【技术实现步骤摘要】
本专利技术属于智能制造与生产优化，具体涉及一种车间扰动事件影响度评价方法、系统、终端及存储介质。
技术介绍
1、随着工业4.0时代的到来和制造市场需求的变化，智能制造技术逐渐成为制造业转型升级的关键驱动力。然而，智能制造车间中经常发生各类扰动事件，导致智能化的生产制造过程受到车间实时状态的影响。
2、在智能车间加工过程中，扰动事件呈现出多扰动同时发生、多层级扰动相互影响的特点。对于具体车间不同层级的多种扰动事件系统性解决策略的研究，首先要在资源有限的情况下合理地对扰动事件影响程度进行排序，故提供一个高效、合理的扰动事件影响度评价方法十分重要。
3、然而，目前对于车间扰动影响度评价的相关研究存在不足。首先生产车间扰动事件缺乏系统性的分类与汇总，生产车间扰动事件缺乏全面性的规则化特征表述方法，其次是现有的相关研究主观性较强，考虑车间扰动事件不全面，难以解决复杂多变的车间扰动事件影响度评价问题。
技术实现思路
1、针对现有技术存在的车间扰动事件影响度评价混乱导致后续更换维护难度大的问题，本专利技术提供一种车间扰动事件影响度评价方法、系统、终端及存储介质，以解决上述技术问题。
2、第一方面，本专利技术提供一种车间扰动事件影响度评价方法，包括：
3、获取车间扰动事件、车间扰动事件影响度评价指标和车间扰动事件影响度评价子指标；
4、将车间扰动事件影响度评价指标作为准则层，将车间扰动事件影响度评价子指标作为子准则层，构建车间扰动影响度判
5、使用犹豫模糊vikor方法计算扰动事件的扰动影响度，基于扰动影响度的大小进行排序，得到车间扰动事件影响度评价。
6、进一步地，所述车间扰动事件包括扰动事件名称name和扰动事件数据disturbance；所述扰动事件数据disturbance包括扰动事件类型和扰动事件信息；扰动事件信息包括扰动事件描述和扰动事件影响；
7、车间扰动事件影响度评价指标包括加工时间、加工质量和加工成本；
8、所述加工时间的子指标包括单工序加工时间、生产调度时间、质量检测和修正时间；所述加工质量的子指标包括工件表面粗糙度、尺寸精度和工件表面缺陷；所述加工成本的子指标包括材料成本、人工成本和设备运维成本。
9、进一步地，将车间扰动事件影响度评价指标作为准则层，将车间扰动事件影响度评价子指标作为子准则层，构建车间扰动影响度判别的anp网络模型，基于犹豫模糊anp方法计算所述车间扰动影响度判别的anp网络模型的子准则层中每个子准则的权重，包括：
10、将车间扰动事件影响度评价指标作为准则层记为；
11、将车间扰动事件影响度评价子指标作为子准则层，记为；
12、基于预先设定的犹豫模糊元构造准则层的m个元素之间的t个犹豫模糊偏好关系矩阵；其中，k=1,2,……,t；i=1,2,……,m；
13、基于预先设定的犹豫模糊元构造准则层下的第j个子准则层的m个元素之间的犹豫模糊偏好关系矩阵，其中，j=1,2,……,m；
14、对犹豫模糊偏好关系矩阵和使用去犹豫化公式进行去犹豫化，分别得到去犹豫化后的模糊关系矩阵和；所述去犹豫化公式为；
15、基于去犹豫化后对模糊关系矩阵，使用权重矩阵公式计算得到权重矩阵，所述，所述权重矩阵公式为；
16、基于所述权重矩阵得到加权矩阵a，所述加权矩阵；
17、对元素组中的元素之间进行间接优势度比较，构建每个元素的成对比较矩阵并计算归一化特征向量，由特征根法得到局部加权向量矩阵，由局部加权向量矩阵得到的超矩阵w，所述超矩阵w为：；
18、基于所述超矩阵w和加权矩阵a，使用公式计算得到加权超矩阵；
19、使用公式对所述加权超矩阵求极限，得到求极限后的加权超矩阵的列向量，所述列向量为子准则层中的各个子准则的权重。
20、进一步地，所述预先设定的犹豫模糊元为，其中，为的最小隶属度，为元素的最大隶属度，为元素的平均隶属度，隶属度值区间为[0,1]。
21、进一步地，还包括：进行兼容性检验的步骤，包括：
22、基于准则层的各个元素之间的t个犹豫模糊偏好关系矩阵和子准则层的各个元素之间的犹豫模糊偏好关系矩阵，分别计算群犹豫模糊矩阵和，其中，，其中，n为犹豫模糊元中所有元素的个数，其中的值为：；
23、对所述准则层的各个元素之间的t个犹豫模糊偏好关系矩阵、子准则层的各个元素之间的犹豫模糊偏好关系矩阵、群犹豫模糊矩阵、和群犹豫模糊矩阵进行兼容度计算，若兼容度cd在兼容度阈值内，则兼容性检验通过。
24、进一步地，使用犹豫模糊vikor方法计算车间扰动事件的扰动影响度，基于扰动影响度的大小进行排序，得到车间扰动事件影响度评价，包括：
25、基于效益型准则，使用公式计算正负理想解；其中表示第个方案在第个属性上的值；
26、基于成本型准则，使用公式计算正负理想解；
27、基于子准则层中每个子准则的权重，使用公式计算群体效用值，使用公式计算个体憎恨值；
28、基于群体效用值和个体憎恨值，使用公式计算综合指标，其中，，，，，表示决策机制系数；
29、根据综合指标值的大小进行排序，得到车间扰动事件影响度评价。
30、进一步地，还包括：对权重计算的验证进行验证的步骤和对车间扰动事件影响度排序的有效性验证的步骤；
31、对权重计算的验证的步骤包括将hf-anp方法与传统anp法、分层ahp法和三角模糊分层ahp法进行对比分析；
32、对车间扰动事件影响度排序的有效性验证的步骤包括：将hf-vikor方法的排序结果与cpt-vikor法、f-topsis法和f-copras法排序结果对比。
33、第二方面，本专利技术提供一种车间扰动事件影响度评价系统，包括：
34、获取模块，用于获取车间扰动事件、车间扰动事件影响度评价指标和车间扰动事件影响度评价子指标；
35、权重计算模块，用于将车间扰动事件影响度评价指标作为准则层，将车间扰动事件影响度评价子指标作为子准则层，构建车间扰动影响度判别的anp网络模型，基于犹豫模糊anp方法计算所述车间扰动影响度判别的anp网络模型的子准则层中每个子准则的权重；
36、排序评价模块，用于使用犹豫模糊vikor方法计算车间扰动事件的扰动影响度，基于扰动影响度的大小进行排序，得到车间扰动事件影响度评价。
37、第三方面，提供一种终端，包括：
38、处理器、存储器，其中，
39、该存储器用于存储计算机程序，
40、该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
41、第四方面，提供了一本文档来自技高网...
【技术保护点】
1.一种车间扰动事件影响度评价方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，将车间扰动事件影响度评价指标作为准则层，将车间扰动事件影响度评价子指标作为子准则层，构建车间扰动影响度判别的ANP网络模型，基于犹豫模糊ANP方法计算所述车间扰动影响度判别的ANP网络模型的子准则层中每个子准则的权重，包括：
4.根据权利要求3所述的方法，其特征在于，所述预先设定的犹豫模糊元为，其中，为的最小隶属度，为元素的最大隶属度，为元素的平均隶属度，隶属度值区间为[0,1]。
5.根据权利要求3所述的方法，其特征在于，还包括：进行兼容性检验的步骤，包括：
6.根据权利要求1所述的方法，其特征在于，使用犹豫模糊VIKOR方法计算车间扰动事件的扰动影响度，基于扰动影响度的大小进行排序，得到车间扰动事件影响度评价，包括：
7.根据权利要求1所述的方法，其特征在于，还包括：对权重计算的验证进行验证的步骤和对车间扰动事件影响度排序的有效性验证的步骤；
8.一种车
9.一种终端，其特征在于，包括：
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有车间扰动事件影响度评价程序，所述车间扰动事件影响度评价程序被处理器执行时实现如权利要求1-7任一项所述车间扰动事件影响度评价方法的步骤。
...【技术特征摘要】
1.一种车间扰动事件影响度评价方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，将车间扰动事件影响度评价指标作为准则层，将车间扰动事件影响度评价子指标作为子准则层，构建车间扰动影响度判别的anp网络模型，基于犹豫模糊anp方法计算所述车间扰动影响度判别的anp网络模型的子准则层中每个子准则的权重，包括：
4.根据权利要求3所述的方法，其特征在于，所述预先设定的犹豫模糊元为，其中，为的最小隶属度，为元素的最大隶属度，为元素的平均隶属度，隶属度值区间为[0,1]。
5.根据权利要求3所述的方法，其特征在于，还包括：进行兼容性检验的步骤，包括：
【专利技术属性】
技术研发人员：胡天亮，李敬凯，周帅昌，孟麒，林明星，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。