一种面向智能制造的机床设备优化方法技术

本发明专利技术为一种面向智能制造的机床设备优化方法，有效的解决了现有方法无法满足智能制造企业决策者意图、无法选出最优设备的技术问题，包括建立面向智能制造的机床优选评价指标体系；步骤二、设定决策模型，步骤三、建立“等距分级，等比赋值”的新权重标度方法，步骤四、采用指数标度AHP对机床评价指标体系的权重进行计算；步骤五、确定评价结果取值可行域，在可行域内确定指标的参考理想值；而后依据备选方案的指标评价结果确定混合决策矩阵，依据标准化函数对决策矩阵进行归一化，计算加权归一矩阵；接着计算备选方案与正理想方案及负理想方案之间的正理想距离、负理想距离以及贴近度，贴近度最大值对应的备选方案为最优方案。

An optimization method of machine tools for intelligent manufacturing

【技术实现步骤摘要】
一种面向智能制造的机床设备优化方法
本专利技术属于智能制造
，具体是一种面向智能制造的机床设备优化方法。
技术介绍
智能制造是一种新的制造模式，即在自动化技术、网络化传感技术、多尺度动态建模与仿真、人工智能等技术基础上，借助信息物理系统(CPS)实现产品全生命周期(包括产品调研、设计、生产、服务、物流等)的智能化。在复杂产品制造企业的转型升级过程中，在众多可选的加工设备中快速优选出符合本单位产品加工需求的智能加工设备(包含机床、刀具、辅助设备等)，不仅能够保证加工的质量，同时还能充分利用制造资源，提升加工设备的柔性及自适应性。机床被尊称为“工业之母”，是机械产品加工的主体，也是实现智能制造的基础。智能机床设备与普通机床相比，普遍价格较高，质量上也参差不齐，设备选型具有动态性和不确定性。构建合理的面向智能制造的复杂产品加工机床优选决策模型，可以为制造企业在转型升级过程中的智能机床设备优选提供理论指导，进一步提升产品的加工效率，降低生产成本。近年来，已有多位学者对机床的优选评价开展了研究。王宇等人从经济、环境、质量、人机四个属性着手建立了数控机床设备的指标评价体系，并基于模糊层次分析法对其进行了优选选择研究；郑耀辉等人首先从时间、质量、成本、资源消耗及环境影响五个维度建立了机床优选的评价指标体系，将模糊层次分析法及模糊综合评价用于机床设备优选的模型算法，并验证了模型的有效性；李波等人将可拓层次分析法与熵权理想点法集成对数控机床的绿色性进行了综合评价与应用研究；周立新等人基于理想点法对面向绿色制造的机床设备进行了评价研究。虽然上述文献已经为机床的优选建立了相关的评价标准，为企业优化选择加工设备提供了一定的理论依据，但是仍然存在诸多问题。首先，上述模型主要面向绿色制造而非面向智能制造。面向绿色制造的设备优选决策模型主要以降低产品加工过程中的能耗与污染为目标，并未考虑所选择的设备是否能与先进的信息技术(例如数字孪生、云计算)结合运用。其次，在评价指标权重计算方面，层次分析法(AHP)较为常用,且标度方法一般采用1-9标度或0.1-0.9标度，此类标度方式原理简单，但是所构建的判断矩阵一致性与决策者思维一致性存在脱节的现象，无法真实反映决策者的意图。最后，在对备选的机床进行优选时理想点法(TOPSIS)较为常见，运用该方法首先依据备选方案确定各评价指标的正、负理想点，接着计算各方案的贴近度，最后确定备选方案的排列顺序。但在实际的机床设备选型中，在满足加工需要的情况下，某些评价指标(例如尺寸精度、设备成本)的理想值可能并非一个特定值，而是某一区间。而且，TOPSIS法存在逆序现象，当备选的机床方案增减时，必须重新计算贴近度，这给企业的实际应用带来了诸多不便。为了解决上述问题，本文在现有文献的基础上对机床设备优选评价进行进一步研究，首先构建了面向智能制造的机床设备优选评价指标体系；其次基于改进的指数标度AHP对建立的评价指标体系进行了权重计算；接着运用改进的TOPSIS法对所建立机床优选决策模型进行求解，最后进行了实例计算，以验证所建模型的有效性。
技术实现思路
针对上述情况，为克服现有技术之缺陷，本专利技术提供一种面向智能制造的机床设备优化方法，有效的解决了现有方法无法满足智能制造企业决策者意图、无法选出最优设备的技术问题。一种面向智能制造的机床设备优化方法，其特征在于，包括以下步骤；步骤一、建立面向智能制造的机床优选评价指标体系；步骤二、设定m台数控机床可选；用xi表示第i台机床的被选状态，则决策模型表示为：X＝(x1,x2,…,xm)T；步骤三、建立“等距分级，等比赋值”的新权重标度方法，公式为：p＝1.316nn＝0,1,2,…,8(1)其中，p为标度值；n为重要度划分等级；步骤四、采用指数标度AHP对机床评价指标体系的权重进行计算；步骤五、确定评价结果取值可行域，在可行域内确定指标的参考理想值；而后依据备选方案的指标评价结果确定混合决策矩阵，依据标准化函数对决策矩阵进行归一化，计算加权归一矩阵；接着计算备选方案与正理想方案及负理想方案之间的正理想距离、负理想距离以及贴近度，贴近度最大值对应的备选方案为最优方案。优选的，所述智能制造的机床优选评价指标体系包括加工时间T、加工质量Q、成本C、资源消耗R、智能化I。优选的，所述步骤四中的计算步骤为：1、依据构建的评价指标体系，结合指数标度表，确定各判断矩阵；2、运用方根法或和积法对判断矩阵进行层次单排序；方根法的计算步骤如下：将mi归一化，即得到wi；W＝{w1,w2,…,wn}即为所求得的权重；3、计算每个判断矩阵的最大特征值λmax、随机一致性比例C.R，对其进行一致性检验，C.R须小于0.1；其中，A为判断矩阵；其中，n为阶数，R.I为随机一致性指标；(4)准则层权重分别与相对应的指标层权重相乘，得到各二级指标层的组合权重。优选的，所述混合决策矩阵X的建立为：设H＝{h1,h2,…,hm}为m个待评价的备选方案集合,U＝{u1,u2,…,un}为评价指标集合，W＝{w1,w2,…,wn}为二级评价指标的权重向量，T＝{t1,t2,…,tn}为各二级评价指标评价结果的取值可行域；S＝{s1,s2,…,sn}为各二级评价指标的参考理想值，且任意方案hi的指标uj对应有相应的评价结果xij，且xij∈tj，则可构建出混合评价决策矩阵X；上述混合评价决策矩阵中元素的物理单位各不相同，须对其进行标准化处理。优选的，所述混合评价决策矩阵X进行标准化处理方法为：设某一评价指标评价结果取值可行域为[a,b]，评价结果为x，则x∈[a,b]；该评价指标的最优参考理想值为某一区间数[c,d]，且评价结果x与参考理想值之间的最小距离记为函数dmin(x,[c,d])，则有：dmin(x,[c,d])＝min(|x-c|,|x-d|)(6)设规范化函f:有：若评价指标的参考理想值为某一定值e而非区间数，e∈[a,b]，则公式6和公式7退化为公式8和9；dmin(x,e)＝|x-e|(8)优选的，所述步骤五中的具体步骤为：(1)确定各评价指标评价结果的取值可行域T及参考理想值S；(2)收集备选方案各指标的评价结果，建立混合决策矩阵X；(3)采用规范化函数对混合评价决策矩阵X进行标准化处理，将X＝(xij)n×m转化为标准化矩阵Y＝(yij)n×m；(4)计算加权标准化矩阵Z；(5)计算各备选方案的正理想距离、负理想距离及贴近度，选择贴近度最大的备选方案作为最优方案；(6)得出结论，选择贴近度最大的备选方案作为最优方案。针对面向智能制造的机床设备优选评价问题，首先建立了可测量、可量化的智能机床设备优本文档来自技高网...

【技术保护点】
1.一种面向智能制造的机床设备优化方法，其特征在于，包括以下步骤；/n步骤一、建立面向智能制造的机床优选评价指标体系；/n步骤二、设定m台数控机床可选；用x

【技术特征摘要】
1.一种面向智能制造的机床设备优化方法，其特征在于，包括以下步骤；
步骤一、建立面向智能制造的机床优选评价指标体系；
步骤二、设定m台数控机床可选；用xi表示第i台机床的被选状态，则决策模型表示为：
X＝(x1,x2,…,xm)T；
步骤三、建立“等距分级，等比赋值”的新权重标度方法，公式为：
p＝1.316nn＝0,1,2,…,8(1)
其中，p为标度值；n为重要度划分等级；
步骤四、采用指数标度AHP对机床评价指标体系的权重进行计算；
步骤五、确定评价结果取值可行域，在可行域内确定指标的参考理想值；而后依据备选方案的指标评价结果确定混合决策矩阵，依据标准化函数对决策矩阵进行归一化，计算加权归一矩阵；接着计算备选方案与正理想方案及负理想方案之间的正理想距离、负理想距离以及贴近度，贴近度最大值对应的备选方案为最优方案。
优选的，所述智能制造的机床优选评价指标体系包括加工时间T、加工质量Q、成本C、资源消耗R、智能化I。
优选的，所述步骤四中的计算步骤为：
1、依据构建的评价指标体系，结合指数标度表，确定各判断矩阵；
2、运用方根法或和积法对判断矩阵进行层次单排序；方根法的计算步骤如下：



将mi归一化，即得到wi；



W＝{w1,w2,…,wn}即为所求得的权重；
3、计算每个判断矩阵的最大特征值λmax、随机一致性比例C.R，对其进行一致性检验，C.R须小于0.1；



其中，A为判断矩阵；



其中，n为阶数，R.I为随机一致性指标；
(4)准则层权重分别与相对应的指标层权重相乘，得到各二级指标层的组合权重。
优选的，所述混合决策矩阵X的建立为：
设H＝{h1,h2,…,hm}为m个待评价...

【专利技术属性】
技术研发人员：闫琼，张海军，闫琳，张国辉，高广章，刘航，张睿，
申请(专利权)人：郑州航空工业管理学院，
类型：发明
国别省市：河南;41