CN115203818A - 基于灰色关联分析的船舶复杂曲板成形难度评价方法 - Google Patents

基于灰色关联分析的船舶复杂曲板成形难度评价方法 Download PDF

Info

Publication number
CN115203818A
CN115203818A CN202210551136.6A CN202210551136A CN115203818A CN 115203818 A CN115203818 A CN 115203818A CN 202210551136 A CN202210551136 A CN 202210551136A CN 115203818 A CN115203818 A CN 115203818A
Authority
CN
China
Prior art keywords
forming difficulty
ship
processing time
plate forming
curved plate
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
Application number
CN202210551136.6A
Other languages
English (en)
Inventor
王顺
王一冰
代金良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Maritime University
Original Assignee
Dalian Maritime University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202210551136.6A priority Critical patent/CN115203818A/zh
Publication of CN115203818A publication Critical patent/CN115203818A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于灰色关联分析的船舶复杂曲板加工成形难度的评价方法，属于船舶与海洋工程制造技术领域。本方法基于灰色关联分析法计算各影响因素与加工时间之间的关联度，保留关联度大于0.6的关键影响因素，并结合相应权重赋值理论影响变量，进行多元非线性回归分析，建立理论影响变量与加工时间的函数模型，基于函数模型计算出预测加工时间得到曲板加工成形难度。本方法可量化各影响因素对船舶复杂曲板成形难度的影响程度，最大限度地降低人为干扰，最终可通过输入船舶外板的几何参数数据即可实现对船舶外板进行难度评价，为设计人员在板缝划分时提供参考。

Description

基于灰色关联分析的船舶复杂曲板成形难度评价方法
技术领域
本发明涉及船舶与海洋工程制造技术领域，特别涉及基于灰色关联分析的船舶复杂曲板成形难度评价方法。
背景技术
大型船舶外板一般是由复杂不可展的空间曲面构成的，因此船舶复杂曲板的加工成形成为船舶制造的重要环节，而船舶设计人员在进行船舶设计时，较少关注曲面成形的工艺过程和复杂曲板的成形难度，因此存在部分曲板板缝划分不够合理的，造成船舶复杂曲板成形难度大、耗时长、工艺参数预测困难等问题。而船舶复杂曲板成形难度评价技术可为船舶设计人员在板缝划分时提供参考，降低船舶复杂曲板的加工难度，因此成为加工前的重要环节。
灰色关联分析法是研究随机变量之间相关性的一种统计分析算法，适用于评价指标难以量化和统计的问题，对样本点数量没有过多要求，可以最大限度地降低人为干扰。
发明内容
根据上述背景技术中提到的技术问题，而提供一种基于灰色关联分析的船舶复杂曲板成形难度评价方法。本发明为了量化曲板成形难度，为设计人员对船舶外板板缝划分提供参考。
本发明采用的技术手段如下：
一种基于灰色关联分析的船舶复杂曲板成形难度评价方法，包括以下步骤：
步骤1：输入影响因素数据作为比较序列Xi(k)，同时输入加工时间数据作为参考序列Y0(k)；
步骤2：对所述影响因素数据Xi(k)与所述加工时间数据Y0(k)进行标准化处理；
步骤3：分别计算所述各影响因素与所述加工时间之间的关联度ri；
步骤4：判断所述影响因素与加工时间之间的关联度是否大于0.6，若关联度小于等于0.6时，删除该类影响因素数据；若关联度大于0.6时，执行步骤5；
步骤5：将关联度大于0.6的影响因素数据设置为关键影响因素，并计算关键影响因素的权重Ri；
步骤6：确定理论影响变量Yi(k)，将权重Ri与实际影响变量Xi(k)的乘积定义为理论影响变量Yi(k)；
步骤7：通过Matlab软件建立基于多项式函数的多元回归模型；
步骤8：基于所述多元回归模型计算预测的加工时间，并对预测加工时间进行标准化处理得到最终的待评价曲板成形难度，输出曲板成形难度结果Bi。
较现有技术相比，本发明具有以下优点：
1、本发明提出的基于灰色关联分析的船舶复杂曲板成形难度评价方法，可量化各影响因素对船舶复杂曲板成形的影响程度，为设计人员在板缝划分时提供参考。
2、本发明引入灰色关联分析法，适用于评价指标难以量化和统计的问题，同时该方法对样本点数量没有过多要求，可以最大限度地降低人为干扰。
3、本发明最终可通过仅输入船舶外板的几项几何参数数据即可实现对船舶外板进行难度评价，来达到船舶复杂曲板成形难度评价模型准确构建的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请见图1，本发明基于灰色关联分析的船舶复杂曲板成形难度评价方法实例分析，包括下列步骤：
实施例1
请见图1，本发明基于灰色关联分析的船舶复杂曲板成形难度评价方法实例分析，包括下列步骤：
步骤1：输入影响因素数据与加工时间数据；
影响因素数据包括板长X1(k)、板宽X2(k)、板厚X3(k)、曲率半径X4(k)、挠度X5(k)、长宽比X6(k)，分别为：
X1(k)＝(8035,5349,6654,5342.5,6629,5350,5072,5097.5,9707.5,9845,3663)；
X2(k)＝(1650.5,1389.5,1943,1622.5,1905,1046,1930,1417,2633,2419,1008)；
X3(k)＝(14,20,20,22,22,22,22,20,22,20,23)；
X4(k)＝(7290,2674.5,2996,3438,3677,1006.5,3899,3352,7147,22798,2004)；
X5(k)＝(63.18,21.53,26.05,55.17,82.91,58.76,14.64,17.26,32.77,39.38,42.86)；
X6(k)＝(4.87,3.85,3.42,3.29,3.48,5.11,2.63,3.60,3.69,4.07,3.63)；
加工时间数据为：
Y0(k)＝(800,938,1348,1719,2640,1856,1192,464,1232,704,1344)；
步骤2：对步骤1中6组影响因素数据与1组加工时间数据进行标准化处理；采用归一法对数据进行标准化处理：
Figure BDA0003650796290000041
Figure BDA0003650796290000042
其中，i＝1,2,…,6；i为表示影响因素个数。k＝1,2,…,n；n为表示待分析的数据序列个数，根据步骤1可知n为11。
步骤3：计算各影响因素与加工时间之间的关联度ri；
首先计算参考序列Y0(k)与比较序列Xi(k)之间的关联系数：
Figure BDA0003650796290000043
其中，ρ∈(0,1)，表示分辨系数；ρ越小，分辨力越大；maximkax表示双重最大值，minimkin表示双重最小值。
在计算参考序列Y0(k)与比较序列Xi(k)的关联度ri为：
Figure BDA0003650796290000044
计算影响因素板长、板宽、板厚、曲率半径、挠度、长宽比与加工时间的关联度结果分别为：
r1＝0.593，r2＝0.596，r3＝0.554，r4＝0.601，r5＝0.799，r6＝0.622；
步骤4：判断各影响因素与加工时间之间的关联度是否大于0.6，关联度小于等于0.6时删除该类影响因素数据；
在本实施方式中，根据以下范围确定关联程度的高低：
当关联度0.6<ri≤1时，为强关联度；
当关联度0.35<ri≤0.6时，为中等关联度；
当关联度0≤ri≤0.35时，为低关联度。因此，本文将关联度ri≥0.6的因素定为关键影响因素。
步骤5：把关联度大于0.6的影响因素数据定为关键影响因素，并计算权重Ri；
因此，曲率半径、挠度、长宽比为关键影响因素，计算这三者之间的权重Ri分别为：R4＝0.297，R5＝0.395，R6＝0.308。
步骤6：根据式Yi(k)＝Ri×Xi(k)计算理论影响变量Yi(k)，其中，Xi(k)为关键影响因素，理论影响变量Yi(k)计算结果分别为：
Y4(k)＝(2165.79,794.57,890.09.1021.4,1092.55,299.02,1158.36,996,2123.31,6773,595.37)
Y5(k)＝(24.975,8.509,10.298,21.808,32.774,23.225,5.785,6.823,12.952,15.567,16.942)；
Y6(k)＝(1.498,1.184,1.054,1.013,1.07,1.573,0.808,1.106,1.134,1.252,1.118)；
步骤7：利用软件编程建立基于多项式函数的多元回归模型；
理论曲率半径、理论挠度、理论长宽比与总加工时间的三次拟合模型为：
Figure BDA0003650796290000051
求得的拟合优度R2＝0.968，拟合效果较好，证明了拟合模型的合理性。
步骤8：基于多元回归模型计算出预测的加工时间如下：
T(1)＝884，T(2)＝741，T(3)＝1461，T(4)＝1597，T(5)＝2639，T(6)＝1810，T(7)＝1190，T(8)＝563，T(9)＝1147，T(10)＝704，T(11)＝1505；
对基于回归模型得到的预测加工时间进行标准化处理，得到相应的曲板成形难度Bi：
B1＝0.29，B2＝0.25，B3＝0.49，B4＝0.53，B5＝0.88，B6＝0.60，B7＝0.40，B8＝0.19，B9＝0.39，B10＝0.23，B11＝0.5；
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于，包括以下步骤：
步骤1：输入影响因素数据作为比较序列Xi(k)，同时输入加工时间数据作为参考序列Y0(k)；
步骤2：对所述影响因素数据Xi(k)与所述加工时间数据Y0(k)进行标准化处理；
步骤3：分别计算所述各影响因素与所述加工时间之间的关联度ri；
步骤4：判断所述影响因素与加工时间之间的关联度是否大于0.6，若关联度小于等于0.6时，删除该类影响因素数据；若关联度大于0.6时，执行步骤5；
步骤5：将关联度大于0.6的影响因素数据设置为关键影响因素，并计算关键影响因素的权重Ri；
步骤6：确定理论影响变量Yi(k)，将权重Ri与实际影响变量Xi(k)的乘积定义为理论影响变量Yi(k)；
步骤7：通过Matlab软件建立基于多项式函数的多元回归模型；
步骤8：基于所述多元回归模型计算预测的加工时间，并对预测加工时间进行标准化处理得到最终的待评价曲板成形难度，输出曲板成形难度结果Bi。
2.根据权利要求1所述的基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于：所述步骤1中输入的影响因素数据包括板长X1(k)、板宽X2(k)、板厚X3(k)、曲率半径X4(k)、挠度X5(k)、以及长宽比X6(k)；
所述影响因素比较序列表示为：
X1(k)＝(X1(1),X1(2),…,X1(n))
X2(k)＝(X2(1),X2(2),…,X2(n))
……
X6(k)＝(X6(1),X6(2),…,X6(n))
所述加工时间参考序列表示为；
Y0(k)＝(Y0(1),Y0(2),…,Y0(n))；
其中，k＝1,2,…,n；n为表示待分析的数据序列个数。
3.根据权利要求1所述的基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于：所述步骤2中的对影响因素数据与加工时间数据进行标准化处理，通过归一法分别对数据进行标准化处理：
Figure FDA0003650796280000021
Figure FDA0003650796280000022
其中，i＝1,2,…,6；i为表示影响因素个数。
4.根据权利要求1所述的基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于：所述步骤3中的计算各影响因素与加工时间之间的关联度ri，计算参考序列Y0(k)与比较序列Xi(k)之间的关联系数：
Figure FDA0003650796280000023
其中，ρ∈(0,1)，表示分辨系数；ρ越小，分辨力越大；
Figure FDA0003650796280000024
表示双重最大值，
Figure FDA0003650796280000025
表示双重最小值；
参考序列Y0(k)与比较序列Xi(k)的关联度ri为：
Figure FDA0003650796280000026
其中，k＝1,2,…,n；n为表示待分析的数据序列个数。
5.根据权利要求1所述的基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于：所述步骤5中的计算各影响因素所占权重Ri为：
Figure FDA0003650796280000027
6.根据权利要求1所述的基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于：所述步骤6中的理论影响变量Yi(k)为：
Yi(k)＝Ri×Xi(k)；。
7.根据权利要求1所述的基于灰色关联分析的船舶复杂曲板成形难度评价方法，其特征在于：所述步骤7中的建立多项式函数模型为：
Figure FDA0003650796280000031
其中，i的值为所述步骤5中关键影响因素的个数。
CN202210551136.6A 2022-05-18 2022-05-18 基于灰色关联分析的船舶复杂曲板成形难度评价方法 Pending CN115203818A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210551136.6A CN115203818A (zh) 2022-05-18 2022-05-18 基于灰色关联分析的船舶复杂曲板成形难度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210551136.6A CN115203818A (zh) 2022-05-18 2022-05-18 基于灰色关联分析的船舶复杂曲板成形难度评价方法

Publications (1)

Publication Number Publication Date
CN115203818A true CN115203818A (zh) 2022-10-18

Family

ID=83574807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210551136.6A Pending CN115203818A (zh) 2022-05-18 2022-05-18 基于灰色关联分析的船舶复杂曲板成形难度评价方法

Country Status (1)

Country Link
CN (1) CN115203818A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108507510A (zh) * 2018-04-02 2018-09-07 广东劲胜智能集团股份有限公司 一种测量不同非晶精密件成型难度差异的方法与设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150149136A1 (en) * 2012-06-01 2015-05-28 Abb Technology, Ag Method and system for evaluation of ship performance
CN105740988A (zh) * 2016-02-03 2016-07-06 南京鼎尔特科技有限公司 基于灰色关联分析和多元线性回归模型对煤炭热值的预测方法
CN113935535A (zh) * 2021-10-21 2022-01-14 广西电网有限责任公司电力科学研究院 一种面向中长期预测模型的主成分分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150149136A1 (en) * 2012-06-01 2015-05-28 Abb Technology, Ag Method and system for evaluation of ship performance
CN105740988A (zh) * 2016-02-03 2016-07-06 南京鼎尔特科技有限公司 基于灰色关联分析和多元线性回归模型对煤炭热值的预测方法
CN113935535A (zh) * 2021-10-21 2022-01-14 广西电网有限责任公司电力科学研究院 一种面向中长期预测模型的主成分分析方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108507510A (zh) * 2018-04-02 2018-09-07 广东劲胜智能集团股份有限公司 一种测量不同非晶精密件成型难度差异的方法与设备

Similar Documents

Publication Publication Date Title
Wang et al. Fault recognition using an ensemble classifier based on Dempster–Shafer Theory
CN110046408B (zh) 基于bp神经网络微分与区间分析的区间不确定性优化方法
Duer Applications of an artificial intelligence for servicing of a technical object
CN115203818A (zh) 基于灰色关联分析的船舶复杂曲板成形难度评价方法
Cova-Alonso et al. A strong efficiency measure for CCR/BCC models
CN112068519A (zh) 一种产品装配过程的质量管控方法和装置
CN113359435B (zh) 用于火电机组动态工况数据的修正方法
CN114819085A (zh) 钢材性能预测模型的训练方法、预测方法及设备
Areepong et al. Capability process on a two-sided extended EWMA control chart for moving average with exogenous factors model
CN117575412A (zh) 用于装药质量预测的模型训练方法、装置、设备和介质
CN117993603A (zh) 一种基于经验模态分解的电动汽车充电负荷预测方法
CN116187868A (zh) 一种基于知识图谱的产业链发展质量评价方法及装置
Chong et al. Group runs double sampling np control chart for attributes
Gero Mass customisation of creative designs
Sanchooli et al. TWO NOVEL ROBUST NETWORK DATA ENVELOPMENT ANALYSIS MODELS TO OBTAIN THE PERFORMANCE SCORE INTERVAL OF MULTI-STAGE SERIES SYSTEMS
CN115828736B (zh) 一种基于eemd-pe-lstm的短时船舶交通流量预测方法
Mousavi Testing optimization algorithms easier with a new test function for single-optimization problems and validating evolutionary algorithms
CN116595883B (zh) 数值反应堆实时在线系统状态修正方法
Govindaraju et al. Comparison of two clustering approaches to find demand patterns in semiconductor supply chain planning
Noori et al. Finding the Most Efficient DMU in DEA‎: A Model-Free Procedure
CN113850444B (zh) 一种基于引导注意机制的旅游需求时间序列预测方法
Baig et al. Machine Learning for the Prediction of Springback in High Tensile Strength Steels after V-Bending Process Using Tree-Based Learning
Kadoishi et al. Hierarchical Bayesian control charts based on the spatial autoregressive model
Golabzaei et al. Phase-II monitoring of AR (1) auto-correlated simple linear profiles in multi-stage processes (case study: tyre production industry)
Stier Package ‘mrf’

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221018