CN114329899A - 一种工程机械多仿真结果筛选方法及系统 - Google Patents
一种工程机械多仿真结果筛选方法及系统 Download PDFInfo
- Publication number
- CN114329899A CN114329899A CN202111448559.7A CN202111448559A CN114329899A CN 114329899 A CN114329899 A CN 114329899A CN 202111448559 A CN202111448559 A CN 202111448559A CN 114329899 A CN114329899 A CN 114329899A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- screening
- matrix
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种工程机械多仿真结果筛选方法及系统,获取多个仿真结果以及与仿真结果相关的评价指标;利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集;对评价指标层元素集中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵;对指标评价矩阵进行单排序和一致性校验后,求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重;根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分;根据评价得分筛选最佳仿真结果。本发明的有益效果在于提出一种融合Apriori算法、AHP算法、模糊综合评价法的工程机械多仿真结果筛选方法及系统。
Description
技术领域
本发明涉及工程机械多仿真结果筛选技术领域,尤其涉及一种工程机械多仿真结果筛选方法及系统。
背景技术
随着节能降耗技术的发展,越来越多的能耗分析优化控制算法被应用在工程机械的仿真分析上。当前用于多仿真结果筛选的方法主要包括:基于AHP算法、信息熵算法的筛选方式;基于测试数据子集的算法筛选方式;基于模糊评价的算法筛选方式等,但这些筛选方法只依据单一算法或数据子集,用于分析算法性能优劣的参数不够全面。且当前的多仿真结果筛选体系与方法在工程机械仿真分析领域应用较少。
发明内容
本发明的目的是提供一种工程机械多仿真结果筛选方法及系统,解决了当前工程机械的能耗分析优化控制算法仿真结果较多但筛选条件过于单一的技术问题。
本发明为实现上述发明目的采用如下技术方案:
本发明提供了一种工程机械多仿真结果筛选方法,包括:
获取多个仿真结果以及与仿真结果相关的评价指标;
利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集;
对评价指标层元素集中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵;
对指标评价矩阵进行单排序和一致性校验后,求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重;
根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分;
根据评价得分筛选最佳仿真结果。
进一步地,所述指标评价矩阵的表达式如下:
式中:αij表示指标i对指标j的重要性;A(αij)n*n为构造的n阶指标评价矩阵。
进一步地,所述方法还包括:
对指标评价矩阵的一致性校验的公式如下:
式中:CI为一致性指标CI,CR为一致性比例,RI为平均随机一致性指标;
若CR<0.1,则构建的指标评价矩阵满足一致性校验要求,否则需要对指标评价矩阵中的评价指标进行修正。
进一步地,利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集的方法包括:
通过构建的仿真结果评价指标层结构,并根据指标影响因素,利用Apriori算法选择与各仿真结果关联度较大的评价指标。
进一步地,所述指标影响因素包括有下述因素之一或下述因素之组合:
机型因素、作业工况因素、作业动作因素、环境影响因素。
进一步地,所述评价指标层结构包括有下述因素之一或下述因素之组合:
参数匹配指标、优化控制指标、参数鉴定指标。
进一步地,根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分的方法包括:
确定指标评价的评语集并将评语集进行数字化表示;
利用高斯型隶属度函数确定评价指标层元素集中每个评价指标与评语集的每个评语的隶属度,由此构成评判矩阵;
将评判矩阵与权重进行相乘,通过模糊变化后将评判矩阵转化为评语集的模糊向量,将得到的模糊向量进行归一化,将归一化后得到的矩阵与评语集的转置进行相乘,可得到仿真结果的评价得分。
本发明提供了一种工程机械多仿真结果筛选系统,包括:
获取模块:用于获取多个仿真结果以及与仿真结果相关的评价指标;
筛选模块:用于利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集;
判断模块:用于对评价指标层元素集中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵;
确定模块:用于对指标评价矩阵进行单排序和一致性校验后,求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重;
计算模块:用于根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分。
输出模块:用于根据评价得分筛选最佳仿真结果。
本发明的有益效果如下:
本发明的有益效果在于提出一种融合Apriori算法、AHP算法、模糊综合评价法的工程机械多仿真结果筛选方法及系统。
附图说明
图1为根据本发明实施例提供的一种工程机械多仿真结果筛选方法及系统的整体框图;
图2为根据本发明实施例提供的一种工程机械多仿真结果筛选方法及系统中评价指标筛选框图;
图3为根据本发明实施例提供的一种工程机械多仿真结果筛选方法及系统中多仿真结果评价层图;
图4为根据本发明实施例提供的一种工程机械多仿真结果筛选方法及系统中指标评价矩阵一致性检验流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
如图1所示,本发明提供一种工程机械多仿真结果筛选方法,包括:获取多个仿真结果以及与仿真结果相关的评价指标,通过构建仿真结果评价指标层级结构,根据指标影响因素,利用Apriori规则关联算法筛选出对评估结果有重要影响的指标,用于确定AHP的基础指标,作为AHP的评价指标层元素集α,作为AHP的评价指标层元素集α;确定评价指标、多仿真结果整体层级关系,对评价指标层元素集α中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵,通过对指标评价矩阵进行单排序和一致性校验,一致性检验符合要求后,利用最大特征值法求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重,再结合模糊综合评价法对多仿真结果进行评估,最终得到各个仿真结果的评价得分,依据得分筛选仿真集合中的最佳仿真结果。
下面结合附图对本发明的具体实施方法进一步阐述,主要步骤为:
1、如图1所示,搭建多仿真结果筛选系统,确定多仿真结果输入、多仿真结果评价、多仿真结果筛选整体逻辑关系;
2、如图2所示,图2中的机型因素为不同种类的工程机械集合β1={挖掘机、泵车、转载机、旋挖钻、压路机、…};作业工况因素为β2={沙土、黏土、砂石、…};作业动作因素为:β3={行走、回转、挖掘、铲土、路面压实、臂架伸长、臂架回收、…};环境影响因素为:β4={温度、湿度、…}
通过构建仿真结果评价指标层级结构,根据指标影响因素,利用Apriori规则关联算法筛选出对评估结果有重要影响的指标,用于确定AHP的基础指标,作为AHP的评价指标层元素集α。
3、如图3所示,构建工程机械多仿真结果层级评价体系:
1)由Apriori算法得到评价指标层元素集α,α={运行时间、算法节能效果、燃油利用率、…};
2)确定综合评价层元素,用集合γ表示,γ={仿真1评价结果、仿真2评价结果、…};
4、构造指标评价矩阵
1)从底层依次向顶层开始,假如评价指标α的相关性能准则有n性能准则,每次抽取其中的两个βi和βj作对比,用αij表示βi和βj对指标α的影响大小之比,然后将所有相关性能准则对比之后,构造的指标评价矩阵为A(αij)n*n如下所示:
式中:
(1)αij表示指标i对指标j的重要性;
(2)A(αij)n*n为构造的n阶指标评价矩阵。
评价矩阵A(αij)n*n中的αij量化指标采用已有现有9段标度,如下所示:
标度 | 含义 |
1 | 表示两个指标相比,具有相同重要性 |
3 | 表示两个指标相比,前者比后者稍重要 |
5 | 表示两个指标相比,前者比后者明显重要 |
7 | 表示两个指标相比,前者比后者强烈重要 |
9 | 表示两个指标相比,前者比后者极端重要 |
2、4、6、8 | 表示上述相邻判断的中间值 |
2)如图4所示,进行评价矩阵一致性检验
求得矩阵A(αij)对应的最大特征值λmax依据公式计算一致性指标CI,公式如下所示:
式中:
(1)CI为一致性指标;
(2)λmax为最大特征值;
(3)n为矩阵阶数。
3)查找对应的平均随机一致性指标RI,矩阵阶数n与RI对应关系如下:
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
4)计算一致性比例CR,公式如下:
式中:
(1)CI为一致性指标;
(2)RI为平均随机一致性指标;
(3)CR为一致性比例。
若CR<0.1,则构建的评价矩阵满足一致性要求,否则需要对当前指标评价矩阵中的评价指标进行修正。
4、仿真结果筛选
设共有n种评价指标α={α1、α2、α3…αn},评价指标对应的权重分别为w={w1、w2、w3、w4…wn},
确定评价指标的评语集,分别采用包含差、较差、一般、较好、好,共5个评价的评语集,将评语集进行数字化表示,记为x={0,25,50,75,100},利用高斯隶属度函数确定评价指标层中的每个评价指标与评语集中每个评语的隶属度,由此构建评判矩阵A(αij)n*m,其中αij表示指标αi对评语xi的隶属度。
将评判矩阵与权重进行相乘,通过模糊变化后将评判矩阵转换为评分集上的模糊向量B1*m′:B1*m′=w1*n.An*m。将得到的模糊向量B1*m′归一化得到矩阵B1*m,将B1*m与评语集的转置进行相乘后可以得到仿真结果的模糊评价得分为F=B1*m.X1*m T,最终依据多个仿真结果最终得分筛选最佳仿真结果。
本发明提供一种工程机械多仿真结果筛选系统,包括:
获取模块:用于获取多个仿真结果以及与仿真结果相关的评价指标;
筛选模块:用于利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集;
判断模块:用于对评价指标层元素集中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵;
确定模块:用于对指标评价矩阵进行单排序和一致性校验后,求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重;
计算模块:用于根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分;
输出模块:用于根据评价得分筛选最佳仿真结果。
本发明提出利用Apriori算法对仿真结果的多个相关评价指标进行关联度筛选,将工程机械的机型参数、工况参数、整车作业动作以及用户提出的评价指标等外界环境因素都考虑在内,避免由于单一评价指标导致的片面性,可以避免不能根据具体车型、具体作业工况、具体作业动作等多种因素来全面分析、对比多种控制算法仿真结果的情况。
本发明构造的评价指标层级结构可以用于判断当前评价指标的合理性,避免了评价指标的冗余性,可以某一个具体仿真结果对应的多个评价指标的权重,从而使评价指标更具有合理性。
本发明引入了高斯型隶属度理论,通过构建评语集及量化,将各个仿真结果量化成了具体的评分值,使得仿真结果的评价更具有说服力。
缩略语:AHP---(Analytic Hierarchy Process,AHP)层次分析法。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种工程机械多仿真结果筛选方法,其特征在于,包括:
获取多个仿真结果以及与仿真结果相关的评价指标;
利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集;
对评价指标层元素集中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵;
对指标评价矩阵进行单排序和一致性校验后,求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重;
根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分;
根据评价得分筛选最佳仿真结果。
4.根据权利要求1所述的一种工程机械多仿真结果筛选方法,其特征在于,利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集的方法包括:
通过构建的仿真结果评价指标层结构,并根据指标影响因素,利用Apriori算法选择与各仿真结果关联度较大的评价指标。
5.根据权利要求4所述的一种工程机械多仿真结果筛选方法,其特征在于,所述指标影响因素包括有下述因素之一或下述因素之组合:
机型因素、作业工况因素、作业动作因素、环境影响因素。
6.根据权利要求4或5所述的一种工程机械多仿真结果筛选方法,其特征在于,所述评价指标层结构包括有下述因素之一或下述因素之组合:
参数匹配指标、优化控制指标、参数鉴定指标。
7.根据权利要求1所述的一种工程机械多仿真结果筛选方法,其特征在于,根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分的方法包括:
确定指标评价的评语集并将评语集进行数字化表示;
利用高斯型隶属度函数确定评价指标层元素集中每个评价指标与评语集的每个评语的隶属度,由此构成评判矩阵;
将评判矩阵与权重进行相乘,通过模糊变化后将评判矩阵转化为评语集的模糊向量,将得到的模糊向量进行归一化,将归一化后得到的矩阵与评语集的转置进行相乘,可得到仿真结果的评价得分。
8.一种工程机械多仿真结果筛选系统,其特征在于,包括:
获取模块:用于获取多个仿真结果以及与仿真结果相关的评价指标;
筛选模块:用于利用Apriori算法对评价指标进行筛选,构建AHP算法的评价指标层元素集;
判断模块:用于对评价指标层元素集中的评价指标进行两两比较判断,依据AHP算法构建指标评价矩阵;
确定模块:用于对指标评价矩阵进行单排序和一致性校验后,求取指标评价矩阵的权向量,然后对求出的权向量进行层级总排序,从而得出对应的评价指标的权重;
计算模块:用于根据权重,采用模糊综合评价法计算各仿真结果对应的评价得分;
输出模块:用于根据评价得分筛选最佳仿真结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111448559.7A CN114329899A (zh) | 2021-11-30 | 2021-11-30 | 一种工程机械多仿真结果筛选方法及系统 |
PCT/CN2022/081369 WO2023097932A1 (zh) | 2021-11-30 | 2022-03-17 | 一种工程机械多仿真结果筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111448559.7A CN114329899A (zh) | 2021-11-30 | 2021-11-30 | 一种工程机械多仿真结果筛选方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114329899A true CN114329899A (zh) | 2022-04-12 |
Family
ID=81047911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111448559.7A Pending CN114329899A (zh) | 2021-11-30 | 2021-11-30 | 一种工程机械多仿真结果筛选方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114329899A (zh) |
WO (1) | WO2023097932A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692565A (zh) * | 2022-06-01 | 2022-07-01 | 井芯微电子技术(天津)有限公司 | 多特征参数高速板卡设计阶段质量检测方法、系统及设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116929781A (zh) * | 2023-06-12 | 2023-10-24 | 广州汽车集团股份有限公司 | 车辆评价方法、云端平台、车辆及存储介质 |
CN116882617A (zh) * | 2023-06-15 | 2023-10-13 | 中国石油大学(北京) | 低渗透油藏气驱适应性评价方法、装置、设备及介质 |
CN116823057B (zh) * | 2023-07-07 | 2024-01-30 | 中国标准化研究院 | 一种基于工效分析的用户体验效果评价方法及系统 |
CN117350163A (zh) * | 2023-10-24 | 2024-01-05 | 四川省地震应急服务中心 | 一种地下遮蔽空间通信感知装备效能评价方法 |
CN117234106B (zh) * | 2023-11-16 | 2024-02-06 | 哈尔滨工业大学 | 卫星姿轨控制地面仿真系统及其可信度评估方法 |
CN117933734A (zh) * | 2024-03-25 | 2024-04-26 | 山东科技大学 | 一种桥梁安全评估方法、装置、计算机设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090652A (zh) * | 2017-11-22 | 2018-05-29 | 北京科东电力控制系统有限责任公司 | 构建基于大数据技术的电力交易指标体系的方法 |
CN111882210A (zh) * | 2020-07-27 | 2020-11-03 | 陕西延长石油(集团)有限责任公司 | 一种基于多层次模糊综合评判的气田总体布局评价方法 |
CN111861239A (zh) * | 2020-07-27 | 2020-10-30 | 东北财经大学 | 大型酒店火灾风险评估方法、装置及计算机设备 |
CN113139737A (zh) * | 2021-04-30 | 2021-07-20 | 上海交通大学 | 一种面向全电力船舶电力系统弹性的综合评价方法 |
-
2021
- 2021-11-30 CN CN202111448559.7A patent/CN114329899A/zh active Pending
-
2022
- 2022-03-17 WO PCT/CN2022/081369 patent/WO2023097932A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692565A (zh) * | 2022-06-01 | 2022-07-01 | 井芯微电子技术(天津)有限公司 | 多特征参数高速板卡设计阶段质量检测方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023097932A1 (zh) | 2023-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114329899A (zh) | 一种工程机械多仿真结果筛选方法及系统 | |
CN109461025B (zh) | 一种基于机器学习的电能替代潜在客户预测方法 | |
CN111105332A (zh) | 一种基于人工神经网络的高速公路智能预养护方法及系统 | |
CN112987666B (zh) | 电厂机组运行优化调控方法及系统 | |
CN110807544B (zh) | 一种基于机器学习的油田剩余油饱和度分布的预测方法 | |
CN115238850B (zh) | 一种基于mi-gra与改进pso-lstm的山区边坡位移预测方法 | |
CN112596031A (zh) | 一种基于知识图谱的目标雷达威胁度评估方法 | |
CN114969953A (zh) | 基于CatBoost-NSGA-Ⅲ的盾构下穿隧道优化设计方法及设备 | |
CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及系统 | |
CN111859814A (zh) | 基于lstm深度学习的岩石时效变形预测方法及其系统 | |
CN115688578A (zh) | 一种基于粒子群优化lstm神经网络模型的机械钻速预测方法 | |
CN114265309B (zh) | 一种工程机械优化控制策略推荐系统及方法 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN110260914B (zh) | 一种基于测点时空特征的工程安全监测系统区域划分方法 | |
CN112132334A (zh) | 一种用于城市生活垃圾产量的预测方法 | |
CN115564136A (zh) | 一种地热历史拟合和产能预测方法 | |
Syaputra | The Implementation of Support Vector Machine Method with Genetic Algorithm in Predicting Energy Consumption for Reinforced Concrete Buildings | |
CN115471012A (zh) | 一种致密油藏水平井产能预测方法、介质及系统 | |
CN116011666A (zh) | 一种基于数据迁移的滚齿加工碳耗预测系统及方法 | |
CN115577626A (zh) | 一种基于土质参数量化的地面沉降预测方法及系统 | |
CN115600913A (zh) | 一种用于智能矿山的主数据识别方法 | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
CN114970115A (zh) | 一种挖掘机油耗和效率的计算方法 | |
CN113312845A (zh) | 一种基于pso-svr的土石坝浸润线的测压管水位预测方法 | |
Jiang et al. | Srgm decision model considering cost-reliability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |