模糊系统分析（通用12篇）
模糊系统分析 篇1
摘要：本文主要介绍了模糊控制系统的理论、系统组成及原理。如模糊控制系统控制器、模糊控制的PWM控制原理。
关键词：模糊控制系统,模糊控制系统控制器,控制算法
1 模糊控制理论概述
模糊控制是以模糊数学为工具, 把控制专家和操作技师的经验模拟下来, 通过模糊控制软件, 将最善于处理模糊概念的人脑思维方法体现出来, 作为正确的判断。模糊控制较传统PID控制来看有以下两个优点:
1.1 有些时候被控对象数学模型很难建立, 而模糊控制可以针对未建模系统某个控制问题的经验进行加工, 总结出知识从中提炼出控制规律, 实现复杂系统的控制。
1.2 传统控制对参数难以调整, 超调量大并带有振荡。
与此相反, 模糊控制对过程参数改变不灵敏, 在所有工作点上都能做到较稳定的控制。
2 模糊控制系统组成
模糊控制系统通常由模糊控制器、输入/输出接口、执行机构、被控对象和测量装置等五个部分组成。如图1为模糊控制系统框图。
2.1 被控对象。
被控对象可以是确定的或模糊的、单变量或多变量的、有滞后或无滞后的、也可以是线性的或非线性的、定常的或时变的, 以及具有强藕合和干扰等多种情况。对于那些难以建立精确数学模型的复杂对象, 更适宜采用模糊控制。
2.2 执行机构。
除了电气的以外, 如各类交、直流电动机, 伺服电动机, 步进电动机等, 还有气动的和液压的, 如各类气动调节阀和液压马达、液压阀等。
2.3 控制器。
控制器是各类自动控制系统中的核心部分。由于被控对象的不同, 可以构成各种类型的控制器, 如在经典控制理论中, 用运算放大器加上阻容网络构成的PID控制器和由前馈、反馈环节构成的各种串、并联校正器;在现代控制理论中, 设计的有状态观测器、自适应控制器、解藕控制器、鲁棒控制器等。
2.4 输入/输出 (I/O) 接口。
模糊控制系统与通常的全数字控制系统或混合控制系统一样, 必须具有模/数 (A/D) 、数/模 (D/A) 转换单元, 不同的只是在模糊控制系统中, 还应该有适用于模糊逻辑处理的“模糊化”与“解模糊化”环节, 这部分通常也被看作是模糊控制器的输入/输出接口。
2.5 测量装置。
测量装置是将被控对象的各种非电量, 如电流、温度、压力、速度、浓度, 转换为电信号的一类装置。
3 模糊控制规则及控制算法
3.1 模糊控制规则
模糊控制规则是模糊控制器的核心, 必须精心选取这些规则, 并考虑下列问题:
3.1.1 选定描述控制器输入和输出的语义词汇。
我们称这些语义变量词汇为变量的模糊状态。如果选择比较多的词汇, 即用较多的状态来描述每个变量, 那么制定规则就比较灵活, 形成的规则就比较精确。在实际应用中, 通常选取5个模糊状态, 即正大 (PB) 、正小 (PS) 、负小 (NS) 、负大 (NB) 和零 (ZR) 。
3.1.2 规则模糊集。
模糊集表示一个模糊状态。在规定模糊集时必须首先考虑模糊集隶属函数曲线的形状。对应于误差E的语言变量 (模糊状态) A, 误差变化EC所对应的语言变量B, 模糊控制器通常采用双输入单输出模型, 如图2所示, 它对应于下列语言公式:
3.2 模糊控制算法。
模糊控制算法的目的, 就是从输入的连续精确量中, 通过模糊推理的运算过程, 求出相应的清晰值的控制量。模糊控制系统目前采用以下算法:a.CRI推理的查表法;b.CRI推理的解析公式法;c.Mamdani直接推理法;d.后件函数法。
4 模糊控制器
4.1 模糊控制器组成。
模糊控制器作用是完成从输入变量到输出变量的映射关系, 是模糊控制系统的核心, 其结构如图3, 主要包括四个部分:输入量模糊化接口、知识库、模糊推理和输出解模糊接口四个部分。
4.1.1 模糊化接口。
因为从检测装置输入计算机控制器的变量值通常都是清晰值, 因此在进行模糊推理之前, 需要将这些清晰值转化为模糊推理所处理的模糊集合的形式, 模糊化接口就是实现这样的功能。
4.1.2 知识库。
模糊控制器的知识库主要包括控制规则库和数据库, 数据库中存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值。规则库中的模糊控制规则是按人的直觉推理的一种语言表示形式, 是基于专家知识或熟练手动操作人员长期积累的经验。
4.1.3 模糊推理。
模糊控制器中的推理是指根据输入模糊量的大小, 由模糊控制规则完成模糊推理来求解模糊关系方程, 并获得模糊控制量的功能部分。模糊推理由条件聚合, 推断和累加三部分组成。
4.1.4 解模糊接口。
经过模糊推理得到的是一个输出的模糊集合, 将模糊推理得到的结果传递给执行机构之前, 必须将推理得到的模糊集合转化成清晰值, 这即为解模糊化接口所完成的功能。
4.2 模糊控制的PWM控制原理。
PWM控制方法, 是把输出电压的半个周期分割成多个脉冲, 通过合理地控制其中每个脉冲的宽度, 去控制输出电压的波形、频率及其基波幅度。目前应用最多的是正弦波宽度调制控制法 (SPWM) 。SPWM控制法就是令PWM输出波在每一个特定时间间隔内的能量等效于正弦波所包含的能量。
变频调速控制电路采用的是基本于SPWM技术的开环控制方式, 控制电路的主要任务是实现对逆变器开关的控制, 以确定的时间使6个功率驱动元件导通, 控制开关元件产生一组等幅不等宽的脉冲波形, 使整个输出近似等效于正弦波形。PWM从单片机输出, 去控制逆变电路变得容易起来。程序框图如图4, 5所示。三相波输出模块可产生频率相同的三个独立的PWM波形。输出的PWM的频率由单片机PMD控制寄存器MDPRD决定。只要改变MDPRD寄存器设置值, 可很方便地改变调制波的频率。置入MDPRD的值N可按下式计算:N=外部振荡f OSC/ (预分频数*f PWM*2) , 式中预分频数是为满足不同频率而设置的。设余弦表格中第n个数为Dn, 则PWM波形中第n个脉冲宽度为而与频率相对应的常数表格的表达式为δi代表脉冲宽度, ton表示逆变功率的开关时间。ton=1/2 ( △t-δi) 在每个SPWM周期之前, 都由CPU经过正弦表查得, 并存入这些寄存器中。
若内部定时器的计数值超过寄存器的值, 则对应的输出端口被触发, 从而输出一组极性相反的PWM矩形波 (其占空比取决于比较器中的值) 。每次内部定时器反向计数结束时, 产生下溢中断请求, 开始新一个PWM周期, 并在中断服务程序中产生相应参数。对于三相变频压缩机来说, 必须供给三相正弦波电流。其脉冲宽度与PMD比较寄存器CMPU, CMPV, CM-PW相对应。改变PMD比较寄存器的值, 也就改变了输出PWM的脉冲宽度。这些数据来自内部设置的正弦表, 若干个不同脉宽的脉冲组成的脉冲链就可以形成1个正弦波周期, 如图6所示。
3 结论
本文从模糊控制方式出发, 探讨了模糊控制理论较常规开关控制的优缺点, 可以看出, 模糊控制在实际工程中已经有了之一。模糊控制无疑为智能控制开创了一条新道路, 模糊控制与PID控制、神经网络控制相结合, 可以创造出更多类型, 性能更好的智能控制系统, 应用前景十分广泛。
本人描述的模糊控制器及参数自调整模糊控制器虽然在仿真过中体现了诸多的优点, 但由于时间及条件有限, 未投入实际工程验证, 因此本文存在的不足之处, 希望各位专家教授以及从事这方面研究的同事给予批评指正。
参考文献
[1]诸静.模糊控制原理与应用[M].北京:机械工业出版社, 1995.
[2]顾树生, 平力.模糊控制系统稳定性分析及控制器设计[J].控制与决策, 1991:65-67.
[3]张文修, 梁广锡.模糊控制与系统[M].西安:西安交通大学出版社, 1998.
[4]陈永义.模糊控制技术与应用实例[M].北京:北京师范大学出版社, 1993.
[5]Curtiss P S, Brandemuchl M J, Kreider J F.Energy management incentral HVAC plants using neural networks, ASHRAE Ttrans。1994:54-56.
[6]章卫国, 杨向忠.模糊控制理论与应用[M].西安:西北工业大学出版社, 1999.
[7]Darrell D Massie Peter S Curtis, Jan F Kreider.Predicting centralplant HVAC equipment performance using neural networks-laboratorysystem test results, ASHRAE Trans, 1998:67.
[8]Curtiss P S, Kreider J F, and Brandemuchl M J.Adaptive control ofHVAC processes using predictive neural networks, ASHRAETrans1993:54-56.
模糊系统分析 篇2
针对模糊综合评价的不足之处,提出把权广义距离之和模糊模式识别运用到模糊综合评价当中,建立了基于模糊模式识别的模糊综合评价模型.通过对陕西某高层建筑火灾危险评价实例证明,该模型能使系统安全评价结果更准确、合理.
作 者：刘爱华 施式亮 吴超 LIU Ai-hua SHI Shi-liang WU Zhao 作者单位：刘爱华,施式亮,LIU Ai-hua,SHI Shi-liang(湖南科技大学,湖南湘潭,411201)
吴超,WU Zhao(中南大学,长沙,410083)
模糊系统分析 篇3
[关键词] 税收决策支持系统数据挖掘模糊聚类分析
一、引言
在税收征集中,大量的数据存储在数据库中,如何在海量数据中提取出有用的信息供决策机构作为参考,是我们需要解决非的问题。得用数据挖掘技术实现的税收决策支持系统为我们提供了一个解决方法。
税收决策支持系统是指在一定的经济理论指导下，根据经济和税收统计资料，在定性分析基础上，运用定量方法，对未来税收收入总量和结构等发展趋势所做出的分析、判断和推测。
一般说来，数据挖掘（DM）是一个利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程，这些模型和关系可以用来做出决策和预测。
数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息或知识的过程，目的是帮助分析人员寻找数据间潜在的关联，发现被忽略的要素，而这些信息对预测趋势和决策行为是十分有用的。聚类就是将数据对象分组为多个类或簇，使得在同一个簇中的对象之间具有较高的相似度，而在不同簇中的对象差别很大。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。
然而单纯的数据挖掘中的聚类可能会导致“尖锐边界”等问题， 因此考虑将模糊逻辑和数据挖掘结合起来的模糊数据挖掘技术引入到税收收入预测系统中。
二、模糊聚类分析技术
模糊聚类分析就是把模糊数学的概念引入聚类分析中，以用来研究“物以类聚”的一种多元统计分析方法，即用数学方法把原来样品之间模糊关系定量地确定关系，从而客观地进行分型划类，以便对未来事物的发生状态做出预测。
传统的聚类分析把每个样本严格地划分到某一类，属于硬划分的范畴，它把每个待辨识的对象严格地划分到某个类中，具有非此即彼的性质，因此这种分类的类别界限是分明的。而实际上大多数对象并没有严格的属性，它们在性态和类属方面存在着中介性，适合进行软划分。模糊集理论为这种软划分提供了有力的分析工具，人们开始用模糊的方法来处理聚类问题，并称之为模糊聚类分析。在模糊聚类中，每个样本不再仅属于某一类，而是以一定的隶属度分别属于每一类。由于模糊聚类得到了样本属于各个类别的不确定性程度，表达了样本类属的中介性，即建立起了样本对于类别的不确定性的描述，能更客观地反映现实世界，从而成为聚类分析研究的主流。
利用模糊划分的概念人们提出了许多种聚类方法，比较典型的有：基于相似性关系和模糊关系的方法(包括聚合法和分裂法)，基于模糊等价关系的传递闭包方法，基于模糊图论最大树方法，以及基于数据集的凸分解、动态规划和难以辨识关系等方法。这些聚类方法把模糊理论和数据挖掘技术中的聚类分析结合起来，已经很好地在很多领域得到了广泛应用。
三、基于模糊等价关系的聚类分析
1.确定模糊集:
建立样本特性指标矩阵设聚类的对象的全体集合X={x1,x2,…,xn}，为了使分类效果科学合理，我们首先要选取具有实际意义且有较强分辨性和代表性的统计指标。现假设X中每一个元素Xj(j=1,2,…,n)有m个统计指标Xij=(x1j,x2j,…xmj)，其中，分量Xij表示第j个元素的第i项统计指标值(i=1,2,…,m;j=1,2,…,n)。本步骤的关键是统计指标值的求法。统计指标值反映实际的精确程度，是取得最优聚类的先决条件，由于各企业的实际情况不一样，所选取的统计指标也应各不相同。因此，统计指标值的求法因实际问题而定。
2.对样本特性指标矩阵进行数据规格化
在实际问题中，通常不同的数据有不同的量纲。因此，需要根据模糊矩阵的要求，进行标准化处理。一般可通过以下变换来实现：
(1)平移/标准差变换
其中，
(2)平移/极差变换
显然有0≤Xnij≤1，而且也消除了量纲的影响。
3.标定——建立模糊相似矩阵
所谓标定，是指根据实际情况，选用一定的方法对对象进行比较得出模糊相似矩阵。根据上述已建立的指标体系Xj(j=1,2,…,n)，求出相似系数rij，rij表示Xi与Xj按m个特征相似的程度，得到模糊相似矩阵R=(rij)m×n
本步骤的关键是如何合理的求出相似系数rij，由于求相似系数的方法很多，而且需要因实际情况不同而选用不同的方法。
求相似系数的方法很多，主要有最大最小法、算术平均值最小法、几何平均值最小法、相关系数法、夹角余弦法、距离法、数量积法、绝对值指数法、绝对值倒数法、绝对值减数法等方法。
对于一些实际问题，很难用解析表达式来刻画事务间的相关程度，这时只有请有经验者或专家评分，用[0,1]上的数表示。选取什么样的方法描述两个元素之间的相似程度，将直接影响分类的效果。通常是同时选三四种，最后看分类与实际吻合的情况，择优选取。
4.求传递闭包——构造模糊等价矩阵
用传递闭包法求R的模糊等价矩阵。传递闭包是包含R的最小传递矩阵，设t(R)是R的传递闭包，通常采用平方法求R的传递闭包，即R→R2→R4→R8→L→R2k经有限次运算后，一定有R2k=R2k+1，于是 t(R)=R2k
5.选取分类水平λ，看模糊截矩阵，确定聚类结果
构造了模糊等价矩阵后就可以按 R 的λ截关系对其进行聚类，对于不同的λ截矩阵，分类结果不同，也具有不同的实际意义和经济意义，从中可判断出与实际最接近的分类方案。
6.预测,
首先对于在聚类分析中得到的每一个模式按照下式求得模式的平均指标。
其中ｓ表示所有模式数，ｋ表示该模式由数据仓库中哪几条记录推出，ｐ表示推出该模式的记录总数。
对于待预测的样本Ｙ是该样本在论域Ｘ上的ｎ个模糊子集，与数据仓库中分类的模式做比较，求出它们的贴近度:
根据择近原则，判断该样本接近哪个模式， 从这个模式的整体情况预测其发展结果。
四、税务决策支技系统中的应用实例
根据以上步骤，我们首先假设某税务系统数据仓库中有这样一个数据表：
其中时间粒度分为三层:年、季、月;征收机关分为四层:省局、地市局、区县局、乡镇局;经济类型为两层:内资企业和国有企业;行业类型分为两层:工业和服务业。在实际应用时，经常会遇到这样的问题:某段时间、某征收机关、某经济类型、某行业类型的实缴税款状况处于什么水平？某段时间、某征收机关、某经济类型、某行业类型是数据仓库中一些已知的数据， 而实缴税款的水平则是一个模糊变量（实缴税款的水平是中等、较差还是较好），它的值需要我们使用模糊数据挖掘算法得到。
从中我们得到模糊关系:
对其按上文中改选方法改造,,得到模糊相似关系:
对其聚类分析,采用闭包法,当
因此可分为两类，即{x1,x3,x4,x5}和{x2}，这样一来，在税务管理中就可以预测每一类对象的税收情况。
五、结束语
数据挖掘技术是一门新兴的决策分析方法，该方法通过使用人工智能、机器学习、统计学、数据库技术等方法，从大量数据中提取出隐含的、潜在的、以前未知的有用信息或模式，来辅助决策者进行决策。现在利用数据挖掘技术对税收收入进行预测已经成为必然的趋势，在税收分析过程中充分利用数据挖掘技术，合理划分不同的纳税人群,这样不但可以促进税收分析工作水平的提高，也可以给管理者提供决策依据，从而带动税收工作整体水平的提升。本文利用模糊数据挖掘中的聚类分析技术在税务系统海量数据中挖掘出有用信息，从而帮助决策者做出决策。
参考文献:
[1]Mehmed Kantardzic. 闪四清等译.数据挖掘：概念、模型、方法和算法.北京:清华大学出版社，2003
[2]Jiawei Han, Micheline Kamber. Data Mining Concepts and Techniques. Morgan Kaufmann Publishers. 2001
[3]国税总局信息中心，国家祝务总局税务宏观决策支持系统概要设计说明书，2005,2;35.-47 0
[4]马军邵陆:模糊聚类计算的最佳算法，软件学报，12卷4期，2001
[5]高洪深:决策支持系统(DSS)理论#方法#案例[M].北京:清华大学出版社,2000
模糊系统分析 篇4
随着信息化时代的到来，越来越多的企业准备实施企业资源计划(Enterprise Resources Planning, ERP)系统或类似的信息系统，以合理计划与配置所有资源，提高企业竞争力。据美国生产与库存控制学会(APICS)统计，企业成功应用ERP后库存下降30%～50%;延期交货减少80%;采购提前期缩短50%;生产能力提高10%～20%[1]。到2003年为止，我国已有千余家企业购买了MRPⅡ/ERP或类似的信息系统，但应用成功率只有10%～20%，局部应用成功率为30%～40%。信息系统供应商选择是企业信息系统建设项目至关重要的环节[2]。只有采用科学合理的决策方法，才能避免盲目选型，为项目成功打下良好的基础，所以对信息系统供应商选择方法的研究很有必要。
本文将三角模糊层次分析法和模糊评价方法结合，建立综合评价模型，并应用于企业信息系统供应商选型。本文提到的模糊层次分析法仅指三角模糊层次分析法。
2 模糊层次分析法和模糊评价法的在信息系统供应商评价中的适用性
2.1 常用的供应商评价方法
常用的供应商评价方法有线性规划法、决策树法、经济批量法、数据包络分析法等[3]，这些方法要么主观性太强，要么需要大量的先验数据，计算过程过于复杂。故本文使用一种新的综合评价方法。
信息系统供应商是一种特殊的供应商，他们不仅供应产品，而且侧重在供应前后的相关服务，还有企业自身和供应商等多方面内容，既有内外部因素，也有短期目标和长期规划，而且有些因素很难直接进行量化评价。对于信息系统的评价，出现了不少的方法，有的学者提出基于熵权的TOPSIS评价方法[4]，文献[5]利用了层次分析法(AHP)方法，还有学者结合AHP和DEA方法进行选型[6]，还有人利用模糊积分给出了评价框架来计算排名[7]。此外有学者结合了TOPSIS和ANP方法进行了评估[8]，但操作比较复杂，不易理解和处理。
2.2 本文提出的方法在信息系统供应商评价中的适用性
T.L.Saaty在20世纪70年代提出层次分析法(Analytic Hierarchy Process, AHP)[9]，AHP法由于理论简单，操作容易，且具有实用性，应用领域广泛，因此，Narasimhan认为[10]AHP法非常适用于解决供应商评价问题，可用于确定准则权重与供货商排序。它有以下优点： (1) 一般评估准则的系统方法使采购经理人员更易产生主观性; (2) 使按步循序的方法量化，使供货商评选问题简化; (3) 虽然主观性不能避免，但可通过评选来降低主观性; (4) 供货商准则权重与排序可由计算机运算得到。
AHP方法作为一种定性与定量结合的决策方法，得到了迅速的发展。由于客观事物的复杂性和人们对事物认识的模糊性，如何使AHP方法更客观、更确切地反映所研究的问题，一直是大家关注的课题。1983年荷兰学者Van Loargoven提出了用三角模糊数表示Fuzzy比较判断的方法[11]，并运用三角模糊数的运算和对数最小二乘法求得元素的排序。1994年我国的常大勇教授提出了利用模糊数比较大小的方法来进行排序[12]。模糊评价法是以模糊数学为基础，应用模糊合成的原理，将一些边界不清、不易定量的因素定量化，进行综合评价的一种方法。
本文从实际应用出发，采用的模糊AHP方法保留了AHP方法的优点，对文献[12]提出的方法进行了一些补充，并结合文献[13]和模糊评价方法，运用到多层(两)层指标体系中，提出了一个多级综合模糊评价模型。先利用三角模糊AHP方法给出各级指标的权重，再利用模糊评价方法，通过相关专家对某个待评信息系统供应商各指标进行打分，得到一系列评价矩阵;最后用模糊评价法来处理评价矩阵，得到某个待评信息系统供应商的评价结果。
3 基于模糊层次分析和模糊评价的多级综合评价模型
3.1 模糊层次分析法
3.1.1 准则指标评价体系
由于供应商选择所涉及的因素很多，使得供应商评选成为一项多准则决策。Mohanty和Deshmukn[14]认为影响供货商评选决策的主要准则是价格、质量、交期与服务。具体到信息系统供应商选择的问题，信息系统的选择涉及多方面内容，既有内部、外部因素，也有短期目标和长期规划等众多指标因素的影响。本文据此进行了综合分析，并参考有关文献[2,5,7]，给出6个一级准则，每个一级准则还有3～4个二级准则，基本概括了各个方面的因素，最终建立了层次模型(见图1)ㄢ
3.1.2 三角模糊数概念、隶属度及其运算
定义1设M为三角模糊数，记为M=(l, m, u)，则M的隶属度函数um (x), R→[0, 1]可以表示为：
三角模糊数的运算有加法、乘法、倒数、数乘运算等，这里不多叙述，详见文献[12]。
定理1:M1=(l1, m1, u1), M2=(l2, m2, u2)为两个三角模糊数，则有M1≥M2的可能性程度定义为：
d为M1, M2交点横坐标。可以证明其等价于：
3.1.3 模糊判断矩阵建立
对于k-1层次的某一因素(准则)，与之相关的第k层全部个因素进行两两比较时采用三角模糊数定量表示，即模糊判断矩阵中的元素是，一个以mij作为中值的闭区间，而mij就是AHP方法中比较判断所采用的1～9中的整数[9]。模糊矩阵A仍为正负反矩阵，即。令mij-lij=uij-mij=δ, δ为常数, 则根据定理1不难证明, 当0<δ<1/2时, mij取相邻两级标度时, μ (d) =0, 没有完全反映人们认识上的模糊性;当δ>1时, 模糊度过大, 置信度下降;常大勇证明1/2<δ<1比较适宜[13]。
关于三角模糊数判断矩阵的一致性检查问题，目前在相关文献中无行之有效的方法，本文采用一种近似方法[15]加以判定。
3.1.4 计算模糊综合程度值和指标权重值
为第t个专家给出的模糊数, nk为第k层的因素个数。根据公式:
求得第k层次的综合三角模糊数，由此得到第k层全体因素对第k-1层次的所对应因素的综合判断矩阵。再根据公式(3)求出模糊综合度值：
再根据定理1计算：
然后计算指标Ci的权重：
可得各指标权重，之后再对以上的权重向量进行归一化即可，仍记为Wi (Ci)ㄢ
3.2 模糊层次分析法与模糊评价法结合
模糊评价方法，即：, W为各因素的权重，E为根据相应因素集和评语集由专家评价得到的评价矩阵。
由上节模糊层次分析法可得到各个指标的权重。建立评语集G(很满意，满意，一般，不满意)，可以运用Delphi法等调查统计方法，对各个(比如4个)方案的相应指标评价得评价矩阵，然后采用模糊评价方法：，相当于利用Ei对权重进行修正。再将各因素的隶属度组成的关系矩阵Bi组合，得B=(B1, B2, B3, B4, B5, B6) T。其中W (k) i上标表示层次码, 下标表示相对上一层次中的因素码。再参照前面由模糊AHP法确定的一级指标权向量并进行模糊合成, 即可得到该供应商的最后评价结果:
G是一个向量，其4个分量均在0～1间，分别表示(很满意，满意，一般，不满意)的程度。最后可以利用最大隶属度原则来判断选择供应商。
4 信息系统供应商评价方法实例计算
4.1 实例简介
国内某中型企业要购买和实施信息系统，有包括SAP、Oracle、用友、金蝶等4家国内外软件公司的信息系统供应商可供选择，企业聘请了有关专家、咨询顾问，加上企业自身技术骨干组成了信息系统选型小组，负责选型工作，分为3组，给待选4个供应商打分。
4.2 指标体系
由以上3.1.2的分析，可得指标评价体系(见图1)ㄢ
4.3 计算指标权重
以功能满足程度指标为例，其4个二级指标的三角模糊判断矩阵见表1ㄢ
利用(2)式求出模糊综合度矩阵(见表2)ㄢ
利用MATLAB编程求解，易得：CR=CI/RI=0.051 9<0.1，通过一致性检验。
再用(3)、(4)、(5)式计算各指标权重。归一化得到4个评价指标相对功能满足程度的权重：W=(0.534 3 0.280 90.163 0 0.021 8)即W1 (2)。同理不难得出：W2 (2), W3 (2), W4 (2), W5 (2), W6，其中，Wi (k)上标表示层次码，下标表示上一层中的因素码。
4.4 模糊合成矩阵
由10个专家给待选4个供应商打分，评判对6个一级指标的各个因素的满意程度，得到由各二级指标隶属度组成的模糊评价矩阵：
已经计算出第i个指标的权重。然后利用Bi=W2 (2)塥Ei, i=1，…，6，可得Bi，令：B=(B1, B2, B3, B4, B5, B6) T，将各因素隶属度组成的关系矩阵E1～E6与利用模糊AHP求得的权向量W2 (2)分别按照上述合成方法进行模糊合成，即可得评价结果：
以上结果表明，该待选信息系统供应商对于本企业而言，评价很满意的占48.27%，评价满意的占23.98%，评价一般的占20.91%，评价不满意的占6.86%，根据最大隶属度原理可得结论：该待选信息系统供应商最后评定等级为“很满意”。同理可依次对其他待选供应商进行评判，确定它们对评语集G的隶属度，最后根据最大隶属度原理比较确定最终方案。
5 总结
MWC计算机模糊控制系统 篇5
在卷烟平均重量集散微机测控系统中，采用了先进的.模糊控制器作为卷烟平均重量控制器，该控制器在响应快、超调小、对参数变化不敏感等方面均优于传统控制的控制效果。本系统中对于烟重等环节所采用的先进的模糊控制方法，将把卷烟平均重量测控系统推向新的高度。
§1 MWC模糊控制器总述(实用的模糊微机控制系统)
在卷烟平均重量控制系统(MWC)中，对于烟重等控制对象，采用了一种新的控制算法──自调整模糊控制算法，它以重量偏差及其变化率为输入，平整电机转速为输出，在总结熟练的技术工人的丰富经验的基础上，制定模糊控制规则，应用模糊推理合成规则，计算出用于该控制回路实时控制的基本模糊控制器查询表;同时为获取较好的控制效果，采用了在线自动调整量化因子和比例因子的结构模式。该算法具有良好的跟踪性能和抗扰动性能，可作为一种通用的控制算法。
模糊系统分析 篇6
[关键词] 管理信息系统（MIS） 指标体系 AHP法 模糊综合评价
一、引言
随着信息化进程的加快，管理信息系统（MIS）在企业中日显重要，但是，其应用效果往往需要在系统建成并投入使用相当一段时间之后才能体现出来。而且对于管理信息系统作为一种特殊的软件产品，对于它的评价是具有模糊性的，因为影响软件质量的某些因素是模糊的，这时如何对其模糊信息资料进行量化处理和综合评价就显得尤为重要。为此，利用模糊综合评价原理对工程软件进行评价有其科学性和实用价值。为了实现准确、全面的评价，有时需要考虑的因素很多，因素间还可能分属不同的层次，这时就需要在每一层上对要解决的问题进行评价，引入AHP法和模糊综合评价法相结合。
二、企业管理信息系统(MIS)评价的指标体系
MIS评价工作的一个重点就是建立评价指标体系，，即确定从哪些方面来评价MIS。在遵循系统性、可测性、层次性以及定性与定量关系的基础上从系统性能、系统效益、系统的技术、系统的可操作性四类指标，在这四类指标下共有25个具体指标。
1.系统性能（B1）
系统可靠性(C1）、系统效率(C2）、可维护性(C3）、系统安全性(C4）、系统实用性)C5）、适应性(C6）、可共享性(C7）、系统寿命(C8）、可扩充性(C9）、可移植性(C10)共十个子指标。
2.系统效益(B2)
直接经济效益(D1）、战略效益(D2）、技术效益(D3）、间接经济效益(D4）、具体运作效益(D5)共五个子指标。
3.系统的技术(B3）
准确度和精确性(E1）、及时性(E2）、存取能力(E3）、资源利用率(E4）、规范性(E5）、开发效率(E6)共六个子指标。
4.系统的可操作(B4）
数据输入方式(F1）、输出(F2）、文档完备性(F3）、界面友好方便性(F4)共四个子指标。
三、管理信息系统的改进的模糊综合评价模型
该模型建立的基本思想是:首先，利用AHP法获得对系统的多个因素的分析，计算出每一层次全部因素的相对重要性的权重值。然后，确定MIS评语集;对影响MIS四个方面25子个指标的内容利用改进的模糊综合评价方法进行多级模糊综合评价。其具体实施步骤如下：
1.基于AHP方法的评价模型权重的建立
(1)建立层次结构模型。
应用层次分析法首先要从复杂众多的因素中筛选取最重要的关键性评判指标，并根据他们之间的制约关系构成多层次指标体系。在本文中我们构建了MIS的多级评价指标体系，这就作为层次分析法的层次结构模型。
(2)构建判断矩阵
一旦确定了递阶层次结构，上下层次之间元素的隶属关系就被确定了。假定上一层次元素C为准则，所支配的下一层次的元素为P1,P2，…,Pn,它们对于准则C的相对重要性赋予u1，u2，...un相应的权重。如果某个元素的权重不能直接获得,这时可通过准则C,对元素进行两两比较，决策者反复回答问题,针对准则C，两两元素中哪一个更重要,重要多少,并按1～9标度对重要性程度赋值。
(3)层次单排序
层次单排序可以归结为计算判断矩阵的特征根和特征向量问题，即对判断矩阵A，计算满足AW=nW的特征根与特征向量。λmax为A的最大特征根;W为对应于λmax的正规化特征向量;W的分量Wi即是相应因素单排序的权值。
(4)一致性检验
我们可以由λmax是否等于n来检验判断矩阵A是否为一致矩阵。对判断矩阵的一致性检验的步骤如下:
i 计算一致性指标（式1）
ii 查找相应的平均随机一致性指标RI。RI的值是这样得到的，用随机方法构造500个样本矩阵:随机地从1～9及其倒数中抽取数字构造正互反矩阵，求得最大特征根的平均值λ`max，并定义
（式2）
iii计算一致性比例 （式3）
当CR＜0.10时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。
2.改进的模糊综合评价法的评定
(1)确定评语集合论域 Vn
V={v1,v2,……,vn}
(2)用隶属度函数等手段确定各子因素相对于评语集的隶属度，得到了单因素的模糊评价矩阵M1
(3)改进的一级模糊综合评价
确定进行二级模糊综合评价模糊矩阵(k为一级指标项的数目）。利用上面的M1和相对于某一级指标的二级指标权重A={a1,a2,…,am}（利用AHP法求得）为模糊向量(m为相对于某一级指标的二级指标项目数)，计算一级隶属度。
在此对传统的计算Rl方法进行了改进，利用取权与单因素隶属度的乘积代替了模糊变换中的取大取小的算法。此改进的目的在于:在“标准”的模糊综合评价算法中Rl计算方法为:
把r`lj作为样本X就m个指标对第j类Cj的综合隶属度。事实上，这样计算的r`lj不能综合反映X对Cj的综合隶属情况，这是因为在进行ai∧m1ij的运算时，只选取了部分信息，而丢掉了某些更重要的信息。而取权与单因素隶属度的乘积aim1ij，就综合反映了样本就因素对类Cj的隶属情况，综合考虑各单因素的影响后，样本对Cj的综合隶属度可表示为故一级隶属度Rl为
(4)二级模糊综合评价
利用一级指标的权重及其模糊矩阵R进行二级模糊综合评价，其具体形式为:。
(5)评价结果的确定
在传统的模糊综合评价方法中对归一化后 利用最大隶属度法得到评价对象的评定结果。由于该评语集V本身具有模糊性，所以根据最大隶属度法得出的软件综合评价结果较粗。因此，在此我们对传统的方法又进行了改进，采用各个评语实行百分制记分的办法对评语进行定量化处理。
四、实例研究
在此以陕西渭南机床厂的《“星火”高效节能促产》项目为依托，从该公司实际情况得到了反映该企业MIS需求的基础数据，并组织开发了适合该企业的“星火”信息管理系统，利用的改进模型对其进行评价，过程如下:
1.基于AHP方法的评价模型权重的建立
结合本公司的实际对评价指标进行了简化，运用萨迪提出的“1～9标度方法”，建立评价的判断矩阵，并计算出各自的最大特征根λmax和相应的排序向量W，进行一致性检验，其具体数据如表1～5。
2.模糊综合评价法
(1)确定评语集合论域
V={优秀、良好、中等、合格、差}
(2)定性指标采用模糊统计方法或逐级估量法确定对评价集的隶属关系。式中:nij为第i个指标评语为Vj的次数，n为参与评价专家的人数。模糊统计就是让参与评价的各位专家，根据评语调查表，按划定的5个评价等级{优秀、良好、中等、合格、较差}给各评价指标确定等级，然后依次统计各评价因素等级Vj的频数nij，计算各指标的隶属度mij。
(3)改进的一级模糊综合评价
利用改进的模糊综合评价方法得到单因素的评价矩阵为:
(4)二级模糊综合评价
对归一化后为
(5)评价结果的确定
对各个评语实行百分制记分的办法:50≤c1<60(差),60≤c2<70(合格),70≤c3<80(中等),80≤c4<90(良好), 90≤c5<100(优秀)。这样就得到一个分数向量C={c1,c2,c3,c4,c5}有了分数向量后我们可以计算得分：
对评论进行定量化处理后，该管理软件的最高得分为85.07>85;最低得分为76.07>75。故该软件只能评为“良好”。
五、评价效果分析与结论
基于上述评价结果，在本软件投入一段时间运行后对单因素（系统性能、系统效益、系统的技术、系统的可操作）和整体软件的使用效果利用统计软件进行了统计，得到了下图的结果。以系统性能这个单因素为例:单因素的评价矩阵第一行为该因素的模糊评价结R1=(0.331 0.374 0.125 0.279 0.089)归属于“良好”的隶属度最大与投入使用后的统计的实际效果相一致,研究表明该模型能够较客观准确的完成评价。
参考文献:
[1]汪培庄陈永义:综合评判的数学模型[J].模糊数学,1983,1(1):61～70
[2]Loargoven Van, Pedrycz W. A fuzzy extension of saaty's priority theory[J].Fuzzy Sets and Systems, 1983,11(1):229～241
[3]Mark Lycett. Component-Based Informat- ionSystems: Toward a Framework for Evaluation, Proceedings of the 33rd Hawaii InternationalConference on System Sciences～2000
[4]熊德国鲜学福:模糊综合评价方法的改进[J].重庆大学学报,2003,6(6):93～95
[5]张灵莹:定性指标评价的定量化研究[J].系统工程理论与实践,1998,18(7):98～101
模糊系统分析 篇7
目前在国内,关于油气储层敏感性和储层损害分析评价技术得到了极大的关注和研究,而且关于这方面的研究逐步向人工智能领域技术方向发展。传统的专家系统是基于二值逻辑的推理系统,在应用过程中有很大的局限性,因为此类专家系统只能实现非此即彼的简单完全匹配推理。但是在现实生活应用实践中,常常需要使用不精确的,不完全的或者不完全可靠的信息进行推理,这就需要采用模糊技术来处理不确定的知识。模糊专家系统是一种基于知识或者基于规则的系统,它的核心就是由if-then规则所组成的知识库,而if-then规则是用隶属函数来表达知识的。模糊专家系统是在传统专家系统的基础上发展而来的,除了具备传统专家系统的一切优点外,同时又有自己特殊的优点,而这正是表现在对不确定知识的处理上。
1 知识库的建立
1.1 敏感性因素及损害程度划分
储层敏感性是指储层受到某种外因作用而发生地层损害(即渗透率下降)的现象,又称为储层敏感性损害。例如淡水容易造成储层伤害,称储层有水敏(损害)。储层敏感性主要包括水敏、速敏、酸敏、碱敏和盐敏。影响储层敏感性的最主要因素就是储层敏感性矿物。
下面以水敏为例。依据常规油层水敏性伤害程度的划分以及所收集的数据,将水敏损害程度划分为5等级或10等级(如表1所示),其他敏感性损害程度划分同样按此标准。本文结合油田的实际情况,拟采用下表中的十个等级划分。
1.2 隶属函数确定
各因素以各参数范围、百分比等为论域 ,把各因素对应的值或区间值作为隶属函数的核,隶属函数的选择对系统的推理结果有着十分重要的影响,本文构建以正态分布或岭型分布,半正态分布或半岭型分布为主的隶属函数。这些描述各因素模糊语言的隶属函数,通过开发的专家系统知识获取模块,在知识工程师的指导和配合下,由用户或者油层保护专家共同录入。
2 推理机的构造
推理机是模糊专家系统的核心,在本文中,它模拟油层保护专家对敏感性预测的思维活动过程,其推理效率的高低也直接关系到油层保护专家系统的效能。推理机的工作流程如图1所示。
假设,现在有如下形式的储层敏感性规则:
规则一:If A1 and B1 and C1 then D1
规则二:If A2 and B2 and C2 then D2
规则三:If A3 and B3 and C3 then D3
现有事实信息 A4、B4和C4,拟采用海明距离这一距离度量法来计算模糊相似性。
那么系统将分别计算A4和A1、A2、A3的海明距离, B4和B1、B2、B3的海明距离,C4和C1、C2、C3的海明距离,将A4和A1的海明距离、B4和B1的海明距离和C4和C1的海明距离做比较,选出其中海明距离较大的值代表规则一和事实信息的距离,在这里记为M1,同理可以得到规则二和事实信息的距离为M2,规则三和事实信息的距离为M3,根据经验,假定如果距离小于M,那么将触发本条规则的结论,现可能存在如下几种情况:
(1)如果M1、M2和M3有一个满足值小于M,那么将输出该规则的结论。
(2)如果有多条的规则都满足输出条件,那么将选取海明距离最小的那条规则的结论作为输出。
(3)如果所有的规则都没有达到输出条件,将转到利用多段蕴含推理模型进行计算的推理。
3 系统结构图
油气层保护模糊专家系统结构和传统的专家系统结构是相似的,如图2所示。
3.1 人机交互界面
人机交互界面是模糊专家系统与外界的接口,实现系统与用户和领域专家之间的信息交流,比如输入系统的初始信息,输出系统的最终结论。
3.2 模糊知识获取
模糊知识获取模块的主要功能是将领域内的专家经验和事实规则转换成一定的模糊知识形式,存入模糊知识库中。
3.3 模糊知识库
模糊知识库中存放的是由相关领域专家总结出来的与待求解问题领域相关的事实规则或者经验,与一般的传统知识库的区别是其存储的事实规则或者经验是模糊的,其模糊性可以由模糊关系来表示。
3.4 模糊黑板系统
模糊黑板系统主要存放初始输入信息、系统推理过程中产生的中间结论和最终结论信息等。
3.5 模糊推理机
模糊推理机是模糊专家系统的核心,它根据系统输入的事实信息,利用模糊知识库中存放的事实规则和经验,按照一定的模糊推理策略,给出一个可以接受的合理结论。
3.6 解释机制
其作用就是用于回答用户提出的问题。本系统采用模糊专家系统,具有以下特点:
(1)自然表达,If-Then类型的语句能自然地表达人类求解问题的知识。
(2)易于扩展,规则的添加、修改和删除都很方便。
(3)智能成比例增长,随着系统的使用,规则不断添加和完善,当数目很大时,对于此领域内的问题专家系统的智能级别也相应地增加,可以更加广泛地解决遇到的新问题。
(4)启发性知识的使用,可以编写一般情况下的启发性规则,来得出结论或者高效地控制知识库的搜索。
(5)不确定知识的使用,这是本文最倚重的特点之一。
4 结束语
系统利用模糊理论和模糊推理知识,突破了传统专家系统只能实现非此即彼的简单推理,其更加接近于人类专家的思维决策过程。系统具有很强的可扩展性和移植性,本模糊专家系统的原型如果装入其他领域内的相关知识,那么就可以在该领域发挥其作用。当然本系统目前还存在不足,在今后的实践应用中,要继续补充完善和修改知识库,进一步提高系统的准确率。
参考文献
[1]蔡自兴,[美]约翰.德尔金,龚涛.高级专家系统:原理、设计及应用[M].科学出版社,2005:48-49.
[2][美]Joseph Giarratano Gary Riley.专家系统:原理与编程[M].印鉴,刘星成,汤庸,译.机械工业出版社,2000.
[3]罗兵,李华嵩,李敬民.人工智能原理及应用[M].机械工业出版社,2011.
[4]曹谢东.模糊信息处理及应用[M].科学出版社,2003.
[5]Leonard Adelman.Evaluating Decision Support and Expert Systems[M].New York:John Wiley&Sons,2002.
[6]苏羽,赵海,等.基于模糊专家的评估诊断方法[J].东北大学学报,2004(7).
[7]李娟,明德廷,杨珺.基于模糊推理的农业专家系统研究[J].安徽农业科学,2010(6).
[8]盖宗源,程国建,王莹.模糊专家系统在钻井风险预测中的应用[J].计算机技术与发展,2009(1).
[9]张志强.江汉油田水平井保护油气层技术研究[D].中国地质大学(硕士),2004.
[10]刘玉宝,祝海英.SQL Server2000实现模糊数据的存储与模糊判决[J].长春大学学报,2004(4).
模糊系统分析 篇8
停电研判是配电网停电后生产抢修过程中一项重要且基础的前期工作,停电研判结果的准确性直接影响抢修效果和电网安全[1]。目前,中国配电网建设正朝着智能配电网的方向前进[2],这对配电网故障抢修提出了更高的要求。当配电网发生停电事件后,针对停电事件快速判断进而进行高效抢修,对于提高供电可靠性及用户满意度等指标有着重要的意义[3]。国家电网公司于2012年4月发布了《配网生产抢修指挥平台功能规范》[1],目前,各地市级公司正在积极推广配电网生产抢修指挥平台建设,其中,停电研判功能中停电原因分析是配电网生产抢修指挥平台有效发挥作用的基础,停电原因分析系统也就成为配电网生产抢修指挥的基础系统。
目前配电网中关于故障诊断的研究已取得较为丰硕的成果[4,5,6,7,8,9,10,11,12,13,14],但针对停电原因分析的研究尚较少,文献[7]提出的变电站故障诊断系统采用基于事例和规则混合推理的方法,能够适应新事例数量的增加并在一定程度上给出变电站故障停电的诊断结果;文献[8]将模糊集用于电力系统故障诊断问题,能较好地解决问题的不确定性且整个系统也已部署应用;文献[9]则在电力系统故障诊断中运用粗糙集理论,同时考虑故障诊断的局域性及电网连通性,其诊断结果有较强的鲁棒性且能应对某些不利情况。
本文充分考虑配电网停电事件发生后各相关信息化及自动化系统能够提供的图模信息,对造成停电的原因采用分层求解方法,将模糊外展推理理论应用于配电网停电原因分析,使该方法可充分利用现有信息系统提供的信息,适用于配电网的生产运行实际情况。在理论分析的基础上,本文设计研发了基于该方法的停电原因分析系统,并完成了该系统在重庆配电网生产抢修指挥平台的部署,以信息化手段为抢修人员的抢修工作提供决策支持,有效实施快速抢修,使得系统具有较高的智能性和指挥实用性。
1 停电原因分析模型
1.1 配电网停电原因层次分类
目前导致配电网停电的原因主要有:计划停电、临时停电、处罚停电、限电和事故停电等五类。
整个停电原因模型的求解精度依赖于事故后各关联系统所提供信息的详细程度,提供信息愈完善,判定的停电原因则愈精确;反之,判定结果愈粗略。因此,为适应分析结果的详细程度变化,在上述五类原因的基础上,进一步分层次地对停电原因进行分类,其中事故停电原因的层次分类如图1所示。
限于篇幅,这里仅给出第1至第4层次,实际中计划停电等四类原因与事故停电原因均按详细程度分类划分为6个层次。
1.2 停电原因分析模型求解
在故障诊断领域,基于规则的推理是诊断的基本方法,其具有直观、清晰和易于扩充等优点[4,5,6]。而在电力系统中,由于故障后存在大量动作元件与对应信号以及不确定因素,传统推理方法非0即1的二值逻辑在应用时有一定的局限性。为解决不确定因素导致的规则可信度问题,引入基于模糊覆盖集理论的模糊推理方法。模糊覆盖集理论[15]因可较好地处理元件动作与对应信号之间的关系而得到广泛应用,以模糊覆盖集为基础,原因分析模型可表示成一个四元组〈D,M,P,M+〉,定义如下。
D={d1,d2,…,dn}为可能故障元件集S2中的n个元件(如馈线、断路器、配电变压器等)组成的集合,当元件i在诊断假说中被假定为故障元件时,则对应元素di取值为1,反之取值为0。
M={m1,m2,…,mk}为k个信号(即保护动作信号、断路器跳闸信号、设备工作异常信号及拓扑分析结果判断信息等)组成的集合,事故发生后,信号i出现则对应元素mi取值为1,否则取值为0。
P表示故障元件与相应信号间的因果关系,为n×k阶矩阵,其中非零元素pij的取值范围为0～1,表示元件i可直接引起信号j出现的概率。可利用历史统计数据确定其取值大小。
M+是M的子集,表示实际出现的信号集合,M+中不包括的信号被认为没有出现,M+为:
式中:p(mi)用于估计已发出但未收到的信号实际出现的可能性或描述已收到信号的正确性。
为便于后续介绍,给出如下定义:
若DI为D的子集,则
如果MJ⊆F(DI),则称DI为MJ的一个覆盖,而对于任意MJ,其覆盖有很多个。
综上,对于事故停电原因分析问题可看做是寻找能够合理解释事故后信号集M+的覆盖,同时也需要一个能反映解释合理程度的指标,这里采用较常用的不冗余指标表示诊断假说D中第i个故障元件能够解释M+的程度,如式(4)所示,De(DI)的值越大,则di引起M+的可能性越大。
式中:Xi反映元件i可引起M+中包含信号的程度;Yi反映元件i可引起M+中未包含信号的程度。
综上,事故停电原因分析模型可转换为0-1整数规划问题,即诊断假说D须满足在M+所有不冗余覆盖解中,其对应的E(D)值最大这个条件。即
min f(D)=ω1R(D)-ω2E(D)+ω3|M*(D)| (7)
式中:R(D)用于反映D是否为M+的一个不冗余覆盖的指标;ω1,ω2,ω3为权重系数,可根据事故原因分析实际情况取值(本文分别取10,1,100);M*(D)为由Mr和Ms(D)确定的k维向量,其中Mr为信号实际状态(出现对应元素取值为1,反之为0),Ms(D)为k维向量,表示当D中取值为1的元素代表的元件发生故障后,应出现的警报模式(对应信号出现时元素取值为1,反之为0);nd为D中非零元素的数目。
2 停电原因分析方法
配电网故障信息的来源主要是配电自动化系统、95598系统和人工巡检系统等。由于配电自动化系统在电网故障时只能提供开关变位信息或少量的保护动作信息,当系统发生复杂故障或开关和保护存在误动、拒动以及因信道干扰发生信息丢失或错误等不确定因素时,这种故障诊断定位方法已不能得到满意的结果。95598系统上报的故障信息大多是终端用户提供的信息,若要对故障点定位,还需根据其提供的信息对网络进行拓扑分析寻找故障源头。人工巡检系统的故障信息特点与95598系统上报的信息类似,也有追溯求源的过程。另外,电力系统中不同电压等级电网自动化通信水平差异较大,再加上事故后从各个关联系统中获取的信息存在重叠现象,不利于系统对故障点进行集中研判[8],因此,对于计划停电、临时停电、处罚停电及限电等非事故停电,本文依据从生产管理系统(PMS)等获取的信息直接推理判断定位;而对于事故停电,则采用分层式的诊断方法,以利于最终将停电事故定位于具体设备或较小范围,合理、有效地指导停电后的抢修工作。
采用对故障原因分层式诊断的方法可以提高故障原因分析的实时性,并灵活地利用信息[16]。本文中停电原因分析系统获取的信息按时间优先级可以将故障停电原因分析分为以下2个层次。
1)第1层:110 kV及以上电网停电原因分析
步骤1:故障元件集确定,停电后根据保护动作及故障隔离区段信息,确定可能的故障元件集合。
步骤2:停电范围确定,在故障元件集基础上根据地理信息系统(GIS)拓扑分析,确定停电范围。
步骤3:问题合并,搜索当前是否存在10～35 kV电网的停电事件发生,若存在则比较停电范围分析结果,若第2层的停电范围完全与本层中停电范围重合,则取消第2层问题。
步骤4:详细原因分析,根据推理模型求解具体故障元件及原因。
2)第2层:10～35 kV电网停电原因分析
本层包含故障元件集确定、停电范围确定及详细原因分析3个步骤,除所采用信息有差异外分别与第1层中步骤1,2,4相同。
当电网中仅发生由用户侧原因引起的单台配电变压器部分负荷停电时,对电网的影响可忽略,而若发生因10 kV及以上等级电网故障导致的大面积400 V电网停电时,也可根据上述分析进行求解,本文不再赘述。
2.1 确定故障元件集合的正反向推理规则
当停电事件发生后,第1和第2层的故障元件推理过程被分别激活,根据交互信息分别在各自电压等级电网内搜寻故障元件,具体的推理流程如下。
1)由跳闸断路器根据其Ⅲ/Ⅱ段保护范围,进行正向推理,求出初步故障元件集S1。
2)以S1中各元件作假说故障,依据继电保护动作原则和实际跳闸断路器,进行反向推理,求解假说故障切除模式,若能得到该模式,则假说故障成立,元件存入可能故障元件集S2;否则,假说故障不成立,S2是对S1的压缩,减少可能的故障元件数目。
结合馈线自动化提供的断路器动作及故障区域诊断结果,得到正反向推理规则,详见文献[17]。
2.2 事故原因分析求解步骤
求解过程是由对解的搜索来实现的,采用的移动为禁忌搜索中采用的单个移动及交换移动,同时为防止搜索过程返回到已访问过的局部极小点,必须对某些已经实现的移动的反方向移动加以限制,这可用禁忌表来实现。禁忌表中存储已经实现的移动的反方向移动,且这类移动不能作为下一步的搜索方向。具体步骤如下。
步骤1:随机产生初始解D*,令迭代次数K=0,最优解Dbest=D*。
步骤2:若K=Kmax(最大允许迭代次数),则输出Dbest为最终结果后停止;否则,K→K+1,转至步骤3。
步骤3:对F(Dtrial)进行移动操作,产生一个试验解Dtrial,并根据式(7)计算D*,重复此过程,直至给定的邻居抽样数(即每次迭代中产生试验解的数目)Smax已经达到。
步骤4:若与上一步产生的最好试验解相比,Dbest更差,则用试验解更新Dbest;否则,转至步骤5。
步骤5:若步骤3中产生最好试验解的移动不在禁忌表中,则用该试验解更新D*;之后,将产生该最好试验解的移动的反方向移动存入禁忌表中,并转至步骤2;如果产生该最好试验解的移动在禁忌表中且未达到其释放水平(表示搜索禁忌的持续时间,一般以算法迭代次数等衡量,如果达到释放水平,那么该禁忌可以撤销),则考察仅次于该最好试验解的另一个试验解,并重复此过程。
2.3 停电原因分析求解步骤
停电原因分析问题求解流程如图2所示。图中:EMS表示能量管理系统。
3 停电原因分析系统结构
应用于配电网生产抢修指挥平台的停电原因分析系统结构的各组成部分既独立地支撑系统的业务应用,相互之间又需要协调配合,整体构成完整的体系架构[18]。下面重点介绍其技术架构和集成架构两部分的内容。
3.1 系统技术架构
停电原因分析系统技术架构采用客户机/服务器(C/S)与浏览器/服务器(B/S)混合架构,分为6个层次:展现层、业务应用层、基础服务层、数据层、集成结构层和安全管理系统管理层,如图3所示。图中:CIM表示公共信息模型;DMS表示配电管理系统;CIS表示营销管理系统。
1)展现层:
主要通过动态页面融合了GIS、图表、视频等各种技术方式,可以满足不同角色(领导、业务专责)等人的展现需求,为生产指挥人员提供非常直观的页面展现效果。
2)业务应用层:
业务应用层主要辅助完成停电原因分析的功能,采用灵活、轻量级的面向服务的方式进行构建,为展现层提供服务支撑。
3)基础服务层:
基础服务层主要是从技术角度为上层的功能模块提供基础服务,包括可视化管理、事件管理和报表分析等。可视化管理主要用于提供整个系统可视化渲染支撑,以及图元、布局等的管理,可以用于展示GIS图、可缩放矢量图形(SVG)、图表、仪表盘等各种可视化效果。事件管理主要用于管理和捕捉其他业务系统的事件信息,如故障事件等。报表引擎提供灵活多样的图表展现形式,支持多维的数据分析功能。
4)数据层:
采用Oracle数据库,完成与配电自动化系统、95598系统以及调度等系统的数据交互。
5)集成接口:
考虑到目前配电网对外接口的差异和多样化,集成层参考IEC 61968/IEC 61970、国家电网的相关规范,以及通用告警协议(CAP)建立统一的集成标准,集成交互层,同时支持面向服务调用的模式和通用消息事件驱动模式,从而满足不同的业务场景。
6)安全管理、系统管理:
由于停电原因分析系统需要同多个业务系统进行交互,安全建设充分考虑同现有要求保持统一,借助企业全局统一的安全认证,授权机制完成。
3.2 系统集成架构
配电网发生停电事件后,用户会通过95598系统上报停电信息,包括停电发生时间、范围及该用户负荷类型,此时系统需要跟CIS交互获取用户的信息;同时对于涉及10 kV以上的停电,调用配电GIS服务在拓扑分析后可得出停电范围;将停电范围与PMS及CIS的计划检修、计划施工、处罚停电及限电的范围及时间进行核对,可依次判断该停电是否属于计划停电、处罚停电或限电范畴。若不属于,则该停电属于事故停电;确定了停电原因和故障点后,系统需与车辆管理系统交互信息调派合适的车辆赶赴现场进行抢修。
根据配电网生产抢修指挥平台的建设情况,停电原因分析系统主要与GIS,PMS,CIS,95598系统,DMS以及车辆管理系统集成,集成架构如图4所示。图中:PRSS表示配电网生产抢修指挥平台。
1)与GIS集成:
系统通过信息交互总线将设备定位请求信息、拓扑分析请求信息发送给GIS。GIS通过信息交互总线将地理背景图、定位标注结果、拓扑分析结果返回给生产指挥系统。
2)与PMS集成:
系统主要从PMS中获取配电网设备台账信息,以及检修计划、停电计划等信息。
3)与CIS集成:
系统主要从CIS中获取相关的用电客户信息。
4)与95598系统集成:
系统与95598系统交互的内容主要是客户上报的停电信息。
5)与DMS集成:
系统与配电自动化系统之间主要交互的是配电网的实时状态信息、故障信息等。
6)与车辆管理系统集成:
系统与车辆管理系统之间交互的内容是车辆的基本信息和定位信息。
4 停电原因系统功能实现
4.1 系统应用分析
下面分别以发生在110 kV电网及10～35 kV电网故障引起的停电事件为例进行分析。
4.1.1 第1层:110 kV及以上电网故障停电
发生进线故障的变电站X为220 kV终端负荷站,进线2回(进线Ⅰ和Ⅱ),其2台主变压器容量为250 MVA,其中220 kV母线配置1套微机母线差动保护装置,220 kV配置无压跳闸方式的备自投;220 kV母联配置母线充电保护装置,变压器配置2套微机变压器保护装置。
事故前有1座500 kV变电站C,3座220kV变电站D,E,F,8座110 kV变电站G至N与变电站X相连。500 kV 变电站C和220 kV变电站D分别向3个220 kV变电站送电,其中送变电站C总负荷约为150 MW。
故障后各系统反馈以下信息。
95598系统:多个重要及普通用户相继向系统报停电故障,包括停电时间15:30左右及各负荷性质。
EMS/数据采集与监控(SCADA)系统:①15:29:31.519时,变电站X进线Ⅰ保护动作(距离Ⅰ段、零序Ⅱ段)三相跳闸,进线Ⅱ保护动作(距离Ⅰ段、零序Ⅱ段)三相跳闸;②15:29:32.650时,变电站X进线Ⅰ重合闸动作;③15:29:32.637时,变电站X进线Ⅱ重合闸动作;④15:29:32.709时,变电站X进线Ⅰ后加速保护动作永久跳闸;⑤15:29:32.688时,变电站X进线Ⅱ后加速保护动作永久跳闸;⑥15:29:33.705时,与变电站X相连的110 kV变电站G,H,J等站进线备自投动作。
GIS:根据继电保护动作后开关状态,通过拓扑分析得出停电区域包括16座开闭所。
具体分析过程如下。
1)首先根据线路保护及变电站母线保护配置原则及保护范围,同时据其动作情况,即220 kV变电站X进线Ⅰ和Ⅱ动作、变电站X母线保护未动作、与变电站X相连的110 kV变电站G,H,J等进线备自投动作,初步判断故障发生在变电站X变压器高压开关区外。
2)根据95598系统用户上报的停电区域分析,由GIS拓扑分析后的停电范围可知,220 kV变电站X全站失压后的停电范围囊括了目前用户上报的停电时间为15:30左右的所有停电点标记,可得出结论:当前停电事故是由于220 kV变电站X全站失压造成的。将10～35 kV停电事件合并到220 kV变电站X。
3)根据故障范围内元件及相应信号建立覆盖集分析模型,通过禁忌搜索反复迭代求解,最终确定故障为220 kV变电站X进线Ⅰ和Ⅱ。
4.1.2 第2层:10～35 kV电网故障停电
某地区电网220 kV供电系统采用GIS SF6真空断路器,10 kV出线90%以上采用电缆线,变电站Y的2台主变高压侧不接地,低压侧中性点经电阻接地。
故障后各系统反馈以下信息。
配电自动化系统:①13:18:10.702时,变电站Y的10 kV高压架空线出线开关Z速断保护动作跳闸,动作电流为1 700 A,保护装置显示B,C相短路;②13:18:11.015时,过电压保护器对地放电,零序保护动作,10 kV母线进线开关X动作,10 kV母线停电。
95598系统:数分钟后用户上报的停电信息,包括停电时间、用户性质。
GIS:根据变电站Y的开关Z动作及零序保护动作情况,分析得出停电区域包括12条10 kV出线供电区域。
具体分析过程如下。
1)首先根据保护动作信息,开关Z速断保护动作及过电压保护动作,初步判断故障发生在10 kV出线开关Z及变电站Y的10 kV母线范围。
2)根据95598系统用户上报的停电区域分析,由GIS拓扑分析后的停电范围可知, 变电站Y的10 kV母线停电后的停电范围囊括了目前用户上报停电点标记,同时由于其他系统未得出110 kV以上保护动作等其他异常信息,可得出结论:当前停电事故是由于Y站10 kV母线失压造成的。
3)将10 kV出线开关Z及变电站Y的10 kV母线范围内所有元件根据当前信号建立覆盖集求解模型,判断故障为10 kV出线B,C相短路及Y站10 kV母线发生过电压。
在配电网发生计划停电、临时停电、处罚停电及限电等非事故停电时,能够通过该系统快速准确地判断停电原因并发布结果;当发生由110 kV及以上等级电网故障导致的10～35 kV配电网事故停电时,若停电原因分析系统能够完全获得相关系统可以提供的信息,则停电原因分析结果能达到较高的准确率,可以将原因定位于具体故障设备;当发生由10～35 kV配电网自身故障导致的事故停电时,由于配电终端在线率、准确率、通信信道及其他信息缺失等因素影响,停电原因分析结果有时并不能够完全准确地定位具体故障设备,但通常情况下仍能将故障定位在较小的范围内。
由于配电网运行情况复杂,信息量大,其中缺失的信息及其缺失程度对停电原因分析结果的量化影响并不能给出统一的评估方法,需要针对具体缺失何种信息及其缺失程度进行具体分析。
4.2 系统应用实现
电网发生故障后,系统对停电原因进行分析,结果如附录A图A1所示。
根据停电原因准确判断引起停电的区域或范围并基于GIS地图显示停电的线路或设备,如附录A图A2所示。
当故障原因和故障点确定后,系统根据最佳路径实现故障抢修任务下发[19,20],并且系统对各配电工区作业车辆实现定位以及车辆状态跟踪,如附录A图A3所示。
5 结语
本文研究了停电原因分析系统的应用模型及系统实现的关键技术。应用模糊推理可合理描述相关信息及信号与元件关系的不确定性,根据配电网特点,采用根据电压等级的分层次求解方法提高算法的实用性;采用C/S与B/S混合架构设计了系统体系结构,完成了系统集成,基本准确实现了故障原因分析和定位,在一定程度上可实现配电网停电后的停电原因快速判断。
目前,该系统的设计思路和实现方法已经在配电网生产抢修指挥平台中进行了应用,软件运行稳定,分析结果为配电网故障抢修提供了有力支撑,有利于运行与管理人员快速获取停电信息,有效指导停电后的事故抢修相关工作,对配电网生产抢修指挥平台停电研判的进一步实际深化应用提供了一定的参考价值。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
模糊系统分析 篇9
近些年来,线控技术(X-By-Wire)以其显著的优点在车辆领域得到越来越多的重视。其中,线控转向(Steer-By-Wire)取消了方向盘与转向车轮间的机械连接,使用电机驱动转向系统以控制车辆的转向运动,同时由电机模拟产生转向时的方向盘阻力矩[1]。这样不仅简化了车辆的装配与设计,而且车辆转向的力传递特性与角传递特性还可以自行设计,使车辆的操纵性和舒适性得到较大提高[2,3,4]。本文设计的线控液压转向系统,基于拖拉机全液压转向系统,综合了线控技术和液压技术的优点,兼具偏转车轮转向系的操纵特性和液压转向操纵系的轻便性,为农业车辆转向系统研究提供了一个新的技术发展空间。
1 线控液压转向系统总体设计
1.1 线控液压转向系统组成
线控液压转向系统的主要构成包括方向盘模块、液压转向模块和ECU模块,如图1所示。其中,方向盘模块主要由方向盘组件、转角和转矩传感器、路感模拟电机总成等组成。与传统全液压转向系统相比,本系统液压转向模块为更好地实现转向功能,使用电液比例换向阀相关组件取代原有的全液压转向器;ECU模块实现了方向盘转矩的闭环控制,将转向阻力信息反馈给方向盘,产生路感。
1.2 线控液压转向系统工作过程
线控液压转向系统具体的工作过程为:当方向盘转动时,ECU接收转角和转矩信号,并进行分析处理,进而控制转向执行系统的电液比例换向阀,实现车轮转向;与此同时,拖拉机实际转角信号通过油缸位移传感器反馈到ECU,完成前轮转角的闭环控制;拖拉机转向阻力信息则通过油压压力传感器传送到ECU,经过计算后,ECU控制路感电机输出方向盘反馈力矩,即路感信息。
2 线控液压转向系统各模块设计
2.1 方向盘模块
方向盘模块的结构如图2所示。该模块主要用于将驾驶员的转向意图传递给ECU,再由ECU控制液压转向模块;同时,根据拖拉机的不同转向状态,由路感电机对路感信息进行反馈。其中,方向盘转角传感器用来判断驾驶员的转向意图,通过检测转向盘转动的速度和角度,提供输入信号到ECU,该信号形成前轮转角的闭环控制。转矩传感器用来检测路感电机的实际输出转矩,形成路感电机转矩的闭环控制。本系统选用直流无刷电动机作为路感电机,其响应迅速,调速范围较宽,体积与质量均能满足装配要求。
1.方向盘 2.联轴器 3.电机减速器 4.直流无刷电机5.电机驱动器 6.ECU 7.电流传感器 8.转角传感器 9.转矩传感器
路感反馈控制过程为:油压压力传感器将拖拉机转向阻力信号发送给ECU;ECU向路感电机发出理想转矩控制信号,通过电流控制器输出电压控制量控制电机输出转矩;同时,实际电机输出转矩经转矩传感器测得并输入到模糊PID控制器,形成对车辆转向过程中路感的反馈控制。
2.2 液压转向模块
线控液压转向和全液压转向最终的执行机构和动力源相同,但油路换向阀差异较大。其中,全液压转向系统主要通过全液压转向器实现液压流向控制,而本系统的液压模块主要通过电液比例换向阀实现液压流量和流向控制,其主要结构如图3所示。当拖拉机转向时,电液比例换向阀根据控制电信号的脉宽占空比变化,通过控制对应边的磁铁吸合阀芯运动,改变电磁铁的开度大小,进而控制系统的流量,以实现对转向油缸位移量的控制。
前轮转角闭环控制过程为:发动机发动,飞轮带动液压油泵工作;当驾驶员转动方向盘时,转角传感器将信号传递给ECU,同时ECU接受到转向油缸的位移信号;经过计算并发出指令,控制相应的比例电磁铁,使电液比例换向阀产生相应的流向和流量控制;转向油缸根据液压流向和流量的变化产生转向位移,因转向油缸活塞杆到转向轮之间为刚性连接,即活塞杆位移与转向轮转角存在正比例关系,故实际和目标前轮转角均可换算成相应的油缸位移。这样,目标油缸位移和实际油缸位移经模糊PID控制器实现前轮转角的闭环控制。
1.油缸位移传感器 2.溢流阀 3.双向补油阀 4.单向阀5.调速电机 6.齿轮泵 7.液压油箱 8.滤油泵9.放大器 10.电液换向比例阀 11.液压油缸 12.液压压力传感器
2.3 ECU模块
ECU模块控制原理如图4所示。
ECU根据方向盘转角信号控制液压系统,完成车轮转向。同时,通过路感电机转矩信号和转向油缸压力信号控制路感电机产生期望反力。
ECU模块中,两个闭环控制均采用模糊PID控制。其中,前轮转角闭环控制的输入为目标油缸位移和实际油缸位移的偏差,路感电机转矩闭环控制的输入为电机转矩目标值和实际值的偏差。以前轮转角的模糊PID控制为例,其控制回路如图5所示。s为转向油缸目标位移,s′为转向油缸实际位移,e=s-s′为油缸位移误差。该控制系统双输入三输出,其中二输入为偏差E和偏差变化率Ec,三输出为PID参数KP,K1和KD。
3 基于MATLAB/SimMechanics线控液压转向系统仿真
SimMechanics是Simulink物理建模产品之一。该产品扩展了Simulink的建模能力,可以建立机械多体动力学系统模型,并对其进行仿真分析[5]。本文应用MATLAB/SimMechanics,在JS-504拖拉机整车参数的基础上,建立了整车模型、线控液压转向系统模型及其辅助计算模块,用于检验转向特性与路感电机特性,研究相应的控制策略。
3.1 系统建模
系统模型由方向盘总成模型、液压总成模型、转向桥总成模型、ECU模型、车轮模型和路面模型等组成。方向盘模块输出目标转角,并实时转换成液压油缸位移数据。ECU模块通过模糊PID控制油缸位移,实现车轮转向的控制;与此同时,ECU通过油压压力信号计算轮胎所受扭矩MZ,进而得出加载在方向盘上的目标转矩值,通过直流无刷电机产生阻力,形成路感。
ECU模块仿真由液压缸选择部分和闭环控制部分组成。因JS-504拖拉机为单缸转向,故模型设置右转向时,右缸作用;左转向时,左缸作用。液压缸选择模块根据方向盘转角输入方向选择合适的油缸工作,闭环控制部分则是实现前轮转角和电机转矩的闭环控制,两者均采用模糊PID控制策略。
3.2 仿真试验
3.2.1 仿真系统输入
仿真模型试验参数见表1所示。其中,拖拉机数据取自JS-504拖拉机,路面模型数据取自基于时域的积分白噪声模型。图6为原全液压转向系统传动比曲线。因所选油缸左右截面积相等,故传动比曲线左右基本对称,本系统仿真中仍选用该传动比。
驾驶员在转向时,转向角是连续变化的,因此本文选择正弦曲线作为系统输入。仿真完成了拖拉机在15km/h速度下右转、回正、左转再回正的过程,其方向盘右转和左转的最大角度均为600°。
3.2.2 仿真结果
1)前轮转角闭环控制。
仿真结果表明,模糊PID控制对油缸位移和速度的控制效果要明显优于常规PID控制。仿真时间20s左右的局部放大图显示,PID控制比模糊PID控制有较大的滞后性和粘滞性。其中,模糊PID控制的超调小于0.5°,滞后小于0.1s,对前轮转角控制效果良好,如图7和图8所示。
相应的车轮转角曲线如图9所示。在方向盘正弦输入时,转向轮在线控液压转向系统的各项控制下实现了向左向右分别达到最大转角。其中,左轮右转最大角度为31°,左转最大角度为38°;右轮右转最大角度为37°,左转最大角度为31°。对比前文全液压传动比曲线,按照角传动16计算,仿真结果与原全液压转向数据基本相符。
2)路感电机闭环控制。
仿真采集到的车轮回正力矩曲线如图10所示。比较左右车轮回正力矩可知:拖拉机右转向时,右侧车轮所受回正力矩较小,左侧车轮所受回正力矩较大;而当拖拉机左转向时,左侧车轮所受回正力矩较小,右侧车轮所受回正力矩较大。该仿真结果表明,拖拉机转向时的车轮回正力矩值,外侧为内侧的3～4倍,即车辆的侧向稳定性直接受到转向性能影响[6]。
相应的路感电机的力矩仿真曲线如图11所示。根据图10分析可知:在拖拉机右转向时,路感电机反馈力矩以左侧车轮回正力矩为主;而拖拉机左转向时,路感电机反馈力矩以右侧车轮回正力矩为主。图11表明,路感电机在模糊PID控制下,电机转矩实际值与目标值跟随性良好,具有良好的鲁棒性和较强的自适应性,能实时地向方向盘反馈路感信息,适应本系统的需求。
4 结论
1)试验证明,本文设计的拖拉机线控液压转向系统简化了转向部分的液压回路,综合了线控转向和液压转向的优点。基于模糊PID控制策略,结合油缸位移传感器和方向盘转角传感器等器件,实现了前轮转角的闭环控制和路感电机转矩的闭环控制,很好地控制了前轮的转向性能和路面阻力信息的反馈。
2)通过MATLAB/SimMechanics对整个线控液压转向系统的建模仿真表明,该系统前轮转角闭环控制迟滞较小,延时较短;路感电机反馈控制中,轮胎受力随着转向方向的不同而受力分布不均,且以外侧车轮受力为主,电机输出转矩与目标转矩跟随性良好。
摘要：设计了一种基于模糊PID控制的线控液压转向系统,详细介绍了该系统的结构组成、工作原理和控制策略。与全液压转向相比,线控液压转向系统采用线控转向技术,取消了方向盘与车辆转向轮之间的刚性连接;采用模糊PID控制作为系统的控制算法,结合传感器技术实现了前轮转角闭环控制及路感反馈控制。最后,用MATLAB/SimMechanics完成整个系统的仿真试验。经检验,系统具有响应快速、精确、数字化和结构简单等特点。
关键词：农业车辆,线控液压转向,模糊PID
参考文献
[1]SeWook Oh,SeokChan Yun.The development of an ad-vanced control method for the steer-by-wire system to im-prove the vehicle maneuverability and stability[J].SAE Pa-per,No.2003-01-0578,2003.
[2]Manasina Rath,Morrel Kelly,Kurt Kober,et al.Optimumdesign of a steer by w ire system using systematic system en-gineering approach[J].SAE Paper 2008-01-1452,2008.
[3]于蕾艳,林逸,施国标.线控转向系统的主动转向控制策略[J].农业机械学报,2008,39(1):4-6.
[4]郑宏宇,宗长富,王祥.汽车线控转向系统路感模拟方法[J].农业机械学报,2011,42(2):18-22.
[5]薛定宇,陈阳泉.基于MATLAB/Simulink的系统仿真技术与应用[M].北京:清华大学出版社,2011.
模糊系统分析 篇10
关键词：无人机系统,FMECA,模糊综合评判,定量分析
0 引 言
随着现代科学技术特别是信息技术的飞速发展,无人机在现代战争中的作用越来越重要。而无人机属于机械、光电、通信和软件的集成系统,这种构成上的复杂性会对无人机的稳定性产生负面影响,增加出现问题和故障的概率。FMECA是分析产品中每一个可能的故障模式,并确定其对该产品及上层产品所产生的影响,以及把每一个故障模式按其影响的严重程度同时考虑故障模式发生概率与故障危害程度予以分类的一种分析技术[1]。为了有效地预防无人机重大安全事故的发生, 有必要对无人机进行FMECA分析,找出薄弱环节,提出预防措施或改进意见,从而降低事故造成的损失,避免因事故而产生的严重后果。
但FMECA是一种定性分析方法,具有不确定性和模糊性的特点[2],难以对系统各故障模式进行定量分析,需要通过有经验的技术人员进行概念描述,将模糊指标定量化。本文应用FMECA与模糊综合评判相结合的模糊FMECA方法,对无人机装备进行分析,用定量方法处理定性问题,不仅能够将各种失效模式用其危害度等级表示出来,使得各种失效模式的危害性一目了然,而且可以通过多级评判,方便地计算下级指标对其上级的影响,使FMECA更加科学化、定量化和有连续性。
1 模糊FMECA方法
在进行FMECA分析时,对故障有影响的因素有很多,有些可以用精确的数值描述,而有些则是一些模糊的概念,需要通过有经验的技术人员进行概念描述,单纯应用FMECA分析存在不足。模糊FMECA是应用模糊关系的特性,从多个因素对被评估事物隶属等级状况进行综合评估的一种方法,它通过与模糊数学相结合,将统计数据转换成模糊集,并将每个故障模式的风险优先数对产品的影响采用加权分析,从而使得分析结果更加科学。模糊FMECA方法的基本步骤如下:
1.1 建立因素集
因素集是影响评估对象的各因素集合,不同元素代表不同影响因素。根据失效模式的各项评价指标,建立第k个失效模式评估分析的因素集为:
式中:u
1.2 确定因素水平集
因素水平集表示评估所组成的集合,记作:V={V1,V2,…,Vm},其中Vj(j=1,2,…,m)为具体的评估等级。
1.3 确定模糊评判矩阵R
在对失效模式k模糊综合评价分析过程中,设第i个因素u
成立一个由多人组成的专家评价组,根据故障模式与评判集制作表格,由各专家对不同的故障模式在相应的评判选项中打分,再通过数理统计得到各个因素在各个因素水平集上的概率数,经过归一化处理后得到各个故障模式对应评判等级的隶属度r
1.4 确定各因素权重W
确定因素的权重的方法有专家意见法、层次分析法、直接打分法等,根据情况不同选择适合的方法确定权重。本文采用层次分析法,它把复杂问题中的各因素划分成相关联的有序层次,使之条理化的多目标、多准则的决策方法,是一种定量分析与定性分析相结合的有效方法。层次分析法的判别尺度有三标度判断尺度、九标度判断尺度等,本文采用九标度判断尺度。
根据某一位专家调查表,可得判断矩阵为:
根据判断矩阵,求出其最大特征根λmax,所对应的特征向量为w,方程如下:
所求特征向量w经归一化即为各评判因素的重要性排序,也就是该专家所期望权重分配。再对得出的权重分配进行一致性检验,模糊判断矩阵的一致性表示人类判断思维的逻辑一致程度。当偏移一致性过大时,将此权重向量的计算结果作为决策依据是不可靠的[3]。因此需将不满足一致性要求的样本数据进行舍弃。然后将满足一致性要求的各专家确定的权重值进行算术平均,即可得到各指标的权重分配W。
且:
1.5 确定综合评判模型进行一级评判
将评判所得权重W与对应的模糊评判矩阵R合成,即可得到对各故障模式的模糊综合评判结果向量Bk。
1.6 二级评判以及评判结果清晰化
将一级评判中评价结果的各故障模式作为二级模糊综合评判的影响因素:U={失效模式1,失效模式2,…,失效模式k};因素水平集V不变。将一级评判结果得到的综合评价向量B1,B2,…,Bk作为二级评判中的隶属度矩阵R={B1,B2,…,Bk},权重值由专家组给出二级各影响因素的权重分配,再利用综合模糊评价法进行模糊评价,得到模糊综合评判结果C。
对评价指标的处理有最大隶属度法、贴近度分析法、加权平均法等。本文采用最大隶属度法与加权平均法。加权平均法是将模糊综合评判结果向量C与等级参数向量E运算得出该故障模式的综合危害度值H,公式如下:
2 无人机系统的模糊FMECA分析
对无人机进行模糊FMECA分析的工作量是相当大的,现仅通过对无人机航空与电子分系统中舵机的模糊FMECA分析为例进行说明。无人机舵机接收飞行控制计算机的控制信号,控制无人机的舵面和发动机控制机构。其失效模式及影响见表1。
确立舵机的二级因素集为:
U={运行速度明显下降(U1),舵机电流过大(U2),舵面回差过大(U3),舵面抖动(U4)},而Ui的一级因素集为:
Ui={故障发生频度u1,影响严重程度u2,检测难易程度u3}
根据每个因素集的不同,其水平集如下:
对故障发生频度u1,其水平集为V1={频繁发生,很可能发生,有时发生,极少发生};对影响严重程度u2,其水平集为V2={灾难性,致命性,临界性,轻微性};对检测难易程度u3,其水平集为V3={无法检测,不测试无法检测,检查时可发现,可直接发现}。
根据专家调查表,对每个故障模式的模糊评判矩阵R1,R2,R3,R4分别为:
一级因素集中三个元素选择为故障发生频度、影响严重程度与检测难易程度,其权重值比较容易确定,根据专家意见法,确定权重为W1={0.3,0.5,0.2}。
由B=WR可得B1={0,0.18,0.63,0.19},B2={0,0.64,0.36,0},B3={0,0.59,0.39,0.02},B4={0,0.22,0.53,0.25}。
二级评判中的权值根据层次分析法进行确定,以第一位专家为例,由其判断尺度得到其判断矩阵:
得出其最大特征值λmax=4.031,w1={0.161,0.466,0.277,0.096}。
对其进行一致性检验,检验模糊判断矩阵一致性的公式为:
式中:CR为判断矩阵的一致性比率; λmax为模糊判断矩阵的最大特性值; n为矩阵阶数;RI为平均随机一致性指标,其取值见表2。
如果CR=CI/RI<0.1,则此模糊判断矩阵具有满意的一致性;反之,则模糊矩阵不满足一致性要求,需舍弃。
对第一位专家得到的CI=0.010,CR=0.011<0.1。因此,此专家的评判满足一致性要求,再对其余专家作同样的一致性检验,将不满足一致性要求的舍弃,对其余的权重值做算术平均,得到权重W2={0.152,0.421,0.317,0.11}。
进行二级评判得:
根据加权平均法将评价结果处理可得:h1=B1E=1.99,h2=B2E=2.64,h3=B3E=2.57,h4=B4E=1.97,H=CE=2.45。
根据隶属度最大原则可知:一级评判中,舵机电流过大与舵面回差过大两个故障模式的综合危害性位于水平因素集的致命性危害一级,运行速度明显下降与舵面抖动则位于临界性危害一级;二级评判中,舵机的综合危害性也属于致命性危害。
根据综合危害等级可以对各失效模式的危害程度进行排序依次为:舵机电流过大,舵面回差过大,运行速度明显下降,舵面抖动。舵机系统的总体危害度等级为2.45。经过对无人机全系统的分析后,可根据与舵机同等级的故障模式的综合危害性等级进行排序,进而为确定无人机系统的预防性维修方式及维修间隔期等提供依据。
3 结 语
通过模糊评判FMECA方法对无人机舵机系统进行分析,将模糊性的指标定量化,解决了传统FMECA分析中无法进行定量判定的不足,且经过综合多位专家意见,使分析结果更加准确与具有说服力。采用多级综合模糊评价法分析,可将下级对上级的影响体现出来,使分析具有连续性。
通过对无人机装备进行模糊FMECA分析,可以使设计人员及维护人员掌握更多的该部件信息,特别是定量信息,也可以为维修保障人员提供依据,从而做出科学的维修与维护决策。
参考文献
[1]康锐,石荣德.FMECA技术及其应用[M].北京:国防工业出版社,2006.
[2]安颖,宋传学,周云山,等.基于模糊评价法的FMECA在CVT可靠性分析中的应用[J].汽车技术,2009(1):6-8.
[3]王雪青,刘姗姗,郭晓博.基于模糊层次分析法的代建制企业风险评价[J].北京理工大学学报:社会科学版,2008,10(3):73-76.
[4]段秉乾,司春林.基于模糊层次分析法的产品创新风险评估模型[J].同济大学学报:自然科学版,2008,36(7):1002-1005.
[5]刘风强,孙志强,谢红卫.航空维修人为差错影响因素分析中的模糊层次分析法[J].中国安全科学学报,2008,18(7):43-48.
[6]王海波,王俊华,吴昌.提高FMECA实施效果的探索[J].质量与可靠性,2006(6):40-42.
[7]马洪文,魏俊,高艳章,等.基于模糊综合评判的装备维修保障系统效能评估[J].兵工自动化,2010,29(7):32-34.
[8]许梦国,陈致远,张教福,等.模糊FMECA方法在矿山采掘系统安全评价中的应用研究[J].金属矿山,2009(11):124-128.
模糊系统分析 篇11
1.问题分析
建立一个模糊控制系统模型首先要确定控制系统的输入、输出变量。对于交通影响程度评价系统来说，我们不难发现，交通与用地就是我们所需要的输入变量，而对于输出变量则可直接采用交通影响程度这一概念，而并非经常所述的交通满意程度的概念。因为用交通影响程度更能直接反映出开发项目对周围路网的交通影响，同时也有利于建立该模糊控制系统模型。在输入变量的界定中，交通系统可以用周围路网的平均负荷度来衡量，而对于用地系统来说，采用开发项目高峰小时生成交通量来衡量，这一指标在一定程度上反映了土地利用的性质、规模及区位等系列特征，因此是一个比较理想的度量指标。
2.模型变量说明
（1）VPH（Vehicle Per Hour）：高峰小时项目生成交通量；（2）VDC (Vehicle Divide Capacity):项目周边路网平均负荷度；（3）TID (Traffic Impact Degree)：开发项目对周边路网的交通影响程度；（4）Myrule：模糊数学中由模糊条件语句组成的规则库（IF…THEN语句）；（5）Time：模糊控制系统的时间；（6）Timestep：模糊系统控制的时间步长；（7）T：实现系统自增变量。
3.基于模糊控制系统的交通影响程度评价模型
（1）模型框架
基于上述分析和及模型变量说明，利用模糊控制语言FCL(Fuzzy Control Language)，我们不难建立如图1所示的模糊控制系统模型。
（2）隶属度函数
分别对两个输入变量建立隶属度函数，对系统的输出变量同样也建立隶属度函数，如图2所示。
（3）模糊逻辑规则库
模糊控制系统模型中对于模糊逻辑规则库的建立是至关重要的，建立规则库不可能凭空想象，一定要建立在已有实践项目及专家经验的基础上才能得到比较理想的结果，从而更能体现出本模型的实用价值。因此在建立本系统模型之前笔者参考了大量的相关资料，如北京工业大学的自然基金项目《交通影响分析体系研究》[2]、《交通影响分析指南》等，得到了25条比较切合实际的模糊逻辑规则语言。如其中一条模糊语言：IF VPH is Low and VDC is Low, THEN TID is Low.
（4）模糊控制点界定
根据道路通行能力手册（Highway Capacity Manual，简称HCM），一般认定VDC<0.4时，车辆处于不受阻碍的自由流状态[3]；而VDC>0.9时，道路服务水平由D变成了E，这也是模糊控制系统需要做出敏锐反应的突变点。对于高峰小时交通量，美国等发达国家的大城市由于其机动化水平较高，因此规定进行交通影响分析的上限也比较高，VPH取100PCU/h，即单向高峰小时项目生成交通量超过100pcu，就认为由它造成的交通影响是不能接受的，该项目必须进行交通影响分析。而国内一些大城市如南京市规定为60PCU/h，即建设项目单向高峰小时项目生成交通量超过60PCU/h，该开发项目也必须进行交通影响分析。显然对于本模糊控制系统模型而言，VPH=60PCU/h也是模糊控制系统的一个突变点。
（5）模糊控制系统推理结果
笔者对模糊控制系统进行正负两个方向的模拟。首先是VDC和VPH都逐渐增大，即正方向模拟；另一种情况是VPH增大，VDC逐渐减小，即负方向模拟。两种情况的模拟结果如图3、图4所示。
4.模型结果分析
（1）正方向模拟结果分析（见表1）
显然，交通影响程度TID与项目周边路网平均负荷度VDC和高峰小时项目生成交通量VPH是成正比关系的，因此模拟结果是一条阶梯递增函数曲线。对于1号突变点是由VDC=0.4这一模糊控制点所导致的结果。因为VDC<0.4时，车辆是以自由流行进的，而一旦超过这个值，车辆运行条件将发生明显的变化，因此交通影响程度TID也产生了突变，从0.15突增至0.58；而对于2号突变点则是由VPH=60PCU/h这一模糊控制点造成的，原因如前所述。TID由0.58增加到0.82；对于最后的3号突变点是由VDC=0.9导致的，也就是道路服务水平由D级降低到E级这一临界状态，因为一般要求城市市郊区道路服务水平不得低于D级，因此模糊控制系统对这一临界状态也产生了敏感的突变。TID由0.82增加到0.95。
（2）负方向模拟结果分析（见表2）
由于高峰小时项目生成交通量VPH是单调递增，而项目周边路网平均负荷度VDC是单调递减的，因此生成的曲线显然不是简单的递增或者递减。各个突变点说明如下：系统模拟开始时，VPH值很小，因此交通影响程度TID就取决于VDC，即交通影响程度TID随VDC的下降而呈阶梯下降。1号突变点是由于VDC=0.9这一模糊控制点导致的，因为VDC=0.9是道路服务水平D级与E级的分隔值，交通影响程度TID由0.82降低至0.58；2号突变点的形成原因是VDC=0.75, 也就是道路服务水平C级与D级的分隔值，交通影响程度TID由0.58降低至0.31。由于VDC的逐渐下降，其对交通影响程度TID的作用越来越小，同时由于VPH的逐渐增长，使其成为了影响交通影响程度TID的主流因素，因此交通影响程度又开始呈现阶梯递增现象，其中3号突变点就是由于VPH=60PCU/h导致的结果，交通影响程度TID由0.31增加至0.58；而4号突变点是由VPH=100PCU/h这一模糊控制点导致的，交通影响程度TID由0.58降低至0.82。VDC的继续下降必然使得原来的交通系统进入自由流状态，而当VDC=0.4时，如正方向模拟结果分析，使得VDC占据了主导影响因素的地位，同时VPH已经超过了临界值，它的继续增大也只是简单的量的积累，而不会成为影响TID的主要因素，因此形成了5号突变点，交通影响程度TID由0.82降低至0.58。同时在VDC=0.4的影响下，系统又进入了阶梯递减的状态。值得说明的是，虽然5号突变点是由于VDC=0.4而形成的，但由于VPH已经超过临界值，因此5号突变点位置的交通影响程度TID还是很大的，与VDC=0.9时基本相当。
5.结论
本文借助模糊控制系统平台POPFUZZY模拟软件，结合交通影响评价理论，建立了基于模糊控制系统的交通影响程度评价模型，有一定的原创性。从模型结果分析中不难看出，各个突变点都很好地反映了项目周边路网平均交通负荷度与项目高峰小时生成交通量对交通影响程度的灵敏度，这些模糊控制点也是符合当前国内外专家在这一领域的研究成果。更值得一提的是，在阶梯之间的曲线很好的反映了负荷度和高峰小时交通量在非临界点状态下输入输出变量之间的曲线关系，这就为具体项目的交通影响评价工作提供了技术参考与评价准则。
由于模糊控制系统的核心是模糊逻辑规则库，而规则库的建立又受制于已有的研究成果，如何进一步完善模糊逻辑规则库将是未来该课题深化研究的重点。
参考文献：
[1]潘有成,莫海波.新开发区域建设项目交通影响评价及其应用研究[J].重庆交通学院学报.2007,26(2):140-144.
[2]王丽.大城市交通影响分析体系研究[D].北京:北京工业大学,2001.
[3]李作敏.交通工程学（第二版）[M].北京:人民交通出版社,2003.
模糊系统分析 篇12
企业在营运过程中信息管理系统是重要组成部分, 使企业管理者详细掌握企业信息。现代高科技技术不断完善的过程中, 企业经营过程中大量使用了电子计算机技术, 其重要目的是对企业信息进行统一管理与绩效, 任何企业在营运过程中将投入大量的人力与物力, 信息管理系统可完善企业信息管理[1]。然而许多企业在信息管理过程中仍然存在许多问题, 企业在营运过程中难以掌握该系统的使用方法, 因此不能为企业绩效带来有效评估, 企业也无法制定相应的动态持续措施来提高企业信息系统绩效。
二、模糊信息分析法在企业中营运中的重要性
模糊层次分析法是将模糊分析法与层次分析法结合起来的一种方法, 模糊层次分析法是一种多准则决策方法。模糊层次分析法是一种很容易通过编程实现的建模方式, 具有比较好的实用性, 能够有效的解决在设备选择问题中的定性与定量的抽象, 同时也能够避免在企业营运过程中存在的困难与人思维差异问题[2]。尤其对于含糊性和模糊性问题, 需要专家打分测评, 具有良好的应用前景。
先通过简单例子介绍模糊层次分析法的基本使用方法。例如某人面临单位选择, 现有三个单位可供选择分别是A1、A2、A3, 三个单位在员工待遇方面存在较大差异, 因此应从公司发展前途、工作环境、工资待遇、单位地址方面考虑, 用模糊层次分析法决策步骤如下:
第一步将选择单位定制为目标层, 将考虑因素定制为考虑层, 三个单位组织定制为方案层, 因此得出以下公式:
第二步通过以上公式进行公司评分, 各个单位在考虑层上互有优势, 因此将每个考虑层逐个进行比较, 按照条件越好打分越高的原则进行分析, 最后通过分数高低选择适合的工作单位。
企业信息系统绩效管理过程中存在定性指标与定量指标两种形式, 定性指标在量化过程中存在一定难度, 因此需要在工作过程中使用模糊层次分析法。模糊层次分析法是以模糊数学为基础, 应用模糊关系合成的原则, 将一些边界不清、不容易量化的因素定量化, 从多个因素对被评价数据进行综合性评价的一种方法, 从而能够较好地解决模糊的、难以量化的信息系统问题, 使得评价结果比较清晰且容易操作, 企业信息统计绩效过程中采用模糊综合评价法来评价可有效提升企业的业绩水平。
企业信息的不同, 考核目的的不同, 因此采用的指标体系也截然不同。企业信息系统绩效评估过程中应分析各个指标为企业带来的绩效影响, 为了反映出指标的科学性与客观性, 应采用模糊层次分析从而确定指标的权重, 并将分析中存在的定性、半定型问题有效转换为定量性计算方式, 使人们思维具有层次化, 进行逐层分析, 解决分析过程中半定型问题, 将半定型问题转化为解决行问题。此种方法特别适用于完全转化为定量进行分析的企业信息系统绩效评估工作中。
企业模糊层次分析首先应根据企业制定的招标建立调查表, 并将调查表发至相关组织与专家手中, 使资深专家对企业信息评估系统进行打分与评估, 从而得出企业制定指标评估项目的重要性。其次将企业系统绩效评估产生多元素进行一对一比较, 从而充分掌握企业制定指标的重要项目[3]。并将得出结果转化为定量性判断根据。
总结
企业在营运过程中, 信息系统管理是重要的工作之一, 然而企业信息系统绩效过程中模糊层次分析法可为企业提供方便、快捷、简单的工作方法, 因此我国相关企业在营运过程中应充分使用此方法进行企业信息绩效统计, 不仅提升企业经济效益, 同时也为社会经济发展提供方便服务。
摘要：目前我国企业信息系统绩效评估总体呈现出使用方法不够科学与缺乏全面考虑等问题, 企业信息系统整体效能体现出各个因素存在的问题及分析, 并由相关部门进行解决, 从而形成企业信息统计绩效整体评价指标。本文将对模糊层次分析法对企业信息系统绩效评价进行分析。
关键词：模糊层次分析法,企业信息统计绩效
参考文献
[1]刘显东.企业技术创新能力评价指标体系及其多级模糊评价方法[J].科学进步与科学, 2013, 8 (02) :125-320.