CN117786899B - 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 - Google Patents
基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 Download PDFInfo
- Publication number
- CN117786899B CN117786899B CN202410199185.7A CN202410199185A CN117786899B CN 117786899 B CN117786899 B CN 117786899B CN 202410199185 A CN202410199185 A CN 202410199185A CN 117786899 B CN117786899 B CN 117786899B
- Authority
- CN
- China
- Prior art keywords
- life cycle
- basic mechanical
- criterion layer
- evaluation
- mechanical parts
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000013461 design Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 37
- 238000004519 manufacturing process Methods 0.000 claims description 21
- 239000002994 raw material Substances 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 10
- 239000005431 greenhouse gas Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000007789 gas Substances 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000005496 tempering Methods 0.000 description 2
- 229910001018 Cast iron Inorganic materials 0.000 description 1
- 229910001208 Crucible steel Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请揭示了一种基础机械零部件生命周期属性决策方法、装置、计算机及储存介质，借由专家评估值及加权最小二乘法确定目标层到方案层的各指标权重。将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化矩阵、确定正、负理想解以及计算距离，最后通过计算相对接近度决策出适用当前应用场景下最佳机械零部件设计方案。本发明提供的基础机械零部件生命周期属性决策方法、装置、计算机及储存介质，针对基础机械零部件多属性因素特征建立一种评价指标体系，通过所构建的指标体系与基础机械零部件设计方案实现对应关联，结合加权最小二乘法与理想点法两种综合决策评价方法来分析决策出最佳零部件设计方案，从而提高所决策多属性的准确性。
Description
技术领域
本发明涉及基础机械零部件设计技术领域，特别涉及一种基础机械零部件生命周期属性决策方法、装置、计算机及储存介质。
背景技术
基础机械零部件在机械产品中具有广泛的应用场景，其制造过程多为离散、大批量为实现基础机械零部件在其原材料、制造、服役、运输、回收生命周期属性中对减少温室气体排放、达到绿色制造、促进可持续发展具有重要作用。在基础机械零部件设计过程中需要考虑生命周期各个环节属性对环境的影响程度，利用绝大多数基础机械零部件共性制造方式，并结合绿色特征来决策出一种最佳设计方案，供设计人员选择更为合适的、对环境负荷较小的基础零部件生命周期模型。
除了对上述基础机械零部件在设计、制造、组装、应用方面的共性特点考虑之外，对其生命周期设计方案的决策属于多属性多目标决策问题，还存在由于所评估范围的不同导致决策结果与实际设计之间有偏差的现象。
发明内容
本发明的主要目的为提供一种基础机械零部件生命周期属性决策方法、装置、计算机及储存介质，旨在解决如何形成性能合适且对环境负荷较小的设计方案问题，同时设计方案的决策属于多属性多目标决策问题，存在由于所评估范围的不同导致决策结果与实际设计之间有偏差的问题。
为了实现上述目的，本发明提供一种基础机械零部件生命周期属性决策方法，包括：
S1、采集各类各型基础机械零部件在生命周期不同阶段内的各项评估参数，最终汇总成单位重量各类各型基础机械零部件的全生命周期数据库，其中，评估参数包括各项参数和成本值；
S2、针对基础机械零部件的服役环境和性能要求，初步选择出满足条件的所有零部件设计方案，结合全生命周期数据库获得所有基础机械零部件的各项参数数据以及成本值，进而获得多个原始数据矩阵；
S3、根据生命周期不同阶段加上各项参数数据以及成本值建立全生命周期属性评价指标体系；
S4、再借由专家评估值及加权最小二乘法确定各项评估参数以及生命周期不同阶段的各指标所对应权重；
S5、将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化参数矩阵，确定正、负理想解以及计算距离；
S6、通过计算相对接近度决策出适用当前应用场景下最佳机械零部件设计方案。
进一步地，S1的步骤中各类各型所述基础机械零部件包括各种型号的齿轮、轴承、丝杠、蜗杆以及导轨；生命周期不同阶段包括原材料获取阶段、制造阶段、服役阶段、运输阶段和回收处置阶段。
进一步地，S1的步骤中各项参数数据包括资源消耗、能源消耗以及温室气体排放。
进一步地，S3的步骤包括：
构建措施层，包括满足服役环境和性能要求的多个原始数据矩阵；
构建子准则层，包括资源消耗、能源消耗、温室气体排放及成本四类参数；
构建准则层，包括原材料获取阶段、制造阶段、服役阶段、运输阶段、回收处置阶段五个阶段；
构建目标层，即最佳机械零部件设计方案。
进一步地，S4的步骤包括：
获得m位专家给出的基础机械零部件在准则层及子准则层每个指标的相对重要性评分，构造准则层评价矩阵及子准则层评价矩阵；
根据准则层评价矩阵及子准则层评价矩阵，带入专家权重，求解准则层得分向量及子准则层得分向量；
采用加权最小二乘法构建准则层加权最小二乘目标函数和子准则层加权最小二乘目标函数；
采用梯度下降法求解出使得目标函数最小化的权重向量，并进行归一化处理，获得各指标所对应权重。
进一步地，S5的步骤包括：
对多个原始数据矩阵进行同趋势化及标准化处理获得标准化参数矩阵；
由准则层和子准则层的各指标所对应权重以及标准化参数矩阵计算得加权标准化参数矩阵；
确定正理想解和负理想解/>，其中/>为效益型指标，/>为成本型指标；
分别计算不同基础机械零部件的各类指标与正、负理想解的总距离和/>。
进一步地，S6的步骤包括：
计算不同零部件设计方案的相对接近度，获得相对接近度向量/>，其中，相对接近度/>，相对接近度向量/>，/>
根据相对接近度最大原则，自主决策相对接近度向量中元素最大值所对应的零部件设计方案作为当前使用场景下最佳机械零部件设计方案。
本发明还提供了一种运行基础机械零部件生命周期属性决策方法的装置，包括：
采集模块，用于采集各类各型基础机械零部件在生命周期不同阶段内的各项评估参数，最终汇总成单位重量各类各型基础机械零部件的全生命周期数据库，其中，评估参数包括各项参数和成本值；
分析处理模块，用于针对基础机械零部件的服役环境和性能要求，初步选择出满足条件的所有零部件设计方案，结合全生命周期数据库获得所有基础机械零部件的各项参数数据以及成本值，进而获得多个原始数据矩阵；
架构模块，用于根据生命周期不同阶段加上各项参数数据以及成本值建立全生命周期属性评价指标体系；
第一计算模块，用于借由专家评估值及加权最小二乘法确定各项评估参数以及生命周期不同阶段的各指标所对应权重；
第二计算模块，用于将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化参数矩阵，确定正、负理想解以及计算距离；
判断模块，用于通过计算相对接近度决策出适用当前应用场景下最佳机械零部件设计方案。
本发明还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现上述基础机械零部件生命周期属性决策方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基础机械零部件生命周期属性决策方法的步骤。
本发明提供的基础机械零部件生命周期属性决策方法、装置、计算机及储存介质，针对基础机械零部件多属性因素特征建立一种评价指标体系，通过所构建的指标体系与基础机械零部件设计方案实现对应关联，结合加权最小二乘法与理想点法两种综合决策评价方法来分析决策出最佳零部件设计方案，该方法可通过侧重不同优化目标灵活应用于不同基础机械零部件使用场景，为工作人员提供更为合适的基础机械零部件设计选型方案，也提高了所决策多属性的准确性。
附图说明
图1 是本发明一实施例基础机械零部件生命周期属性决策方法的步骤示意图；
图2 是本发明第二个实施例某一减速齿轮箱产品设计方案的全生命周期属性评价指标体系示意图；
图3 是本发明第二个实施例某一减速齿轮箱产品设计方案的多属性决策方法流程图；
图4 是本发明第二个实施例某一减速齿轮箱产品设计方案的多属性决策算法流程图；
图5 是本发明实施例计算机的示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”“上述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件、单元、模块和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、模块、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语），具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
参照图1，本发明一实施例中，一种基础机械零部件生命周期属性决策方法，包括以下步骤：
步骤一：用各类分析仪器及气体传感器采集各类各型基础机械零部件在生命周期不同阶段内的各项参数数据，并计算其成本值，最终汇总成单位重量各类各型基础机械零部件的全生命周期数据库。
步骤二：针对基础机械零部件的服役环境和性能要求等因素，初步选择出满足条件的所有型号零部件，结合步骤一所得单位重量各类各型基础机械零部件的全生命周期数据库获得不同型号零部件各类参数预期数据总量，为步骤三决策分析提供底层数据库；
步骤三：建立全生命周期属性评价指标体系，再借由专家评估值及加权最小二乘法确定目标层到方案层的各指标权重。将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化矩阵、确定正、负理想解以及计算距离，最后通过计算相对接近度决策出适用当前应用场景下最佳机械零部件设计方案。
在一个实施例中，基础机械零部件包括各种型号的齿轮、轴承、丝杠、蜗杆以及导轨等各类零部件。齿轮、轴承、丝杠以及蜗杆等为类，而在具体的类中，存在不同的型号。
在一个实施例中，生命周期不同阶段包括原材料获取阶段（M）、制造阶段（P）、服役阶段（S）、运输阶段（T）、回收处置阶段（R）五个阶段。
以上各阶段基本贯穿了基础机械零部件的全部阶段，为较为全面的考虑因素。
在一个实施例中，所述的各项参数数据主要包括但不仅限于资源消耗、能源消耗以及温室气体排放等方面。
以上几个参数数据为目前较为关心的特性，为较为全面考虑。
以上的步骤三的具体步骤如下：
第一步：建立全生命周期属性评价指标体系，包括措施层、子准则层（评价指标）、准则层（生命周期属性）以及目标层，其中措施层包括满足服役环境要求及性能要求的各型零部件；子准则层（评价指标）包括资源消耗（N）、能源消耗（E）、温室气体排放（G）及成本（C）四类参数；准则层（生命周期属性）包括原材料获取阶段（M）、制造阶段（P）、服役阶段（S）、运输阶段（T）、回收处置阶段（R）五个阶段；目标层即最佳基础机械零部件设计方案；
第二步：邀请m位专家给出不同型号零部件在准则层及子准则层每个指标的相对重要性评分（范围为1-10），构造准则层及子准则层的评价矩阵；
m位专家的权重占比向量为：
准则层评价矩阵：
子准则层评价矩阵：
其中，。
第三步：带入专家权重，求解准则层及子准则层的得分向量；
；/>
；/>
第四步：采用加权最小二乘法（WLS）构建加权最小二乘模型；
（1）准则层
初始的指标权重向量为：
假设准则层指标的真实权重向量为：
准则层加权最小二乘目标函数为：
（2）子准则层
假设子准则层指标的真实权重向量为：
子准则层加权最小二乘目标函数为：
第五步：采用梯度下降法求解出使得目标函数最小化的权重向量，并进行归一化处理；
（1）准则层
最优权重向量：
归一化处理：
（2）子准则层
最优权重向量：
归一化处理：
第六步：在运用专家评估值结合加权最小二乘法确定准则层及子准则层各指标所对应权重后，再结合理想点法计算出选出的各机械零部件设计方案对应分值（相对接近度）。首先，将底层数据库中各零部件设计方案对应各参数数据组成的原始数据矩阵进行同趋势化及标准化处理获得标准化矩阵Z；
（1）为保证所有指标变化方向一致，需对子准则层各参数数据进行同趋势化处理，生命周期五个阶段，每个阶段都有四个指标值的数据；
标准0-1变换：
其中，
（2）非量纲化采用对同趋势化后的原始数据矩阵进行标准化处理的方法；
标准化：
标准化参数矩阵：
第七步：由准则层指标权重向量和子准则层指标权重向量/>再结合标准化参数矩阵Z计算得加权标准化矩阵P；
第八步：确定正理想解、负理想解/>，其中/>为效益型指标，/>为成本型指标；
正理想解：
负理想解：
第九步：分别计算不同机械零部件各类指标与正、负理想解的总距离和/>；
第十步：计算不同机械零部件设计方案的相对接近度，获得相对接近度向量/>；
相对接近度：
相对接近度向量：
第十一步：根据相对接近度最大原则，自主决策相对接近度向量中元素最大值所对应的机械零部件设计方案作为当前使用场景下最佳基础机械零部件设计方案。
在一个实施例中要选用一齿轮作为一级齿轮减速箱中的大齿数齿轮使用，初步选出该服役场景要求的三种型号。齿轮1：齿轮重量10kg，材料为铸钢，制造工艺为磨削+正火+淬火，运输过程为铁路运输，需回收使用；齿轮2：齿轮重量10kg，材料为铸铁，制造工艺为铣削+回火，运输过程为货车运输，需回收使用；齿轮3：齿轮重量10kg，材料为不锈钢，制造工艺为磨削+淬火+回火，运输过程为航空运输，需回收使用。生命周期五个阶段所侧重要求不同，其中原材料获取阶段M主要是考虑是否满足使用需求和原材料的难易加工程度，制造阶段P是考虑零件在生产制造过程中对环境影响程度，服役阶段S是考虑零件的易维护性和能耗、环境排放情况，运输阶段T是考虑零部件在被包装后运输一定距离的能耗与环境排放情况，回收处置阶段R是将服役后的零部件重新作为一种资源加以循环利用，主要考虑回收，率。在当使用场景需求侧重的生命周期阶段不一样时，在专家评估时应侧重考虑提高对应阶段的评分，对于四个评价指标也是同样考虑。
具体基础机械零部件生命周期属性决策方法包括：
步骤一：用各类分析仪器及气体传感器采集各类各型基础机械零部件在生命周期不同阶段内的各项参数数据，并计算其成本值，最终汇总成单位重量各类各型基础机械零部件的全生命周期数据库。
步骤二：针对基础机械零部件的服役环境和性能要求等因素，初步选择出满足条件的所有型号零部件，结合步骤一所得单位重量各类各型基础机械零部件的全生命周期数据库即可得到不同型号零部件各类参数预期数据总量，为步骤三决策分析提供底层数据库；
步骤三：建立全生命周期属性评价指标体系，再借由专家评估值及加权最小二乘法确定目标层到方案层的各指标权重。将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化参数矩阵、确定正、负理想解以及计算距离，最后通过计算相对接近度决策出适用于当前应用场景下的最佳零部件设计方案。
进一步地，所述的各类各型齿轮零件。
进一步地，所述的生命周期不同阶段主要包括原材料获取阶段（M）、制造阶段（P）、服役阶段（S）、运输阶段（T）、回收处置阶段（R）五个阶段。
进一步地，所述的各项参数数据主要包括但不仅限于资源消耗、能源消耗以及温室气体排放等方面。
进一步地，所述步骤三的具体步骤如下：
第一步：建立全生命周期属性评价指标体系，包括措施层、子准则层（评价指标）、准则层（生命周期属性）以及目标层，其中措施层包括满足服役环境要求及性能要求的各型零部件；子准则层（评价指标）包括资源消耗（N）、能源消耗（E）、温室气体排放（G）及成本（C）四类参数；准则层（生命周期属性）包括原材料获取阶段（M）、制造阶段（P）、服役阶段（S）、运输阶段（T）、回收处置阶段（R）五个阶段；目标层即基础机械零部件设计选型方案；
第二步：邀请3位专家给出不同型号零部件在准则层及子准则层每个指标的相对重要性评分（范围为1-10），构造准则层及子准则层的评价矩阵；
3位专家的权重占比向量为：
（1）第一种应用需求场景为：精度要求高，应侧重生命周期中的制造阶段，同时注意整个生命周期中的能源消耗。
准则层评价矩阵：
子准则层评价矩阵：
（2）第二种应用需求场景为：性能高，原材料质量好，应侧重生命周期中的原材料获取阶段，同时注意整个生命周期中的成本。
准则层评价矩阵：
子准则层评价矩阵：
第三步：带入专家权重，求解准则层及子准则层的得分向量
（1）第一种场景
（2）第二种场景
第四步：采用加权最小二乘法构建加权最小二乘模型，两种场景相同；
（1）准则层
初始的指标权重向量为：
假设准则层指标的真实权重向量为：
准则层加权最小二乘目标函数为：
（2）子准则层
假设子准则层指标的真实权重向量为：
子准则层加权最小二乘目标函数为：
第五步：采用梯度下降法求解出使得目标函数最小化的权重向量，并进行归一化处理；
（1）第一种场景
1）准则层
最优权重向量：
归一化处理：
2）子准则层
最优权重向量：
归一化处理：
（2）第二种场景
1）准则层
最优权重向量：
归一化处理：
2）子准则层
最优权重向量：
归一化处理：
第六步：在运用专家评估值结合加权最小二乘法确定准则层及子准则层各指标所对应权重后，再结合理想点法计算出选出的各机械零部件方案对应分值（相对接近度）。首先，将底层数据库中各零部件对应各参数数据组成的原始数据矩阵进行同趋势化及标准化处理获得标准化参数矩阵Z；
从基础机械零部件数据库中提取出原始数据矩阵：
Q=
归一化转换后的标准化参数矩阵：
Z=
第七步：由准则层和子准则层的各指标权重和标准化参数矩阵计算得加权标准化参数矩阵P；
(1)第一种场景
Z=
(2)第二种场景
Z=
第八步：确定正理想解、负理想解/>，其中/>为效益型指标，/>为成本型指标；
（1）第一种场景
正理想解：
负理想解：
（2）第二种场景
正理想解：
负理想解：
第九步及第十步：计算不同型号齿轮零部件各类指标与正、负理想解的总距离和/>以及相对接近度/>；
（1）第一种场景
（2）第二种场景
第十一步：选取最佳齿轮零部件设计方案；
（1）第一种场景
相对接近度向量：，由相对接近度最大原则可知，应选择/>所对应的齿轮3作为当前场景下最佳减速齿轮设计方案。
（2）第二种场景
相对接近度向量：，由相对接近度最大原则可知，应选择/>所对应的齿轮1作为当前场景下最佳减速齿轮设计方案。
本实施案例以场景一：精度要求高，侧重生命周期中的制造阶段，同时注意整个生命周期中的能源消耗；场景二：性能要求高，原材料质量好，侧重生命周期中的原材料获取阶段，同时注意整个生命周期中的成本，两种一级齿轮箱减速齿轮应用场景为对比，通过实际数据计算验证了本发明所提出的综合决策评价方法的有效性和可行性。
以上所述仅为本发明的优选实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的保护范围内。
Claims (4)
1.一种基础机械零部件生命周期属性决策方法，其特征在于，包括：
S1、采集各类各型基础机械零部件在生命周期不同阶段内的各项评估参数，最终汇总成单位重量各类各型基础机械零部件的全生命周期数据库，其中，评估参数包括各项参数和成本值；
S2、针对基础机械零部件的服役环境和性能要求，初步选择出满足条件的所有零部件设计方案，结合全生命周期数据库获得所有基础机械零部件的各项参数数据以及成本值，进而获得多个原始数据矩阵；
S3、根据生命周期不同阶段加上各项参数数据以及成本值建立全生命周期属性评价指标体系；
S4、借由专家评估值及加权最小二乘法确定各项评估参数以及生命周期不同阶段的各指标所对应权重；
S5、将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化参数矩阵，确定正、负理想解以及计算距离；
S6、通过计算相对接近度决策出适用当前应用场景下最佳机械零部件设计方案；
S1的步骤中各类各型所述基础机械零部件包括各种型号的齿轮、轴承、丝杠、蜗杆以及导轨；生命周期不同阶段包括原材料获取阶段、制造阶段、服役阶段、运输阶段和回收处置阶段；
S1的步骤中各项参数数据包括资源消耗、能源消耗以及温室气体排放；
S3的步骤包括：
构建措施层，包括满足服役环境和性能要求的多个原始数据矩阵；
构建子准则层，包括资源消耗、能源消耗、温室气体排放及成本四类参数；
构建准则层，包括原材料获取阶段、制造阶段、服役阶段、运输阶段、回收处置阶段五个阶段；
构建目标层，即最佳机械零部件设计方案；
S4的步骤包括：
获得m位专家给出的基础机械零部件在准则层及子准则层每个指标的相对重要性评分，构造准则层评价矩阵及子准则层评价矩阵；
根据准则层评价矩阵及子准则层评价矩阵，带入专家权重，求解准则层得分向量及子准则层得分向量；
采用加权最小二乘法构建准则层加权最小二乘目标函数和子准则层加权最小二乘目标函数；
采用梯度下降法求解出使得目标函数最小化的权重向量，并进行归一化处理，获得各指标所对应权重；
S5的步骤包括：
对多个原始数据矩阵进行同趋势化及标准化处理获得标准化参数矩阵；
由准则层和子准则层的各指标所对应权重以及标准化参数矩阵计算得加权标准化参数矩阵；
确定正理想解和负理想解/>，其中/>为效益型指标，/>为成本型指标；
分别计算不同基础机械零部件的各类指标与正、负理想解的总距离和/>；
S6的步骤包括：
计算不同零部件设计方案的相对接近度，获得相对接近度向量/>，其中，相对接近度，相对接近度向量/>，k为所选出基础机械零件个数；
根据相对接近度最大原则，自主决策相对接近度向量中元素最大值所对应的零部件设计方案作为当前使用场景下最佳机械零部件设计方案。
2.一种运行权利要求1所述的基础机械零部件生命周期属性决策方法的装置，其特征在于，包括：
采集模块，用于采集各类各型基础机械零部件在生命周期不同阶段内的各项评估参数，最终汇总成单位重量各类各型基础机械零部件的全生命周期数据库，其中，评估参数包括各项参数和成本值；
分析处理模块，用于针对基础机械零部件的服役环境和性能要求，初步选择出满足条件的所有零部件设计方案，结合全生命周期数据库获得所有基础机械零部件的各项参数数据以及成本值，进而获得多个原始数据矩阵；
架构模块，用于根据生命周期不同阶段加上各项参数数据以及成本值建立全生命周期属性评价指标体系；
第一计算模块，用于借由专家评估值及加权最小二乘法确定各项评估参数以及生命周期不同阶段的各指标所对应权重；
第二计算模块，用于将同趋势化后的原始数据矩阵进行标准化处理，再构造加权标准化参数矩阵，确定正、负理想解以及计算距离；
判断模块，用于通过计算相对接近度决策出适用当前应用场景下最佳机械零部件设计方案。
3.一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，其特征在于，处理器执行计算机程序时实现权利要求1所述基础机械零部件生命周期属性决策方法的步骤。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1所述基础机械零部件生命周期属性决策方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199185.7A CN117786899B (zh) | 2024-02-23 | 2024-02-23 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199185.7A CN117786899B (zh) | 2024-02-23 | 2024-02-23 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117786899A CN117786899A (zh) | 2024-03-29 |
| CN117786899B true CN117786899B (zh) | 2024-05-10 |
Family
ID=90391203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410199185.7A Active CN117786899B (zh) | 2024-02-23 | 2024-02-23 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117786899B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100748078B1 (ko) * | 2006-04-05 | 2007-08-09 | 한국건설기술연구원 | 생애주기 성능 및 비용에 기초한 사회기반구조물의 최적유지관리전략 수립 방법 |
| CN110008553A (zh) * | 2019-03-27 | 2019-07-12 | 合肥工业大学 | 基于生命周期成本和环境影响的产品设计方案优选方法 |
| CN111815136A (zh) * | 2020-06-30 | 2020-10-23 | 同济大学 | 一种航空产品全生命周期成熟度建模方法 |
| CN113095696A (zh) * | 2021-04-20 | 2021-07-09 | 国网江苏省电力有限公司经济技术研究院 | 一种综合能源项目全生命周期评价方法及其系统 |
| CN113177746A (zh) * | 2021-06-15 | 2021-07-27 | 合肥工业大学 | 一种针对生命周期评价领域的软件质量综合评估方法 |
| CN115713241A (zh) * | 2022-10-14 | 2023-02-24 | 国网福建省电力有限公司经济技术研究院 | 一种电网基建项目全生命周期评价方法与终端 |
| CN115952696A (zh) * | 2023-03-13 | 2023-04-11 | 武汉益模科技股份有限公司 | 一种基于仿真预测与代价模型的刀具全生命周期管理方法 |
-
2024
- 2024-02-23 CN CN202410199185.7A patent/CN117786899B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100748078B1 (ko) * | 2006-04-05 | 2007-08-09 | 한국건설기술연구원 | 생애주기 성능 및 비용에 기초한 사회기반구조물의 최적유지관리전략 수립 방법 |
| CN110008553A (zh) * | 2019-03-27 | 2019-07-12 | 合肥工业大学 | 基于生命周期成本和环境影响的产品设计方案优选方法 |
| CN111815136A (zh) * | 2020-06-30 | 2020-10-23 | 同济大学 | 一种航空产品全生命周期成熟度建模方法 |
| CN113095696A (zh) * | 2021-04-20 | 2021-07-09 | 国网江苏省电力有限公司经济技术研究院 | 一种综合能源项目全生命周期评价方法及其系统 |
| CN113177746A (zh) * | 2021-06-15 | 2021-07-27 | 合肥工业大学 | 一种针对生命周期评价领域的软件质量综合评估方法 |
| CN115713241A (zh) * | 2022-10-14 | 2023-02-24 | 国网福建省电力有限公司经济技术研究院 | 一种电网基建项目全生命周期评价方法与终端 |
| CN115952696A (zh) * | 2023-03-13 | 2023-04-11 | 武汉益模科技股份有限公司 | 一种基于仿真预测与代价模型的刀具全生命周期管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117786899A (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104966125B (zh) | 一种社交网络的物品评分及推荐方法 | |
| Jahanshahi Zeitouni et al. | Digital twins-assisted design of next-generation advanced controllers for power systems and electronics: Wind turbine as a case study | |
| Veera P et al. | Application of AHP/EVAMIX method for decision making in the industrial environment | |
| CN110008553B (zh) | 基于生命周期成本和环境影响的产品设计方案优选方法 | |
| CN104679956A (zh) | 考虑动态特性的高速压力机底座可靠性稳健设计方法 | |
| Carvalho et al. | Life cycle assessment of stationary storage systems within the Italian electric network | |
| CN108074015B (zh) | 一种风电功率超短期预测方法及系统 | |
| CN106447133A (zh) | 一种基于深度自编码网络的短期电力负荷预测方法 | |
| CN107527117A (zh) | 基于d‑s证据理论的水库适应性调度方法 | |
| CN114253157A (zh) | 一种基于二阶灵敏度分析的电机多参数优化方法和系统 | |
| Castanho et al. | Method for SoC estimation in lithium-ion batteries based on multiple linear regression and particle swarm optimization | |
| CN117786899B (zh) | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 | |
| CN106023093A (zh) | 一种基于改进图像块匹配的非局部均值图像去噪方法 | |
| CN114004530B (zh) | 基于排序支撑向量机的企业电力信用分建模方法及系统 | |
| CN114722655A (zh) | 一种基于局部有限寿命疲劳约束条件的结构拓扑优化方法 | |
| CN114186862A (zh) | 基于熵权topsis模型的双层能源绩效评估系统 | |
| Lee et al. | Motor load balancing with roll force prediction for a cold-rolling setup with neural networks | |
| He et al. | Research on Vehicle Frame Optimization Methods Based on the Combination of Size Optimization and Topology Optimization | |
| CN104076686A (zh) | 一种氧化铝生产过程动态成本控制方法 | |
| Li et al. | A Spatiotemporal Coupling Calculation-Based Short-Term Wind Farm Cluster Power Prediction Method | |
| Su et al. | Dynamic Allocation of Manufacturing Resources in IoT Job Shop Considering Machine State Transfer and Carbon Emission | |
| CN104834822A (zh) | 一种基于文化基因算法的传递函数辨识方法 | |
| Zhou et al. | A novel two-stage, dual-layer distributed optimization operational approach for microgrids with electric vehicles | |
| CN117709550B (zh) | 基于ardl与卷积神经网络模型的能耗预测方法 | |
| CN112464541B (zh) | 一种考虑多尺度不确定性的混合复合材料铺层方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |