CN109870978A - 一种基于熵权法和犹豫模糊语言项集的数控机床可靠性分配方法 - Google Patents

Abstract

本发明公开了一种基于熵权法和犹豫模糊语言项集的数控机床可靠性分配方法，属于高档数控机床与基础制造装备的设计领域，具体是涉及数控机床的可靠性分配方法。在目标可行性技术的基础上，利用有序加权平均算子导出多项式方程来确定最大熵下的最优加权向量，结合犹豫模糊语言项集对复杂度(K)、保养(M)、成本(Co)，临界度(Cr),技术水平(S)以及工作时间(T)各子系统的综合影响程度做出正确的评值，从而对机床各子系统的可靠性分配等级做出正确的判断。从根本上解决了目标可行性技术以及模糊分配方法衡量尺度分配不均的缺陷。

Description

一种基于熵权法和犹豫模糊语言项集的数控机床可靠性分配 方法

技术领域

本发明涉及高档数控机床与基础制造装备的设计领域，具体是涉及数控机床的可靠性分配方法。

背景技术

可靠性分配是确定产品可靠性和竞争力时需要考虑的最重要的因素之一，也是可用于提高系统可靠性的重要分析工具。近年来，由于用于高科技工业过程的工程系统的复杂性增加，对系统可靠性的关注有所增加

可靠性分配是为了把系统的可靠性指标按照一定的准则分配给系统各组成单元而进行的工作。其目的就是将整个系统的可靠性指标转换为每一个分系统或单元的可靠性指标，使之协调一致。它是一个由整体到局部，自上到下的分解过程。

目前中常用的可靠性分配方法主要有等分配法、考虑重要度和复杂度的分配法、比例组合法和评分分配法，这些传统的可靠性分配方法没有考虑到可靠性分配的影响因素，或者考虑得不够全面。在针对数控机床这种集机、电、液、光、气、光为一体，且任务异常复杂的系统进行可靠性分配时，上述传统方法很明显不能达到此目的。

发明内容

针对现有机床可靠性分配方法的不足，本发明提出一种基于最大熵有序加权平均结合犹豫模糊语言项集的数控机床可靠性分配方法，所提出的方法集成了犹豫模糊语言术语集和最大熵OWA权重，以实现系统可靠性的灵活分配，犹豫不决的模糊语言术语集可以解决专家在提供语言评估方面不明确的情况。

本发明的目的在于通过在目标可行性技术的基础上引入了条件参数α(提供了有关子系统的有价值的信息，可以用于更好地协助设计者做出正确的可靠性分配决策)，并结合通过平均算子导出多项式方程确定的最大熵下的最优加权向量，并结合了犹豫模糊语言项集，从而能够在数控机床子系统合理分配的可靠性水平内准确有效地分配可靠性等级，控制合理支持成本，降低机床维护成本。

一种基于最大熵有序加权平均的数控机床可靠性分配方法，包括以下步骤：步骤一：列出系统的配置。

步骤二：确定系统可靠性要求和任务运行时间；

步骤三：确定复杂度(k)，维持(M)，成本(Co)，临界度(Cr)，现有技术(S)和操作时间(T)的标度.然后每个可靠性分配团队成员为每个子系统评估确定K,M,Co和 Cr,S,T的相应语言值。

步骤四:：计算子系统的聚合模糊演化信息从而汇总团队成员对子系统的K，M，Co，Cr，S和T的主观意见。

步骤五：对聚合的模糊演化信息进行犹豫的去模糊化。令和为2个梯形模糊数，分别由(a₁,a₂,a₃,a₄)和(b₁,b₂,b₃,b₄)参数化。然后，通过参数均值的犹豫去模糊化方法计算为：

解释上述求解的犹豫去模糊化方法，如果和为2个梯形模糊数，分别由 (1,2,3,4)和(3,4,5,6)参数化，根据公式1，聚合模糊进化信息的犹豫去模糊化将是

步骤六：计算最大熵OWA权重

步骤七：计算子系统模糊比例因子的评估结果.每个子系统的模糊分配比例因子FZ由公式(2)定义，据步骤五-七，使用情境参数的各种值来计算子系统的模糊比例因子的评估结果。

步骤八：去模糊化并灵活分配子系统的可靠性。使用质心去模糊来获得模糊数的质心，梯形模糊数的去模糊质心由方程(3)确定：

然后根据情境参数的不同值，灵活分配子系统的可靠性.

步骤九：分析以上结果，选择最优可靠性分配决策。

附表以及公式说明：

w₁[(n-1)α+1+nw₁]ⁿ＝((n-1)α)^n-1[((n-1)α-1n)w₁+1]

其中b_i是聚合对象集合(a₁,a₂,...,a_n)中的第i个最大元素，并且 b₁≥b₂≥...≥b_n，w是权重向量，n所示属性的数量，α代表情境参数的值，R 代表的一开始确立的系统可靠性，R_i代表的是某个子系统的分配可靠性。

表1：在最大熵下的最优权重向量(n＝3)

表2可靠性分配因子的模糊评级

附图说明

图1是本发明的实施流程图。

具体实施方式

本发明以某数控机床为例，对该发明能否达到最优分配来进行验证。

具体包括如下步骤:

所提出的方法集成了犹豫模糊语言术语集和最大熵OWA权重，以实现系统可靠性的灵活分配。犹豫不决的模糊语言术语集可以解决专家在提供语言评估方面不明确的情况。以下过程描述了此方法的步骤：

步骤1.列出系统的配置

在此方法中对数控机床系统进行8个子系统的分析，分别为：数控系统、主轴系统、进给系统、冷却系统、伺服系统、润滑系统、液压系统、换刀系统

步骤2.确定系统可靠性要求和误差时间。基于专家意见，数控机床系统的可靠性要求为0.875，任务时间是1000小时。

步骤3.确定K，M，Co，Cr，S和T的尺度。使用语言变量(表2)，可靠性分配团队成员对数控机床的9个子系统确定K，M，Co，Cr，S和T的尺度，如表 3所示。

表3来自可靠性分配小组(四个成员)对机床八个子系统的分配信息

步骤4。计算各子系统模糊演化信息的集合并汇总团队成员对9个子系统的K、 M、Co、Cr、S和T的主观意见(TM1、TM2、TM3和TM4)，如表4所示。

表4通过所提出的方法对八个子系统的聚合模糊演化信息。

步骤5。对聚集模糊信息进行模糊去模糊化处理。

使用公式(7)获得清晰的梯形模糊数，其结果如表5所示。

表5对聚合模糊进化信息进行犹豫不定的去模糊化。

步骤6通过公式(2)-(5)计算最大熵OWA权重，得表6。

表6最大熵有序加权算子权重(α＝0.5～α＝1.0)

α的值从0.5-0.9代表了决策者对于当前可靠性分配的乐观程度，当决策者面对可靠性分配的情况是为适度评估时，可以采取α＝0.5时的OWA权重，当α＝0.9 时，就相对代表极其乐观的程度，α＝1时用于代表决策者最大限度乐观的情况(纯乐观主义者：由于数控机床整个系统可靠性要求极其高，故不需考虑α＝1.0的情况)。

步骤7计算子系统模糊比例因子的评估结果

根据表9和表10中的结果，结合公式(1)和公式(17)使用最大熵OWA权重(α＝0.5、0.6、0.7、0.8、0.9)计算子系统的模糊比例因子，如表7所示。

表7通过该方法对八个子系统的模糊比例因子进行评估

步骤8对模糊比例因子进行去模糊化并对子系统进行可靠性的灵活分配。

根据表7的结果，根据公式(18)对模糊比例因子进行去模糊化和并通过公式(22)-(23)求得各子系统的权重，然后根据情景参数的不同值，对子系统的可靠性进行灵活的分析，结果如表8所示。

表8基于该方法对数控机床八个子系统进行可靠性分配得到的结果

(1)所提出的方法考虑了所考虑因素的有序权重，

(2)提出的方法可以处理模糊或犹豫的信息，

(3)提出的方法使用情境参数值来灵活地分配系统的可靠性，

(4)可靠性因素的信息被描述为语言变量，结果与现实情况更好地对应，

(5)提出的方法是适用的任何需要可靠性分配的大型复杂系统，并不仅限于K， M，Co，Cr，S和T。

Claims (1)

1.一种基于熵权法和犹豫模糊语言项集的数控机床可靠性分配方法，其特征在于：该方法包括以下步骤，

步骤一：列出系统的配置；

步骤二：确定系统可靠性要求和任务运行时间；

步骤三：确定复杂度k，维持M，成本Co，临界度Cr，现有技术S和操作时间T的标度.然后每个可靠性分配团队成员为每个子系统评估确定K,M,Co和Cr,S,T的相应语言值；

步骤四:：计算子系统的聚合模糊演化信息从而汇总团队成员对子系统的K，M，Co，Cr，S和T的主观意见；

步骤五：对聚合的模糊演化信息进行犹豫的去模糊化；令和为2个梯形模糊数，分别由(a₁,a₂,a₃,a₄)和(b₁,b₂,b₃,b₄)参数化；然后，通过参数均值的犹豫去模糊化方法计算为：

解释上述求解的犹豫去模糊化方法，如果和为2个梯形模糊数，分别由(1,2,3,4)和(3,4,5,6)参数化，根据公式1，聚合模糊进化信息的犹豫去模糊化将是

步骤六：计算最大熵OWA权重；

步骤七：计算子系统模糊比例因子的评估结果.每个子系统的模糊分配比例因子FZ由公式(2)定义，据步骤五-七，使用情境参数的各种值来计算子系统的模糊比例因子的评估结果；

步骤八：去模糊化并灵活分配子系统的可靠性；使用质心去模糊来获得模糊数的质心，梯形模糊数的去模糊质心由方程(3)确定：

然后根据情境参数的不同值，灵活分配子系统的可靠性.

步骤九：分析以上结果，选择最优可靠性分配决策；

附表以及公式说明：

w₁[(n-1)α+1+nw₁]ⁿ＝((n-1)α)^n-1[((n-1)α-1n)w₁+1]

其中b_i是聚合对象集合(a₁,a₂,...,a_n)中的第i个最大元素，并且b₁≥b₂≥...≥b_n，w是权重向量，n所示属性的数量，α代表情境参数的值，R代表的一开始确立的系统可靠性，R_i代表的是某个子系统的分配可靠性。