灰色模糊分析法（精选9篇）
灰色模糊分析法 篇1
0 引言
在软件工程中,需求分析指的是在建立一个新的或改变一个现存的电脑系统时描写新系统的目的、范围和定义时所要做的所有的工作。需求分析是软件工程中的一个关键过程。在这个过程中,系统分析员和软件工程师确定顾客的需要。只有在确定了这些需要后他们才能够分析和寻求新系统的解决方法。
由于软件需求本身的隐含性、用户与开发者之间的沟通障碍,以及需求随着时间、用户的变化而变更等原因,可能使需求分析偏离实际需求而最终导致软件开发的失败,这种可能性称为需求风险[1]。
关于需求风险的辨识、分析和控制,国内外很多学者进行了一系列研究。罗伯特格拉斯(2002)指出,需求不断变化是软件项目失败最主要的原因[2]。基于需求风险对项目成败的重大影响,很多学者提出了需求风险管理的思路,实践上也出现了一些定性和定量分析风险的方法。Myers开发了一种用于帮助项目管理者尽早识别在项目周期内引起需求风险原因的方法[3];Samson通过研究需求分析中潜在的问题来改进软件需求定义[4];Robinson开发了一种需求工程风险评价方法,这种方法可以包含需求错误类型和风险事件的定量信息[5];Romano指出了怎样识别有潜在风险的需求的问题[6]。外国内也有很多学者对需求风险进行了相关研究,如:付玉等讨论了需求风险的控制方法[7],王延明则采用了一些软计算的方法讨论了需求风险的评价问题[8]。
1 需求风险类别
通过对大量软件项目分析和综合,笔者认为软件需求风险主要包括:功能需求风险、性能需求风险、可靠性需求风险、安全保密需求风险、资源需求风险。
功能需求,是软件最主要需求,它表达系统必须完成什么样的功能。在项目开发之初往往不能准确、全面地定义系统功能需求,并且在开发过程中,用户对系统功能的需求也可能发生变更,因此承担的风险叫做功能需求风险。在项目开发各个阶段,特别是在需求分析阶段,要把功能需求风险分析放在首要位置。如果没有及时认清功能需求风险,即使项目勉强开发完成,最终系统的功能也和用户的要求相去甚远。
性能需求,是指软件系统是否具有实时性,数据是否分散管理,系统运行时对软、硬件是否有限制等。如果系统是非实时的,数据分散管理,对软、硬件没有限制,则性能需求风险较低,否则将会较大。
在需求分析时,应对所开发软件在投入运行后发生故障的可能性进行分析,按实际运行环境提出要求,此类风险称为可靠性需求风险。如果系统需要保存数据,不需要容错性处理,也不需要后备系统和灾难恢复机制,那么系统可靠性需求风险低,否则较高。
工作在不同环境的软件,对其安全、保密的要求是不同的。应当把这方而的需求恰当地作出规定,以便对所开发的系统进行特殊设计,使其运行中安全保密方面的性能得到必要的保障。该类风险称为安全保密需求风险。
资源需求风险,是指软件系统在开发、运行时所需的数据、软件、人力等存在的风险。如开发该系统时是否有合适的开发软件和开发人员,系统运行时是否需要专业技术人员等。
2 需求风险评价模型
2.1 评价指标体系的确定
如前所述,对一个软件项目需求分析可能带来的风险,可以从功能需求风险、性能需求风险、可靠性需求风险、安全保密需求风险、资源需求风险共五个方面进行考查;但是对每个方面采用那些指标进行衡量呢,目前关于这方面还没有相应的理论依据,这里采用完整性、必要性、可行性、可验证性、可修改性和可跟踪性共六个定性的指标对这五个风险层面进行统一度量。由此可以建立如图1所示的评价指标体系。
2.2 灰色模糊评价模型
关于灰数模糊集合,以及灰模糊评价的有关理论可参见文献[9,10]。与模糊综合评判一样,灰色模糊综合评判的数学模型也分一级模型和多级模型(或称单层次模型与多层次模型)两类,但本质是相同的。这里仅以一级模型为例予以说明。
设评价对象因素集为X={x1,x2,…,xm},对各因素的评语集合为Y={y1,y2,…,yn}。
(1)确定权重集。
权重集可视为评判对象与因素集之间的灰色模糊关系。根据图2所示的影响因素递阶层次关系,给出同一层次中各因素关于上一层准则的权重及相应的点灰度,构成权重集:
由于信息量很难用数值来衡量,所以经常使用一些描述性的语言对应一定的灰度范围,如将信息多少分成以下几类:{很充分,比较充分,一般,比较贫乏,很贫乏},分别对应灰度值{0~0.2,0.2~0.4,0.4~0.6,0.6~0.8,0.8~1.0},具体视评价者的实际情况给出。
(2)建立评价矩阵。
评价矩阵可视为因素集合与评语集之交的灰色模糊关系,根据某一因素给出评价对象对评语集中各元素的隶属度,并根据信息的充分程度给出相应的灰度。
(3)进行综合评价。
为保留仅可能多的评判信息,在模部运算中采用M(·,+)算子,而灰部运算中采用M(⊙,+)算子[11],因此,灰色模糊综合评判的结果为:
(4)评价结果的处理。
在灰数模糊综合评价中,综合考虑其灰色性和模糊性,可将评价结果转化为模糊向量:
考虑评价的可操作性和准确性,可以将评语集中评语等级定标准分,得到集合VT。据此可得到清晰化的评价结果:
最后,根据H的大小可以判断评价结果的好坏。
3 评价实例
现要对某软件公司某软件需求分析报告书进行评价,从而评估分析该需求隐含的风险。邀请10名专家组成评价小组。评语集为:Y={优,良,中,差}。通过逐一比较可分别求得各指标的权重,通过对专家给各指标信息量评分求平均值方法可以得到其灰度,由此可得各级指标的权重集:
请10个专家对指标层各指标分别同时进行评价,可得出xi(i=1,2,…,5)的灰色模糊评价矩阵。比如10个专家对功能需求的完整性(x11)的评价为:1人认为“优”,3人认为“良”,5人认为“中”,1人认为“差”。则x11对应的模糊集为(0.1,0.3,0.5,0.1);同理,可得到指标层其他各指标的隶属度。对于各指标的灰度的确定,同样采用10个专家打分求评价值的方法。由此可分别得出xi(i=1,2,…,5)的灰色模糊评价矩阵:
再根据:
将灰数模糊向量转化为模糊向量得到:
令VT=(4,3,2,1);根据H=B軒莓VT得到H=2.4375。
说明该需求分析对应的风险等级为“中等”。
4 结束语
本文给出了评价软件需求风险定性评价的指标体系,以隶属度表示定性指标优劣的程度,以灰度来描述指标信息的不充分程度。在此基础上做出的灰色模糊综合评判结论,可以最大限度地接近客观实际。因此,灰色模糊综合评判在软件项目需求风险隐含的风险评价中具有良好的实用价值。
另外,虽然模糊综合评价也可以给出评判对象的相对优劣顺序,但模糊综合评判在评判中可能导致一些定量数据丢失信息,而模糊灰色综合评判可充分利用已有的白化信息,减少人为误差。
摘要：将软件需求风险分为功能需求风险、性能需求风险、可靠性需求风险、安全保密需求风险、资源需求风险五类。针对软件需求风险特点给出了评价指标体系。鉴于评价指标模糊性和灰色性并存的特点,将隶属度和灰色综合起来表示灰色模糊数,建立软件需求风险的灰色模糊综合评价模型。该模型为企业了解分析需求状况,进行风险管理提供科学依据。
关键词：软件项目,需求风险,灰色模糊评价
灰色模糊分析法 篇2
基于灰色模糊关系的灰色模糊综合评判
摘要：根据灰色模糊数学的.理论,将隶属度和灰度综合起来表示灰色模糊数,在原有评判方法的基础上给出了适用性更广的灰色模糊综合评判方法,能够使评判结果更加客观可信. 作者： 卜广志张宇文 Author： 作者单位： 西北工业大学航海工程学院,陕西,西安,710072 期 刊： 系统工程理论与实践 ISTICEIPKU Journal： SYSTEMS ENGINEERING――THEORY & PRACTICE 年，卷(期)： 2002,22(4) 分类号： C934 关键词： 隶属度 灰度 灰色模糊关系 灰色模糊综合评判 机标分类号： O15 N94 机标关键词： 模糊关系模糊综合评判方法Fuzzy Relation模糊数学评判结果适用性隶属度理论基础灰度 基金项目： 国防预研基金
灰色模糊分析法 篇3
自Zadeh[1]提出模糊集理论并应用于多属性决策 ( Multi - attribute Decision Making,MADM) 以来,其相关研究的发展逐渐迅猛。1986年,Atanassov K T[2]在模糊集理论的基础上提出直觉模糊集 ( Intuitionistic Fuzzy Sets,IFSs) 的概念,其特点主要是同时考虑隶属度、非隶属度及犹豫度三方面信息,较好地刻画了参与人判断的肯定、否定及犹豫程度三种状态信息,在处理不确定信息时比传统模糊集具有更强的表现能力。近些年,直觉模糊集理论在学术界及工程技术领域引起了广泛关注,其拓展形式主要包括区间直觉模糊集 ( Interval - valued Intuitionistic Fuzzy Sets,IVIFSs) 、三角直觉模糊数 ( Triangular Intuitionistic Fuzzy Number,TIFN) 、直觉梯形模糊数 ( Intuitionistic Trapezoidal Fuzzy Number, ITFN) 和区间直觉梯形模糊数 ( Interval - valued Intuitionistic Trapezoidal Fuzzy Number,IITFN) 。
基于ITFN的多属性决策理论和方法作为目前的研究热点之一,进一步深入探讨此类问题能更加客观地描述众多的决策问题。文献 [3] 定义了直觉梯形模糊数的期望值、预期得分以及大小比较方法等,并建立了基于ITFN的多属性群决策模型。文献 [4] 和 [5] 针对准则值为ITFN、信息不完全的多准则决策问题分别开展研究,提出其相应决策方法。文献 [6] 提出改进的ITFN算术运算,定义了若干种直觉梯形模糊集结算子并将其用于群决策中,提出相应的多准则群决策方法。文献 [7] 定义了直觉梯形模糊数新的简单运算法则,利用隶属与非隶属函数的加权可能性均值给出ITFN新的排序方法,提出ITFN矩阵博弈问题并给出其求解方法。虽然IITFN的概念早已于2008年被提出,但此类研究成果却是甚少。由于IITFN的隶属度和非隶属度函数的取值依赖于不同的区间数,在描述客观世界的模糊性本质方面比IVIFSs、 TIFN及ITFN更为精准,因而将IITFN应用于决策领域更具理论价值和现实意义。
综合上述分析,本文将IITFN用于MADM问题的研究,依据灰色关联分析法的基本思想给出IITFN多属性决策问题的具体决策步骤,提出一种基于灰色关联分析的决策方法,并运用该方法进行实例分析。
2基本理论
2. 1区间直觉梯形模糊数
定义1: 设实数集上的直觉梯形模糊数为ā= < ( [a,b,c,d]; μā) ,( [a',b,c,d']; vā) > , 则其隶属度函数为[8]:
非隶属度函数为:
其中,0≤μ≤1,0≤v≤1,μ+ v≤1; a,b, c,d,a',d'∈R。当b = c时,ITFN退化为TIFN。 如果 μ、v均为区间 [0,1] 上的闭子区间,则称为IITFN。当a = a'且d = d'时,以上ITFN可以写成 = ( [a,b,c,d]; μ,v) 。文中均指此类模糊数。μ、v分别为最大隶属度和最小非隶属度, π( x) = 1 - μ( x)- v( x) 是 的犹豫函数, 该值越小则说明模糊数越确定。记 μ= [μ, [], v= [v,],则IITFN可记作 = ( [a,b,c,d]; [μ,],[v,]) 。
定义2: 设 1= ( [a1,b1,c1,d1];[μ1, 1],[v1,1]) 和2= ( [a2,b2,c2,d2]; [μ2, 2],[v2,2]) 为两个IITFN,λ≥0,则:
定义3: 设1= ( [a1,b1,c1,d1];[μ1, 1],[v1,1] 和 2= ( [a2,b2,c2,d2]; [μ2, 2],[v2,2]) 为两个IITFN,则模糊数1与2的Hamming距离为:
当μi= i,vi= i( i = 1,2) 时,IITFN退化为ITFN。当μi= i= 1,vi= i= 0 ( i = 1,2) 时,IITFN退化为梯形模糊数 ( TFN) 。
2. 2灰色关联分析法
灰色系统理论是于20世纪80年代由我国华中理工大学邓聚龙教授首创的一门基于数学理论的系统工程学科[9]。其中,灰色关联分析法作为灰色系统理论中的一种重要方法,已被众多专家及学者广泛应用。该方法的基本思想是利用各方案序列之间的几何关系与曲线几何形状的相似性来判断方案之间的关联程度。若两个子方案 ( 因素) 变化的趋势具有一致性,可认为其关联程度较大; 反之,则关联程度较小。
3决策方法
3. 1问题描述
针对某一模糊多属性决策问题,设方案集为A = { A1,A2,…,Am} ,属性集为C = { C1,C2, …,Cn} ,属性的权重向量为w = ( w1,w2,…,方案Ai在属性Cj下的评价值可用IITFN表示: ij= ( [h1j( ai) ,h2j( ai) ,分别表示方案Ai在属性Cj下的评价值属于或不属于 ij的程度; 且。本文依据各方案属性值的IITFN表达,分析探讨如何更有效地从众多备选方案中确定最佳方案。
3. 2算法步骤
综上分析,给出基于IITFN的MADM问题的灰色关联分析法,具体步骤如下:
步骤1: 给出各方案在各属性下的IITFN评价值,构造模糊决策矩阵= ( ij)m × n。
步骤2: 决策矩阵的规范化处理。为消除属性间由于量纲不同而影响决策结果,可利用规范模糊决策矩阵的计算公式,将模糊决策矩阵转化为规范化决策矩阵
在多属性决策问题中常见属性类型有效益型与成本型。对效益型属性而言,其值越大越好; 而成本型属性的值则越小越好。
对于效益型属性,有[10]:
对于成本型属性,有:
其中,i = 1,2,…,m; j = 1,2,…,n; l = 1,2, …,4。
步骤3: 确定正理想方案和负理想方案。
正理想方案为:
负理想方案为:
其中:
步骤4: 由定义3,计算正、负理想方案分别与规范化属性值数列对应元素之间的Hamming距离, 分别为:
步骤5: 计算各备选方案的灰色关联系数 ,整理后得到灰色关联系数矩阵 ( εij)m × n。
各方案对正理想方案的灰色关联系数 εij+为:
各方案对负理想方案的灰色关联系数 ε-ij为:
其中:
式中,λ 为分辨系数,λ∈ [0,1]; λ 取值越小则分辨能力越大,一般取 λ = 0. 5。
步骤6: 计算各备选方案对正、负理想方案的关联度ri:
为了得到ri+和ri,需确定各属性权重wj,为此可建立如下的多目标优化模型:
为了求解该多目标优化模型,依据各方案的公平竞争性,可将上述多目标优化模型转化为单目标最优化模型。
步骤7: 根据关联度值的大小对各备选方案进行排序,选择离正理想方案关联度值最大且离负理想方案关联度值最小的方案作为较优方案。
4实例分析
对我国中部地区C市某企业信息系统的选择问题作决策。设有3个信息系统形成方案集 { A1,A2, A3} ,该企业聘请专家针对4个指标属性: 质量C1、 易于操作C2、经济性C3和售后服务C4进行评价, 所有指标均为效益型属性。假设各方案在各属性下的评估信息经统计处理后给出方案的区间直觉梯形模糊数评价值如表1所示,试确定最佳信息系统。
( 1) 根据式 ( 4) 和式 ( 5) 对表1进行规范化处理,结果如表2所示。
( 2) 确定IITFN的正理想方案与负理想方案。 正理想方案为:
负理想方案为:
( 3) 根据式 ( 6) 和式 ( 7) 计算Hamming距离,得到正、负理想方案的最大差M与最小差N, 其结果如表3、表4所示。
由表3可知,
由表4可知,
( 4) 将上述数值分别代入式 ( 8) 和式 ( 9) , 计算各方案IITFN的灰色关联系数 εij+和 ε-ij,取 λ = 0. 5,得:
( 5) 计算各方案指标属性的权重:
通过Lingo与Visual C + + 混合编程方式求解该模型,得到属性权重向量w:
( 6) 计算各方案对正、负理想方案的关联度:
综合分析,可得到各方案的排序结果为:最佳信息系统为A1。本文所得结果与文献[8] 结论基本一致,证明该方法是可行并有效的; 且由计算分析的步骤与过程可看出,相比已有文献所提方法,该方法得到的结果能包含更多的决策信息,更贴近MADM问题的实际情况。
5结束语
灰色模糊分析法 篇4
为了提高水利工程建设绩效评价效果的准确性，就应该充分利用水利工程建设多级分治管理的特点，在绩效评价体系参与建设活动初期阶段，对水利工程建设项目进行整体性的分析，限定子系统范围，明确工程建设绩效评价的目的，然后围绕工程建设绩效评价目的展开后续工作。首先制定工程建设绩效评价具体指标,在保证绩效评价指标符合既定标准的基础上，根据水利工程建设的施工周期，确定定期评价的时间规律，其次将绩效评价体系与水利工程建设各子系统联系起来，加强对水利工程假设实际情况的监督与审查，收集整合工程建设费用与进度数据，并与财务预算的具体数值进行比较，在保证水利工程建设项目质量的情况下，对项目建设进度方案进行适当的调整。最后从全局角度重新审视水利工程建设项目，划分出工程项目建设的薄弱点，通过绩效评价，得出阶段性的工程建设评价效果，为后续水利工程建设提供科学的数据依据，提高水利工程建设计划方案的适用性。
3.2发挥绩效评价体系的应用特点
从水利工程建设实际管理状态的角度进行分析，水利工程建设项目管理大多采用多级分治的方式，细化水利工程建设项目的具体内容，以水利工程建设项目内容的重要性为依据，合理配置管理级别劳动力，并制定工程建设项目管理实施计划，以及工程建设项目管理的优先级，保证水利工程建设管理的高效性和全面性。在这样的管理模式下，要想提高水利工程建设绩效评价结果的说服力，在进行水利工程绩效评价的过程中，不仅要掌握水利工程建设的整体情况，以及绩效评价项目的重要性级别，还要注重工程子系统建设绩效评价结果的比较，运用模糊数学理论，划分不同影响因素和模糊条件之间的.界限，确定所评价项目的实际属性级别,充分发挥灰色模糊评价法实用性强，绩效评价重点突出的特点。
3.3遵循绩效评价的应用原则
水利工程建设涉及的信息数据比较多，再加上绩效管理体系在水利工程建设中的应用，更加注重工程建设效果，所以在一定程度上提高绩效评价工作的难度，在这样的情况下，要想推进基于灰色模糊评价的水利工程管理绩效评价的应用，提高绩效评价的实际效果，就应该遵循绩效评价的应用原则，围绕水利工程施工目标开展绩效评价工作，注重工程子系统项目建设信息的收集，实时把握工程建设的信息和进度情况，致力于不断发现问题，并对水利工程建设过程中的问题进行深人的分析，制定有效的解决方案，调整工程建设计划方案，确保水利工程建设计划方案内容有一定程度的提高，让水利工程建设更加接近工程功能目标，继而保证整个工程能够顺利稳定的发展。
3.4保证绩效评价方法应用的合理性
一般情况下，大型的水利工程建设项目都是由政府投资开展的，这种类型的水利工程建设项目涉及的建设内容比较广泛，水利工程建设项目功能要求多，在短时间内无法表现出明显的社会效益或者经济效益，所以在进行绩效评价活动时，不能一次性判定水利工程建设项目的内在应用价值,要根据水利工程建设项目的实际应用情况，制定科学合理的绩效评价计划，对大型的水利工程建设项目进行长期的检测和评价，从全面的角度判断水利工程建设项目的效益。以防洪水利工程项目为例，以防洪水利工程为对象开展绩效评价工作，首先要对当地的洪汛情况进行调查，收集相应的洪水灾害造成的损失数据信息，然后对防洪水利工程的调节功能进行研究，掌握水利工程减灾面积，减少的洪涝灾害经济损失的具体数值，并从客观的角度对两者进行数据对比分析，最后确定防洪水利工程的实际效益指标。
3.5确保绩效评价指标的综合性
灰色模糊评价法能够对水利工程建设进行定量分析，但是在实际应用的过程中，受多方面因素的影响,不能有效的区分定量分析和定性分析的界限，容易出现水利工程绩效定量评价指标与定性评价指标混淆的现象，大大增加了绩效评价的难度。为了保证水利工程建设绩效评价结果的有效性，就应该避免分析大量量化指标现象的发生，对绩效评价指标内容进行有效的分析，确保绩效评价指标的综合性，并且以具体的要求为依据，按照规定的标准或原则,对水利工程建设绩效评价指标进行分类，注重对项目工程施工环境，以及项目工程产生社会效益的评价，从根本上提高水利工程建设绩效评价的针对性，增加社会效益指标的影响力度，实现对水利工程建设进行综合评价的目的。
参考文献
[1]王海涛.大型水利工程项目的绩效评价研究[D].中国科学院大学(工程管理与信息技术学院)，.
[2]聂相田?基于模糊优选BP网络的水利工程建设管理绩效评价[J].水电能源科学,,04:136-138+116.
灰色模糊分析法 篇5
关键词：现代服务业,竞争力,综合评价,灰色模糊方法
《珠三角规划纲要》要求珠三角地区要构建现代产业体系,优先发展现代服务业。发展现代服务业,有利于优化国民经济的整体素质,加快经济增长方式转变和经济。“十二五”是实施纲要的关键阶段,近年来珠三角地区现代服务业发展规模不断扩大,但是传统服务业仍占主要地位。因此,研究和评价区域现代服务业的发展和竞争力水平具有重要的现实意义。
近年来,一些学者已就区域现代服务业发展竞争力评价进行了相关研究,积累了较为丰富的研究成果,但是仍存在一定缺陷。首先是现有评价体系没有把现代服务业的经济活动作为社会系统来研究,没有充分考虑多元主体的影响,致使评价结果缺乏全面性;二是评价方法单一,评价质量有待考证。本文借助于模糊综合评价方法和灰色定权聚类方法建立评价模型,对珠江三角洲经济圈现代服务业竞争力进行实证性研究。
一、现代服务业竞争力评价指标体系与评价模型构建
1.指标体系设计。随着工业化进程并依托信息技术和现代管理理念、经营方式和组织形式而发展起来的现代服务业向社会提供高附加值、高层次、知识型的生产和生活服务的行业。其主要内容为计算机服务和软件业、旅游产业、科学研究与技术服务业、商务服务与会展业、电子商务及社区服务业与文化产业等。
依据“目的性、可比性和可操作性”等指标体系设置原则和我国目前现存的经济统计指标,我们先筛选出关于现代服务业的46个指标作为统计指标体系的原始集,结合各个统计指标的经济意义和作用,充分利用和开发《中国城市统计年鉴》与《长江和珠江三角洲及港澳特别行政区统计年鉴》,并借助于统计软件SPSS13.0对待选数据进行可靠性分析,筛选出具有典型代表性的指标群,其包括19个指标,各层次结构如表1所示。
上述指标比较全面地反映了现代服务业的综合经济实力、现代化程度,能够代表现代服务业综合经济实力的强弱程度。
2.模糊灰色综合评价模型构建。考虑到数据收集的不确定性,本文将模糊评价方法与灰色定权聚类有机结合,以更好地反映数据信息。其模糊灰色综合评价模型具体计算过程如下:
二、基于模糊灰色综合评价模型的实证性研究
利用所构建的现代服务业竞争力发展指标体系和模糊灰色综合评价模型,从《中国城市统计年鉴》和《长江和珠江三角洲及港澳特别行政区统计年鉴》中选取2000年至2010年11年的数据,对珠江三角洲经济圈现代服务产业进行实证性研究。借助统计软件SAS计算得出相应分值,如表2所示。
计算得出珠江三角洲现代服务业竞争力综合分值为76.2836。可见,其竞争力水平属于中等。利用《中国城市统计年鉴》和《长江和珠江三角洲及港澳特别行政区统计年鉴》数据,计算得到珠江三角洲区域包括2个省级的特别行政区、广东省的2个副省级市及7个地级市现代服务业竞争力得分及排名如表3所示。
研究结果表明,珠江三角洲经济圈现代服务业的整体水平属于中等,在环境竞争力方面主要体现在软实力不足,在规模竞争力与结构竞争力上,值得注意的是,珠三角地区产业层次总体偏低,产品附加值不高。同时,研究结果显示珠三角地区内现代服务业竞争力水平存在较大的差异。
三、总结与展望
本文运用模糊灰色综合预测评价模型对珠江三角洲经济圈现代服务业水平进行了综合评价。研究结果表明,珠江三角洲地区,尤其是内陆部分现代服务业总体技术水平不高,主要表现在与工业发展水平差距较大,现代服务业增加值占GDP的比重较低,传统服务业比重仍旧较高,行业结构叫不合理,服务业发展不足并且层次较低,同时区域内现代服务业竞争力水平存在较大的差异。基于本研究结构,相关政府部门应正确认识到服务业发展在经济发展格局的地位,稳定传统服务业的健康发展,开拓传统服务业新的领域,同时注重优化服务业结构,改变传统服务业比重偏高格局,重点发展以信息、科技等现代服务业,形成新的经济增长点。同时由于珠三角内各地之间现代服务业发展水平存在梯度性,有利于发挥比较优势,应致力于形成优势互补的区域性现代服务业分工与协作,促进现代服务业的合作发展,进而实现区域经济结构的调整与优化。
参考文献
[1]南宁市社会科学院课题组.南宁市现代服务业发展研究[J].经济研究参考,2009,(53):30-37.
[2]楚建德,崔建华.广东现代服务业发展的辩证思考[J].特区经济,2010,(10):34-35.
灰色模糊分析法 篇6
关键词：动态能力,灰色模糊综合评价,指标体系
自动态能力理论提出以来, 众多学者就开始了对动态能力构成要素或维度的研究, 尤其在最近几年中, 不少学者对动态能力的理论与实证进行研究, 不断揭开动态能力的黑箱。
先前研究主要从理论与实证方面来探讨动态能力的构成要素。一是从理论探讨中来研究其构成。Teece认为动态能力由三种能力组成:感知、塑造机会与威胁的能力;捕获机会的能力, 通过提升、组合、保护、重组企业资源来保持竞争力的能力。Zott认为动态能力是一种系列的组织程序, 可以内化为日常运营惯例, 从而指导构建企业资源。Lichtenthaler和Muethe也认为动态的创新能力可以从上述维度进行分解。二是从实证研究来分析动态能力的构成部分。郑素丽等透过知识视角, 将动态能力与知识相结合, 用调查问卷量表化知识获取、知识创造、知识整合三个维度。徐思雅和冯军政引入诺基亚的衰落案例, 实证研究了通信领域的动态能力, 侧重于获取外部资源以及资源释放这两个维度。
然而, 企业的动态能力在测评方面的定量研究比较少, 同时动态能力的“黑箱”还未被完全打开, 可以被视为一个灰色系统, 因而适合采用灰色模糊的方法对其进行评价。因此, 基于以上分析, 本文将动态能力分为四个维度:感知能力、整合能力、吸收能力和创新能力, 并构建评价指标体系, 以为评价动态能力提供借鉴。
一、动态能力指标体系
本文建立了反映动态能力的指标体系, 如图1, 首先, 感知能力包括了感知环境与市场的能力X11 (对企业内外环境的识别、感知, 外部环境包括政治、经济、社会、技术等的变化, 内部环境包括组织战略、结构、人力资源等;竞争对手的反应等) 、风险和威胁的预警能力X12 (对企业内外部风险的预警) 、市场新机遇的发现和塑造能力X13、顾客需求变动和市场反应的鉴别能力X14。整合能力包括内部整合能力和外部整合能力。内部整合能力X21是组织内部不同的子单位之间的全面协作, 对组织内部的各种资源包括人力资源、财务资源、物力资源、知识资源等的全面协调以完成给定目标。外部整合能力X22是对市场知识与顾客群的整合能力、对新技术知识的整合能力。客户整合是把未来顾客的信息、知识与他们对产品的使用和开发流程工艺与工程细节的理解连接起来。技术整合是把企业内外的技术知识的进化基础与现有的组织内部的能力基础连接起来的能力。吸收能力包括获取能力、消化能力、转换能力、开发能力。获取能力X31是指企业识别与取得对企业的运用至关重要的外部资源知识的能力。消化能力X32是企业的惯例和流程使其分析、处理、解释与理解从外部获取的资源。转换能力X33是指开发和提炼企业惯例, 促进现有知识与新获取的知识的组合。开发能力X34使企业提炼、扩展及利用现有的能力, 或者是创造新能力, 通过把获取的并已转换的知识融合到企业的运营中。创新能力的指标包含技术创新X41是关于产品或服务和生产工艺技术的创新, 管理创新X42即组织结构和管理过程的创新。 (图1)
二、动态能力灰色模糊综合评价模型的构建
(一) 确定因素集与评语集。
根据已经建立的动态能力指标体系, 确定因素集为:X={X1, X2, X3, X4};子因素集为:X1={X11, X12, X13, X14};X2={X21, X22};X3={X31, X32, X33, X34};X4={X41, X42}。评语是对各一级与二级指标的优劣、强弱、好坏等的评价, 一般的评语集有: (非常重要、重要、一般、不太重要、不重要) 、 (非常强、强、一般、较弱、弱) (低、较低、一般、较高、高) 等, 可根据实际情况来确定评语集。本文将评语集确定为五级评语: (非常重要、重要、一般、不太重要、不重要) 或者 (非常强、强、一般、较弱、弱) , 分别对应的分值为 (5, 4, 3, 2, 1) 。
(二) 确定权重集。
权重集可视为指标集与评价对象之间的灰色模糊关系, 可利用专家评分法确定各评价指标的权重, 其相应的灰度也通过专家评分的方法给出。
在企业动态能力评价中, 由于评价各指标大多是定性指标, 其好坏强弱所用到的信息可能是不完全的, 很难用数值来衡量, 所以本文使用一些描述性的语言来对应一定的灰度范围, 将信息多少及其对应灰度值如表1, 具体的灰度评分视评判者的实际情况给定。 (表1)
(三) 建立灰色模糊评价矩阵。
评价矩阵可视为因素集与评语集之间的灰色模糊关系, 根据某一因素给出评价对象对评语集中各元素的隶属度uijs, 它是通过评价小组对某一评价对象的评价uij, 得到其在各种评语上的比重, 比如10个专家对“技术创新”的评价中2个人认为非常重要, 占20%;4个人认为比较重要, 占40%;3个人认为一般, 占30%;1个人认为不太重要, 占10%;0人认为不重要, 占0%, 则“技术创新”的隶属度为u41l= (0.2, 0.4, 0.3, 0.1, 0) 。并根据信息的充分程度给出相应的灰度, 从而得到评价矩阵:
(四) 一级灰色模糊评价。
为了保留尽可能多的评判信息, 在模部运算中采用M (·, 堠) 算子, 而在灰部运算中采用M (∧, 堠) 算子, 因此灰色模糊综合评判的结果为:
(五) 二级灰色模糊评价。
(六) 结果处理。
将评价结果按如下公式转化:
将评语集中评语等级给出标准分 (5, 4, 3, 2, 1) , 得到集合VT= (5, 4, 3, 2, 1) T, 据此可得到动态能力的度量值:
三、算例分析
现组织10位专家对某企业动态能力的状况水平进行评定。
(一) 权重及其灰度的确定。
评语集为 (非常强、强、一般、较弱、弱) , 对应的分值为 (5, 4, 3, 2, 1) , 通过专家估计法得到企业动态能力各级评价指标的权重, 各级指标的灰度值也由专家打分的方式给出。
(二) 灰色模糊评价矩阵的建立。
请10位专家对动态能力各指标进行评价, 可得到其各指标的隶属度及其灰度值, 从而得到灰色模糊评价矩阵:
(三) 一级灰色模糊综合评价按公式
按公式 (1) 计算得:
(四) 二级灰色模糊综合评价
由公式 (2) 可得到:
(五) 评价结果的处理。
根据已经确定的评语集及其对应的分值, 可以得出, 该企业的动态能力水平介于一般和较强之间, 这就要求企业采取适当的措施来增强自身的动态能力, 增强其在市场上的竞争力。
四、结束语
当前对动态能力的评价研究目前为止还非常有限, 本文采取的灰色模糊综合评价方法在对企业的动态能力进行评价是合适可行的, 并尝试用比较成熟的模糊综合评价理论以及用来解决信息不完全的问题的灰色理论对企业的动态能力进行评定, 因而能够加深企业对自身的动态能力状况的了解和理解, 为企业在多变动态的环境下培育、发展动态能力提供明确的方向和路径。本文的不足之处是对动态能力指标体系的组成部分的科学性未进行进一步的验证, 以期对企业发展动态能力有所裨益。
参考文献
[1]Teece, D.J.Explicating dynamic capabilities:the nature and microfoundations of (sustainable) enterprise performance[J].Strategic Management Journal, 2007.28.13.
[2]Zott, C.Dynamic capabilities and the emergence ofintra-industry differential firm performance:insights from a simulation study[J].Strategic Management Journal, 2003.24.2.
[3]Lichtenthaler U, Muethel M.The impact of family involvement on dynamic innovation capabilities:Evidence from German manufacturing firms[J].Entrepreneurship Theory and Practice, 2012.36.6.
[4]郑素丽, 章威, 吴晓波.基于知识的动态能力:理论与实证[J].科学学研究, 2010.28.3.
灰色模糊分析法 篇7
变电站建设效益评价是变电站建设决策的重要依据。以往的变电站建设方案效益评价, 只注重经济效益, 忽略了地区效益、社会效益和环境效益等同样对变电站建设具有直接或间接影响的其他效益。而且在评价过程中, 评价好坏的标准也不固定, 往往只是单凭感觉定性的识别, 而不是科学地计算、分析、论证各个评价指标。本文拟完善变电站建设效益评价指标体系, 结合灰色模糊评判方法, 设计一套完整的变电站建设效益评价模型。
1 变电站建设效益指标体系的建立
综合实际工作中变电站建设所产生的实际效益影响因素, 建立变电站建设综合效益多层次指标体系如图1所示。指标体系分为两个层次, 一级指标分别为U={u1, u2, u3, u4}={工程建设条件, 供电企业综合效益, 供电区域综合效益, 供电区域环境影响};每个一级指标可以用二级指标分别表示出来, 即:u1={u11, u12, u13, u14, u15, u16}={征用土地类型, 水文地质条件, 洪水等级, 地震烈度, 文化遗址, 污秽等级};u2={u21, u22, u23, u24, u25, u26, u27}={售电量的增加, 变电站出线方便程度, 变电站施工方便程度, 变电站交通方便程度, 电网结构完善程度, 上级仓位裕量, 变电站改造扩容可能性};u3={u31, u32, u33, u34}={区域电力负荷需求满足率, 变电站与区域负荷中心距离, 停电影响程度, 对区域经济的促进};u4={u41, u42, u43, u44, u45}={变电站占地面积, 工频电磁辐射影响, 电磁场对无线电的干扰, 变电站噪声影响, 生态保护}。
2 变电站建设效益评价模型
2.1 灰色模糊评判理论基础[1,2]
设
2.2 因素集和评语集的确定
建立效益评价评语集为V={好, 较好, 一般, 较差, 差}。为了方便计算, 对各个指标对应评语集进行数值化。对于可以用数学表达式的连续型指标, 采用连续取值;对于离散型指标, 采用离散化取值。结合变电站建设的实际工作情况和国家关于各类评价因素的标准, 确定各个评价因素等级划分。结果分别见表1～4。
2.3 灰色模糊评判矩阵的建立
2.3.1 隶属度的确定
由表1～4可以看出, 各指标按性质划分可划分为定性指标和定量指标。定量指标按照等级划分的限值又分为指标变大型因素和指标变小型因素, 如表3中的“变电站与区域负荷中心距离”为指标变大型因素, 表2中的“电网结构完善程度”为指标变小型因素。表1中的“征用土地类型”只能定性定义。各指标的类型可由表5来划分。
各个指标隶属于程度通过以下的隶属函数来确定。
①指标变大型因素x的隶属函数为:
隶属于等级“好”的隶属函数
隶属于等级“较好”、“一般”、“较差”的隶属函数
隶属于等级“差”的隶属函数
②指标变小型因素x的隶属函数为:
隶属于等级“好”的隶属函数
隶属于等级“较好”、“一般”、“较差”的隶属函数
隶属于等级“差”的隶属函数
③对于定性指标x评价目标的隶属函数为:
2.3.2 灰度的确定
信息的充分程度划分为{很充分, 较充分, 一般, 较贫乏, 很贫乏}, 相对应的点灰度如表6, 具体取值可根据实际中各个因素调查时的收集情况赋值。对于各指标灰度的确定采用专家打分求平均值的方法。由此可分别得出各方案各个指标的灰色模糊评价矩阵[3]。
2.4 指标权重的确定
权重矩阵中每个元素同样由两部分组成, 分别为评价因子所对应的权重及权重所对应的点灰度。评价因子对应的权重采用层次分析法求得。层次分析法 (Analytic Hierarchy Process) 简称AHP, 是美国著名运筹学家皮斯堡大学教授T.L.Saaty于1977年提出的, 它把复杂的问题按层次分解, 通过两两比较方式确定层次中诸因素的相对重要性, 然后通过综合判断以决定诸因素相对重要性总的顺序[4]。
由于权重是由通过专家调查或工程技术人员的实际经验总结给出的确切信息, 因此各级权重的灰度值均取为0。经层次分析法计算, 可得出各级指标的灰色权重矩阵。
一级指标的权重:
二级指标对一级指标的权重:
2.5 灰色模糊综合评判
2.5.1 二级指标综合评判
其中, i=1, 2, …, n;j=1, 2, …, m;l=1, 2, …, p
2.5.2 一级指标综合评判
同理, 可对一级指标进行综合评判
2.6 综合评判结果的确定
在灰色综合评判结果
考虑评价的可操作性和准确性, 本文将评语集中评语等级定标准分 (百分制) , 见表7。由此可得集合Z= (z1, z2, …, zp) = (100, 80, 60, 40, 20) 。
由以上公式, 可得到各方案最终评价值。并可按照结果对方案进行决策。
3 案例分析
根据电力负荷需求, 某地拟新建220kV变电站。该站主变终期规模3×240MVA, 本期规模2×240MVA有载调压变压器。变比考虑采用230±8×1.25%/121/38.5kV。容量变比240MVA/240MVA/120MVA。该站220kV规划出线6回, 本期3回;110kV规划出线12回, 本期5回;35kV出线终期18回, 本期12回。站址选择本着节约占地、少占良田, 因地制宜, 将变电站对周围环境的影响减到最低限度的原则。同时在满足功能及安全生产的要求下, 做到投资最优。为了合理地选择站址, 在各级部门配合下对拟建区域内的地形地貌、交通运输、附近电网等情况进行了实地踏勘、了解和分析, 初步提出了3个候选站址方案。
3.1 确定灰色模糊评判矩阵
结合3个候选站址的实际情况, 邀请10位专家按照表1～4中的评价标准, 对于定性指标根据上述定性指标隶属函数进行投票 (定性指标中的数值为专家投票数) 。而对于定量指标则先根据实际情况得出评价值, 如表8, 然后根据公式 (1) ～ (7) 中隶属函数进行隶属度计算。灰度的确定要根据信息量的充分程度, 请这10位专家打分求平均值。
以下分别是专家评价后3个候选站址的灰色模糊评判矩阵。评价结果中的元素用 (μij, vij) 来表示, 其中μij表示隶属度, vij表示灰度。
以候选站址一为例, 构造灰色模糊评判矩阵表示如下:
3.2 灰色模糊评判
根据文章2.5中介绍的计算方法, 分别对3个候选站址的灰色模糊评判矩阵进行计算, 评判结果如下:
3.3 综合评判结果的确定
将各候选站址灰色模糊评判结果代入公式 (10) 得:
将以上结果代入公式 (11) 得各站址最终评判值:
B站址一=87.34;B站址二=79.52;B站址三=55.14
根据计算出的结果, 我们可对各个选址方案进行比较排序:B站址一>B站址二>B站址三。从比较结果得知, 候选站址一所产生的效益最大, 因此候选站址一为最终决策方案。
4 结 论
评价指标体系的完善十分重要, 其完善程度决定了评价的准确度。灰色模糊评价模型将各个评价指标的隶属度与信息充分程度所决定的灰度相结合, 使得评价结果更加贴近实际情况。因此, 如果这套评价方法加以完善, 可广泛应用于其他工程建设决策实际。
摘要：投资效益是变电站建设决策的主要指标。本文从变电站建设所产生的影响入手, 对各种效益评价因素进行了详细的归纳和汇总, 形成一套完全的变电站建设效益评价指标体系。并运用灰色模糊评判理论对投资效益进行评判。通过变电站选址实例, 证明该指标体系和评价模型能很好地应用于变电站建设决策。
关键词：投资效益,指标体系,灰色模糊综合评判,变电站建设
参考文献
[1].陈大为.灰色模糊集合 (待续) [J].黑龙江水专学报, 2000, 27 (4) :103～108
[2].谷永磊.新建铁路线路方案岩溶塌陷灰色模糊综合评判研究[D].北京:北京交通大学, 2007
[3].邵汝军, 胡斌.基于灰色模糊理论的企业创新活力评价研究[J].科技管理研究, 2008, (4) :131～136
[4].胡运权.运筹学基层及应用[M].高等教育出版社, 2004:308～312
[5].赵利.溃坝后果的灰色模糊综合评判研究[D].大连:大连理工大学, 2008
[6].邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社, 2002:204～206
[7].郝强, 朱梅林.基于模糊灰色分析的方案排序及应用[J].系统工程, 1995, 13 (5) :57～62
[8].卜广志.基于灰色模糊关系的灰色模糊综合评判[J].系统工程理论与实践, 2002, (4) :141～145
[9].王莲芬, 许树柏.层次分析法引论[M].北京:中国人民大学出版社, 1990:20～21
灰色模糊分析法 篇8
一、建立因素集 (U)
要评价高校教师的教学水平, 本文在进行高校教学实际调研后, 建立表1所示的指标体系。
二、建立评价集 (V)
为了使最后的结果便于区分, 要对最后的结果进行量化, 根据实际情况, 在本文的教学评价中, 对于每一个指标设定四个级别评语, 即V={优秀 (V1) , 良好 (V2) , 合格 (V3) , 不合格 (V4) }。其相应的评分等级分值, 如表2所示。
参照评语集, 判断这一分值位于哪一区间, 说明该教师教学质量目前处于哪一水平。
三、建立因素权重集 (W)
为了反映每个因素Ui的重要性, 每个因素均有一权重Wi。确定权重的方法有很多。如AHP法, 熵值法, 经验判断法, DELPHI法等, 选择其中一种来确定其权重值。本文在对高校进行广泛调查后确定, 采用AHP法来确定因素权重。
四、建立样本矩阵 (D)
本例中组织5位领导、5位同事、5位同学对某四位教师按评价指标评分等级进行评分。
依据专家所给的评分表, 求得被评价对象的评价样本矩阵D, 如公式 (1) 所示。
其中, Uij为定性指标, 若将定性指标进行量化需要将其转化为定量指标, 可以通过制定评价指标评分等级标准来实现。通常设评价者序号为k (k=1, 2, …, r) 。
本例中获取到的评价者的评分结果如表3所示:
根据评分表获取教师1的样本矩阵D1:
同理可得教师2、教师3、教师4的样本矩阵:D2, D3, D4。
五、确定评价灰类
确定评价灰类即要确定待评价灰类的灰数、等级数以及灰数的白化权函数。
本文评价高校教师的教学质量, 依据评语等级的划分, 对应有4个评价灰类, 相对应的灰数= (1, 2, 3, 4) = (4, 3, 2, 1) , 各类的白化权函数为:
第1灰类:优秀 (e=1) , 灰数1∈[4, ∞], 白化权函数楋1的表达式如公式 (2) 所示。
第2灰类:良好 (e=2) , 灰数2∈[0, 3, 6], 白化权函数楋2的表达式如公式 (3) 所示。
第3灰类:合格 (e=3) , 灰数3∈[0, 2, 4], 白化权函数楋3的表达式如公式 (4) 所示。
第4灰类:不合格 (e=4) , 灰数4∈[0, 1, 2], 白化权函数楋4的表达式如公式 (5) 所示。
六、计算灰色评价系数
对于Uij评价指标, 将被评对象属于第e个灰类的灰色评价系数, 记为fe (dijk) , 则有。对于Uij评价指标, 将被评对象属于各个灰类的总灰色评价系数, 记为Xij, 则有
所有专家就Uij评价指标, 对被评对象属于第e个灰类的灰色评价权, 记为rije则有rije=xije/xij。由于评价灰类有n个, 即e=1, 2, …, n, 于是便有被评对象的Uij评价指标相对于各个灰类的灰色评价权向量rij。其中rij={rij1, rij2, …, rijn}。
将被评对象的Ui所属指标Uij, 对于各灰类的灰色评价权向量综合后, 得出该对象的Ui所属指标Uij对于各灰类的灰色评价权矩阵Ri, 如公式 (6) 所示。
本文中, 对于评价指标U11, 教师1属于第e个评价灰类的灰色评价系数X111e:
对于指标U11, 教师1属于各个评价灰类总灰色评价系数为X111:
专家就指标U11对教师1主张第e个评价灰类的灰色评价权r111e:
故教师1的评价指标U11对于各类灰的灰色评价权向量为:
同理可求出其他指标的权向量:
七、单因素评价, 建立关系矩阵R
单因素评价, 就是对被评事物的各个单因素Ui (i=1, 2, …, n) 作综合评价。用于综合评价的算子有多种, 不同的算子适用于解决不同的问题。
基于各种方面的考虑, 本文选用了M (+, ·) 算子。Bi=W'i·Ri= (b1, b2, bn) 。
各因素综合评价后, 得出模糊关系矩阵R如公式 (7) 所示。
本例中, 针对Ui得出的模糊关系矩阵R为:
八、综合评价
基于单因素评价结果之上, 利用一级指标权重, 得出评价对象的总体评价, 计算公式如公式 (8) 所示。
本例中的综合评价结果为:
最终评价结果G是一个代数值, 表示对高校教师的教学质量的最终评分。它是用目标层U的综合评价结果与评价等级量化向量相乘得到的, 如公式 (9) 所示。分值越高, 说明该教师的教学水平越高;反之分值越低, 该教师的教学水平越低。
参照评语集, 评判这一分数介于某一区间, 说明该高校教师目前处于某一水平上。
本例中, 教师1所得的分数为:
同理可以计算出教师2、教师3、教师4的教学评价分数, 本文不再叙述。
在有了模型的指标体系、评估方法以及模型指标等级划分的准备后, 就可以根据模型的框架结构来较为科学、公正地评价高校教师教学质量。模型使用的具体步骤:一是邀请评价领导、同事、学生组成评价小组。二是选择评价对象。三是根据层次分析法确定权重。四是采用模糊灰色综合评价法综合评价高校教师的教学水平。五是分析评价结果。
本文建立的模糊与灰色相结合的模糊灰色综合评价模型, 能充分利用专家评判信息的模糊性与灰性, 使高校教学评价更为科学有效。此外, 将此模型应用高校教学的实际评价中, 说明将灰色理论与模糊评价结合起来, 建立一种基于模糊灰色的综合评价模型是可行的。
摘要：教学评价是高校教学管理与教学质量监控的一项重要工作, 是反馈教师教学水平的重要手段, 而评价结果的准确性、可靠性对教学水平的提高起着至关重要的作用。在模糊数学理论基础上构建一个灰色综合教学评价模型, 并以此搭建的评价信息系统, 能够在很大程度上保证高校教师教学评价的科学性, 对教学质量不断提高会起到积极的促进作用。
关键词：模糊数学,灰色,高校,评价
参考文献
[1] .郭亚军.综合评价理论、方法及应用[M].北京:北京科学出版社, 2007:24~65
灰色模糊分析法 篇9
温度是工业生产过程中重要的控制参数之一,对温度的有效控制对保证生产质量具有实际意义。目前常采用PID串级控制,此控制方法结构简单,也易于参数调整;但温度控制系统的数学模型具有非线性、大惯性、纯滞后以及时变等特点,传统的PID控制依赖于被控对象的精确数学模型,难以达到令人满意的控制效果。
一般的模糊控制器设计不需要掌握被控对象的精确数学模型,且系统的鲁棒性好,但它依赖与操作员的成熟经验,控制规则较复杂[1]。
自20世纪70年代的预测控制,具有实现简单、对模型要求低、在线计算方便、算法鲁棒性强等优点。实际应用表明,预测控制较传统的控制方法具有更好的鲁棒性,并且对复杂系统可以获得满意的控制效果,被认为是工业控制领域中最具吸引力的控制策略之一。
灰色预测模糊综合了上述两种方法的优点。首先介绍了温控系统的特点,然后阐述灰色预测的原理,接着介绍了模糊PI控制器的设计,最后进行了仿真。仿真结果表明,该方法是系统响应具有更小的超调量、快速性能好,系统的自适应能力强,抗干扰能力强。
1 温控系统的特点
在恒温控制系统中,考虑到被控对象数学模型的不精确性和其参数随时间的漂移,以及系统要求超调量小而允许调节过程长的特点,采用预测模糊PI以达到较好的控制效果。温控系统一般是一个带延时的惯性环节,复杂的为二阶带延时环节。其系统组成如图1所示。被控对象的温度通过热电偶,再经过A/D转换送计算机(单片机),根据所检测的温度值,通过灰色预测再与设定的值相比较,比较结果给模糊PI得到控制输出。
灰色预测模糊PI控制框图如图2所示。
2 灰色预测的基本原理
灰色系统理论自1982年问世以来,理论研究与应用取得了很大的进展。灰色预测控制的突出特点就是在“贫”信息的情况下能取得较好的控制效果[2]。
灰色系统是指既含有已知信息、又含未知或非确定知信息的系统,也称为贫信息系统。在灰色系统理论中,称抽象系统的逆过程(由系统的行为确立模型)为灰色模型,亦称GM。典型的灰色模型是GM(1,1)模型。GM(1,1)模型设原始序列为:
这是一组信息不完全的灰色量,具有很大的随机性,将其进行生成处理,以提供更多的有用信息。选用累加生成,则m次累加生成的结果为:
在累加生成时一般用一次累加生成就能使数据呈现一定的规律,若规律不够,可以增加累加生成的次数。
在数据生成的基础上,用线形动态模型对生成数据拟合和逼近,其形式为:
微分方程的解为:
微分方程的序数可用最小二乘法求出,其向量形式为:
式中:
按照
累减生成还原,即
通过计算以后得到预测数据。
灰色建模主程序流程图如下图所示[3]。
对于GM(1,1)型的两点说明:
(1)GM(1,1)包络模型:包络模型是以取原始数列和GM(1,1)模型预测值两者较小的点与原始数列和GM(1,1)模型预测值两者较大的点分别建立GM(1,1)模型,给出预测值的变化范围。该模型可以看作是灰色数列预测的一种。但是当用GM(1,1)模型预测普遍较大或普遍较小时,此模型不适用。
(2)为了减少原始数列的随机误差和人为误差,可先对原始数据进行转换,采用的转换方法多种多样,如数据的扩大、缩小、滑动平均,中值逼近,插值生成等,然后用转换后的数据按通常GM建模法建立模型。在实际应用中,可视具体情况灵活运用[4]。
3 模糊PI控制器的设计
本模糊PI控制器采用参数自调整结合方式,由于PI参数的整定,就是根据被控系统特性和从而使达到较好的自适应性和控制品质。
3.1 模糊控制器结构
所希望的控制性能要求主要决定于kp,ki 2个参数。由于一般工业控制系统中,要获得较为精确的数学模型很困难,因此采用模糊参数自调整来实时在线调整kp,ki 2个参数,模糊PI控制器结构如下图4所示。以误差E和误差的变化率EC作为模糊控制器的输入,根据PI参数kp和ki与E和EC之间的模糊关系,在运行中不断地检测E和EC,根据模糊控制原理把,作为输出量,从而对2个参数进行在线修改,以满足不同的E和EC对PI控制参数的不同要求。达到在线对PI参数进行修改,从而使系统具有良好的动、静态性能。
采用参数自整定PI控制器的控制算式为:
3.2 模糊控制器的规则库
Fuzzy Logic Control的设计是将温度误差e、误差变化量ec,根据假设模型相应的模糊变量E、EC的论域量变化在[-6,-6],共为9个等级,取如下5个语言变量{NB,NM,ZO,PM,PB}。在MATLAB中打开FIS Editor,进入Membership Function Editor编辑输入(e,ec),输出变量(kp)的论域和隶属函数。根据模糊控制器控制规则是对专家的理论知识和实践经验的总结。此处共有25条模糊规则如下:
根据此设计的规则生成的模糊控制的GUI图为:
4 仿真试验结果
本文针对纯滞后环节和一阶惯性环节表示的被控温度系统,研究灰色预测模糊PI控制算法在温度控制系统中应用的可行性和有效性。假设恒温控制系统的被控模型为:。在单位阶跃信号响应下,对该系统在有噪声叠加到该系统的输入中的情况下分别采用常规的PI控制和灰色预测模糊PI控制算法作对比仿真。通过临界比例法可得出PI参数为kp=2,ki=0.01,模糊控制器参数ke=kec=0.2,kup=0.05。
5 结论
针对温度控制系统的数学模型具有非线性、大惯性、纯滞后以及时变等特点,传统的PID控制依赖于被控对象的精确数学模型,难以达到令人满意的控制效果。模糊控制方法是一种解决非线性、大滞后环节、变参数对象控制方法,对无法取得数学模型或数学模糊相对难求的系统可以取得比较满意的效果,预测控制方法已在对大惯性和时变的系统中取得了令人满意的控制效果,本文综合了这些控制算法的优点设计出了灰色预测模糊PI控制器,通过仿真试验表明,此方法具有很强的鲁棒性和自适应性,对于解决实际的温度控制具有一定的参考价值。
本文作者创新点:针对工业恒温控制的特点,借鉴了将灰色预测算法原理,结合了模糊PI控制方法,提出了将灰色预测模糊PI应用到恒温控制系统中,并取得了好的控制效果。
摘要：针对恒温系统的非线性、大延时以及时变等特点,传统的PI控制很难达到很好的控制效果,文章应用Matlab的可视化设计工具,把理论研究与实际工程控制要求相结合,设计了基于灰色预测的模糊控制器。介绍和分析了温控系统的特点,接着给出了灰色预测模糊控制器的设计,通过Matlab仿真试验表明,在系统参数发生变化的时候,采用此方法与常规PI控制效果相比,具有着更好的控制精度和动态特性,对实际恒温控制具有一定的指导意义。
关键词：恒温控制,灰色预测,模糊控制器,大延时
参考文献
[1]张丽文,逢海萍.预测模糊控制在聚合反应釜中的仿真研究[J].计算机仿真,2006,1(23),158-160.
[2]熊和金,徐华中.灰色控制[M].北京:国防工业出版社,2005.
[3]李庆川.灰色控制理论在加热炉温度控制中的应用[D].北京:北京科技大学,2006.
[4]张利萍.灰色理论在智能控制中的应用[D].北京:北京化工大学,2005.
[5]刘金琨.先进PID控制与MATLAB仿真(第2版)[M].北京:电子工业出版社,2005.
[6]Petrov.M,Ganchev.I,Taneva.A.Fuzzy PID control of nonlin ear plants[C].Intelligent Systems,2002.Proceedings.2002First International IEEE Symposium.2002:V1 10-12.
[7]易继锴.智能控制技术[M].北京:北京工业大学出版社,2003.