4.2.1方法概述(1)灰色關聯度法灰色關聯理論最早由我國學者鄧聚龍教授在上世紀八十年代率先提出,因其在分析研究信息匱乏、樣本不足系統的優勢,灰色理論被廣泛應用于各個領 域。灰色關聯分析是指通過研宄評價對象的指標值序列與指標參考值序列之間 的幾何形狀相似程度來判斷系統中樣本指標值序列的優度。通過對系統中多個 對象的數據序列相似程度來對比評價因素的優劣。所以灰色關聯度法能用于系 統中因素之間的重要度分析、方案優選、風險評估等。系統中因素統計數據序 列隨時間或指標的變化趨勢越接近,那么因素的灰色關聯度就越大。進行灰色關聯度評價的前提是構建系統隨著指標或者時間變動的參考數據 序列,通過比較各因素與參考數據序列之間的幾何相似程度來計算各因素的灰 色關聯度,這里所謂的灰色關聯性是指數據序列的相似性。灰色關聯分析首先 要獲取系統中各個因素關于不同指標的數據,接著對數據進行標準化處理,然 后根據評價需求和指標特性確定參考數據序列,最后在獲取指標的權重的基礎 上進行關聯度計算。如圖4.4所示存在四個數據序列組成的曲線a,b,c,d,數據序列a和數據序列c 所對應的曲線在幾何形狀上比較相似,曲線b則和d比較相似,那么可認為因 素a和因素c,因素b和因素d的灰色關聯度較大。而對于曲線b和d或者a 和b幾何形狀差異很大,所以它們所對應因素之間的灰色關聯度較小。(2)TOPSIS 方法TOPSIS法于上世紀八十年代被提出,通過判斷因素數據序列與各指標的正 理想數據序列和負理想數據序列的接近程度來進行因素的評價。如果因素的數 據序列越接近正理想解、越遠離負理想解,那么因素的評價值會越優。與灰色 關聯度強調幾何相似形狀相比,TOPSIS方法更加強調數據序列之間的距離,所 以TOPSIS法也被稱作優劣解距離法。各指標的最優解是指使得各個指標最接近評價目標的數據序取列,最劣解 是指使得各個指標最背離評價指標的數據序列取值。正理想解代表了系統中因 素的最理想方案,負理想解代表了系統因素中最不理想的方案。如圖4.5存在四個數據序列組成的曲線,曲線a和曲線d分別為正理想數據序列和負理想數據序列,與灰關聯度根據曲線形狀接近程度來分析不同, TOPSIS是根據曲線之間的距離來進行評價。如曲線a與曲線b比較接近,曲線 c與曲線d比較接近,那么按照TOPSIS方法系統中曲線b代表的因素要比曲線 c要更加符合要求。(3)灰色關聯度-TOPSIS方法灰色關聯法側重于數據序列的集合形狀相似性來判斷關聯度大小,能很好 反映出數據序列的變化趨勢與參考數據序列的異同,對于信息比較貧乏的系統 也能進行評價,但是有些數據序列無法通過灰色關聯度來進行明確區分,此時 可以通過TOPSIS方法能夠借助函數曲線來判斷方案與最優方案和最劣方案之 間的距離來進行綜合評估。灰色關聯-TOPSIS綜合評價方法彼此互相補充,對 于加工中心子系統的故障風向評估更加全面準確。4.4本章小結本章考慮故障相關性、子系統危害度及維修時間因素對CNC加工中心子系統進 行故障風險評估,借助灰色關聯度-TOPSIS方法進行綜合評價,子系統故障風 險由大到小依次是進給系統、刀庫系統、排屑系統、主軸系統、電氣系統、冷 卻系統、精工系統、氣動系統、潤滑系統及防護系統。本文采摘自“基于故障率相關的加工中心的可靠性及風險評估”,因為編輯困難導致有些函數、表格、圖片、內容無法顯示,有需要者可以在網絡中查找相關文章!本文由海天精工整理發表文章均來自網絡僅供學習參考,轉載請注明!