CN114925956A - 一种船舶舱室特涂能耗评价方法及装置 - Google Patents
一种船舶舱室特涂能耗评价方法及装置 Download PDFInfo
- Publication number
- CN114925956A CN114925956A CN202210295545.4A CN202210295545A CN114925956A CN 114925956 A CN114925956 A CN 114925956A CN 202210295545 A CN202210295545 A CN 202210295545A CN 114925956 A CN114925956 A CN 114925956A
- Authority
- CN
- China
- Prior art keywords
- cabin
- coating
- energy consumption
- group
- weight set
- 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
- 238000000576 coating method Methods 0.000 title claims abstract description 271
- 239000011248 coating agent Substances 0.000 title claims abstract description 251
- 238000005265 energy consumption Methods 0.000 title claims abstract description 148
- 238000011156 evaluation Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 239000013598 vector Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 22
- 238000010276 construction Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000003973 paint Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 239000004593 Epoxy Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005488 sandblasting Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 229920003986 novolac Polymers 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提供了一种船舶舱室特涂能耗评价方法及装置。通过获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。通过主客观赋权和灰色模糊综合模型的船舶特涂能耗评价方法,为设定舱室维修的特涂工艺标准提供了行之有效的模板。
Description
技术领域
本申请涉及人工智能技术领域,特别是一种船舶舱室特涂能耗评价方法及装置。
背景技术
随着人工智能技术的不断发展,该技术在各个领域得到关注和使用,各领域针对不同的应用场景,基于人工智能技术开发了对应的智能系统来帮助人们提升工作效率,国内船舶企业作为中国实体经济、传统制造业的典型代表,当前普遍采用传统的劳动力密集、能源利用率低且污染物排放量大等特征的粗放型生产模式,已不适合船舶工业高质量发展的要求。如何提升管理、技术水平、降低成本等成为船舶制造企业生存和发展的关键,而特涂就是其中的一项关键技术。舱室涂装,从广义上来讲,液货舱,淡水舱以及整舱的压载舱涂装,都应纳入特涂范围。特涂采用的涂料一般为纯环氧(用于成品油轮)、酚醛环氧(二类化学品暨成品油轮)、无机锌(化学品船),原油轮也属于舱室涂装,只是在分段阶段就开始油漆,合拢后拉毛焊缝,采用压载舱涂料,一般称之为“亚特涂”。特涂与一般的涂料施工相比,采用多种特殊设备,可以全天候施工,所以国内有种简单的说法,采用特种涂装设备的涂料施工,就是特涂。一般特涂开工前,尤其是主冲砂开始前,要求相邻舱室或结构面的火工和密性必须结束以保证漆膜的完整性,也就是俗称的“六面体结构”,包括甲板面,两侧压载舱,底压载,前后左右的相邻舱室,如果特涂完工后,一旦发生结构修改或者补焊现象,舱内的油漆将很难修补,尤其是高位的烧伤点,所以特涂不像普涂那样,存在反复地烧损和修补现象。
但由于对船舶特涂理论缺少系统性的研究,大多数船厂目前还处在粗犷的管理模式,特涂施工中质量、进度、技术等方面的问题无法得到有效解决和根本改善,最后往往以付出高额的能源成本为代价完成工程。
目前船舶特涂方面的研究多集中在方案技术方面,关注钢材表面处理、喷砂磨料选择、喷砂方案参数优化及油漆喷涂方案优化等方面,探索特涂施工的温、湿度等环境条件,分析涂料的类别、性能、施工顺序对工程效果的影响,确定特涂施工各阶段方案的控制重点和难点,
但少有研究关注特涂工程的能耗控制,从而不清楚方案流程的工程标准,达不到节能减排的目的。
发明内容
鉴于所述问题,提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种船舶舱室特涂能耗评价方法及装置,包括:
一种船舶舱室特涂能耗评价方法,所述方法用于确定能耗最低的船舶舱室特涂方案,包括:
获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;
依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;
依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;
依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
优选地,所述依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集的步骤,包括:
依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集;其中,主观权重集包括舱室特涂样本中每个涂覆步骤的能耗的主观权重的集合;
依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集;其中,客观权重集包括舱室特涂样本中每个涂覆步骤的能耗的客观权重的集合;
依据所述主观权重集和所述客观权重集生成所述综合权重集。
优选地,所述依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集的步骤,包括:
将所述每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行分层;其中,分层包括目标层、决策层和因素层;
依据所述目标层、所述决策层和所述因素层分别生成相对应的权重向量,并依据所述相对应的权重向量生成所述主观权重集。
优选地,所述依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集的步骤,包括:
将每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行最大最小值处理生成相对应的标准化指标;
依据每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的标准化指标分别计算相对应的熵值;
依据所述每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的熵值生成客观权重集。
优选地,所述依据每组所述舱室特涂样本分别生成灰色关联系数矩阵的步骤,包括:
依据每组所述舱室特涂样本构造参考数列,并对所述参考数列进行规范化处理生成比较数列;
依据所述比较数列生成所述灰色关联矩阵。
优选地,所述依据所述主观权重集和所述客观权重集生成所述综合权重集的步骤,包括:
将所述主观权重和所述客观权重采用线性加权生成所述综合权重集。
优选地,所述依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案的步骤,包括:
将所述所有舱室特涂样本的综合评价值中综合评价值的数值最高的舱室特涂样本作为能耗最低的船舶舱室特涂方案。
为实现本申请还包括一种船舶舱室特涂能耗评价装置,所述装置确定能耗最低的船舶舱室特涂方案,包括:
舱室特涂样本获取模块,用于获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
综合权重集生成模块,用于依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;
灰色关联系数矩阵生成模块,用于依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;
综合评价值生成模块,用于依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;
船舶舱室特涂方案确定模块,用于依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
为实现本申请还包括一种设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现所述的船舶舱室特涂能耗评价方法。
为实现本申请还包括一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现所述的船舶舱室特涂能耗评价方法。
本申请具有以下优点:
在本申请的实施例中,通过获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。通过从能源消耗方面评价船舱特涂效果,区别于现有研究多关注特涂工艺细节和环境条件,为降低生产成本提供了有效途径。本申请提出了基于主客观赋权和灰色模糊综合模型的船舶特涂能耗评价方法,为设定舱室维修的特涂工艺标准提供了行之有效的模板。本申请采用主客观相结合的方法设定指标权重,兼顾了实际数据情况,结果更具真实性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对本申请的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种船舶舱室特涂能耗评价方法的步骤流程图;
图2是本申请一实施例提供的一种船舶舱室特涂能耗评价方法的实施例的步骤流程图;
图3是本申请一实施例提供的一种船舶舱室特涂能耗评价方法的层次分析法步骤流程图;
图4是本申请一实施例提供的一种船舶舱室特涂能耗评价方法的熵值法步骤流程图;
图5是本申请一实施例提供的一种船舶舱室特涂能耗评价方法的灰色关联分析步骤流程图;
图6是本申请一实施例提供的一种船舶舱室特涂能耗评价方法的模糊综合评价步骤流程图;
图7是本申请一实施例提供的一种船舶舱室特涂能耗评价装置的结构框图;
图8是本发明一实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的所述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。显然,所描述的实施例是本申请一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,在本发明任一实施例中用于确定能耗最低的船舶舱室特涂方案。
参照图1,示出了本申请一实施例提供的一种船舶舱室特涂能耗评价方法,所述方法包括:
S110、获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
S120、依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;
S130、依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;
S140、依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;
S150、依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
在本申请的实施例中,通过获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。通过从能源消耗方面评价船舱特涂效果,区别于现有研究多关注特涂工艺细节和环境条件,为降低生产成本提供了有效途径。本申请提出了基于主客观赋权和灰色模糊综合模型的船舶特涂能耗评价方法,为设定舱室维修的特涂工艺标准提供了行之有效的模板。本申请采用主客观相结合的方法设定指标权重,兼顾了实际数据情况,结果更具真实性。
下面,将对本示例性实施例中一种船舶舱室特涂能耗评价方法作进一步地说明。
如所述步骤S110所述,获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
在本发明一实施例中,可以结合下列描述进一步说明步骤S110所述“获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗”的具体过程。
在一具体实施例中,收集样本原始数据,具体步骤为:以二维表的形式记录来自船舱内各传感器的各样本的特征变量数据,数据格式为按行记录,每列为一个指标。
具体如表1所示:
表1
其中,表格中0000表示时间00:00、0030表示时间00:30、2400表示时间24:00等以此类推。
需要说明的是,人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
如所述步骤S120所述,依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合。
在本发明一实施例中,可以结合下列描述进一步说明步骤S120所述“依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合”的具体过程。
如下列步骤所述,依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集;其中,主观权重集包括舱室特涂样本中每个涂覆步骤的能耗的主观权重的集合;依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集;其中,客观权重集包括舱室特涂样本中每个涂覆步骤的能耗的客观权重的集合;依据所述主观权重集和所述客观权重集生成所述综合权重集。
在本申请一具体实施例中,如图2所示,通过层次分析法和熵值法得出综合权重集。
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集”的具体过程。
在本发明一实施例中,将所述每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行分层;其中,分层包括目标层、决策层和因素层;依据所述目标层、所述决策层和所述因素层分别生成相对应的权重向量,并依据所述相对应的权重向量生成所述主观权重集。
需要说明的是,本申请通过层次分析法的出所述主观权重集,层次分析法(AHP)是一种主观赋权法,可有效地将定性问题定量化。其主要思想是将决策问题分解为多层次结构,构建一个递阶的层次分析模型,计算各层次的指标相对于上一层次的指标的权重,综合各层次指标的权重,得出最底层指标相对于顶层目标的综合权重,依据综合权重对决策方案进行排序,从而比选出最优方案。其中,层次分析法流程图如图3所示。层次分析法利用判断矩阵的最大特征值及特征向量,计算某层指标或因子相对于上层各指标或因子的权重值。其中,判断矩阵D=(dij)n×n利用阿拉伯数字1~9及其倒数作为标度来构建。
利用特征向量法计算权重,计算公式为:
DA=λmaxA
其中,λmax为判断矩阵的最大特征值,D为分层次的判断矩阵,A为权重向量。
各层次的指标相对于上一层指标或因子的权重值,可以通过权重向量归一化处理得到。
在建立判断矩阵时,由于客观事物具有复杂多样性以及人们对客观事物的认识具有局限性,通常得到的最大特征值并不是唯一的。为避免权重向量出现偏差,保证判断矩阵合乎要求,需要对判断矩阵进行一致性检验。引入两个一致性指标:度量判断矩阵偏离一致性指标CI和平均随机一致性指标 RI。其中,平均随机一致性指标RI可以通过查表得。
CI为度量判断矩阵偏离一致性的指标:
CR为一致性比例,即为CI和RI的比值。若CR<0.1,判断矩阵一致性检验合格;否则,需要适当修正判断矩阵标度值,直到矩阵一致性检验符合要求。
在本申请一具体实施例中,建立层次结构模型,具体步骤为:将决策的目标、考虑的决策准则因素和决策对象按相互关系分为最高层、中间层和最低层。设计判断矩阵,具体步骤为:通过两两因素比较,对同一层次内所有指标的相对重要性进行打分,相对重要性的比例标度取1-9及其倒数,得到判断矩阵D=(dij)n×n,其中dij表示第i个指标相对于第j个指标的比较结果。计算层次分析法的权重向量,具体步骤为:采用特征向量法,算出判断矩阵D的最大特征值,再算出该特征值对应的特征向量,即为层次分析法的权重向量A。检验并确定各指标的层次分析法权重,具体步骤为:根据判断矩阵的最大特征值λmax,计算偏离一致性指标CI;通过查表,得到随机一致性指标RI;根据,计算一致性比率CR。当CR<0.1时,认为判断矩阵D通过一致性检验,权重向量A即为各指标的层次分析法权重;否则返回建立层次结构模型的步骤,调整判断矩阵D。
在本申请一具体实施例中,上述步骤为本申请提出的为本发明提出的船舶舱室特涂能耗评价体系的第一部分:层次分析法。所述部分的目的在于计算各指标的主观权重值。
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集”的具体过程。
在本发明一实施例中,将每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行最大最小值处理生成相对应的标准化指标;依据每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的标准化指标分别计算相对应的熵值;依据所述每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的熵值生成客观权重集。
需要说明的是,通过熵值法计算本申请的客观权重集,在信息论中,熵是对不确定性的一种度量,信息量越小,不确定性越大,熵也越大。根据熵的特性,熵值可以用来判断一个事件的随机性及无序程度,也可以判断某个指标的离散程度,指标的离散程度越大,该指标对综合评价的影响越大。因此,基于信息熵原理,熵值法作为一种有效的客观赋权法,能够根据数据本身含有的客观信息来确定指标的权重。如图4所示,为熵值法流程图。
假设决策矩阵为X={xij}m×n,xij为第i个评价方案第j个指标评定值,用最大最小值法进行数据标准化处理,得到标准化指标yij:
第j项指标的熵值ej为:
第j项指标的熵权βj可用下式计算:
在本申请一具体实施例中,对样本原始数据进行标准化,具体步骤为:根据最大最小值法,对原始数据{xij}进行标准化处理,得到各样本的标准化值{yij}。计算各样本的比重,具体步骤为:分别计算在第j个指标下,第i 个样本值yij和该指标总值之比,得到各样本在各指标的比重{pij}。确定指标熵值,具体步骤为:基于信息熵原理,根据各样本值占总值的比例{pij},分别计算第j个指标的熵值ej,得到指标熵值{ej}。确定各样本的熵值法权重,具体步骤为:根据指标熵值{ej},分别计算第j个指标的熵权βj,得到熵值法下的指标权重B={βj}。
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“依据所述主观权重集和所述客观权重集生成所述综合权重集”的具体过程。
如上述步骤所述,将所述主观权重和所述客观权重采用线性加权生成所述综合权重集。
在一具体实施例中,确定综合权重,具体步骤为:以层次分析法权重A 为主观权重、熵值法权重B为客观权重,采用线性加权法,综合主、客观权重,得到综合权重W。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“依据每组所述舱室特涂样本分别生成灰色关联系数矩阵”的具体过程。
如所述步骤S130所述,依据每组所述舱室特涂样本构造参考数列,并对所述参考数列进行规范化处理生成比较数列;依据所述比较数列生成所述灰色关联矩阵。
需要说明的是,本步骤通过3.4.灰色关联分析生成所述灰色关联矩阵,灰色关联分析是对系统发展变化情况进行定量描述和比较的方法。其基本思想是通过构造参考数据列与比较数据列,计算二者的几何相似程度来判断它们的连接是否紧密。如图5所示,为灰色关联分析流程图。
灰色关联度反映了变量之间的关联程度,具体计算步骤如下:
(1)构造参考数列
设第k组数据的指标j的评定值为hj(k),其值按如下公式计算:
最后构造的最优指标集为:H(0)=[h1(0),h2(0),...,hn(0)];其中,hj(0)表示第j项指标的最优值,j=1,2,...,n。
(2)构造比较数列
由于不同指标的量纲会有所不同,不能直接运算,因此要对指标进行规范化,采用功效系数法得到规范化指标值h'j,计算公式如下:
其中,k=1,2,...,m;j=1,2,...,n,c、d为对数据差距的要求所确定的常数, c表示平移量,d表示缩放量;本文取c=0.85,d=0.15。
(3)计算灰色关联系数矩阵
规范化指标后,将最优指标集H'(0)=[h1'(0),h2'(0),...,hn'(0)]作为参考数列。按照灰色关联系统理论,分别计算第k个方案第j个指标的灰色关联系数δkj,公式如下:
其中,ρ为分辨系数,ρ越小,分辨力越大,一般ρ的取值区间为(0,1)。当ρ≤0.5463时,分辨力最好,通常取ρ=0.5。
全部灰色关联系数计算完后,进一步得到灰色关联系数矩阵G:
在本发明一实施例中,依据每组所述舱室特涂样本构造参考数列,并对所述参考数列进行规范化处理生成比较数列;依据所述比较数列生成所述灰色关联矩阵。
在本申请一具体实施例中,确定灰色关联分析的参考数列,具体步骤为:将标准值作为参考数列。对全部数据进行规范化处理,具体步骤为:采用功效系数法处理原始样本数据和参考数列,得到规范化指标值{h'j}。再确定灰色关联系数矩阵,具体步骤为:基于规范化指标值{h'j},分别计算第k个样本第j个指标的灰色关联系数δkj,得到灰色关联系数矩阵G。
在本发明一实施例中,可以结合下列描述进一步说明步骤S140所述“依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值”的具体过程。
作为一种示例,所述依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值的步骤,是将综合权重和灰尘关联系数矩阵代入模糊综合评价得到综合评价值。
需要说明的是,模糊综合评价是一种利用模糊数学工具对评价对象隶属等级状况进行综合评价的一种方法。该综合评价法根据模糊数学的隶属度理论,把定性评价转化为定量评价,使用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。如图6所示,模糊综合评价流程图
采用线性加权法,汇总主观的层次分析法权重和客观的熵值法权重,得到综合权重W,具体公式如下:
wj=aαj+bβj
其中,wj为综合权重矩阵W的第j个元素,αj为层次分析法算得的主观权重,βj为熵值法算得的客观权重;a、b为主、客观权重的待定系数,满足a+b=1,表示评价模型对主、客观影响的重视程度。
基于前述算得的综合权重向量W和关联系数评价矩阵G,构建综合评价数学模型为:
C=W0G
式中,C表示m个评价方案的最终决策向量,C=[c(1),c(2),...c(m)],c(i)为第i个方案的灰色关联度;G为各个指标的评价矩阵,有G={gi(j)};W为n个评价指标的向量权重,有W=[w1,w2,...wn];“0”表示一种模糊算子,这里选用加权平均型合成算子,即C=W0G=W×G。
所以,灰色关联度最终表示为:
将最终计算的关联度按大小排序,若评价方案与理想最优方案接近,则关联度越大。关联度最大的方案就是比选的最优方案。
在一具体实施例中,计算各样本的综合评价值,具体步骤为:基于综合权重值W和灰色关联系数矩阵G,采用加权平均型合成算子,计算各样本的灰色关联度c(i),得到模糊综合评价模型下的样本得分C。
在本发明一实施例中,可以结合下列描述进一步说明步骤S150所述“依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案”的具体过程。
如所述步骤S150所述,将所述所有舱室特涂样本的综合评价值中综合评价值的数值最高的舱室特涂样本作为能耗最低的船舶舱室特涂方案。
在一具体实施例中,对比各样本的模糊综合评价得分值C,将得分最高的样本确定为能耗最低的船舶舱室特涂方案。
在本申请一具体实施例中,本申请提出基于主客观赋权和灰色模糊综合模型的船舶舱室特涂能耗评价方法,选择能够反映工程设备使用和能源消耗的相关指标,根据层次分析确定指标主观权重,根据熵值法确定客观权重,并通过灰色关联分析和模糊综合得到各舱室的综合评价值,选择评价值最高的舱室为最优舱室,参考其施工情况来优化船舶舱室维修的特涂施工标准。本申请从能耗角度评价各舱室特涂施工效果,综合考虑主观专家经验和客观船舱数据,建立准确有效的特涂能耗评价体系,为优化船舶舱室维修的特涂工程标准提供数据支撑,达到降低能耗、减少成本的目的。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图7,示出了本申请一实施例提供的一种船舶舱室特涂能耗评价装置;
具体包括:
舱室特涂样本获取模块710:用于获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
综合权重集生成模块720:用于依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;
灰色关联系数矩阵生成模块730:用于依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;
综合评价值生成模块740:用于依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;
船舶舱室特涂方案确定模块750:用于依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
在本发明一实施例中,所述综合权重集生成模块720,包括:
主观权重集子模块:用于依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集;其中,主观权重集包括舱室特涂样本中每个涂覆步骤的能耗的主观权重的集合;
客观权重集子模块:用于依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集;其中,客观权重集包括舱室特涂样本中每个涂覆步骤的能耗的客观权重的集合;
综合权重集子模块:用于依据所述主观权重集和所述客观权重集生成所述综合权重集。
在本发明一实施例中,所述主观权重集子模块,包括:
分层子模块:用于将所述每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行分层;其中,分层包括目标层、决策层和因素层;
主观权重生成集子模块:用于依据所述目标层、所述决策层和所述因素层分别生成相对应的权重向量,并依据所述相对应的权重向量生成所述主观权重集;
在本发明一实施例中,所述客观权重集子模块,包括:
标准化指标子模块:用于将每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行最大最小值处理生成相对应的标准化指标;
熵值子模块:用于依据每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的标准化指标分别计算相对应的熵值;
客观权重集生成子模块:用于依据所述每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的熵值生成客观权重集。
在本发明一实施例中,所述综合权重集子模块,包括:
综合权重集生成子模块:用于将所述主观权重和所述客观权重采用线性加权生成所述综合权重集。
在本发明一实施例中,所述灰色关联系数矩阵生成模块,包括:
比较数列子模块:用于依据每组所述舱室特涂样本构造参考数列,并对所述参考数列进行规范化处理生成比较数列;
灰色关联矩阵生成子模块:用于依据所述比较数列生成所述灰色关联矩阵。
在本发明一实施例中,所述船舶舱室特涂方案确定模块,包括:
最低的船舶舱室特涂方案子模块:用于将所述所有舱室特涂样本的综合评价值中综合评价值的数值最高的舱室特涂样本作为能耗最低的船舶舱室特涂方案。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
在本具体实施例与上述具体实施例中有重复的操作步骤,本具体实施例仅做简单描述,其余方案参考上述具体实施例描述即可。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图8,示出了本申请的船舶舱室特涂能耗评价方法的计算机设备,具体可以包括如下:
上述计算机设备12以通用计算设备的形式表现,计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,内存28,连接不同系统组件(包括内存28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、音视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
内存28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图8中未示出,可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM, DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块42,这些程序模块42被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信,还可与一个或者多个使得操作人员能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过I/O接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)),广域网(WAN)和/ 或公共网络(例如因特网)通信。如图8所示,网络适配器20通过总线18 与计算机设备12的其他模块通信。应当明白,尽管图8中未示出,可以结合计算机设备12使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统34等。
处理单元16通过运行存储在内存28中的程序,从而执行各种功能应用以及数据处理,例如实现本申请所提供的船舶舱室特涂能耗评价方法。
也即,上述处理单元16执行上述程序时实现:获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
在本申请实施例中,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有实施例提供的船舶舱室特涂能耗评价方法。
也即,给程序被处理器执行时实现:获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在操作人员计算机上执行、部分地在操作人员计算机上执行、作为一个独立的软件包执行、部分在操作人员计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到操作人员计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种船舶舱室特涂能耗评价方法及装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种船舶舱室特涂能耗评价方法,所述方法用于确定能耗最低的船舶舱室特涂方案,其特征在于,包括:
获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;
依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;
依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;
依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
2.根据权利要求1所述的船舶舱室特涂能耗评价方法,其特征在于,所述依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集的步骤,包括:
依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集;其中,主观权重集包括舱室特涂样本中每个涂覆步骤的能耗的主观权重的集合;
依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集;其中,客观权重集包括舱室特涂样本中每个涂覆步骤的能耗的客观权重的集合;
依据所述主观权重集和所述客观权重集生成所述综合权重集。
3.根据权利要求2所述的船舶舱室特涂能耗评价方法,其特征在于,所述依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成主观权重集的步骤,包括:
将所述每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行分层;其中,分层包括目标层、决策层和因素层;
依据所述目标层、所述决策层和所述因素层分别生成相对应的权重向量,并依据所述相对应的权重向量生成所述主观权重集。
4.根据权利要求2所述的船舶舱室特涂能耗评价方法,其特征在于,所述依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成客观权重集的步骤,包括:
将每组所述舱室特涂样本中每个涂覆步骤的能耗分别进行最大最小值处理生成相对应的标准化指标;
依据每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的标准化指标分别计算相对应的熵值;
依据所述每组所述舱室特涂样本中每个涂覆步骤的能耗相对应的熵值生成客观权重集。
5.根据权利要求1所述的船舶舱室特涂能耗评价方法,其特征在于,所述依据每组所述舱室特涂样本分别生成灰色关联系数矩阵的步骤,包括:
依据每组所述舱室特涂样本构造参考数列,并对所述参考数列进行规范化处理生成比较数列;
依据所述比较数列生成所述灰色关联矩阵。
6.根据权利要求2所述的船舶舱室特涂能耗评价方法,其特征在于,所述依据所述主观权重集和所述客观权重集生成所述综合权重集的步骤,包括:
将所述主观权重和所述客观权重采用线性加权生成所述综合权重集。
7.根据权利要求1所述的船舶舱室特涂能耗评价方法,其特征在于,所述依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案的步骤,包括:
将所述所有舱室特涂样本的综合评价值中综合评价值的数值最高的舱室特涂样本作为能耗最低的船舶舱室特涂方案。
8.一种船舶舱室特涂能耗评价装置,所述装置确定能耗最低的船舶舱室特涂方案,其特征在于,包括:
舱室特涂样本获取模块,用于获取至少两组舱室特涂样本;其中,所述舱室特涂样本包括舱室特涂过程中每个涂覆步骤的能耗;
综合权重集生成模块,用于依据每组所述舱室特涂样本中每个涂覆步骤的能耗分别生成综合权重集;其中,综合权重集包括舱室特涂样本中每个涂覆步骤的能耗的权重的集合;
灰色关联系数矩阵生成模块,用于依据每组所述舱室特涂样本分别生成灰色关联系数矩阵;
综合评价值生成模块,用于依据所述综合权重集和所述灰色关联系数矩阵生成每组舱室特涂样本的综合评价值;
船舶舱室特涂方案确定模块,用于依据每组舱室特涂样本的综合评价值确定能耗最低的船舶舱室特涂方案。
9.一种设备,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的船舶舱室特涂能耗评价方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的船舶舱室特涂能耗评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295545.4A CN114925956A (zh) | 2022-03-24 | 2022-03-24 | 一种船舶舱室特涂能耗评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295545.4A CN114925956A (zh) | 2022-03-24 | 2022-03-24 | 一种船舶舱室特涂能耗评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114925956A true CN114925956A (zh) | 2022-08-19 |
Family
ID=82805013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210295545.4A Pending CN114925956A (zh) | 2022-03-24 | 2022-03-24 | 一种船舶舱室特涂能耗评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114925956A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933627A (zh) * | 2015-06-26 | 2015-09-23 | 江南大学 | 机床产品制造系统的能效组合评价方法 |
CN105550804A (zh) * | 2015-12-09 | 2016-05-04 | 江南大学 | 基于灰色模糊算法的机床产品制造系统能效评价方法 |
CN113947234A (zh) * | 2021-08-27 | 2022-01-18 | 西安工程大学 | 一种基于碳核算的细纱工序工艺参数优化方法 |
CN114202252A (zh) * | 2022-01-26 | 2022-03-18 | 西安工程大学 | 一种细纱工艺参数多目标优化方法 |
-
2022
- 2022-03-24 CN CN202210295545.4A patent/CN114925956A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933627A (zh) * | 2015-06-26 | 2015-09-23 | 江南大学 | 机床产品制造系统的能效组合评价方法 |
CN105550804A (zh) * | 2015-12-09 | 2016-05-04 | 江南大学 | 基于灰色模糊算法的机床产品制造系统能效评价方法 |
CN113947234A (zh) * | 2021-08-27 | 2022-01-18 | 西安工程大学 | 一种基于碳核算的细纱工序工艺参数优化方法 |
CN114202252A (zh) * | 2022-01-26 | 2022-03-18 | 西安工程大学 | 一种细纱工艺参数多目标优化方法 |
Non-Patent Citations (3)
Title |
---|
张航: ""基于程序分析的火电厂输煤系统节能评价研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 4 * |
曹玲玲: "《应用统计与实务》", 华中科技大学出版社 , pages: 231 * |
王毛毛: ""造纸行业能效对标指标体系和评价方法研究"", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》, pages 2 - 3 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Ship energy consumption prediction with Gaussian process metamodel | |
CN111428307B (zh) | 一种基于bim的室内优化设计方法及系统 | |
CN110516821B (zh) | 一种船舶维修资源配置优化方法及装置 | |
CN111784114A (zh) | 一种客户侧分布式储能系统运行性能评估方法及系统 | |
Qahtan et al. | Performance assessment of sustainable transportation in the shipping industry using a q-rung orthopair fuzzy rough sets-based decision making methodology | |
CN113822499B (zh) | 一种基于模型融合的列车备件损耗预测方法 | |
CN113033780A (zh) | 一种基于双层注意力机制的云平台资源预测方法 | |
Lin et al. | Feature-based estimation of preliminary costs in shipbuilding | |
Wang et al. | Many-objective optimization for a deep-sea aquaculture vessel based on an improved RBF neural network surrogate model | |
CN111144604B (zh) | 海上风电场的运维交通方案的推荐方法和设备 | |
CN112330153A (zh) | 基于非线性正交回归的行业规模预测模型建模方法及装置 | |
CN114881485A (zh) | 一种基于层次分析法和云模型的企业资金风险评估方法 | |
Tan et al. | Life extension and repair decision-making of ageing offshore platforms based on DHGF method | |
Fakhri et al. | Comparison and predicting financial performance of Islamic and conventional banks in Indonesia to achieve growth sustainability | |
Bu et al. | Calculation of coating consumption quota for ship painting: a CS-GBRT approach | |
CN114925956A (zh) | 一种船舶舱室特涂能耗评价方法及装置 | |
CN115170002B (zh) | 一种基于神经网络的保障能力评估方法及其应用 | |
CN116485021A (zh) | 一种煤炭企业技术技能人才人岗匹配预测方法与系统 | |
CN116402143A (zh) | 一种智能船舶指标体系构建与评价方法 | |
Bouhlal et al. | Proposal to evaluate the integration of IoT technologies in the maritime domain | |
Anwar et al. | Predicting future depositors rate of return applying neural network: a case-study of Indonesian Islamic bank | |
CN115759781A (zh) | 一种高价值目标综合能力评估方法及装置 | |
CN115081856A (zh) | 一种企业知识管理绩效评价装置及方法 | |
CN114021905A (zh) | 一种中小企业信用风险评价方法 | |
CN114331053A (zh) | 一种基于模糊层次评价模型的浅水湖泊富营养化评价方法 |
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 |