一种基于多因子模糊决策法的刹车片智能维保算法制造技术

本发明专利技术涉及一种基于多因子模糊决策法的刹车片智能维保算法。基于运输车辆管理系统数据，通过HBase数据库存储，根据不同类型的车辆的历史运行数据及天气、环境、路况影响因子，通过基于Hadoop的大数据分析处理平台，对影响因子数据进行定时分析处理，同时利用各种预防性维保决策方案，依据建立的刹车片智能维保预警预测模型分析，形成多因子决策算法，得到影响因子重要程度，最后通过选择排名较高的有限个决策方案，通过模糊决策计算出刹车片维保时间间隔。本发明专利技术基于多因子模糊决策建立的目标函数模型可以精确计算出车辆预防性维修间隔期T，依托车辆自动化管理平台可以自动将到期信息发送报警信息，减少人员管理成本；提高车辆出勤率、减少车辆故障、保证车辆性能较好、提高保养效率、有利配件储备和降低管理成本。

【技术实现步骤摘要】

本专利技术涉及车辆运输
，特别涉及一种基于多因子模糊决策法的刹车片智能维保算法。
技术介绍
对刹车系统的保养常被车主所忽视，这样很可能因突发故障而导致刹车失灵。作为车辆系统中的关键部件，刹车片的保养和更换是车辆安全性保养中的重中之重。因此只有正确并及时地对刹车系统进行维护和保养才能保证刹车系统的正常工作，进而保证行驶中的安全。目前普遍针对刹车片维保时间，主要依据人眼观察刹车片磨损程度，以及单车形式里程在3-4万公里进行更换，此方法针对个人及小规模的企业可有效更换车辆刹车片以及轮胎，避免事故的发生，但是当大型运输企业车辆较多，并且较分散时，就需要做到对车辆关键零件例如刹车片的智能维保联网监控管理。同时由于大型运输公司车辆的采购时间、每台车的工作计划、出单任务、里程也不尽相同，因此刹车片的磨损，消耗、更换维修的时间也不一样，因此，仅仅是车辆刹车片就需要庞大的人力物力来管理。
技术实现思路
本专利技术的目的是针对现有大型运输企业车辆较多、较分散存在的车辆刹车片智能维保联网监控管理问题，提供一种基于多因子模糊决策法的刹车片智能维保算法。本专利技术的技术解决方案是：一种基于多因子模糊决策法的刹车片智能维保算法，基于运输车辆管理系统数据，通过HBase数据库存储，根据不同类型的车辆的历史运行数据及天气、环境、路况影响因子，通过基于Hadoop的大数据分析处理平台，对影响因子数据进行定时分析处理，同时利用各种预防性维保决策方案，依据建立的刹车片智能维保预警预测模型分析，形成多因子决策算法，得到影响因子重要程度，最后通过选择排名较高的有限个决策方案，通过模糊决策计算出刹车片维保时间间隔。该算法包括如下步骤：步骤a：设定决策方案的集合，利用决策方案集合与影响因子构建决策方案影响值矩阵。进一步地，构建决策方案影响值矩阵的步骤是：设定为n个决策方案集合，为与每一个对应的m个影响因子所构成的集合，则可用每个因素来标记对每个方案的影响，用表示如下：其中表示第i个因子对第j个决策方案的影响值。步骤b：构建多因子模糊决策矩阵。进一步地，构建构建多因子模糊评价矩阵的步骤是：令：其中为第i个因子对第j种决策方案的决策值，，，为级差值，其中h为一常数，0<h<1，即：因此，根据Hbase历史数据的变化而计算出不同数据，以矩阵形式表示，多因子模糊评价矩阵为：。步骤c：计算多因子模糊评价矩阵，确定影响因子重要程度的模糊集合。进一步地，确定影响因子重要程度模糊集合的步骤是：根据Delphi法，假设第a个评审对因素所给定的因素重要性序列值记为，则第a个评审专家的结果如下表：因素编号…重要性序列…当时，我们记；反之，当时，我们记；令，此时我们可以得到矩阵：令最大影响因子系数为=1，最小影响因子系数为=0.1，同理，由上矩阵可以得出极差为：。步骤d：求解影响因子系数。进一步地，求解影响因子系数的步骤是：由步骤c可知，运用或者确定影响因子重要程度模糊集如下：。步骤e：对n种方案进行相关决策，根据最大隶属度原则，得到最优的前N个方案。进一步地，对n种方案进行相关决策的步骤是将步骤d得到的影响因子重要程度模糊集与步骤a中得到的多因子模糊评价矩阵相乘可得决策评价向量：根据最大隶属度原则，中数值最大的对应的方案为最优方案。步骤f：预防性维保间隔期的确定。可以根据某一因素确定目标函数，得出预防性维保间隔期。不同因素具有不同的目标函数，要确定刹车片的预防性维保间隔期，不可能仅仅考虑一种因素而忽略别的因素，但因素之间的关系表现为随机性,在“质”与“量”上不存在明确的界限又表现为模糊性。要想获得对这种模糊性的正确判断和认识,必须借助于多种方法和手段，而模糊决策理论正是这样一种有力的工具。进一步地，得出预防性维保间隔期的步骤是：步骤f1：取出步骤五中占据前n位的n种决策方法，取因素集，是待定的模糊集，根据模糊决策的原理，可以求出预防性维修间隔期T；确定指标，使得。步骤f2：每个评议者相互比较其值。步骤f3：求出隶属度。步骤f4：计算最佳的预防性维保间隔周期。本专利技术的有益效果是：本算法依据大型运输企业车辆行驶及影响因子数据，建立大数据分析系统，提出车辆刹车片维修更换计算公式，建立数学模型，具有如下优点：①基于多因子模糊决策建立的目标函数模型可以精确计算出车辆预防性维修间隔期T，依托车辆自动化管理平台可以自动将到期信息发送报警信息，可减少人员管理成本；②本专利技术提出的刹车片智能维保算法针对大型运输企业车辆监控管理行之有效，可提高车辆出勤率、减少车辆故障、保证车辆性能较好、提高保养效率、有利配件储备和降低管理成本。附图说明图1是多因子模糊决策算法示意图。图2是多因子模糊决策算法流程图。具体实施方式下面结合附图对本专利技术做进一步的说明。由于石油运输企业的车辆数目众多，管理较为分散，光靠传统的人工检查刹车片磨损情况很显然需要消耗大量人力物力，而且不一定能达到满意的结果，因此这里，我们针对某大型运输公司下属车队设备处刹车片损耗情况进行调查与分析，该车队车辆数目>100辆；我们假定设定三个对车队来说能达到利益最大化的决策方案，分别为：刹车片总费用最小、刹车片可用度最大、刹车片可靠性最大三个方面，我们将这三个方面表示为集合如下：。同时，查阅相关文献和资料，并根据车队自身的实际情况，预取几个认为对轮胎磨损影响较大的有限个数因子，这里我们选择三个对于车队来说认为影响较大的影响因子，分别为气温、空重载、平均车速，它们构成的集合如下：。因此，根据上述算法步骤一中的内容，每个因素来标记对每个方案的影响，用表示如下：。根据步骤二中的公式，我们计算决策值如下所示：。因此，多因子模糊评价矩阵为：。根据Delphi法和评审因素表中的数据：因素编号重要性序列0.380.450.17经计算得到刹车片预测优先矩阵：令最大影响因子系数为=1，最小影响因子系数为=0.1，同理，由矩阵可以得出极差为：运用得到影响因子重要程度模糊集如下：。因此，很容易得到车队的决策评价向量：。由此我们可以看出，车队提出的三种决策方案的影响程度为：总费用最小原则>可用度最大原则>可靠度最大原则；这里本文档来自技高网...

【技术保护点】
一种基于多因子模糊决策法的刹车片智能维保算法，其特征是基于运输车辆管理系统数据，通过HBase数据库存储，根据不同类型的车辆的历史运行数据及天气、环境、路况影响因子，通过基于Hadoop的大数据分析处理平台，对影响因子数据进行定时分析处理，同时利用各种预防性维保决策方案，依据建立的刹车片智能维保预警预测模型分析，形成多因子决策算法，得到影响因子重要程度，最后通过选择排名较高的有限个决策方案，通过模糊决策计算出刹车片维保时间间隔；包括如下步骤：步骤a：设定决策方案的集合，利用决策方案集合与影响因子构建决策方案影响值矩阵；步骤b：构建多因子模糊决策矩阵；步骤c：计算多因子模糊评价矩阵，确定影响因子重要程度的模糊集合；步骤d：求解影响因子系数；步骤e：对n种方案进行相关决策，根据最大隶属度原则，得到最优的前N个方案；步骤f：预防性维保间隔期的确定。

【技术特征摘要】
1.一种基于多因子模糊决策法的刹车片智能维保算法，其特征是基于运输车辆管理系
统数据，通过HBase数据库存储，根据不同类型的车辆的历史运行数据及天气、环境、路况影
响因子，通过基于Hadoop的大数据分析处理平台，对影响因子数据进行定时分析处理，同时
利用各种预防性维保决策方案，依据建立的刹车片智能维保预警预测模型分析，形成多因
子决策算法，得到影响因子重要程度，最后通过选择排名较高的有限个决策方案，通过模糊
决策计算出刹车片维保时间间隔；包括如下步骤：
步骤a：设定决策方案的集合，利用决策方案集合与影响因子构建决策方案影响值矩
阵；
步骤b：构建多因子模糊决策矩阵；
步骤c：计算多因子模糊评价矩阵，确定影响因子重要程度的模糊集合；
步骤d：求解影响因子系数；
步骤e：对n种方案进行相关决策，根据最大隶属度原则，得到最优的前N个方案；
步骤f：预防性维保间隔期的确定。
2.根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征
是步骤a中构建决策方案影响值矩阵的步骤是：设定为n个决策
方案集合，为与每一个对应的m个影响因子所构成的集合，则
可用每个因素来标记对每个方案的影响，用表示如下：
其中表示第i个因子对第j个决策方案的影响值。
3.根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征
是步骤b中构建多因子模糊评价矩阵的步骤是：
令：
其中为第i个因子对第j种决策方案的决策值，，
，为级差值，其中h为一常数，0&l...

【专利技术属性】
技术研发人员：张霁，黄琛，陆义平，吴小军，刘蕾，
申请(专利权)人：武汉长江通信智联技术有限公司，
类型：发明
国别省市：湖北;42