过程中的实时监测数据，预测清扫停止工作的时间和清扫效果。

5)自诊断特性包括误操作报警、硬件故障报警和远程故障诊断。误操作报警指能够识别用户的误操作，并进行保护和/或报警；硬件故障报警指能够诊断微控制器、各种传感器电路以及其他硬件电路是否正常，并进行保护和/或报警；远程故障诊断指产品发生故障时，能通过连接网络进行远程故障解决方案。

6)自协调特性包括无线控制、互联网服务和互联互通。无线控制指能通过蓝牙、WiFi或ZigBee等无线技术与手机、平板电脑等移动设备之间进行短距离的信息或数据交互；互联网服务指能与网络服务平台进行信息交互，并下载更新操作操作系统和/或上传器具运行维护信息或器具故障、错误信息等；互联互通指至少能够与1台其他家电产品实现联动控制、信息交互等功能。

7)自校正特性包括时间自校正、电路自校正。时间自校正指能够自动较准器具的时钟；电路自校校正指能够对温度、压等参数的准确性进行校准。

8)其他智能特性主要包括易用性、可干预性、可扩展性、功能安全性、信息安全性。易用性指产品所具备的操作模式或交互界面，操作模式如触摸屏，触摸按键及机械按键方式，交互界面如文字引导式、图形符号引导式等；可干预性指器具在正常工作过程中允许用户重新设定参数、工作模式等；可扩展性指具有增加其它新功能特性的能力；功能安全性指器具本身自带的硬件保护和软件保护；信息安全性指器具访问控制、数据加密、信息防泄漏以及网络防火墙等。

S2：用层次分析法确定所述指标体系各级评价指标的权重向量

S2-1)采用Santy1-9标度法构造两两比较矩阵

1)各个评价指标的数学描述形式如下：

一级评价指标集B＝{B₁，B₂，…，B₈}；

二级评价指标集B₁＝{C₁₁，C₁₂，C₁₃}，B₂＝{C₂₁，C₂₂，C₂₃，C₂₄，C₂₅，C₂₆}，B₃＝{C₃₁，C₃₂，C₃₃，C₃₄}，B₄＝{C₄₁，C₄₂，C₄₃}，B₅＝{C₅₁，C₅₂，C₅₃}，B₆＝{C₆₁，C₆₂，C₆₃}，B₇＝{C₇₁，C₇₂}，B₈＝{C₈₁，C₈₂，C₈₃，C₈₄，C₈₅}；

一级评价指标集相对应的权重向量为W＝(w₁，w₂，…，w₈)，

二级评价指标集相对应的权重向量为：

W₁＝(w₁₁，w₁₂，w₁₃)，W₂＝(w₂₁，w₂₂，w₂₃,w₂₄,w₂₅,w₂₆)，W₃＝(w₃₁，w₃₂，w₃₃,w₃₄)，

W₄＝(w₄₁，w₄₂，w₄₃)，W₅＝(w₅₁，w₅₂，w₅₃)，W₆＝(w₆₁，w₆₂，w₆₃)，W₇＝(w₇₁，w₇₂)

W₈＝(w₈₁，w₈₂，w₈₃,w₈₄,w₈₅)

2)采用Santy1-9标度法构造两两比较矩阵A＝(a_ij)_k×k，比较同一级评价指标之间对上一级某个指标的重要性，其中a_ij表示相比较的同一级评价指标之间第i个评价指标与第j个评价指标相对于上一级其中一个评价指标的重要性，即量化的相对权重，k表示该层中参与比较的评价指标的数目，具体步骤如下：

2-1)通过1-9标度法确定一级评价指标相对于评价目标A所得的两两比较矩阵如下：

2-2)同理，采用1-9标度法确定二级评价指标相对于一级评价指标的两两比较矩阵：

S2-2)计算层次单排序权重向量和层次总排序权重向量并做一致性检验，具体过程：

1)将每个两两比较矩阵A、B₁-B₈各列向量归一化处理，再按行向量求和并再次做归一化处理，得到单一准则下的排序特征向量w,即下文中W和W₁-W₈；

2)根据特征值条件Aw＝λ_maxw，得到最大特征值计算公式：k为w中包含的元素的数目，w_i表示w中的第i个元素，计算最大特征值；

3)计算一致性指标

根据上述步骤，计算得到的对应于比较矩阵A的相关数据如下：

λ_max＝8.3624，W＝(0.0879，0.1540，0.1683，0.0992，0.1130，0.2373，0.0615，0.0788)，CI＝0.0518；

对应于比较矩阵B₁-B₈的相关数据如下：

λ_{max 1}＝3.0127，W₁＝(0.1638，0.2972，0.5390),CI₁＝0.0063；

λ_{max 2}＝6.3389,W₂＝(0.2729,0.2158,0.1394,0.1365,0.1100,0.1254),CI₂＝0.0678；

λ_{max 3}＝4.1267,W₃＝(0.1437,0.0668,0.2651,0.5244),CI₃＝0.0422；

λ_{max 4}＝3.0118,W₄＝(0.1263,0.4160,0.4577),CI₄＝0.0059；

λ_{max 5}＝3.1014,W₅＝(0.0934,0.2213,0.6853),CI₅＝0.0507；

λ_{max 6}＝3.0264,W₆＝(0.1226,0.3202,0.5572),CI₆＝0.0132；

λ_{max 7}＝2,W₇＝(0.333,0.6667),CI₇＝0；

λ_{max 8}＝5.0312,W₈＝(0.2443,0.1222,0.1048,0.2643,0.2643),CI₈＝0.0078。

4)根据一致性比率公式计算CR，RI为随机一致性指标，其值根据Santy的统计表如表1所示确定，当CR＜0.1时，认为比较矩阵的不一致性程度在容许的范围之内，有满意的一致性，通过一致性检验，将经过归一化处理的排序特征向量w作为该比较矩阵的层次单排序权重向量(W₁-W₈)或层次总排序权重向量(W)；不通过一致性检验，则需重新构造比较矩阵。

表1

k	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

结果如下：对应于比较矩阵A：

对应于比较矩阵B₁-B₈：

由上述一致性比率计算结果可知，上述层次单排序权重向量和层次总排序权重向量一致性检验通过。

5)根据公式计算层次总排序一致性比率，如下：

CR_all＝(0.0879×0.0063+0.1540×0.0678+0.1683×0.0422+0.0992×0.0059

+0.1130×0.0507+0.2373×0.0132+0.0615×0+0.0788×0.0078)/1.41＝0.1997<0.1

6)若CR_all＜0.1，则层次总排序一致性检验通过，否则需重新构造比较矩阵。由层次总排序一致性比率计算结果可知，层次总排序权重向量一致性检验通过。说明通过上述方法确定的评价指标体系的各个权重向量是合理的。

S3：用模糊综合判断法确定各个评价指标的模糊评判矩阵,具体过程如下：

1)确定二级评价指标的评语集

对每一个二级评价指标分“高”、“较高”、“一般”、“较低”、“低”五个等级，确定评语集为U＝{u₁,u₂,u₃,u₄,u₅}；

2)对每个评语进行量化，确定每个评语对应的分数区间；

将这5个等级用百分制数值进行量化，“高”、“较高”、“一般”、“较低”、“低”五个等级分别对应的分数区间分别为“90～100”、“80～89”、“60～79”、“40～59”、“0～39”。

3)然后，通过8位评估专家针对每一个二级评价指标对产品实际具有的智能特性按百分制进行打分，如果该产品不具有指标体系中某项智能特性，给0分。对于产品具有该项指标特性，则专家根据智能特性评价指标对产品进行功能性验证及其相关知识判断，给出合理的分数。记录每个评价指标在相应分数区间段的专家打分统计结果如表2所示。

表2智能特性评价指标专家打分结果统计表

4)根据专家打分统计结果，确定每个一级评价指标对应的模糊评判矩阵如下：

S4：通过对层次分析法确定的指标的权重向量和模糊综合判断法确定的模糊评判矩阵进行合成运算，确定模糊关系矩阵

层次单排序权重向量与模糊评判矩阵合成公式如下：

层次总排序权重向量与模糊评判矩阵合成公式为：

从而得到模糊关系矩阵：

S5：对模糊关系矩阵H进行归一化处理得H'，根据最大隶属度原则max(H')，确定扫地机器人智能特性等级。

Claims (6)

1.一种基于模糊层次分析的扫地机器人智能特性等级评价方法，其特征在于，包括如下步骤：

S1：建立多层次结构的智能特性等级评价指标体系；

S2：用层次分析法确定所述指标体系各级评价指标的权重向量；

S3：用模糊综合判断法确定各个评价指标的模糊评判矩阵；

S4：通过对层次分析法确定的指标的权重向量和模糊综合判断法确定的模糊评判矩阵进行合成运算，确定模糊关系矩阵；

S5：对模糊关系矩阵进行归一化处理，根据最大隶属度原则，确定扫地机器人智能特性等级。

2.根据权利要求1所述的评价方法，其特征在于，所述指标体系分为三个层次，分别为：评价目标；一级评价指标；二级评价指标；

所述一级评价指标包括自学习、自适应、自组织、自推理、自诊断、自协调、自校正和其他智能特性八个一级评价指标。

3.根据权利要求2所述的评价方法，其特征在于，所述一级评价指标自学习的二级评价指标包括：学习用户习惯、记忆工作环境、软件自动升级；

所述一级评价指标自适应的二级评价指标包括：自动调节、断电记忆、防碰撞、防跌落、防缠绕和智能爬坡；

所述一级评价指标自组织的二级评价指标包括：智能运行、信息监测、导航与定位和路径规划；

所述一级评价指标自推理的二级评价指标包括：维护预测、能量预测和性能预测；

所述一级评价指标自诊断的二级评价指标包括:误操作报警、硬件故障报警和远程故障诊断；

所述一级评价指标自协调的二级评价指标包括：无线控制、互联网服务和互联互通；

所述一级评价指标自校正的二级评价指标包括：时间自校正和电路自校正；

所述一级评价指标其他智能特性的二级评价指标包括：易用性、可干预性、可扩展性、功能安全性和信息安全性。

4.根据权利要求1所述的评价方法，其特征在于，所述指标体系分为三个层次，分别为：评价目标；一级评价指标；二级评价指标；

步骤S2所述的用层次分析法确定指标体系各级指标权重向量，包括如下步骤：

S2-1)采用Santy1-9标度法构造一级评价指标相对于评价目标的两两比较矩阵和二级评价指标相对于一级评价指标的两两比较矩阵；

S2-2)计算层次单排序权重向量和层次总排序权重向量并做一致性检验。

5.根据权利要求4所述的评价方法，其特征在于，步骤S3所述的用模糊综合判断法确定各个指标的模糊评判矩阵，具体包括如下步骤：

S3-1)确定二级评价指标的评语集；

S3-2)对每个评语进行量化，确定每个评语对应的分数区间；

S3-3)通过若干位评估专家针对每个二级评价指标对产品实际具有的智能特性进行打分评定，记录每个二级评价指标专家打分落入各所述分数区间次数的专家打分统计结果；

S3-4)根据所述专家打分统计结果，确定每个一级评价指标对应的模糊评判矩阵。

6.根据权利要求5所述的评价方法，其特征在于，步骤S2-2)计算层次单排序权重向量和层次总排序权重向量并做一致性检验，具体过程如下：

S2-2-1)将每个两两比较矩阵A各列向量归一化处理，再按行向量求和并再次做归一化处理，得到单一准则下的排序特征向量w；

S2-2-2)根据特征值条件Aw＝λ_maxw，得到最大特征值计算公式：k为w中包含的元素的数目，w_i表示w中的第i个元素，计算最大特征值；

S2-2-3)计算一致性指标

S2-2-4)根据一致性比率公式计算CR，RI为随机一致性指标，其值根据Santy的统计表确定，当CR＜0.1时，认为比较矩阵A的不一致性程度在容许的范围之内，有满意的一致性，通过一致性检验，将经过归一化处理的排序特征向量w作为A的层次单排序权重向量或层次总排序权重向量(w为层次单排序权重向量或层次总排序权重向量，根据比较矩阵A来确定，A为评价目标对应的比较矩阵时，w即为层次总排序权重向量)；不通过一致性检验，则重新构造比较矩阵A；

S2-2-5)根据公式计算层次总排序一致性比率，该公式中的w_i表示层次总排序权重向量w中的第i个元素，CI_i表示二级评价指标相对于第i个一级评价指标的两两比较矩阵A对应的一致性指标；

S2-2-6)若CR_all＜0.1，则层次总排序权重向量一致性检验通过，否则重新构造比较矩阵A。