研究备件基于模糊多属性决策炮闩系统备件供应
最后更新时间：2024-03-31
作者：用户投稿
本站原创
点赞:12145
浏览:47304
本站原创
点赞:12145
浏览:47304
论文导读：
摘要： 为了更好地确定炮闩系统中零部件备件种类和数量，在零部件故障模式分析的基础上，将模糊多属性决策的方法引入到各故障模式对整个炮闩系统可靠性危害程度分析中。通过确定各故障模式的属性及其权重，并采用梯形模糊数模拟其数学特征，应用逼近理想解的排序方法综合评估各故障模式的危害度，获得了影响炮闩系统可靠性的主要故障模式和关键重要件。
Abstract： In order to confirm the spares of the breech system's parts， the Fuzzy Multiple Attribute Decision Making was introduced to analyze each fault mode's damage to the reliability of breech system based on the analysis of fault modes. Both the attributes and weighting were confirmed， and trapezoidal fuzzy numbers were adopted to simulate their characteristics. Technique or Order Preference by Similarity to Ideal Solution was applied to synthetically evaluate the damage of each fault mode. As a result， the main fault modes and key important parts， influencing the reliability of breech system， are obtained.
关键词： 模糊多属性决策；炮闩系统；故障模式；危害度
Key words： Fuzzy Multiple Attribute Decision Making；breech system；fault mode；damage
1006-4311（2012）29-0021-03
0引言
为了在平时训练和实战中提高火炮的使用性，连续顺利地完成训练和战斗任务，持续保障战斗力，需要合理筹措备件，在失效或故障发生前及时地更换。那么，在确定备件的种类和数量时，就需要综合考虑零部件发生故障的概率、对系统的影响程度等因素，而这些因素可以归结到摘自：毕业论文翻译www.7ctime.com
零部件故障模式对整个系统可靠性的危害度上来。由于影响危害度的不只一个因素，需要对多个因素进行综合评估，那么，多属性决策方法就是一个很好的选择。然而，运用多属性决策方法对各故障模式的危害度进行分析时，诸多影响因素存在界限不清的问题，需要处理大量不精确的数据；如果过分追求数学上的严谨和精密，将会阻碍分析的正常进行。分析者在对每一个影响因素的重要程度进行估计时，通常不完全能用一个精确的数表示；相反，通过专家咨询采用模糊数或语言变量来刻画则显得更为合理。
本文将模糊多属性决策方法引入到炮闩系统故障模式危害度分析中，把故障的检测难度等级和修复难度等级纳入危害度分析的范畴，与严酷度等级、发生概率等级一起组成评价故障模式危害度的四个因素，综合评估某一故障模式的危害度，从而确定影响炮闩系统可靠性、安全性的主要故障模式及相应的关重件，为科学合理的确定备件或器材种类和数量提供依据。
1模糊多属性决策理论
1.1 基本模型模糊多属性决策的基本模型可以描述为：给定一个方案集X=x■，x■，…，x■和相应于每一个方案的属性集U=u■，u■，…，u■以及说明每种属性相对重要程度的权重集W=ω■，ω■，…，ω■。其中，关于属性指标和权重大小的表示方式可以是数字的，也可以是语言的；涉及的数据结构可以是精确的，也可以是不精确的。而所有语言的或不精确的属性指标、权重大小、数据结构等都被相应地表示成决策空间中的模糊子集或模糊数。其模糊指标矩阵（也叫模糊决策矩阵）可以写为
■=■■■■ …■■■■■■…■■┆┆┆┆■■■■…■■（1）
采用广义模糊合成算子对模糊权重矢量和模糊指标值矩阵■实行变换，得到模糊决策矢量■：
■=W？茚■=■■，■■，…，■■ （2）
运用模糊集排序方法对模糊决策矢量元素■■，■■，…，■■进行比较，选出x■，x■，…，x■中的最优方案，记为x■。
1.2 决策方法的选择选择正确的决策方法是准确分析炮闩系统故障模式危害度的关键。首先需要在掌握相关信息的基础上，系统地分析导致故障发生的各种主客观条件，从而确定各零部件的故障模式；而后从系统论的角度出发，在现有客观条件下，运用一定的工具、技巧和方法，对决策的各个故障模式进行计算与判断，确定其危害度。最后，依据危害度大小对故障模式进行排序。
TOPSIS方法是逼近理想解的排序方法（Technique or Order Preference by Similarity to Ideal Solution的英文缩略），是一种有效的多属性决策方法。TOPSIS方法的具体步骤如下：
设一个多属性决策问题的备选方案集X中的每个方案xi（i=1，2，…，m）的n个属性值构成向量D=x■，x■，…，x■，它作为n维空间中的一个点，能唯一地表征方案xi。
STEP 1：确定方案在各属性下的取值，并构建初始决策矩阵F=x■（i=1，2，…，m；j=1，2，…，n），xij表示方案xi∈X在属性uj∈U下的取值。STEP 2：规范化决策矩阵，即将决策矩阵中的每个元素规范到[0，1]中。在此，采用矢量转换法。设多属性决策问题的规范化决策矩阵为R=r■，则（i=1，2，…，m；j=1，2，…，n）
r■=x■■ （3）
STEP 3：构造加权规范矩阵V=v■，则
v■=r■ω论文导读：
■（i=1，2，…，m；j=1，2，…，n）（4）
STEP 4：确定理想解x■和负理想解x■：
x■=v■■，v■■，…，v■■，x■=v■■，v■■，…，v■■ （5）
式中：v■■=■v■，v■■=■v■。
STEP 5：计算距离S■■和S■■。每个方案到理想解的距离和到负理想解的距离分别是
S■■=■z■■，S■■=■z■■ （i=1，2，…，m）（6）
其中，z■■和z■■可分别用
z■■=v■-v■■z■■=v■-v■■ （7）
来直接计算。
STEP 6：计算每源于：毕业设计论文网www.7ctime.com
个方案与理想解的相对接近度指数C■，则
C■=S■■/S■■+S■■（i=1，2，…，m） （8）
STEP 7：根据C■的大小，对方案进行排序和选优。
2系统决策属性及其权重的确定
在对炮闩系统故障模式危害度进行决策时，清晰的数值不足以表现真实的决策环境，决策和识别过程中的故障模式集涉及大量的不确定性。同时由于人的判断通常是模糊的，决策者在确定权重的时候，一般采用等级来表示其不确定性。可见，采用模糊数进行模拟有时更符合实际。由于L-R型模糊数（梯形模糊数）相对来说能较好地反映其数学特征，所以本文采用简单易行的梯形模糊数来表示属性和权重。
2.1 属性的确定炮闩系统故障模式的危害度与系统的战备完好性、任务成功性、维修和后勤保障费用等要求相联系。因此，危害度决策属性的选取，主要考虑系统安全、功能、任务角度等方面的因素。根据以上要求并结合实际情况和专家意见，选取炮闩系统故障模式的严酷度等级、发生概率等级、检测难度等级、修复难度等级作为判别故障模式危害度的属性。以发生概率为例，其分类准则和相关的梯形模糊数见表1。
严酷度等级是零部件故障造成的最坏潜在后果的量度表示。
故障发生概率等级是评定某个故障模式实际发生的可能性。
故障模式的被检测难度等级是指零部件在工作过程中故障模式被检测出的可能性。
修复难度等级是按照装备维修时所处场所而划分的等级[3]。
2.2 属性权重的确定属性权重的确定是影响决策结果的重要环节。如实地、客观地确定各属性指标的权重是决策过程的一个重点和难点。经专家建议，确定了炮闩系统故障模式危害度决策属性的权重值，见表2。
3关重件的确定
对炮闩系统的故障模式危害度决策，首先要研究零部件的功能、故障模式、故障原因，从而确定其故障模式的四个属性级别。表3对炮闩系统中一些主要零部件的故障模式进行了详细分析。由于篇幅所限，本文选取了五个故障模式。
根据表3给的信息，可以建立初始决策矩阵F。
F=（0 0.10 0.25 0.40） （0.36 0.40 0.52 0.60） （0 0.05 0.15 0.25） （0 0.05 0.20 0.25）（0.35 0.40 0.60 0.65） （0 0.10 0.15 0.25） （0.20 0.30 0.35 0.45） （0.60 0.70 0.75 0.85）（0.35 0.40 0.60 0.65） （0.36 0.40 0.52 0.60） （0.40 0.45 0.60 0.65） （0.40 0.45 0.60 0.65）（0.35 0.40 0.60 0.65） （0.36 0.40 0.52 0.60） （0.20 0.30 0.35 0.45） （0.40 0.45 0.60 0.65）（0.60 0.70 0.75 0.85） （0.36 0.40 0.52 0.60） （0.60 0.65 0.70 0.75） （0.40 0.45 0.60 0.65）
通常情况下，要对所建立的决策矩阵进行规范化，将决策矩阵中的每一个元素都保持在[0，1]之间取值。由于本文建立的决策矩阵中，使用了梯形模糊数来表示各属性的级别，并且模糊数均在[0，1]中，保证了决策矩阵的每个元素都在[0，1]之间，所以决策矩阵不需要进行规范化，即决策矩阵就是规范化矩阵。
运用式构造加权规范化决策矩阵V，由于权重属性ωj（j∈M）都是用梯形模糊数来表示的，所以计算出的vij也是模糊数，计算出的加权规范化决策矩阵V为
V=（0 0.095 0.25 0.40）（0.27 0.32 0.4420 0.540） （0 0.0225 0.075 0.15）（0 0.0325 0.140 0.1875）（0.315 0.380 0.60 0.65） （0 0.08 0.1275 0.225）（0.08 0.1350 0.175 0.27） （0.36 0.4550 0.525 0.6375）（0.315 0.380 0.60 0.65） （0.27 0.32 0.4420 0.540） （0.16 0.2025 0.300 0.39） （0.24 0.2925 0.420 0.4875）（0.315 0.380 0.60 0.65） （0.27 0.32 0.4420 0.540） （0.08 0.1350 0.175 0.27） （0.24 0.2925 0.420 0.4875）（0.540 0.665 0.75 0.85） （0.27 0.32 0.4420 0.540） （0.24 0.2925 0.350 0.45） （0.24 0.2925 0.420 0.4875）源于：大学论文格式范文www.7ctime.com
摘要： 为了更好地确定炮闩系统中零部件备件种类和数量，在零部件故障模式分析的基础上，将模糊多属性决策的方法引入到各故障模式对整个炮闩系统可靠性危害程度分析中。通过确定各故障模式的属性及其权重，并采用梯形模糊数模拟其数学特征，应用逼近理想解的排序方法综合评估各故障模式的危害度，获得了影响炮闩系统可靠性的主要故障模式和关键重要件。
Abstract： In order to confirm the spares of the breech system's parts， the Fuzzy Multiple Attribute Decision Making was introduced to analyze each fault mode's damage to the reliability of breech system based on the analysis of fault modes. Both the attributes and weighting were confirmed， and trapezoidal fuzzy numbers were adopted to simulate their characteristics. Technique or Order Preference by Similarity to Ideal Solution was applied to synthetically evaluate the damage of each fault mode. As a result， the main fault modes and key important parts， influencing the reliability of breech system， are obtained.
关键词： 模糊多属性决策；炮闩系统；故障模式；危害度
Key words： Fuzzy Multiple Attribute Decision Making；breech system；fault mode；damage
1006-4311（2012）29-0021-03
0引言
为了在平时训练和实战中提高火炮的使用性，连续顺利地完成训练和战斗任务，持续保障战斗力，需要合理筹措备件，在失效或故障发生前及时地更换。那么，在确定备件的种类和数量时，就需要综合考虑零部件发生故障的概率、对系统的影响程度等因素，而这些因素可以归结到摘自：毕业论文翻译www.7ctime.com
零部件故障模式对整个系统可靠性的危害度上来。由于影响危害度的不只一个因素，需要对多个因素进行综合评估，那么，多属性决策方法就是一个很好的选择。然而，运用多属性决策方法对各故障模式的危害度进行分析时，诸多影响因素存在界限不清的问题，需要处理大量不精确的数据；如果过分追求数学上的严谨和精密，将会阻碍分析的正常进行。分析者在对每一个影响因素的重要程度进行估计时，通常不完全能用一个精确的数表示；相反，通过专家咨询采用模糊数或语言变量来刻画则显得更为合理。
本文将模糊多属性决策方法引入到炮闩系统故障模式危害度分析中，把故障的检测难度等级和修复难度等级纳入危害度分析的范畴，与严酷度等级、发生概率等级一起组成评价故障模式危害度的四个因素，综合评估某一故障模式的危害度，从而确定影响炮闩系统可靠性、安全性的主要故障模式及相应的关重件，为科学合理的确定备件或器材种类和数量提供依据。
1模糊多属性决策理论
1.1 基本模型模糊多属性决策的基本模型可以描述为：给定一个方案集X=x■，x■，…，x■和相应于每一个方案的属性集U=u■，u■，…，u■以及说明每种属性相对重要程度的权重集W=ω■，ω■，…，ω■。其中，关于属性指标和权重大小的表示方式可以是数字的，也可以是语言的；涉及的数据结构可以是精确的，也可以是不精确的。而所有语言的或不精确的属性指标、权重大小、数据结构等都被相应地表示成决策空间中的模糊子集或模糊数。其模糊指标矩阵（也叫模糊决策矩阵）可以写为
■=■■■■ …■■■■■■…■■┆┆┆┆■■■■…■■（1）
采用广义模糊合成算子对模糊权重矢量和模糊指标值矩阵■实行变换，得到模糊决策矢量■：
■=W？茚■=■■，■■，…，■■ （2）
运用模糊集排序方法对模糊决策矢量元素■■，■■，…，■■进行比较，选出x■，x■，…，x■中的最优方案，记为x■。
1.2 决策方法的选择选择正确的决策方法是准确分析炮闩系统故障模式危害度的关键。首先需要在掌握相关信息的基础上，系统地分析导致故障发生的各种主客观条件，从而确定各零部件的故障模式；而后从系统论的角度出发，在现有客观条件下，运用一定的工具、技巧和方法，对决策的各个故障模式进行计算与判断，确定其危害度。最后，依据危害度大小对故障模式进行排序。
TOPSIS方法是逼近理想解的排序方法（Technique or Order Preference by Similarity to Ideal Solution的英文缩略），是一种有效的多属性决策方法。TOPSIS方法的具体步骤如下：
设一个多属性决策问题的备选方案集X中的每个方案xi（i=1，2，…，m）的n个属性值构成向量D=x■，x■，…，x■，它作为n维空间中的一个点，能唯一地表征方案xi。
STEP 1：确定方案在各属性下的取值，并构建初始决策矩阵F=x■（i=1，2，…，m；j=1，2，…，n），xij表示方案xi∈X在属性uj∈U下的取值。STEP 2：规范化决策矩阵，即将决策矩阵中的每个元素规范到[0，1]中。在此，采用矢量转换法。设多属性决策问题的规范化决策矩阵为R=r■，则（i=1，2，…，m；j=1，2，…，n）
r■=x■■ （3）
STEP 3：构造加权规范矩阵V=v■，则
v■=r■ω论文导读：
■（i=1，2，…，m；j=1，2，…，n）（4）
STEP 4：确定理想解x■和负理想解x■：
x■=v■■，v■■，…，v■■，x■=v■■，v■■，…，v■■ （5）
式中：v■■=■v■，v■■=■v■。
STEP 5：计算距离S■■和S■■。每个方案到理想解的距离和到负理想解的距离分别是
S■■=■z■■，S■■=■z■■ （i=1，2，…，m）（6）
其中，z■■和z■■可分别用
z■■=v■-v■■z■■=v■-v■■ （7）
来直接计算。
STEP 6：计算每源于：毕业设计论文网www.7ctime.com
个方案与理想解的相对接近度指数C■，则
C■=S■■/S■■+S■■（i=1，2，…，m） （8）
STEP 7：根据C■的大小，对方案进行排序和选优。
2系统决策属性及其权重的确定
在对炮闩系统故障模式危害度进行决策时，清晰的数值不足以表现真实的决策环境，决策和识别过程中的故障模式集涉及大量的不确定性。同时由于人的判断通常是模糊的，决策者在确定权重的时候，一般采用等级来表示其不确定性。可见，采用模糊数进行模拟有时更符合实际。由于L-R型模糊数（梯形模糊数）相对来说能较好地反映其数学特征，所以本文采用简单易行的梯形模糊数来表示属性和权重。
2.1 属性的确定炮闩系统故障模式的危害度与系统的战备完好性、任务成功性、维修和后勤保障费用等要求相联系。因此，危害度决策属性的选取，主要考虑系统安全、功能、任务角度等方面的因素。根据以上要求并结合实际情况和专家意见，选取炮闩系统故障模式的严酷度等级、发生概率等级、检测难度等级、修复难度等级作为判别故障模式危害度的属性。以发生概率为例，其分类准则和相关的梯形模糊数见表1。
严酷度等级是零部件故障造成的最坏潜在后果的量度表示。
故障发生概率等级是评定某个故障模式实际发生的可能性。
故障模式的被检测难度等级是指零部件在工作过程中故障模式被检测出的可能性。
修复难度等级是按照装备维修时所处场所而划分的等级[3]。
2.2 属性权重的确定属性权重的确定是影响决策结果的重要环节。如实地、客观地确定各属性指标的权重是决策过程的一个重点和难点。经专家建议，确定了炮闩系统故障模式危害度决策属性的权重值，见表2。
3关重件的确定
对炮闩系统的故障模式危害度决策，首先要研究零部件的功能、故障模式、故障原因，从而确定其故障模式的四个属性级别。表3对炮闩系统中一些主要零部件的故障模式进行了详细分析。由于篇幅所限，本文选取了五个故障模式。
根据表3给的信息，可以建立初始决策矩阵F。
F=（0 0.10 0.25 0.40） （0.36 0.40 0.52 0.60） （0 0.05 0.15 0.25） （0 0.05 0.20 0.25）（0.35 0.40 0.60 0.65） （0 0.10 0.15 0.25） （0.20 0.30 0.35 0.45） （0.60 0.70 0.75 0.85）（0.35 0.40 0.60 0.65） （0.36 0.40 0.52 0.60） （0.40 0.45 0.60 0.65） （0.40 0.45 0.60 0.65）（0.35 0.40 0.60 0.65） （0.36 0.40 0.52 0.60） （0.20 0.30 0.35 0.45） （0.40 0.45 0.60 0.65）（0.60 0.70 0.75 0.85） （0.36 0.40 0.52 0.60） （0.60 0.65 0.70 0.75） （0.40 0.45 0.60 0.65）
通常情况下，要对所建立的决策矩阵进行规范化，将决策矩阵中的每一个元素都保持在[0，1]之间取值。由于本文建立的决策矩阵中，使用了梯形模糊数来表示各属性的级别，并且模糊数均在[0，1]中，保证了决策矩阵的每个元素都在[0，1]之间，所以决策矩阵不需要进行规范化，即决策矩阵就是规范化矩阵。
运用式构造加权规范化决策矩阵V，由于权重属性ωj（j∈M）都是用梯形模糊数来表示的，所以计算出的vij也是模糊数，计算出的加权规范化决策矩阵V为
V=（0 0.095 0.25 0.40）（0.27 0.32 0.4420 0.540） （0 0.0225 0.075 0.15）（0 0.0325 0.140 0.1875）（0.315 0.380 0.60 0.65） （0 0.08 0.1275 0.225）（0.08 0.1350 0.175 0.27） （0.36 0.4550 0.525 0.6375）（0.315 0.380 0.60 0.65） （0.27 0.32 0.4420 0.540） （0.16 0.2025 0.300 0.39） （0.24 0.2925 0.420 0.4875）（0.315 0.380 0.60 0.65） （0.27 0.32 0.4420 0.540） （0.08 0.1350 0.175 0.27） （0.24 0.2925 0.420 0.4875）（0.540 0.665 0.75 0.85） （0.27 0.32 0.4420 0.540） （0.24 0.2925 0.350 0.45） （0.24 0.2925 0.420 0.4875）源于：大学论文格式范文www.7ctime.com