CN113742843A - 一种面向船舶部件装配精确定位的传感器模糊优选方法 - Google Patents

一种面向船舶部件装配精确定位的传感器模糊优选方法 Download PDF

Info

Publication number
CN113742843A
CN113742843A CN202111034134.1A CN202111034134A CN113742843A CN 113742843 A CN113742843 A CN 113742843A CN 202111034134 A CN202111034134 A CN 202111034134A CN 113742843 A CN113742843 A CN 113742843A
Authority
CN
China
Prior art keywords
layer
fuzzy
membership
sensor
component assembly
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
CN202111034134.1A
Other languages
English (en)
Inventor
牛延丹
姜军
马秋杰
陈好楠
储云泽
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.)
Shipbuilding Technology Research Institute of CSSC No 11 Research Institute
Original Assignee
Shipbuilding Technology Research Institute of CSSC No 11 Research Institute
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 Shipbuilding Technology Research Institute of CSSC No 11 Research Institute filed Critical Shipbuilding Technology Research Institute of CSSC No 11 Research Institute
Priority to CN202111034134.1A priority Critical patent/CN113742843A/zh
Publication of CN113742843A publication Critical patent/CN113742843A/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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种面向船舶部件装配精确定位的传感器模糊优选方法，包括以下步骤：确定船舶部件装配单元传感器选型方案；找出对应方案的评价指标集合；将所有评价指标分类、分层，建立船舶部件装配传感器的多目标多层次结构模型；确定模型中所有指标的隶属度以及每一层的权重，计算评价指标的隶属度和权重；以目标层为结构第一层，第一层中每一个指标对应的隶属度组成第一层模糊优选的隶属度矩阵，计算第一层的模糊优选隶属度，给定第一层的指标权重集，得到本层的模糊优选隶属度；从第一层开始逐层下降，对每一层进行模糊运算，直至最底层获得所有方案的隶属度，依据最大隶属度原则，选择隶属度最大的方案为最佳方案。

Description

一种面向船舶部件装配精确定位的传感器模糊优选方法
技术领域
本发明涉及船舶建造领域，尤其涉及一种面向船舶部件装配精确定位的传感器模糊优选方法。
背景技术
船体装配是船舶建造过程中的关键环节，很大程度上影响了船舶的质量、建造成本与周期，船舶建造过程复杂，由成千上万个零部件装配焊接而成，工作量巨大，人工装配已经不能满足生产需求，目前，我国船体装配技术正在向数字化应用阶段转型。定位技术就是实现船舶数字化精准装配的前提和条件，船体装配定位影响因素众多，选择合适型号的传感器对船舶部件装配定位的精确度尤为重要，当前传感器选型存在主观性强、随机性强的问题，面对众多指标参数时，用户无法进行综合比较。
发明内容
本发明的目的是提供一种面向船舶部件装配精确定位的传感器模糊优选方法。
为了实现上述目的，本发明的技术方案是：
一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，包括以下步骤：
步骤S1)确定船舶部件装配单元传感器选型方案；
步骤S2)找出对应方案的评价指标集合；
步骤S3)将所有评价指标分类、分层，建立船舶部件装配传感器的多目标多层次结构模型；
步骤S4)计算评价指标隶属度和评价指标权重；
步骤S5)以目标层为结构第一层，第一层中每一个评价指标对应的隶属度组成第一层模糊优选的隶属度矩阵，给定第一层的评价指标权重集，将第一层模糊优选的隶属度矩阵和第一层的评价指标权重集点乘运算，得到第一层的模糊优选隶属度；
步骤S6)从第一层开始逐层下降，对每一层进行模糊运算，直至最底层获得所有方案的隶属度，依据最大隶属度原则，选择隶属度最大的方案为最佳方案。
进一步地，步骤S1中方案的集合为A＝{A1,A2,…Ai,An}，Ai表示第i个方案；步骤S2中评价指标集合为d＝{d1,d2,…di,dm}，di表示第i个评价指标。
进一步地，所述步骤S4包括，
步骤S41)将评价指标分为定量因素和定性因素；
步骤S42)计算定量因素的相对隶属度；
步骤S43)计算定性因素的相对隶属度，对决策集优越性定性排序，对某一因素ci，将决策集中的决策Ak与Al作二元优先关系对比；
步骤S44)定量计算决策集优越性，将每一个决策与决策Aj进行优越性比较，给出定量标度；
步骤S45)计算指标权重，得出同一层指标因素的相对重要性。
进一步地，所述步骤S42中，定量因素的相对隶属度为
Figure BDA0003246300730000021
进一步地，在所述步骤S43中，若
Ak比Al优越，取ekl＝1,elk＝0；
Al比Ak优越，取ekl＝0,elk＝1；
Ak比Al优越，取ekl＝elk＝0.5；
得到二元优先关系矩阵
Figure BDA0003246300730000022
根据决策集优越性排序，确定ci的最优决策Aj。
进一步地，所述步骤S44中，定量标度参见表1：
表1语气算子、定量标度及相对隶属度
语气算子 同样 稍微 较为 明显 显著 十分 极其 无可比拟
定量标度 0.5 0.6 0.65 0.7 0.75 0.8 0.9 1.00
相对隶属度 1.00 0.667 0.538 0.429 0.333 0.25 0.111 0
得出决策集相对Aj的优越性比较行向量
Uj＝[uj1 uj2 … ujj… ujn]；
满足条件：0.5≤ujk≤1，ujj＝0.5，ujk越大，Aj相较Ak的优越性越强；
对某一因素ci，决策集中相对隶属度量化公式为
Figure BDA0003246300730000031
进一步地，所述步骤S45中，评价指标权重计算公式为
Figure BDA0003246300730000032
进一步地，所述步骤S5中，隶属度矩阵为
Figure BDA0003246300730000033
计算第一层的模糊优选隶属度，给定第一层的评价指标权重集为
W1 1＝{w1,w2,…,wm}；
将
Figure BDA0003246300730000034
和W1 1进行点乘运算，得到第一层的模糊优选隶属度
Figure BDA0003246300730000035
本发明建立船舶部件装配精确定位传感器模糊优选模型，在基于相对隶属度的模糊优选方案中引入了评价指标对决策的影响因子的概念，利用改进的多目标函数遗传算法求解传感器优选方案，实现船舶部件装配传感器的客观、准确选择，提高装配定位精度。
附图说明
图1为本发明的流程图；
图2为本发明的多目标多层次结构模型。。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
本发明公开了一种面向船舶部件装配精确定位的传感器模糊优选方法，参见图1，包括以下步骤：
步骤S1)首先确定船舶部件装配单元传感器选型方案，即决策优选集为
A＝{A1,A2,…Ai,An}；
其中，Ai表示第i个可行的方案。
步骤S2)找出对应方案的主要评价指标集为
d＝{d1,d2,…di,dm}；
其中，di表示第i个评价指标。
步骤S3)将所有的评价指标进行分类分层，建立船舶部件装配传感器优选的多目标多层次结构模型，如图2所示，评价指标包括经济指标、适用指标以及性能指标、经济指标具体包括价格、数量，适用指标具体包括感知方式、感知对象，性能指标具体包括灵敏度、稳定性、兼容性；
步骤S4)确定模型中所有评价指标的隶属度以及每一层的权重，进行评价指标隶属度和评价指标权重的计算。
步骤S4具体包括，
步骤S41)将评价指标分为定量因素和定性因素，经济指标为定量因素，适用指标和性能指标为定性因素；
步骤S42)计算定量因素的相对隶属度
Figure BDA0003246300730000041
其中，Ximax、Ximin为目标特征的最大值和最小值。
步骤S43)计算定性因素的相对隶属度，首先对决策集优越性定性排序，就某一因素ci而言，将决策集中的决策Ak与Al作二元优先关系对比，若
Ak比Al优越，取ekl＝1,elk＝0；
Al比Ak优越，取ekl＝0,elk＝1；
Ak比Al优越，取ekl＝elk＝0.5；
得到二元优先关系矩阵：
Figure BDA0003246300730000051
根据决策集优越性排序，确定ci的最优决策Aj。
步骤S44)决策集优越性定量计算，将每一个决策与决策Aj进行优越性比较，并根据经验给出定量标度如表1所示：
表1语气算子、定量标度及相对隶属度
语气算子 同样 稍微 较为 明显 显著 十分 极其 无可比拟
定量标度 0.5 0.6 0.65 0.7 0.75 0.8 0.9 1.00
相对隶属度 1.00 0.667 0.538 0.429 0.333 0.25 0.111 0
得出决策集相对Aj的优越性比较行向量
Uj＝[uj1 uj2 … ujj… ujn]；
满足条件：0.5≤ujk≤1，ujj＝0.5，一般ujk越大，说明Aj相较Ak的优越性越强。
就某一因素ci而言，决策集中相对隶属度量化公式为
Figure BDA0003246300730000052
步骤S45)计算指标权重，得出同一层指标因素的相对重要性，计算公式为
Figure BDA0003246300730000053
步骤S5)以目标层为结构第一层，第一层中每一个评价指标对应的隶属度组成第一层模糊优选的隶属度矩阵
Figure BDA0003246300730000061
计算第一层的模糊优选隶属度，给定第一层的评价指标权重集为：
W1 1＝{w1,w2,…,wm}；
将
Figure BDA0003246300730000062
和W1 1进行点乘运算，得到第一层的模糊优选隶属度
Figure BDA0003246300730000063
步骤S6)从第一层开始逐层下降，每一层都进行模糊运算，直至最底层获得所有方案的隶属度，依据最大隶属度原则，选择隶属度最大的方案为最佳方案。
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 (8)

1.一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，包括以下步骤：
步骤S1)确定船舶部件装配单元传感器选型方案；
步骤S2)找出对应方案的评价指标集合；
步骤S3)将所有评价指标分类、分层，建立船舶部件装配传感器的多目标多层次结构模型；
步骤S4)计算评价指标隶属度和评价指标权重；
步骤S5)以目标层为结构第一层，第一层中每一个评价指标对应的隶属度组成第一层模糊优选的隶属度矩阵，给定第一层的评价指标权重集，将第一层模糊优选的隶属度矩阵和第一层的评价指标权重集点乘运算，得到第一层的模糊优选隶属度；
步骤S6)从第一层开始逐层下降，对每一层进行模糊运算，直至最底层获得所有方案的隶属度，依据最大隶属度原则，选择隶属度最大的方案为最佳方案。
2.根据权利要求1所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，步骤S1中方案的集合为A＝{A1,A2,…Ai,An}，Ai表示第i个方案；
步骤S2中评价指标集合为d＝{d1,d2,…di,dm}，di表示第i个评价指标。
3.根据权利要求2所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，所述步骤S4包括，
步骤S41)将评价指标分为定量因素和定性因素；
步骤S42)计算定量因素的相对隶属度；
步骤S43)计算定性因素的相对隶属度，对决策集优越性定性排序，对某一因素ci，将决策集中的决策Ak与Al作二元优先关系对比；
步骤S44)定量计算决策集优越性，将每一个决策与决策Aj进行优越性比较，给出定量标度；
步骤S45)计算指标权重，得出同一层指标因素的相对重要性。
4.根据权利要求3所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，所述步骤S42中，定量因素的相对隶属度为
Figure FDA0003246300720000021
5.根据权利要求4所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，在所述步骤S43中，若
Ak比Al优越，取ekl＝1,elk＝0；
Al比Ak优越，取ekl＝0,elk＝1；
Ak比Al优越，取ekl＝elk＝0.5；
得到二元优先关系矩阵
Figure FDA0003246300720000022
根据决策集优越性排序，确定ci的最优决策Aj。
6.根据权利要求5所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，所述步骤S44中，定量标度参见表1：
表1语气算子、定量标度及相对隶属度
语气算子 同样 稍微 较为 明显 显著 十分 极其 无可比拟 定量标度 0.5 0.6 0.65 0.7 0.75 0.8 0.9 1.00 相对隶属度 1.00 0.667 0.538 0.429 0.333 0.25 0.111 0
得出决策集相对Aj的优越性比较行向量
Uj＝[uj1 uj2 … ujj … ujn]；
满足条件：0.5≤ujk≤1，ujj＝0.5，ujk越大，Aj相较Ak的优越性越强；
对某一因素ci，决策集中相对隶属度量化公式为
Figure FDA0003246300720000031
7.根据权利要求6所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，所述步骤S45中，评价指标权重计算公式为
Figure FDA0003246300720000032
8.根据权利要求7所述的一种面向船舶部件装配精确定位的传感器模糊优选方法，其特征在于，所述步骤S5中，隶属度矩阵为
Figure FDA0003246300720000033
计算第一层的模糊优选隶属度，给定第一层的评价指标权重集为
W1 1＝{w1,w2,…,wm}；
将R1 1和W1 1进行点乘运算，得到第一层的模糊优选隶属度
Figure FDA0003246300720000034
CN202111034134.1A 2021-09-03 2021-09-03 一种面向船舶部件装配精确定位的传感器模糊优选方法 Pending CN113742843A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111034134.1A CN113742843A (zh) 2021-09-03 2021-09-03 一种面向船舶部件装配精确定位的传感器模糊优选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111034134.1A CN113742843A (zh) 2021-09-03 2021-09-03 一种面向船舶部件装配精确定位的传感器模糊优选方法

Publications (1)

Publication Number Publication Date
CN113742843A true CN113742843A (zh) 2021-12-03

Family

ID=78735710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111034134.1A Pending CN113742843A (zh) 2021-09-03 2021-09-03 一种面向船舶部件装配精确定位的传感器模糊优选方法

Country Status (1)

Country Link
CN (1) CN113742843A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114201837A (zh) * 2022-02-15 2022-03-18 杭州杰牌传动科技有限公司 一种基于场景虚拟匹配的减速机选型方法和***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114201837A (zh) * 2022-02-15 2022-03-18 杭州杰牌传动科技有限公司 一种基于场景虚拟匹配的减速机选型方法和***

Similar Documents

Publication Publication Date Title
CN113094980B (zh) 一种基于iga-dnn的焊膏印刷质量预测方法及***
CN107220498B (zh) 一种机械材料评价方法及其***
CN113537728A (zh) 一种基于产业园区招商智能推荐***及推荐方法
CN113742843A (zh) 一种面向船舶部件装配精确定位的传感器模糊优选方法
CN110581783A (zh) 基于ahp和topsis的通信方案决策方法
CN113688458B (zh) 一种基于层次分析法的地基基础方案优选方法
CN111723909A (zh) 模糊神经网络模型的优化方法及***
CN115099657A (zh) 一种处理异质犹豫模糊偏好关系的群决策方法
CN109491709B (zh) 一种基于ahp与神经网络的软件代码可控度综合评价方法
CN108073074B (zh) 一种基于机床进给***运动特性的装配质量控制方法
CN114970115B (zh) 一种挖掘机油耗和效率的计算方法
CN116663964B (zh) 一种基于清单项目特征值的工程单价快速计算方法及***
CN108520087B (zh) 一种机械结构异类多目标性能的稳健性度量与均衡优化设计方法
CN116485021A (zh) 一种煤炭企业技术技能人才人岗匹配预测方法与***
CN115600492A (zh) 一种激光切割工艺设计方法及***
CN114841277A (zh) 一种转炉出钢合金收得率预测方法和***
CN112836293A (zh) 一种基于pso信息粒化的汽车产品设计方案选择方法
CN110928924A (zh) 基于神经网络的电力***客户满意度分析与预测方法
CN116777292B (zh) 基于多批次小样本航天产品的缺陷率指标修正方法
CN116430813A (zh) 一种基于层次分析的装配过程质量特性控制方法
CN112464541B (zh) 一种考虑多尺度不确定性的混合复合材料铺层方法
CN114943304B (zh) 一种基于贝叶斯的3c电子产品装配误差传递方法
CN115034370B (zh) 基于bp网络模型预测高炉炉缸活性的方法
CN112988564B (zh) 一种考虑成本-可靠性的srgm决策模型及其构建方法
CN117670381A (zh) 数据资产的价值评估方法、装置、设备及存储介质

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