基于犹豫模糊决策的多响应参数优化研究
发布时间：2021-01-19 02:21
工艺参数设计作为把控产品品质的第一道关卡,对产品生产质量的好坏有着决定性影响。随着工业生产制造日益智能化,生产过程中出现越来越多的噪声因素,严重影响了产品质量。面对众多噪声干扰,田口方法通过设计大量噪声因子试验以得到稳健参数的举措,可能会极大地增加生产成本,与生产制造经济性原则相违背。此外,当噪声因素数量成倍增加时,正交试验表也要随之增大,最终会导致试验数据溢出正交表,难以进行参数设计。为解决这些难题,本研究提出三种多响应参数优化方法,旨在设计出能够抵抗噪声干扰的参数优化组合,同时可以降低生产成本。本研究最大特色在于将犹豫模糊集中允许同一犹豫模糊元,拥有多个隶属度这一思想,应用至参数优化过程中,提高了多响应系统的稳健性,其主要研究内容如下:（1）针对生产过程中噪声干扰数量众多且水平难以计量的情况,提出基于犹豫模糊决策的参数优化方法。通过构建犹豫模糊决策矩阵,然后采用正理想点法对多响应系统进行简化,并通过主效应分析得到参数优化结果,既改善了产品质量,又降低了生产成本。（2）针对综合优化指标的权重难以确定的情况,本研究通过模糊逻辑推理对其进行改进,充分利用各响应之间的机理关系,得到更为客观...
【文章来源】：郑州航空工业管理学院河南省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
多响应生产模型
2基础理论方法12所处的状态。随着对模糊逻辑的深入研究，模糊推理系统（FuzzyInferenceSystem，英文简记FIS，又称为模糊系统）逐渐完善，它是模糊推理的重要工具和实现途径，主要包括四个部分（见图2.2）：输入模糊化、制定模糊规则、模糊逻辑推理机以及反模糊化输出。FIS进行不确定性推理的同时，完成了复杂非线性关系的映射[68]。图2.2模糊推理系统接下来，分别对FIS的四个部分进行介绍。输入变量模糊化处理是进行模糊推理的第一步，也是模糊系统的首要部分，它将输入模糊推理系统的精确变量值通过隶属函数映射到预先设置好的论域中，并根据论域中互相交叠的隶属函数找到各输入变量对应的最大隶属度值，将其作为模糊化处理的结果。在进行模糊化处理时，常用的方法有单值模糊化方法、三角隶属度函数模糊化方法、高斯隶属度函数模糊化方法等。模糊规则是模糊系统中不可或缺的一个环节，其设置的合理性直接决定模糊推理结果（模糊推理等级）的准确度。模糊规则的设置具有较大的灵活性，无论是强经验弱理论还是强理论弱经验的生产条件下均可以进行推理，前者可以根据专家丰富的经验知识进行设置，而后者则根据生产过程机理进行设置。模糊规则的设置实质是将生产的过程机理和专家的知识经验转化为计算机可识别的自然语言，一般以“If…Then…”形式表达，其中“If…”语句表示前提条件，“Then…”语句表示推理结果。例如，将输入变量1d的论域划分为六个子区间，记作iA6,,2,1i，输入变量2d的论域也划分为六个子区间，记作6,,2,1jBj，输出变量FRG的论域xo划分为十个子区间，记作10,,2,1kCk。规则1：If1dis1Aand2dis1BThenxOis1Celse;规则2：If1dis2Aand2dis2BThenxOis2Celse;…规则S：If1dismAand2disnBThenxOisqC。
2基础理论方法13两个模糊集合之间的关系计算、多个模糊关系的合成和利用已构建好的模糊运算关系指导新输入变量进行逻辑推理等多个部分。根据推理方式不同，可分为Zadeh推理法[51]和Mamdani推理法[100]，二者最大区别是，各自运算关系不同，Zadeh法运用的是叉积进行基本关系运算，而Mamdani利用模糊集合的笛卡尔积计算两个模糊集合间的蕴含关系。根据输入规则数量不同，又可将其划分为单条件输入模糊推理，多条件输入模糊推理，还有多条件多规则模糊推理。以两个输入变量，两条模糊规则的Mamdani推理为例，其推理过程如图2.3所示。图2.3模糊逻辑推理示意图由于模糊推理的结果是一个模糊集合，不便于更直观地进行决策，只能看作初步推理结果，不能作为最终决策的依据。因此，需要运用加权平均法、重心法或者最大隶属度法进行反模糊化处理，将模糊集合转化为一个清晰的数值。至此，可总结得到模糊逻辑推理在多响应参数优化过程中的应用步骤：Step1：将多响应生产过程中的多个响应作为模糊推理系统的输入变量，FRG为输出变量，将输入变量以及输出变量，就其论域划分为多个区间。当输入变量存在量纲、质量特性不一致时，可对其进行处理，并将处理结果作为FIS的输入变量。Step2：根据实际生产情况制定合理的模糊规则。Step3：根据前两步得到的模糊子集和模糊规则，构建模糊蕴涵关系，并对新的输入变量进行模糊关系运算。Step4：通过反模糊化方法，运算得到最终结果，即数值清晰的模糊推理等级。随着智能技术发展，模糊逻辑推理已经不需要人工进行推理和计算，可直接利用MATLAB工具箱进行推理。只需要进行论域划分和规则设置，计算机能够根据制定好的模糊规则，自动计算得到蕴含关系，并展示输入与输出变量的蕴含关系图。若需要进行新的推理时，?
【参考文献】：
期刊论文
[1]基于神经网络遗传算法的磁粒研磨TC4材料工艺参数优化[J]. 赵传营,赵玉刚,刘宁,宋盼盼,高跃武,张勇,刘广新. 表面技术. 2020(02)
[2]基于参数优化SVM方法识别盐生植被钠离子光谱特征[J]. 邓来飞,张飞,齐亚霄,袁婕. 光谱学与光谱分析. 2020(01)
[3]基于响应曲面法的轴承钢GCr15高速外圆磨削参数优化[J]. 刘伟,商圆圆,邓朝晖,刘仁通,肖周强. 中国机械工程. 2019(23)
[4]基于遗传算法和神经网络的3D增材印花工艺参数优化[J]. 王晓晖,刘月刚,孟婥,孙以泽. 纺织学报. 2019(11)
[5]基于数据挖掘的循环流化床锅炉辅机故障预警[J]. 张维,刘吉臻,高明明. 动力工程学报. 2019(10)
[6]高温合金GH4169的电火花加工工艺性研究[J]. 李淑玉,孟辉,李强弟. 机床与液压. 2019(17)
[7]电动汽车无线充电系统实现软开关的参数优化设计方法[J]. 王付胜,郭娟娟,王文洋,张玮,赵为. 中国电机工程学报. 2019(S1)
[8]基于犹豫模糊决策的铣削参数优化[J]. 禹建丽,谷丰盈,陈洪根. 工业工程. 2019(03)
[9]改进量子粒子群BP神经网络参数优化及应用[J]. 贾伟,赵雪芬. 软件导刊. 2019(10)
[10]翼身融合布局客机总体参数分析与优化[J]. 柴啸,陈迎春,谭兆光,陈真利,司江涛,李杰,张彬乾. 航空学报. 2019(09)
本文编号：2986143
【文章来源】：郑州航空工业管理学院河南省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
多响应生产模型
2基础理论方法12所处的状态。随着对模糊逻辑的深入研究，模糊推理系统（FuzzyInferenceSystem，英文简记FIS，又称为模糊系统）逐渐完善，它是模糊推理的重要工具和实现途径，主要包括四个部分（见图2.2）：输入模糊化、制定模糊规则、模糊逻辑推理机以及反模糊化输出。FIS进行不确定性推理的同时，完成了复杂非线性关系的映射[68]。图2.2模糊推理系统接下来，分别对FIS的四个部分进行介绍。输入变量模糊化处理是进行模糊推理的第一步，也是模糊系统的首要部分，它将输入模糊推理系统的精确变量值通过隶属函数映射到预先设置好的论域中，并根据论域中互相交叠的隶属函数找到各输入变量对应的最大隶属度值，将其作为模糊化处理的结果。在进行模糊化处理时，常用的方法有单值模糊化方法、三角隶属度函数模糊化方法、高斯隶属度函数模糊化方法等。模糊规则是模糊系统中不可或缺的一个环节，其设置的合理性直接决定模糊推理结果（模糊推理等级）的准确度。模糊规则的设置具有较大的灵活性，无论是强经验弱理论还是强理论弱经验的生产条件下均可以进行推理，前者可以根据专家丰富的经验知识进行设置，而后者则根据生产过程机理进行设置。模糊规则的设置实质是将生产的过程机理和专家的知识经验转化为计算机可识别的自然语言，一般以“If…Then…”形式表达，其中“If…”语句表示前提条件，“Then…”语句表示推理结果。例如，将输入变量1d的论域划分为六个子区间，记作iA6,,2,1i，输入变量2d的论域也划分为六个子区间，记作6,,2,1jBj，输出变量FRG的论域xo划分为十个子区间，记作10,,2,1kCk。规则1：If1dis1Aand2dis1BThenxOis1Celse;规则2：If1dis2Aand2dis2BThenxOis2Celse;…规则S：If1dismAand2disnBThenxOisqC。
2基础理论方法13两个模糊集合之间的关系计算、多个模糊关系的合成和利用已构建好的模糊运算关系指导新输入变量进行逻辑推理等多个部分。根据推理方式不同，可分为Zadeh推理法[51]和Mamdani推理法[100]，二者最大区别是，各自运算关系不同，Zadeh法运用的是叉积进行基本关系运算，而Mamdani利用模糊集合的笛卡尔积计算两个模糊集合间的蕴含关系。根据输入规则数量不同，又可将其划分为单条件输入模糊推理，多条件输入模糊推理，还有多条件多规则模糊推理。以两个输入变量，两条模糊规则的Mamdani推理为例，其推理过程如图2.3所示。图2.3模糊逻辑推理示意图由于模糊推理的结果是一个模糊集合，不便于更直观地进行决策，只能看作初步推理结果，不能作为最终决策的依据。因此，需要运用加权平均法、重心法或者最大隶属度法进行反模糊化处理，将模糊集合转化为一个清晰的数值。至此，可总结得到模糊逻辑推理在多响应参数优化过程中的应用步骤：Step1：将多响应生产过程中的多个响应作为模糊推理系统的输入变量，FRG为输出变量，将输入变量以及输出变量，就其论域划分为多个区间。当输入变量存在量纲、质量特性不一致时，可对其进行处理，并将处理结果作为FIS的输入变量。Step2：根据实际生产情况制定合理的模糊规则。Step3：根据前两步得到的模糊子集和模糊规则，构建模糊蕴涵关系，并对新的输入变量进行模糊关系运算。Step4：通过反模糊化方法，运算得到最终结果，即数值清晰的模糊推理等级。随着智能技术发展，模糊逻辑推理已经不需要人工进行推理和计算，可直接利用MATLAB工具箱进行推理。只需要进行论域划分和规则设置，计算机能够根据制定好的模糊规则，自动计算得到蕴含关系，并展示输入与输出变量的蕴含关系图。若需要进行新的推理时，?
【参考文献】：
期刊论文
[1]基于神经网络遗传算法的磁粒研磨TC4材料工艺参数优化[J]. 赵传营,赵玉刚,刘宁,宋盼盼,高跃武,张勇,刘广新. 表面技术. 2020(02)
[2]基于参数优化SVM方法识别盐生植被钠离子光谱特征[J]. 邓来飞,张飞,齐亚霄,袁婕. 光谱学与光谱分析. 2020(01)
[3]基于响应曲面法的轴承钢GCr15高速外圆磨削参数优化[J]. 刘伟,商圆圆,邓朝晖,刘仁通,肖周强. 中国机械工程. 2019(23)
[4]基于遗传算法和神经网络的3D增材印花工艺参数优化[J]. 王晓晖,刘月刚,孟婥,孙以泽. 纺织学报. 2019(11)
[5]基于数据挖掘的循环流化床锅炉辅机故障预警[J]. 张维,刘吉臻,高明明. 动力工程学报. 2019(10)
[6]高温合金GH4169的电火花加工工艺性研究[J]. 李淑玉,孟辉,李强弟. 机床与液压. 2019(17)
[7]电动汽车无线充电系统实现软开关的参数优化设计方法[J]. 王付胜,郭娟娟,王文洋,张玮,赵为. 中国电机工程学报. 2019(S1)
[8]基于犹豫模糊决策的铣削参数优化[J]. 禹建丽,谷丰盈,陈洪根. 工业工程. 2019(03)
[9]改进量子粒子群BP神经网络参数优化及应用[J]. 贾伟,赵雪芬. 软件导刊. 2019(10)
[10]翼身融合布局客机总体参数分析与优化[J]. 柴啸,陈迎春,谭兆光,陈真利,司江涛,李杰,张彬乾. 航空学报. 2019(09)
本文编号：2986143
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/2986143.html
