基于直觉模糊多属性决策的智能数控系统风险评估方法技术方案

本发明专利技术公开了基于直觉模糊多属性决策的智能数控系统风险评估方法，根据风险评估目标选取风险评估指标，风险评估目标Ai的第j个风险评估指标Cj的评价值分别用直觉模糊集的μij和γij表示，将风险评估指标进行规范化处理，结合给定的风险评估指标权重值，构造加权的风险评估规范化决策矩阵Z＝(zij)n×m，最后计算出各个风险评估目标Ai与正理想方案A

Intelligent fuzzy control system risk assessment method based on intuitionistic fuzzy multiple attribute decision making

The invention discloses a method of risk assessment of intelligent CNC system based on intuitionistic fuzzy multiple attribute decision-making based on risk assessment, selection of risk evaluation index, risk assessment index of Cj target Ai J risk value respectively with intuitionistic fuzzy sets ij and gamma ij said, will risk assessment index to normalize according to the risk assessment index weight values, weighted risk assessment standardized decision-making matrix Z = (Zij) n * m, finally calculated the risk assessment target Ai and the positive ideal solution A

【技术实现步骤摘要】
基于直觉模糊多属性决策的智能数控系统风险评估方法
本专利技术涉及智能数控设备
，特别涉及基于直觉模糊多属性决策的智能数控系统风险评估方法。
技术介绍
风险评估主要是通过科学技术手段对事件发生的可能性及严重性进行综合度量，智能数控系统风险评估则主要综合考虑智能数控系统运行中发生故障的严重程度和发生概率，揭示智能数控系统运行中的薄弱环节，给系统管理人员提供参考依据，帮助系统管理人员及时排查系统安全隐患。传统数控面板具备基本面板操作功能及手轮接口，但其器械式设计结构无法挂载通用计算机软件，也无法存储及传输数控系统运行性能参数。智能数控面板对传统数控面板进行了改进及升级，除了具备基本面板操作功能及手轮接口外，还包括辅助软件、USB接口，HDMI接口及网络接口。通过对系统运行情况的参数统计，在智能数控系统的风险评估中，故障发生可能性的计算及排除可以依靠智能数控系统设备故障率等参数。然而，目前设备故障率等参数主要来源于过往历史积累数据及设备生产产商提供的参考值，这类方法主要面临以下多方面的挑战：1、智能数控系统稳定性较好，发生故障的可能性较低，对故障发生的数据统计周期极为漫长，导致智能数控系统历史统计数据样本较少，难以准确描述系统历史故障率；2、智能数控设备会随着不同生产环境而变化，并存在参数偏差，根据历史过往数据或者设备生产厂商提供的故障率参考值，难以反映设备所处的外部环境而带来的影响，因而准确性较差；3、除了智能数控设备的运行参数外，人为操作的不同熟练程度也可能带来不同级别的风险评估，人机多因素的综合考虑难以在传统的故障率中进行体现，因而故障的排除方法也很单一，准确性较差。鉴于此，本专利技术人为此研制出基于直觉模糊多属性决策的智能数控系统风险评估方法，有效的解决了上述问题，本案由此产生。
技术实现思路
本专利技术提供的基于直觉模糊多属性决策的智能数控系统风险评估方法，依据智能数控系统实时获取的运行参数，基于直觉模糊多属性决策对智能数控系统进行风险评估，得出风险评估指数，具有准确性高的特点。为了实现上述目的，本专利技术的技术方案如下：基于直觉模糊多属性决策的智能数控系统风险评估方法，包括如下步骤：1)设A＝{A1,A2,…,Am}为决策方案Ai的集合，Ai为智能数控系统风险评估目标；设C＝{C1,C2,…,Cn}为属性Cj的集合，Cj为风险评估指标且为从智能数控系统中获取的运行参数中选择；其中可知i＝1,2,…,m，j＝1,2,…,n，文中所述均适用；风险评估目标Ai的第j个风险评估指标Cj的评价值分别用直觉模糊集的μij和γij表示，风险评估目标Ai在风险评估指标C下的值由以下直觉模糊集表示：Ai＝{(C1,[μi1,γi1]),(C2,[μi2,γi2]),…,(Cn,[μin,γin])}其中，μij表示风险评估目标Ai满足风险评估指标Cj的程度，也即隶属度，γij表示风险评估目标Ai不满足风险评估指标Cj的程度，也即非隶属度；2)对风险评估指标进行规范化处理，并得到智能数控系统决策矩阵R＝(rij)n×m，其中rij为直觉模糊数，包含某决策方案Ai隶属于属性Cj的程度μij，及不隶属于属性Cj的程度γij，即rij＝[μij,γij]；预设风险评估指标的权重值向量，并将其记作w＝(w1，w2，...，wn)T；结合给定的风险评估指标权重值，构造加权的风险评估规范化决策矩阵Z＝(zij)n×m，其中zij＝wj·rij，j＝1,2,…,n；3)将100％满足风险评估决策要求的候选风险评估目标称为正理想方案A+，将100％不满足风险评估决策要求的候选风险评估目标称为负理想方案A-；4)计算出各个风险评估目标Ai与上述的正理想方案A+及负理想方案A-的距离和5)计算风险评估目标Ai的风险评估指数：按照风险评估指数ζi由小到大排列各智能数控系统风险评估目标的风险次序，ζi的值越小，其对应的风险程度越高。进一步改进，还包括步骤6)设置不同级别的风险评估指数的阈值，当风险评估指数ζi小于不同级别风险评估指数的阈值时，给出相应风险级别提示。进一步改进，步骤2)中所述的对风险评估指标进行规范化处理的过程包括：对风险评估指标为定性指标的规范化处理，处理过程为以直觉模糊集的形式直接给出其指标值度量。进一步改进，步骤2)中所述的对风险评估指标进行规范化处理的过程包括：对风险评估指标为定量指标的规范化处理，处理过程为以实数形式出现，选用极差法来对指标进行规范化处理，定量指标分为越大越好型和越小越好型；对越大越好型指标，其规范化的直觉模糊度量方法为：对越小越好型指标，其规范化的直觉模糊度量方法为：其中xij表示评估目标Ai在评估指标Cj下的度量值，表示所有评估目标在评估指标Cj下度量值的最大值，表示所有评估目标在评估指标Cj下度量值的最小值。进一步改进，设A+为的集合即设A-为的集合即其中对于直觉模糊正理想方案：对于直觉模糊负理想方案：其中i＝1,2,…,m，j＝1,2,…,n。进一步改进，若存在多个正理想方案或负理想方案，则需要对该决策方案进行信息不完全确定性计算，信息不完全确定方案定义为：其中xj表示第j个属性的直觉模糊值，代表方案Ai第j个属性的直觉模糊值的隶属度，即代表方案Ai第j个属性的直觉模糊值的非隶属度,即式中，0≤U(Ai)≤1；选用U(Ai)最小的，即确定性最大的决策方案，作为正理想方案与负理想方案。进一步改进，步骤4)中各个风险评估目标Ai与上述的正理想方案A+及负理想方案A-的距离和的计算过程为：设正理想方案A+满足风险评估指标Cp,Cp∈C，那么正理想方案A+在风险评估指标Cp下的满足程度则由直觉模糊值表示成[1,0]，即A+＝{(Cp,[1,0])}；设负理想方案A-满足风险评估指标Cs，Cs∈C，那么负理想方案A-在风险评估指标Cs的满足程度则由直觉模糊值表示成[0,1]，即A-＝{(Cs,[0,1])}，可以得到：风险评估目标Ai与直觉模糊正理想方案A+的距离为：风险评估目标Ai与直觉模糊负理想方案A-的距离为：其中μAi(Cp)代表方案Ai在属性指标Cp下的直觉模糊值的隶属度，即代表方案Ai在属性指标Cp下的直觉模糊值的非隶属度，即代表方案Ai在属性指标Cs下的直觉模糊值的隶属度，即代表方案Ai在属性指标Cs下的直觉模糊值的非隶属度，即此外，采用上述方案后，本专利技术对风险评估指标进行了规范化处理，映射为直觉模糊数，因而可以进行科学计算，具有评估准确性高的特点。评估计算过程无需依靠智能设备长期运行过程才能获取的故障率，通过根据环境的不同预设各风险评估指标的权重值，从而大大提高评估的准确性，再借鉴TOPSIS算法思想，计算风险评估目标与直觉模糊正理想方案及直觉模糊负理想方案之间的距离，后得出距离比值，得到最终风险评价指数，依据风险评价指数对风险评估目标进行排序可以得到最佳风险评估目标，从而为智能数控系统管理人员提供更充分的决策支持。具体实施方式为了进一步解释本专利技术的技术方案，加深对基于直觉模糊多属性决策的智能数控系统风险评估方法的理解，下面结合一个具体应用实例，来进一步详细说明本专利技术的具体实施方式。设有5批待进行风险评估的智能数控系统，即智能数控系统风险评估目标集A＝{A1,A2,A3,A4,A5}。风本文档来自技高网...

【技术保护点】
基于直觉模糊多属性决策的智能数控系统风险评估方法，其特征在于，包括如下步骤：1)设A＝{A1,A2,…,Am}为决策方案Ai的集合，Ai为智能数控系统风险评估目标；设C＝{C1,C2,…,Cn}为属性Cj的集合，Cj为风险评估指标且为从智能数控系统中获取的运行参数中选择；风险评估目标Ai的第j个风险评估指标Cj的评价值分别用直觉模糊集的μij和γij表示，风险评估目标Ai在风险评估指标C下的值由以下直觉模糊集表示：Ai＝{(C1,[μi1,γi1]),(C2,[μi2,γi2]),…,(Cn,[μin,γin])}其中，μij表示风险评估目标Ai满足风险评估指标Cj的程度，也即隶属度，γij表示风险评估目标Ai不满足风险评估指标Cj的程度，也即非隶属度；2)对风险评估指标进行规范化处理，并得到智能数控系统决策矩阵R＝(rij)n×m，其中rij为直觉模糊数，包含某决策方案Ai隶属于属性Cj的程度μij，及不隶属于属性Cj的程度γij，即rij＝[μij,γij]；预设风险评估指标的权重值向量，并将其记作w＝(w1，w2，...，wn)

【技术特征摘要】
1.基于直觉模糊多属性决策的智能数控系统风险评估方法，其特征在于，包括如下步骤：1)设A＝{A1,A2,…,Am}为决策方案Ai的集合，Ai为智能数控系统风险评估目标；设C＝{C1,C2,…,Cn}为属性Cj的集合，Cj为风险评估指标且为从智能数控系统中获取的运行参数中选择；风险评估目标Ai的第j个风险评估指标Cj的评价值分别用直觉模糊集的μij和γij表示，风险评估目标Ai在风险评估指标C下的值由以下直觉模糊集表示：Ai＝{(C1,[μi1,γi1]),(C2,[μi2,γi2]),…,(Cn,[μin,γin])}其中，μij表示风险评估目标Ai满足风险评估指标Cj的程度，也即隶属度，γij表示风险评估目标Ai不满足风险评估指标Cj的程度，也即非隶属度；2)对风险评估指标进行规范化处理，并得到智能数控系统决策矩阵R＝(rij)n×m，其中rij为直觉模糊数，包含某决策方案Ai隶属于属性Cj的程度μij，及不隶属于属性Cj的程度γij，即rij＝[μij,γij]；预设风险评估指标的权重值向量，并将其记作w＝(w1，w2，...，wn)T；结合给定的风险评估指标权重值，构造加权的风险评估规范化决策矩阵Z＝(zij)n×m，其中zij＝wj·rij，j＝1,2,…,n；3)将100％满足风险评估决策要求的候选风险评估目标称为正理想方案A+，将100％不满足风险评估决策要求的候选风险评估目标称为负理想方案A-；4)计算出各个风险评估目标Ai与上述的正理想方案A+及负理想方案A-的距离和5)计算风险评估目标Ai的风险评估指数：按照风险评估指数ζi由小到大排列各智能数控系统风险评估目标的风险次序，ζi的值越小，其对应的风险程度越高。2.如权利要求1所述的基于直觉模糊多属性决策的智能数控系统风险评估方法，其特征在于：还包括步骤6)设置不同级别的风险评估指数的阈值，当风险评估指数ζi小于不同级别风险评估指数的阈值时，给出相应风险级别提示。3.如权利要求1所述的基于直觉模糊多属性决策的智能数控系统风险评估方法，其特征在于，步骤2)中所述的对风险评估指标进行规范化处理的过程包括：对风险评估指标为定性指标的规范化处理，处理过程为以直觉模糊集的形式直接给出其指标值度量。4.如权利要求1所述的基于直觉模糊多属性决策的...

【专利技术属性】
技术研发人员：邹朝圣，
申请(专利权)人：厦门万久科技股份有限公司，
类型：发明
国别省市：福建,35