模糊评判技术（共11篇）
模糊评判技术 篇1
随着起重船成为最核心的起重设备提高船舶营运, 它是一个最重要的工程机械操作, 起重机的船舶营运安全, 质量, 效率, 安全, 可靠, 经济的基本保证。起重设备起吊重物, 设备故障将直接威胁的船和生命, 财产, 甚至可能对环境造成污染, 海洋国家和个人造成了巨大的损失。为确保持续, 健康, 快速发展, 提升起重设备的可靠性日益增长的需求, 确定了最先进的, 并采取适当的措施, 以确保其可靠性的基本前提, 传统的经验定性, 独立的分析方法已远远不能满足船起重设备可靠性评价的发展要求, 因为依靠经验判断, 可能给了结论的差异, 不利于分析和比较使用维护, 应该通过一些量化指标来反映起重设备技术条件, 利用模糊数学的综合价格方法 (FCE) 数学模型的起重设备可靠性分析和评价。
1 概述
船舶技术条件, 船舶修理的时间间隔使其成为维修工程的主要依据。准确评估的技术条件, 直接影响船舶的保养计划的合理性和科学性。海洋技术条件的影响因素是复杂的, 而法官通常限于定性描述, 这使结论不明确, 不利于分析和比较是必要的, 通过一定量, 反映船舶技术条件, 使船舶技术状态评估结果确定值。定量方法, 如直接评分法和加权平均法计算, 但他们的评价, 评价对象直接得分, 随机性, 定量的结论不满意。应用模糊技术可以使复杂的航海技术, 量化, 其实质就是按照一定的属性或特征, 划分为若干因素的技术指标, 并根据设计标准, 运输技术评估, 定性分析, 定量模型。运用模糊量化技术来评判船舶技术的状况是在对诸多相关因素评判的基础上, 来评判船舶总的技术状况。
2 模糊量化技术评判的一般程序
(1) 确定因素集U。U是有限论域, U={U 1, U 2, U n}, 且满足G n i=1 U i=UUiHUj=5, iXj。
(2) 给出每一因素评语集V={V1, V2Vn}。
(3) 确定模糊关系矩阵R, 此处R是Ui与Vj所发生的对应关系的集合。
(4) 给出因素集U内各因素分配权数, 组成模糊。向量集A, 即:A= (a1a2, an) , 且满足a i 0, E n i=1 a i=1 5列出综合评判模型, 即:Y=A#R= (y1y2, ym) 经过归一化处理, 即Y= (y1yy 2y, ymy) , 其中y=Emi=1yi, 可得到对各因素的评判结果此计算结果可使所有因素依权数大小均衡兼顾。
(6) 根据模糊数学上的最大隶属原则
根据最大程度的会员和评论集中在评论的亲密程度的评价, 根据模糊评价方法的数学原理, 应用该方法对系统工程或设备技术条件判断当基本思路大致是:确定评价对象的主要组成要素, 进而组成一个集合体, 然后确定评价对象在评价中的重地位。这是第一步, 参与人员必须达成一致或者只与每个人的理解或经验进行评估, 否则将会导致很大的误差, 影响评价结论的准确性。然后它应当约定评价集, 例如为每个元素一些评估人员依照优秀、良好、合格和微分五齿轮得分, 和其它人员依照好, 好, 一般来说, 贫穷的四个概要得分, 这个结果不用于计算, 因为他们不能建立矩阵。前完成这项工作的主要组件也叫因子模糊评价和操作, 和双因素评价和操作也在前两个步骤开始。最后, 评估对象的权重矩阵和子行因素评价结果建立了一个模糊关系矩阵是用来制作不同的产品, 可以得出最终的结论。该方法简单、实用, 它是项目评估的一个可行的和可操作的方法。
3 模糊量化技术评判船舶技术的状况的应用实例
根据评判船舶技术状况所考虑的主要因素, 建立评论的线性域U。如U={U1, U2, U 3, U 4, U 5}={主机, 船体, 辅机, 电器, 其它}假设评语集V={V1, V2, V3, V4}={好, 较好, 一般, 较差}, 这一评判结果可用于一个行矩阵R1来表示。Rc1= (0.85 0.10 0.050.00) 类似地, 假定专家对其它五个子因素进行评价, 评价结果依次为:Rc2= (0.81 0.190.00 0.00) Rc3= (0.77 0.19 0.03 0.01) Rc4= (0.77 0.16 0.07 0.00) Rc5= (0.52 0.38 0.100.00) Rc6= (0.69 0.28 0.02 0.01) 以它们为行构成一个模糊关系矩阵:类似地可对船舶技术状况的其它因素作出评判, 例如得到如下的综合评判结果如下。
以它们为行又构成一个模糊关系矩阵:再根据U中各因素对船舶技术状况的影响程度不同, 依照专家意见或实际经验给出权重分配系数。例如分别为0.5, 0.2, 0.10.1, 0.1, 即:
根据模糊数学上的最大隶属原则, 最高隶属度与一般最为贴近, 故可得出该船舶起重设备的技术状况是一般的结论, 为安全起见, 应缩短该船起重设备的维修周期, 使用中加强巡视检查, 适当限制起吊能力。因此, 通过模糊量化技术评判 (FCE) 法我们就能较为准确地判断起重设备的可靠性程度, 为进一步保证和提高船舶起重设备可靠性提供了强有力的理论支持。
4 结论
本文运用模糊量化评价 (FCE) 方法的起重设备技术条件进行了综合分析和评价, 以船起重设备管理、检查和使用, 提供了一种可行的方法供参考。与此同时, 其它的工程和技术项目识别提供了一种有效和实用的评价方法。根据这种方法, 工程及技术工程项目的各个环节进行进一步细分通过计算机编程, 可以通过计算机对所有的专家评估数据进行科学的处理。
参考文献
[1]高祥安.船舶航线综合评价及其软件系统[M].上海海事大学, 2005.
[2]王新全.船舶设备安全评估标准与系统研制[M].上海海事大学, 2005.
军校老师教学比武的模糊综合评判 篇2
关键词:军校老师教学比武模糊综合评判层次分析法
中图分类号:G645文献标识码:A文章编号:1674-098X(2011)05(b)-0185-01
1 引言
模糊综合评判法可从定性和定量相结合的角度,对事物隶属等级状况进行整体评价。因此,本文将采用这一方法对军校老师的教学比武活动进行分析。
2 综合评判指标体系的构建
评判指标体系的具体指标及评判标准为:教学目标:①适应性,②前瞻性;教学内容:①基础性,②学术性,③思想性;教学实施:①启发性,②艺术性,③技术性;教学效益:①充实性;教学态度:①责任心;教学特色:①个性,②创新性。
3 模糊综合评判模型的建立
3.1 模糊综合评判模型的理论基础
模糊综合评判模型的基本因素:(1)因素集U为评判对象各因素组成的集合。(2)评语集把评判对象的具体要求分为若干个不同的等级,可用评语、数字等来表示。(3)每个评判因素的权重分配集且满足归一化条件:。其中权重表示指标在指标集中的重要程度。
由这三个基本因素即可得到评判模型,首先找出U与V之间的模糊关系矩阵然后令:
即为综合评判的结果。其中,表示评价等级在的因素的评价中所占的比重;表示评价等级在综合评判结果中所占的比重。
3.2 二级模糊综合评判的数学模型
二级模糊综合评判时的单因素评判为相应的一级模糊综合评判。把因素集U分为p个组对应的模糊关系矩阵为权重为根据3.1中的描述可求得各个评判结果。二级模糊综合评判的模糊关系矩阵,由一级模糊综合评判的输出构成:,于是,二级模糊综合评判结果为:
3.3 对模型进一步改进
(1)应用层次分析法分配权重,可有效地避免由于因素过多而使权重难以分配的问题。
(2)采用(-·)型综合评判模型,避免了因次要信息的丢失而导致评判结果的不准确。其合成运算为:。
(3)用加权平均法对评判结果进行量化处理,更有利于排序。
4 实例计算与分析
4.1 数据分析
(1)利用层次分析法对各因素进行处理,得到各因素的权重如表1所示。
(2)将表中的统计数据进行归一化处理,即得到了一级指标模糊综合评判的各个模糊关系矩阵R1,R2,R3,R4,R5,R6。例如:
4.2 一级指标的模糊综合评判计算
教学目标的评判为:
同理可求得其他一级指标的模糊综合评判结果:
B2=(0.505,0.300,0.079,0.116);B3=(0.381,0.344,0.228,0.047);B4=(0.500,0.237,0.263,0);B5=(0.648,0.196,0.156,0);B6=(0.448,0.426,0.113,0.013)
4.3 二级指标的模糊综合评判计算
经过一级指标的模糊综合评判得到二级指标的评价矩阵为:
进而,可以得到综合评价的结果:
4.4 模糊综合评判结果的处理与分析
模糊评判技术 篇3
复杂海天背景红外图像中，远距离条件下的海面舰船目标成像面积小、信噪比低、并且缺乏明显的结构信息，处理过程中容易受到海面背景杂波的干扰，严重影响目标识别效果。有鉴于此，针对远距离舰船小目标总是出现在海天线附近的特点，通过检测海天线位置来确定目标的潜在区域，可以极大地缩小目标搜索范围，排除海浪和云团的干扰，提高目标检测率，因此海天线在海面小目标检测中有很重要的意义。
对海天线检测，近年来有不少学者做过积极的工作，形成了以下几类方法。第一类是直线拟合法[1]，将图像沿行方向平均分成N个区，在每个区域内，通过求梯度的最大值，得到区域内的海天线坐标，然后根据LMS方法对N个区的海天线坐标拟合得到海天线。这种方法用于简单背景可以取得良好的性能，但在某些复杂背景条件下，图像受到海杂波、太阳光、云层等自然背景的干扰，难以得到满意的提取效果。第二类是行扫描方法[2]。这种方法未考虑到海天线是倾斜的情况。同时忽略了海杂波的干扰。第三类是Hough变换方法[3]。这种方法仅考虑了图像的边缘信息，在背景复杂的情况下，很难鲁棒地检测出正确的海天线。第四类是OTSU方法[4]，通过确定阈值分割海面与天空区域，提取海天线。然而在复杂海天背景下，区域分割的最佳阈值很难计算，影响了算法的处理效果。第五类是基于多尺度小波变换的方法[5]。由于需要在多个尺度上分析图像，计算复杂，小波变换的引入使算法的工程性降低。
上述几类方法利用特定的图像特征进行海天线识别，仅对少数几种背景条件下的海天线识别具有较高的正确率，适用性不广，由于图像中有可能存在大量海杂波，云团和噪声等干扰，得到的海天线未加验证，正确性难以保证。文献[6]虽利用了灰度和长度等信息对候选海天线进行了验证，但验证仍是不充分的，无法适应复杂多变的海天环境。
由于运用模糊数学方法解决实际问题具有相当大的灵活性[7]，针对上述几类算法适用性不广，抗干扰能力不强的问题，本文将模糊模式识别方法应用到红外图像海天线的提取算法中，提出了一种基于模糊综合评判技术的海天线识别算法，通过大量数据测试表明，该算法能够鲁棒地、正确地检测出多种海天背景中的海天线，具有较强的适应性。
1 海天线特点分析
算法的有效性依赖于算法适用的条件和环境，而新算法的提出也源于对适用环境的分析，通过对实际拍摄的不同条件下的大量红外图像数据进行分析，得到以下结论：
1)海天线一般可近似看作一条直线。这是红外图像中海天线最重要也是最显著的特征。
2)海天线上每一点的梯度的方向具有一致性，并且梯度的模值相近。
3)在某些情况下，海天背景红外图像中有云团和海杂波干扰，有时云团的边缘和海杂波也表现出明显的直线特征，极易对海天线的识别产生干扰。但是云团边缘和海杂波与海天线也有本质的区别。
4)海天背景主要由海面区域和天空区域组成。通常情况下，天空由于太阳光辐射和大气辐射，温度较高，表现为高亮度。海洋的辐射由海洋本身的热辐射和它对环境辐射(太阳和大气)的反射组成，海水温度较低，海面总体表现为低亮度。体现在红外图像中海面、天空两部分灰度存在较大差别。
5)在红外图像中，海天线位于所有云层边缘干扰的下方，位于所有海杂波干扰的上方。
充分利用上述海空背景特征和海天线特征，提出了下面的海天线模糊综合评判识别算法。
2 海天线识别算法
本文算法的思想是首先对海天背景图像进行预处理，去除高斯噪声和图像坏点噪声以及云层、海浪等峰值噪声;然后对预处理的图像求梯度，包括各点水平方向梯度、垂直方向梯度和梯度的相位，再对垂直方向梯度图进行Radon变换;之后取Radon变换的前若干个峰值，这些峰值代表的直线作为候选海天线;对所有的候选海天线的四项特征因子进行评分，按照一定的权值进行模糊综合评判得到总分;根据综合评分输出海天线识别结果。算法流程如图1所示。
2.1 中值滤波
海天背景红外图像通常含有大量的云层、海浪等峰值噪声以及高斯噪声和图像坏点噪声，如果不处理会导致海天线的偏离以致找不到海天线准确的位置，而中值滤波是基于排序统计理论的非线性信号处理技术，在有效滤除噪声(尤其是脉冲噪声)的同时很好的保留信号细节信息，且运算简单，速度快。因而本文选用中值滤波进行预滤波，去除坏点噪声的同时较好地保留了目标的边缘信息。这里采用33的中值滤波。
2.2 梯度计算
对中值滤波后的图像I(M行N列)的每个像素分别求取x方向和y方向的梯度值gx、gy:
根据式(1)和式(2)求取各点的梯度相位，如式(3)所示：
2.3 Radon变换
采用Hough变换的方法，需要先对梯度图进行阈值化得到边缘二值图像，然后进行变换。在阈值化的过程中，梯度值大于阈值的点统一用“1”表示，梯度值小于阈值的点统一用“0”表示，这样就丢失了大部分的梯度值的大小信息，而且阈值的选取是否得当会对后续算法产生影响。Radon变换类似于Hough变换，可以检测图像中任意角度的直线。根据文献[8,9]可知，图像投影就是图像在某一方向上的线积分，对于数字图像来说，就是在某一方向的累加和。Radon变换即是将原来的图像变换为它在各个方向角度的投影表示。设图像f(x,y)在任意角度θ上的线投影定义为
其中
于是，R值的大小就反映了原图像中某一条直线上所经过的点的像素值之和。可以直接对梯度图进行Radon变换，充分利用梯度大小信息，并且省略了阈值化的过程。在海天线上梯度相近，海天线方向的线积分使得海天线的梯度数值叠加效果明显，响应加大，而非海天线方向，梯度值不相近，甚至有正有负，Radon变换值的抵消效果明显，响应较小，从而突出海天线的响应，更有利于海天线的提取。
基于海天背景红外图像中海天线基本保持水平的特点，Radon变换的对象可以仅仅使用垂直方向的梯度图gy(i,j)，为了突出高梯度值，抑制低梯度值，可以采用立方函数对归一化梯度图进行非线性拉伸处理(图2)，进一步加强海天线响应。
2.4 模糊综合评判
仅仅使用单一特征进行海天线提取，其识别正确率难以保证，因为很难找到某一特征在所有情况下都具有良好的区分性。比如仅仅根据Hough变换的响应大小进行判定，由于海杂波等干扰，难以保证海天线的Hough变换响应就是全局最大的。即使有人提出许多基于Hough变换的改进算法[8,9,10]，但是也忽略了海天线的许多其他特征，而如果联合使用这些特征可以帮助对海天线的确认。因此，通过对实际录取的大量海天背景红外图像进行分析，本文提出以下几个区分性较好的特征量，通过这些特征的联合确认，最终给出海天线识别结果。
1)Radon变换响应
Radon变换响应值的大小反映了图像中存在直线的可能，某点响应值大，说明这点对应的原图中存在更加明显的直线特征。由于海天线是一条贯穿整个图像的直线，而海杂波干扰和云层边缘干扰等相对于海天线来说，直线特征没有那么明显，或者不能够贯穿整个图像，所以Radon变换响应值RadonRes是一个主要的识别海天线的特征。
可选取Radon变换响应的前N个极大值点代表的直线作为候选海天线(如N=20)。
2)海天线上所有点的梯度值Y之和
由于海天线实际上是一条近似水平的带状区域，Radon变换代表的直线不一定非常精确地定位在海天交界。因此对1)中提取到的每条候选海天线，分别求以海天线上每点k为中心的临域内所有点的梯度Y，进行加权求和得到YGrad(k)。然后对每点对应的YGrad(k)值累加得到YSumGrad(图3所示)，作为候选海天线的第二个特征。
3)海天线上梯度相位的方差
根据第1节中海天线特征的分析，海天线上的梯度相位具有一致性，方差应较小，而在非海天线的干扰处，一般来说相位一致性较差，方差比较大。因此采用海天线上梯度相位的方差作为另一个特征，将方差值经过一定变换得到得分VarScore，使得方差值越小，该得分越大。
4)海天线的位置和对比度信息
根据第1节中海天线特征的分析可知，海天背景红外图像中海面、天空两部分灰度存在较大差别，天空表现为高亮度，海面表现为低亮度。在海天线上下取两个条带，每个条带取灰度均值msky和msea，对于真正的海天线msky/msea值比较大(>>1)，对于云层边缘或者海杂波，msky/msea值比较小(接近1)。
另一方面，海天线一定位于所有海杂波的上方，且必位于所有云层边缘的下方，利用此位置信息，与上述对比度信息进行融合，得到另一个特征DistCtr。
综上，得到了四个主要特征：1)直线响应因子RadonRes;2)梯度总强度因子YSumGrad;3)相位一致性因子VarScore;4)位置和对比度因子DistCtr。将上述四项因子进行加权累加得到综合评判总分Score，选取得分最大的一条海天线作为结果输出。
3 实验结果
在实地录取的大量海天背景红外图像中选取四幅有代表性的红外图像来测试提出的算法。图4(a)为较清晰图像，图4(b)为噪声严重的红外图像，图4(c)为低信噪比且海杂波丰富的红外图像，图4(d)为云层边缘丰富的红外图像。和本文算法比较的方法包括：1)改进的直线拟合法[1]。2)基于相位编组的Hough变换法[6]。详细结果分析如下：
改进的直线拟合法，对于海天对比度明显的简单背景的图像图5(a)可以取得较好的效果，对于噪声严重的图像图5(b)，由于每个分区检测到的点的位置偏差较大，经过拟合后偏差很大。对于对比度很低的图像图5(c)，由于每个子区的梯度变化不明显，所以海天线定位不精确，拟合后海天线检测失败。对于图5(d)，由于采用制冷型红外相机拍摄，海天分界处梯度最大，直线拟合法能够较好的确定海天线，但是由于舰船目标吃水线的影响，位置不是十分精确。
基于相位编组的Hough变换法，对于没有海杂波和云层边缘等线特征干扰的图像图6(a)(b)，能够取得较好的效果，且具有较好的抗噪声能力，但是对于图6(c)的海杂波干扰，和图6(d)的云层干扰，Hough变换法检测失败。
下面是采用本文算法的实验结果。
对于图4(a)，虽然DistCtr(位置和对比度信息)这一项因子区分度较弱，但Radon响应，梯度Y和，相位一致性这三项因子得分远远大于其他候选海天线。四项因子得分均排名第一，总分最大值为4，次大值为1.39，分值比为2.88，区分显著，如图7所示。
对于图4(b)，虽然Radon响应区分度较弱，但其它三项因子得分区分度较好，抑制了大部分虚警。四项因子得分均排名第一，总分最大值为4，次大值为1.59，分值比2.52，区分度较好，可信度高，如图8。
对于图4(c)，由于对比度低，且存在大量杂波干扰，真实海天线的Radon响应并不是最大的，但其它三项因子得分均为分项最大值。因此综合评分3.719为最大，且与次大值2.242之比为1.66，区分度较好，如图9所示。
对于图4(d)，由于对比度较高，真实的海天线四项因子得分都是最高的，并且每一项都远远大于其他虚警，因此综合评分最大，值为4，与次大值0.85之比为4.7，区分显著，可信度高，如图10所示。
上述实验结果表明，梯度图可以更明显地突出海天线，抑制背景干扰。通过对梯度图进行非线性拉伸变换，增强效果明显，可适应低对比度图像，并有利于进一步降低噪声干扰。本文算法利用的信息有：1)对拉伸后的梯度图做Radon变换得到的RadonRes可以较好地筛选出候选海天线，再联合YSumGrad特征评分充分利用了图像中的梯度模值信息;2)由于海天线是一条连贯的直线，而云层边缘和海杂波干扰往往具有不连续的特点，因此，就梯度相位的一致性而言，海天线上每点的梯度相位是一致的，即使受到噪声和干扰的影响，其方差值也不会太大，但是沿云层边缘和海杂波方向的梯度相位由于不连贯性，会产生剧烈变化，方差很大。因此VarScore充分利用了梯度相位信息，是一个有效的特征评分因子。3)海天背景红外图像主要由海面区域和天空区域组成。通常天空温度较高，表现为高亮度。海水温度较低，海面总体表现为低亮度。体现在红外图像中海面、天空两部分灰度存在较大差别。这是区别于可见光图像的重要特征。利用这一灰度差异，综合海天线和云层、海杂波的位置特点，得到DistCtr可以进一步增加海天线识别的置信度。
本文算法联合四项评分因子进行模糊综合评判，具有抗噪声和云层边缘及海杂波干扰能力强的优点，可适应不同条件下的海天背景红外图像。
结束语
海天线检测是研究红外图像舰船自动目标识别的一项重要内容。通过海天线检测，可以确定缩小目标区域，抑制区域外复杂环境的干扰，提高识别率，减少计算时间。本文深入探讨了海天环境下红外图像的特点，充分分析了海天线和其他线特征如海杂波和云层边缘的区别，提出了一种基于四项因子模糊综合评判的海天线检测识别方法，算法对比和实测数据结果验证了该算法具有定位精度高，识别效果好，抗干扰能力强，适用范围广等优点。
参考文献
[1]刘松涛,周晓东,张晓敏.舰船目标海天线提取方法研究[J].海军航空工程学院学报,2002,17(6):642-644.LIU Song-tao,ZHOU Xiao-dong,ZHANG Xiao-min.Research on Locating the Sea-sky Boundary of Ship Target[J].Journal of Naval Aeronautical Engineering Institute,2002,17(6):642-644.
[2]刘士建,蒋敏,庄良.一种快速有效的红外图像中海天线提取算法[J].红外技术,2011,33(4):230-232,240.LIU Shi-jian,JIANG Min,ZHUANG Liang.A Fast and Effective Algorithm for Sea-sky-line Extraction in Infrared Images[J].Infrared Technology,2011,33(4):230-232,240.
[3]董宇星,刘伟宁,王爽.基于Canny原理海天线检测算法研究[J].计算机测量与控制,2010,18(3):697-698,702.DONG Yu-xing,LIU Wei-ning,WANG Shuang.Study of Sea-sky-line Detection Algorithm Based on Canny Theory[J].Computer Measurement&Control,2010,18(3):697-698,702.
[4]温佩芝,史泽林,于海斌.复杂海面背景红外小目标自动检测方法[J].红外与激光工程,2003,32(6):590-593,604.WEN Pei-zhi,SHI Ze-lin,YU Hai-bin.Automatic detection method of IR small target in complex sea background[J].Infrared and Laser Engineering,2003,32(6):590-593,604.
[5]韩艳丽,任建存,卢刚.一种基于小波变换的天水线提取算法[J].海军航空工程学院学报,2005,20(3):338-340.HAN Yan-lin,REN Jian-cun,LU Gang.The Border between Sky and Sea Extracting Based on Wavelet Transform[J].Journal of Naval Aeronautical Engineering Institute,2005,20(3):338-340.
[6]桂阳,杨夏,朱宪伟,等.基于相位编组和灰度统计的海天线检测[J].国防科技大学学报,2011,33(6):111-115.GUI Yang,YANG Xia,ZHU Xian-wei,et al.Sea-sky-line Detection Based on Phase Grouping and Gray Statistics[J].Journal of National University of Defense Technology,2011,33(6):111-115.
[7]孙即祥.现代模式识别:二版[M].北京:高等教育出版社,2008:338.SUN Ji-xiang.Modern Pattern Recognition:Second Edition[M].Beijing:Higher Education Press,2008:338.
[8]Bracewell,Ronald N.Two-Dimensional Imaging[M].Englewood Cliffs,NJ:Prentice Hall,1995:505-537.
[9]Lim,Jae S.Two-Dimensional Signal and Image Processing[M].Englewood Cliffs,NJ,1990:42-45.
[10]吕俊伟,王成刚,周晓东,等.基于分形特征和Hough变换的海天线检测算法[J].海军航空工程学院学报,2006,21(5):545-548.LüJun-wei,WANG Cheng-gang,ZHOU Xiao-dong,et al.A Sea-sky-line Detection Algorithm Based on Fractal Feature and Hough Transform[J].Journal of Naval Aeronautical Engineering Institute,2006,21(5):545-548.
[11]董月芳,张云峰,刘扬,等.基于相位编组的Hough变换提取海天线算法[J].液晶与显示,2010,25(6):901-908.DONG Yue-fang,ZHANG Yun-feng,LIU Yang,et al.Hough Transform Based on Phase Grouping Algorithm for Extracting Sea-sky-line[J].Chinese Journal of Liquid Crystals and Displays,2010,25(6):901-908.
信息产业竞争力的综合模糊评判 篇4
信息产业竞争力的综合模糊评判
在对信息产业的内涵进行准确界定的基础上,本文提出了决定信息产业发展的四大支撑体系,并通过深入分析这四个层面,构建了较为客观的信息产业综合竞争力评价指标体系.同时,运用改进的模糊层次分析法综合中美两国实际进行了实证分析,进而为准确把握我国信息产业的.综合竞争力水平、制定合理的信息产业发展策略与措施提供了依据.
作 者：何亚琼 于立勇 黄梯云 作者单位：哈尔滨工业大学,管理学院,黑龙江,哈尔滨,150001刊 名：管理工程学报 ISTIC PKU CSSCI英文刊名：JOURNAL OF INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT年，卷(期)：16(3)分类号：N945.16关键词：信息产业 综合竞争力 模糊综合评判 模糊层次分析法
模糊评判技术 篇5
关键词：广西；芒果主栽品种；生产性状；模糊
芒果属于漆树科植物的一种，原产地是在印度，富含丰富的维生素A和维生素C，广受世界人民的喜欢。为了降低我国人民购买芒果时的价格，随着我国种植技术的发展，以及我国有与印度环境一致的、适宜芒果生长区域的存在，芒果在我国很多地区扎根成长，例如，我国的广东、广西一级台湾和福建等地，已经发展出了大规模的芒果种植基地，其中在广西南宁、龙州、百色、玉林以及邕宁等地都成为我国芒果种植的主要地区。为了能够更好地提高我国芒果的产量，一直对芒果的主要生产性状模糊综合评判进行分析。
一、实验方法
1、实验所需资料的来源
实验所需的资料都是笔者经过实地的考察得到的，以芒果种植大市广西百色市中的阳圩、那毕、永乐等五个乡镇一级田阳县的六个乡镇总共968个果园进行了走访调查。调查的芒果品种和地点的详细情况如图一所示：
2、模糊综合评判所使用的数学模型
通常情况下，模糊综合评判都是由（u，v，R）的形式构成的。且在现有的因素集U={U1，U2，…Un}以及评价集V={V1，V2，…Vn}的基础之上，对因素集中的U分配上模糊子集A：A=（a1，a2，…，an），在这个公式中，a1是指与位于第1个位置的因素U1相对应的权，都与归一化的条件相符： ，其中i=1，2，3，…，n。把第i个因素中的单因素评判为u时，它所对应的v的模糊关系就可以表示为：Ri=（r1，r2，…，rm），那么它所对应的评判矩阵R就可以表示为：R=（rj）nm，得到的综合评判，其实就是在V的前提条件下的模糊子集，可以表示为：B=A·R=（b1，b2，…，bm）。
3、确定因素集
就从目前调查的情况来看，有多方面的因素对芒果的品种产生影响，本文只是单纯性的以品种的角度来对产品的主要生产性状进行选取，例如：芒果的品质、芒果的产量、芒果的资金成本投入、种植芒果所需要的技术要求等，从而得出这4个因素所组成的因素集，表示为：U={芒果品质、芒果的产量、芒果的资金成本投入、种植芒果的技术要求}。
二、综合评判的结果
1、品质角度
从品质的角度来看，青皮芒、金煌芒、田阳香芒以及百色香芒这四个品种的芒果品质最好，得到的评价结果最好。如果种植者比较看重芒果的品质，可以从这四个芒果品种中进行挑选。
2、产量的角度
从产量的角度来看的话，金穗芒、红芒6号、绿皮芒、金煌芒的产量最好，且评价结果也很好，如果种植者较为看重芒果的产量的话，可以从这四个芒果的品种中进行挑选。
3、资金成本投入的角度
从资金成本投入的角度来看，青皮芒、金穗芒、泰国芒、绿皮芒、串芒、以及红芒6号，这几个品种的芒果种植时需要的资金成本投入较少，得到的评价结果最好。如果种植者手里的资金成本较少的话，可以从这几个芒果品种中进行挑选。
4、技术要求的角度
从芒果种植时所需的技术角度来看，泰国芒、绿皮芒、串芒、桂热10号以及红芒6号，这五个品种的芒果种植时对种植技术的要求少，得到的评价结果最好。如果种植者对芒果种植技术掌握的少的话，可以从这五个芒果品种入手，最适宜刚种植芒果的种植户挑选。
5、综合角度
从综合的角度来看，田阳香芒、红象牙、金煌芒、绿皮芒以及青皮芒，这几个芒果品种的综合评价最好，如果种植户比较看重芒果种植的整体的，可以从这几个芒果品种中进行挑选。
结语：
综上所述，种植户在挑选芒果的种植品种时，要从自身的实际情况出发，进行芒果品种的挑选，不能盲目的种植，以免造成不必要的经济损失。对广西种植的芒果主栽品种进行主要生产性状的模糊调查，可以提高我国广西地区的芒果产量，从而促进当地经济的发展。
参考文献：
[1]张仲保.多性状模糊综合评判的变量分析方法[J].西北农业学报，2008（04）
[2]阳明剑，王助引.广西芒果产量波动原因与丰产稳产对策[J].广西农业科学，2008（05）
[3]赵英，黄国弟，周俊岸，莫永龙，李日旺.广西芒果选育种研究现状[J].农业研究与应用，2011（03）
[4]廖香俊，唐树梅，吴丹，冯亚生，夏长健.芒果园土壤环境及其对芒果品质的影响[J].生态环境，2008（02）
模糊评判技术 篇6
在我国电力体制改革之前, 虽然存在不少独立发电企业, 但是由于国家电力公司掌握了一半左右的发电资产, 实行垂直一体化经营, 发电基本还属于垄断阶段, 因此研究发电企业的竞争力问题并没有太大的价值, 也很少有人关注。电力体制改革后, 发电企业逐渐向竞价上网的方向推进, 发电竞争市场开始形成, 发电企业竞争力问题的重要性日益凸现。随着电力市场改革的不断深化, 在“厂网分开, 竞价上网”的市场环境下, 发电企业间的竞争也日益加剧。发电企业若要在激烈的电力市场竞争中站稳脚跟, 做大做强, 实现稳定持续的发展, 就必须构建和提升自身的竞争力。本文结合发电企业自身的特点, 试图建立发电企业的竞争力的评价指标体系及核心竞争力识别模型, 使企业能够识别和评价自己的核心竞争力, 为企业塑造核心竞争力奠定坚实的基础。
2 发电企业核心竞争力分析
企业竞争力是指“在竞争性市场中, 一个企业所具有的能够持续的比其他企业更有效地向市场消费者, 包括生产性消费者提供产品或服务并获得盈利和自身发展的综合素质”。核心竞争力是一个企业比同行做得更好、能够带来持续成功的某方面的资源、能力和制度。本文认为, 核心竞争力的形成, 是因为企业在资源、能力和制度的某一方面占有独特优势, 而其他企业难于获得和模仿。发电企业核心竞争力, 就是发电企业在发展过程中长期培育和积淀而成的, 蕴含于企业文化之内、融合于企业内质之中, 企业独具的难以被其他企业模仿和替代的, 使企业长时间在电力市场竞争环境中能够取得主动, 自动适应外界变化, 取得可持续生存与发展的核心资源、能力和制度的整合[1,2]。
根据发电企业核心竞争力的特点, 按照不可复制、不可替代性的程度, 可得发电企业核心竞争力可模仿性递阶曲线, 如图1所示。
3 发电企业核心竞争力识别指标体系
为保证评价结果的客观、正确, 企业核心竞争力的识别指标体系的设计应遵循科学性、可比性、成长性和硬性指标与软性指标相结合等原则。在上述指标体系设计原则的指导下, 并参阅相关文献, 将发电企业竞争力分成了4类, 以它们为准则层, 建立了发电企业核心竞争力识别指标体系, 如表1所示。
4 发电企业核心竞争力识别模型
本文以模糊综合评判技术作为发电企业核心竞争力识别模型建立的基础, 为更科学、合理地确定发电企业的核心竞争力提供依据和工具。模糊综合评判法是建立在模糊数学基础上的评价方法, 模糊数学将数学的应用范围从精确现象扩大到了模糊现象。对于一个具有多个模糊性特征的事物, 在进行评价时需要借助于模糊数学的处理方法, 从而做出更加合理的评价[3-4]。为了既能说明问题, 又考虑到运算的复杂度和可操作性, 本文采用两级划分构建发电企业核心竞争力模糊评判模型。
(1) 确定核心竞争力识别指标集。根据上面的核心竞争力识别指标体系, 我们可以看出:X= (X1, X2, X3, X4) 一级指标有:二级指标有:
(2) 确定各指标层的权重。一级指标权重表示为a= (a1, a2, a3, a4) , 4个一级指标所对应的二级指标权重分别表示为a1= (a11, a12, a13, a14, a15, a16, a17, a18) , a2= (a21, a22, a23, a24, a25) , a3= (a31, a32, a33, a34) , a4= (a41, a42, a43, a44) 。
(3) 确定评语集
将发电企业核心竞争力评价语集确定为五个等级, 即V= (V1, V2, V3, V4, V5) = (优, 良, 一般, 差, 很差) 。其中, 五级评语的评分依次为9, 7, 5, 3, 1。
(4) 建立单因素评价矩阵
其中, k=1,
2, 3, 4, , P表示专家对某一个判定级别所给相同分数的个数, Q代表专家总数, j为每个一级指标下属二级指标的个数。R1为内部资源优势的评语隶属矩阵, R2为外部资源优势的评语隶属矩阵,
为资源组织能力的评语隶属矩阵, R4为学习和文化能力的评语隶属矩阵。
(5) 核心竞争力识别
运用公式Bi=ai*Ri, 其中, Bi表示一级指标, i=1, 2, 3, 4。得到B1结果后构成矩阵B如下:
继而利用公式E=a*B得到矩阵E, 根据的结果, 按最大隶属度的原则, 其值越大, 说明其对核心竞争力越强。
5 结论
企业核心竞争力是企业获取长期竞争优势的源泉, 没有核心竞争力, 发电企业的竞争优势就不可能持续。在分析发电厂的核心竞争力构成要素的基础上, 本文建立了核心竞争力的评价指标体系, 并建立了核心竞争力的模糊综合识别模型。通过对发电厂核心竞争力的识别, 不仅可以综合反映出企业的实际现状, 而且有助于发现某些薄弱环节, 并在此基础上进行分析和改进, 从而为发电厂提升核心竞争力提供思路和方法, 为企业不断自身完善、提高核心竞争力提供了有益的参考和借鉴。
摘要：电力体制改革后, 发电企业的市场竞争全面展开, 电厂的核心竞争力决定着其在发展过程中取得效益和实现战略目标的程度。本文根据核心竞争力的理念, 建立了科学适用的指标体系, 并使用模糊综合评判技术进行了企业核心竞争力识别模型的构建, 为发电企业确定和强化核心竞争力提供了有益工具。
关键词：发电企业,核心竞争力,模糊综合评判技术
参考文献
[1]吕强, 纪玉伟, 张敬岷.独立发电企业的核心竞争力及竞争策略研究[J].山东电力技术, 2007, 6:67-69.[1]吕强, 纪玉伟, 张敬岷.独立发电企业的核心竞争力及竞争策略研究[J].山东电力技术, 2007, 6:67-69.
模糊评判技术 篇7
Guan指出技术创新能力是一种特殊的资产或资源, 其中包括技术、产品、工艺、知识、经验与组织等七个维度[1], Burgelman等将其定义为促进和支持企业技术创新战略的一系列综合特征[2], 而笔者认为技术创新能力是企业对技术的研究和开发能力, 是由研发、生产、管理、市场营销等过程构成的综合能力, 它包括自主创新和模仿创新两种模式[3]。
近年来, 我国企业研发经费支出与销售收入的比例在1.5%左右, 远落后于发达国家的2.5%—4%[4], 说明我国企业的技术创新能力还处于发展阶段。而且, 技术创新的风险是相当高的。美国的一项调查显示, 高科技企业只有2.16%的研发计划所得成果在市场上取得成功。对于我国大多企业来说为了更好的发展, 应该以模仿创新为主, 鼓励自主创新, 才能有效的提高企业的核心竞争力。
所谓模仿创新就是指企业通过学习模仿先创企业的做法, 主要手段包括引进, 购买, 破译等, 管理体制模仿也是模仿创新的主要部分之一。为了寻找企业间差距, 从而因地制宜地采取措施, 提高自身的技术创新能力, 必须要有一种科学有效的评价方法。
近年来, 评价的方法不断改进, 有灰色关联法, 网络分析法等, 然而这些方法应用于企业间的评价时, 有的对比度不强, 只有评分或排序;有的对定性指标灰色信息的白化手段过于主观, 造成了信息的流失, 使评价结果有所偏差。本研究将灰色关联法与模糊评价法结合, 形成新的灰色模糊评价法, 从而实现对企业技术创新能力的综合评价。
1 企业技术创新评价指标体系
根据本研究对企业技术创新的定义, 将企业的技术创新能力分解为创新投入能力、创新管理能力、创新研发能力、创新产出能力和创新营销能力。依据科学性、系统性、可比性和可操作性的原则, 在进行了大量的资料调研和专家咨询后, 通过对企业人力、物力以及创新制度等方面的分析, 针对企业创新的产销流程, 构成了企业技术创新评价的指标体系, 如表1:
2 企业技术创新个评价指标的权重确定
通过专家咨询, 根据拟定的重要性标度 (表2) 给各个因素C相应的分数表示其相互间的重要性, 组成各指标的重要性判断矩阵D= (dij) m×n , 用计算判断矩阵的最大特征根及其对应特征向量的方根法求出权重向量A= (ai) , 并对通过公式判断矩阵进行一直性检验判断矩阵, CR均小于0.10, 具有满意的一致性。
得到的权重向量为:
A= (0.336, 0.097, 0.273, 0.161, 0.133) , CR=0.035<0.10
A1= (0.344, 0.344, 0.180, 0.132) , CR=0.001<0.10
A2= (0.375, 0.125, 0.250, 0.250) , CR=0<0.10
A3= (0.411, 0.186, 0.299, 0.104) , CR=0.009<0.10
A4= (0.435, 0.225, 0.225, 0.116) , CR=0.001<0.10
A5= (0.302, 0.096, 0.162, 0.440) , CR=0.006<0.10
最后, 将一级指标权重与其对应的二级指标权重相乘, 得出二级指标对于目标层的权重为
A*= (0.116, 0.116, 0.060, 0.044, 0.037, 0.012, 0.024, 0.024, 0.112, 0.051, 0.082, 0.028, 0.070, 0.036, 0.036, 0.019, 0.040, 0.013, 0.021, 0.059)
3 灰色模糊评价模型
3.1 参考序列的选定
在进行灰色模糊评价时, 为了从数据信息的内部结构上分析被评判事物与其影响因素之间的关系, 必须以某种定量的指标去评判该事物的性质。因此, 在评价中, 我们将每个指标的最优项组成指标体系的参考序列U*= (U*1、U*2、…、U*m) 。
3.2 数据的无量纲化处理
在企业创新技术评价的指标体系中, 既有定量指标又有定性指标, 而且指标间存在不同的量纲, 无法进行直接比较, 必须对数据进行无量纲化处理[5]。
3.2.1 对于定性指标, 我们根据10分制原则将其量化, 具体如表3:
3.2.2 企业技术创新评价指标体系分为成本指标和效益指标, 即高优指标与低优指标。通过极差变换对数据进行无量纲化处理:
U高undefined;j=1, 2, …, n (公式1)
U低undefined;j=1, 2, …, n (公式2)
3.3 计算各指标序列与参考序列之间的灰色关联度
首先计算出同一指标各子序列与参考序列之间的绝对差值 及其极值:
undefined (公式3)
undefined (公式4)
然后, 以最优指标集U*= (U*1、U*2、…、U*m) 为参考, 以各企业的具体指标值为比较指标集合, 计算出每个指标Uij与最优指标U*i的灰色关联系数:
undefined (公式5)
其中ρ∈[0, 1], 在评价的中, 我们通常使ρ=0.5。由公式5所得到的各指标的灰色关联度就是隶属度。
3.4 模糊评价及其结果分析
根据灰色关联度的分析, 各指标的隶属度就构成了一个模糊关系的矩阵R。指标体系的权重为A*, 则对企业技术创新评价的结果B就可以通过公式6得到。
B=A·R (公式6)
根据B值的大小给企业创新能力排序, B值越大企业创新能力越强。
4 灰色模糊评价应用实例
我们聘请10为专家对某三家企业的技术创新能力进行评价, 定性指标通过专家打分后进行加权平均取其均值, 然后将专家调研分析的结果, 通过公式1、2进行无量纲化处理得到评价矩阵如下:
将无量纲化处理后的企业技术创新能力评价矩阵, 利用公式五求各指标与最优指标之间的灰色关联度, 得到指标的隶属度矩阵R= (R1, R2, R3) , 即
undefined
根据专家之前评判结果, 企业技术创新能力指标体系的二级指标对于目标层的权重向量为A*= (0.116, 0.116, 0.060, 0.044, 0.037, 0.012, 0.024, 0.024, 0.112, 0.051, 0.082, 0.028, 0.070, 0.036, 0.036, 0.019, 0.040, 0.013, 0.021, 0.059)
将灰色关联分析所确定的隶属度矩阵与指标体系的权重向量通过模糊凭评价的方法进行处理, 最终得到评价结果B=A·R= (0.676, 0.449, 0.650) 。
评价结果显示, 企业A与企业C技术创新能力较强, 而企业B则比较差。根据具体指标隶属度发现, 企业A在自主创新与人力、物力资源投入方面有比较明显优势, 但对外合作能力、管理和市场信息与分析上略显不足, 营销成本较高, 可见其创新模式应该是以自主创新为主;企业B虽然在管理上比较科学合理, 但是在人力和物力资源的投入上明显不足, 导致技术创新项目不多, 成果转化率也相应比较低, 可见其技术创新能力还处在发展阶段, 尚不成熟;企业C在对外合作与人力、物力资源投入上表现突出, 但自主创新能力较差, 专业数不多, 影响了整体的技术创新能力, 可见其技术创新手段主要是以对外合作和技术引进为主, 属于模仿创新模式。对于企业B来说, 企业A与企业C是两种不同的技术创新模式的典范, 可根据自身条件, 采取相应措施, 提高企业的技术创新能力。
事实上研究中所调查的三个企业基本情况是, 企业A为中型国营企业, 企业B为发展中的民营企业, C为中型对外合资企业。其基本情况与评价结果一致。
5 结论
本研究将层次分析法 (APH) , 灰色关联分析法与模糊综合评判法相结合, 用灰色系统的分析方法对企业创新能力进行评价, 突出了各指标间的复杂关系, 克服了以往人为确定一个权重集, 把评价指标间的灰色关系用打分的办法使其白化所造成的信息损失。灰色模糊评价法计算简单, 定量化程度高, 科学性强, 使企业能够更加明确的看到自身状况, 找到与其它企业的差距, 采取有效的对策, 提高企业的技术创新能力, 进一步提高企业的核心竞争力。
参考文献
[1]GUAN J.Innovative capability and export performance of Chinesefirms[J].Technovation, 2003 (9) :737-747.
[2]BURGELMAN R.Strategic management of technology and innovation[M].New York:McGraw-Hill, 2004:121-156.
[3]多西G.技术进步与经济理论[M].钟学义, 译.北京:经济科学出版社, 1992.
[4]李彦坡.多层模糊综合评价在企业技术创新能力评估中的应用[J].现代生产与管理技术, 2006, 23 (2) :46-49:
模糊评判技术 篇8
关键词：模糊数学,防尘,综合评价,应用研究
1 引言
亚麻原料厂是以一年生草本植物——亚麻为生产原料, 生产纺织用亚麻纤维 (长麻纤维和短麻纤维) 的亚麻初加工企业, 其主要工艺流程是:亚麻原茎→选茎和束捆→浸渍 (沤麻) →干燥→养生→碎茎→打麻→梳麻 (长麻) →养生→包装[1]。亚麻初加工生产过程中粉尘危害非常严重。1993年黑龙江省劳动卫生职业病研究所对亚麻原料厂亚麻粉尘对工人健康的危害进行了劳动卫生流行病学调查研究, 调查结果表明亚麻尘浓度范围为7.24-35.56mg/m3, 相应棉尘病检出率为37.93-53.97%[2], 而国家职业卫生标准规定亚麻粉尘时间加权平均容许浓度 (PC-TWA) 为1.5mg/m3 (游离SiO2含量<10%) [3]。可见, 亚麻粉尘是亚麻原料厂的主要职业危害, 防尘工程技术措施效果如何, 对作业工人的身体健康有着直接的影响。对亚麻原料厂防尘工程技术措施进行综合评价, 从而定量地评价出最佳方案, 一是以利实施和推广, 二是为制定亚麻原料厂防尘技术规范提供依据和条件。
防尘工程是由多项因素决定的复杂系统工程, 其主要因素为技术因素、社会因素和经济因素等, 而这些因素分别又是多目标、多层次的复杂系统。例如:技术因素既包括生产工艺、生产设备方面的技术措施, 又包括通风除尘、个体防护、防火防爆等方面技术措施, 而每项技术措施又要分别受到设计、技术管理、方便性三因素的制约。
然而, 系统中每个层次内各因素相互间的重要程度、各项技术措施的优劣程度 (等级的划分) 具有一定的模糊性。因此, 应用模糊数学原理, 建立模糊数学模型, 用隶属度来描述模糊问题, 从而做到用数学语言进行定量描述和评价。在对亚麻原料生产行业进行实际调研的基础上, 采用“模糊综合评判法”评价亚麻原料厂防尘工程技术措施状况, 取得了满意的效果。下面对模糊综合评判法的应用研究做一简单介绍。
2 模糊综合评判法简述及评价步骤
综合评判是对多种属性的事物, 或者说其总体优劣受多种因素影响的事物, 做出一个能合理地综合这些属性或因素的总体评判。而模糊逻辑是通过使用模糊集合来工作的, 是一种精确解决不精确不完全信息的方法, 其最大特点就是用它可以比较自然地处理人类思维的主动性和模糊性。因此对这些诸多因素进行综合, 才能做出合理的评价, 在多数情况下, 评判涉及模糊因素, 用模糊数学的方法进行评判是一条可行的也是一条较好的途径[4,5,6,7]。其评价步骤如下框图, 见图1。
上述步骤中若发生评价因素无法确定、层次结构分析不清晰等问题时, 应重新明确或调整评价目标, 重新进行调研, 直到合理地确定了各评价因素、正确地建立了各层次分析结构后, 才能进行下一步骤;在隶属度及模糊关系矩阵确定过程中如果出现评审员参照《评价标准》无法赋分或赋分结果不合理等问题时, 应回到“制定评价标准”步骤, 重新制定或调整评价标准、划分评价等级、建立数学模型、确定各层次因素权重, 直到正确、合理地确定了隶属度及模糊关系矩阵后, 再进行下一步骤;若当得出的评价结果与实际相符度差时, 应重新审定数学模型的建立、各层次因素权重的确定、隶属度及模糊关系矩阵或复合运算是否存在问题, 调整后重新进行, 直到得到合理的、符合实际的评价结果。
3 模糊综合评判法的研究应用
3.1 确定评价因素
确定评价因素及相应的模糊集合, 并建立因素层次结构[8,9,10]。
(1) 工厂的选择:
选定8家具有代表性的亚麻原料厂参加评价。8家工厂构成了工厂集合, 设工厂集合为U:
U={u1, u2, ..., u8}={甲厂, 乙厂, 丙厂, 丁厂, 戊厂, 己厂, 庚厂, 辛厂}。
(2) 技术、社会、经济三项因素的选择, 设三项因素集合为F:
F={f1, f2, f3}={技术因素, 社会因素, 经济因素}。
(3) 工序的选择, 设工序集合为V:
V={v1, v2, v3, v4}={制取长麻, 回收短麻, 麻屑处理, 梳麻}。
(4) 技术措施的选择, 设技术措施集合为E:
E={e1, e2, e3, e4}={工艺, 设备密封, 通风除尘, 防火防爆}。
(5) 影响技术措施的三因素, 设此三因素集合为X:
X={x1, x2, x3}={设计, 技术管理, 方便性}。
将上述各因素按其共有的特性, 归纳成组, 分成若干层次, 建立如下因素层次结构模型, 见图2。
3.2 制定评价标准
各工厂对有粉尘危害的工序采取的各项技术措施, 将受到技术水平、管理水平、管理者重视程度、企业经济状况等诸多因素影响, 因此, 会使每项技术措施获得的效果和达到的水平有高有低。为了使评价有一个统一的参考尺度, 必须有一个评价标准, 若能按此评价标准实施, 亚麻原料厂生产过程中产生的职业危害可以得到满意的控制。
制定评价标准遵循的原则是:在广泛调查、多方征求意见的基础上, 结合工厂技术水平能够做到的实际情况, 凡是有粉尘危害的部位都应该设置防护措施, 这些防护措施必须达到理想水平。在评价标准中规定:每一道工序的每项技术措施, 都受到设计、技术管理、方便性三因素的影响, 每个因素由若干个小条目组成, 小条目的规定即为理想水平。每个工厂技术措施的实际情况, 对照评价标准进行打分而转化为分数, 从而获得了每项技术措施实际状况的定量评价值。
3.3 评价等级的划分
将评价等级分为五等:好、较好、一般、较差、差, 组成等级集合, 设为Y:
Y={y1, y2, y3, y4, y5}={好, 较好, 一般, 较差, 差}
好与差的程度用表1以定量形式给出。
注:表中y∈ (0, 1) 。
3.4 建立数学模型
在因素层次结构模型中, 以第V层次为例, 建立数学模型。
(1) 权重, 或叫权数分配。
V层次中集合X={x1, x2, x3}。
X中诸因素xi, 对技术措施集合E中某一具体技术措施ei的影响程度分别赋予不同的权重, 此权重叫做各因素之间的权数分配。权数分配为X集合上的模糊子集A, 简记为:
A= (a1, a2, a3)
式中:ai为第i个因素xi所对应的权重, 且满足:
undefined
(2) 评语集合, 或叫等级集合。
我们所选择的等级集合Y={y1, y2, y3, y4, y5}={好, 较好, 一般, 较差, 差}。
对于技术措施集合E中某一措施ei, 需找出每一个因素在评语集合中的隶属度, 也就是确定某项具体措施ei各项影响因素对各等级的满足程度。
就第i个因素而言, 它对各等级的隶属度是Y集合上的模糊子集Ri, 简记为:
Ri= (ri1, ri2, ri3, ri4, ri5)
此式称为单因素模糊评判向量, 于是单因素评判矩阵R为:
undefined
(3) 建立评价数学模型
考虑到多因素情况下的权数分配, 则对此项技术措施的模糊综合评判B是Y集合上的模糊子集, 简记为:B=A。R
对模糊评判矩阵进行复合运算, 得到:
undefined
式中, bj是此项技术措施被评为j级的隶属度, 若bk=max (b1, b2, ..., bm) 则此项技术措施评为K级。
上述评价模型可以用如下框图表示, 见图3。
3.5 确定各层次因素的权重
各参与评价的因素, 在评价过程中所起作用的大小, 用权重来描述, 权重的大小采用二元对比排序, 以行和正规化法与频数统计相结合的方法来确定。
根据前面确定的集合, 制定三因素、四项技术措施、四工序、三项因素权重调查表格。选定若干名熟悉亚麻原料生产工艺的专家和管理干部, 请他们独立认真思考权重调查表中各因素含义, 再根据自己的判断两两对比打分确定权重。
对选定的评审员所赋权值进行单因素统计, 根据频数、频率分布情况确定该因素较为适宜的权重。以此方法分别确定:三因素、四项技术措施、四工序、三项因素的权值:
AX= (a11a12a13)
AE= (a21a22a23a24)
AV= (a31a32a33a34)
AF= (a41a42a43)
3.6 隶属度、模糊关系矩阵及各层次的模糊复合运算
3.6.1 确定隶属度
对参加评价的8家工厂, 各厂分别选定若干名熟悉本厂生产工艺的工程技术人员和管理干部, 请他们根据本厂实际情况对照《评价标准》打分。达到标准的打1分, 没有采取任何措施的打0分, 采取措施但没有达到标准者视其与标准接近程度在0～1之间打分。将所有评审员给的分数填入“技术措施重要程度统计表”, 并进行加权计算得到加权值。
3.6.2 建立模糊关系矩阵及其各层次的模糊复合运算
将“技术措施重要程度统计表”内各评审员对每一个因素的加权值都与《评价等级对照表》对照。例如, 对设计因素来说, 认为好、较好、一般、较差、差所占比例各多少用百分数表示, 得到一组数据即为设计单因素评判向量:
R1=[r11r12r13r14r15]
同理, 可得技术管理、方便性二因素的评判向量:
R2=[r21r22r23r24r25]
R3=[r31r32r33r34r35]
由此, 可建立三因素模糊关系矩阵:
undefined
由R矩阵及上节确定的三因素权值, 利用已经建立的数学模型, 进行模糊复合运算:
undefined
此运算结果为某一技术措施的评判等级 (称为某一技术措施的评判向量) 。
每个工序的四项技术措施, 都可以得到四个评判向量, 以各工序四个评判向量构成相应各工序的评判矩阵, 与相应工序的四项技术措施权重进行模糊复合运算, 就得到各工序的综合评价结果。
再由四个工序的综合评价结果, 构成相应各工厂的技术因素评判矩阵, 与四工序权重进行模糊复合运算, 就可以得到某个工厂的技术因素评价结果。
某个工厂的技术因素评价结果与该厂的社会因素、经济因素评价结果构成该厂的三项因素矩阵, 与三项因素权重进行模糊复合运算, 就可以最后得到某工厂防尘工程技术措施综合评价结果。
3.7 综合评价结果简介
对选择的八家亚麻原料厂防尘工程技术措施, 利用“模糊综合评判法”进行综合评价, 按照最大隶属度判别准则, 获得的结果选摘如下
(1) 各厂防尘工程技术措施综合评价结果见表2。
从表2中可见:全行业防尘工程技术措施状况属于“好”、“较好”等级的只是少数企业, 大部分企业属于“一般”等级。
(2) 各厂四项技术措施评判等级, 见表3。
从表3中可见:工艺技术措施、设备密封技术措施各有一家企业为“好”, 其余企业为“较好”或“一般”;通风除尘技术措施有三家企业为“较好”, 其余企业均为“一般”;防火防爆技术措施有两家企业只达到“一般”水平, 其余企业均为“较差”。可见, 通风除尘、防火防爆技术水平相对较低, 尤其防火防爆技术措施相比更低。
4 结语
亚麻初加工企业不仅因粉尘危害严重, 使防尘工程技术措施显得尤为重要, 而且因其生产工艺过程的气力输送与除尘系统密不可分的特点, 也使防尘工程技术措施对亚麻原料厂的生产和产品数量及质量有着密不可分的关系, 所以对亚麻原料厂防尘工程技术措施的状况能否作出客观的、符合实际的综合评价是极其重要的。以上通过对亚麻原料厂防尘工程技术措施的全面、系统分析, 运用模糊数学原理建立的模糊综合评判方法, 在专家打分评估的基础上, 应用定性与定量的综合决策方法, 结合层次分析法分配权重, 对亚麻原料厂防尘工程技术措施进行了综合评价, 得出了比较客观而又符合实际的评价结果。从综合评价结果可以看出我国亚麻初加工企业哪些防尘技术措施相对较弱, 今后应从哪些方面加强。
另外, 通过对亚麻原料厂防尘工程技术措施运用模糊综合评判法的应用研究, 可以证明应用模糊数学建立的模糊综合评判方法进行此类问题的综合评价是科学的、可行的、宜于应用的, 为解决其他方面多因素、多层次的复杂系统问题提供了一个科学、可靠的参考, 为其他行业或各类企业进行劳动卫生工程综合评价提供了可信、可行的先例, 应用此方法可做出合理的、符合实际的综合评价结果。
参考文献
[1]詹先翠等.亚麻原料生产行业的粉尘危害与治理[J].劳动保护科学技术, 1996, 16 (1) :44-47ZHAN Xian-cui, et al.Harm and Administer of Dust inFlax Raw Material Labor Production Trade[J].Sci-ence and Technology of labour protection, 1996, 16 (1) :44-47
[2]刘春华等.亚麻尘致棉尘病的调查[J].中华劳动卫生职业病, 1994, 12 (4) :216-218LIU Chun-hua, et al.Investigation of Flax Dust Lead topneumoconiosis[J].Chinese Journal of Industrial Hy-giene and Occupational Diseases, 1994, 12 (4) :216-218
[3]苏志等.GBZ 2.1-2007工作场所有害因素职业接触限值第1部分:化学有害因素[S].北京:人民卫生出版社, 2007
[4]黄克中等.随机方法与模糊数学应用[M].上海:同济大学出版社, 1987
[5]王铭文等.模糊数学讲义[M].长春:东北师范大学出版社, 1987
[6]陈永义等.综合评判的数学模型[J].模糊数学, 1983, (1) CHEN Yong-yi, et al.Mathematical Model of Compre-hensive Evaluation[J].Fuzzy Mathematics, 1983, (1)
[7]钱兴福等.加权综合评价法[J].化工环保, 1985, (3) QIAN Xing-fu, et al.Method of Weighting Comprehen-sive Assessment[J].Environmental Protection ofChemical Industry, 1985, (3)
[8]许顺国等.模糊数学综合评判法在水质评价中的应用[J].唐山师范学院学报, 2007, 29 (2) :68-70XU Shun-guo, et al.Application of Fuzzy MathematicsComprehensive Evaluation Method in water quality eval-uation[J].Journal of Tangshan Normal Training Col-lege, 2007, 29 (2) :68-70
[9]张晓南等.模糊综合评判法在军用工程机械可靠性与维修性评价中的应用[J].矿山机械, 2010, 38 (8) :42-45ZHANG Xiao-nan, et al.Application of fuzzy compre-hensive assessment to evaluation for reliability and main-tainability of military engineering machinery[J].Min-ing&Processing Equipment, 2010, 38 (8) :42-45
煤矿安全系统模糊综合评判 篇9
1 模糊综合评判法
模糊综合评判的数学模型由3个要素组成, 主要包括以下6个步骤:
(1) 确定因素集U={U1, U2, Κ, Um}, 此处Ui (i=, 1, 2Κ, m) 表示对被评判事物有影响的第个因素。通过这一步, 是要建立指标体系, 即确定各级的目标和影响因素, 上一级的影响因素同时是下一级的目标。煤矿安全评价指标体系如图1所示。
(2) 确定评语集V={V1, V2, Κ, Vp}, 此处Vj (i=, 1, 2Κ, p) 表示评价的第j个等级。
因此, Rf可由模糊矩阵R∈Um×p表示, 即
R称为单因素评价矩阵, 其中rij为U中的因素Ui对应V中等级Vj的隶属关系, 是第i个因素对该事物的单因素评价, 它构成了模糊综合评判的基础。
(5) 选择合成算子, 将A和R合成得到综合评判结果B。
(6) 对模糊综合评判结果进行分析处理, 使判定结果的信息清晰化, 最终对被判定对象做出判定。
2 算例分析
(1) 建立因素集。
影响煤矿安全评价状况的不同因素 (人、环境、技术、管理) 为元素所组成的一个普通集合u i= (u1, u2, u3, u4) 。
对于n个元素来说, 得到两两比较判断矩阵A:
(2) 建立评价矩阵。
煤矿安全评价结果用一个模糊的集合来建立, 划分V= (v1, v2, v3, v4) 四个等级层次, v1为好, v2为较好, v3为一般, 4v为差。邀请20位有相关经验的专家对某煤矿各子因素进行评价, 结果如下表所示:
建立评价矩阵时, 各因素必须满足两个条件:归一性、非负性, 可得如下:
人的因素评价矩阵:
环境因素评价矩阵:
技术因素评价矩阵:
管理因素评价矩阵:
为了综合考虑所有因素对煤矿安全状况的影响, 必须考虑各因素的重要程度, 即将权重矩阵A与评判矩阵R合成, 得到新的模糊综合评判矩阵C, C=A⋅R就是最后的评判结果。
同理:
设
又因为A=[0.554 0.077 0.242 0.127]
按最大隶属度来判定等级, V= (v1, v2, v3, v4) , 取v3, 即该煤矿安全等级状况为一般。
3 结语
模糊综合评判法是通过建立评价因素集, 划分等级层次, 全面综合考虑各因素的重要程度, 进行综合评判, 再根据最大隶属度原则, 即可判断该煤矿的安全状况程度。并进行综合评判, 解决了层次分析法中部分主观性带来的不足。结果表明, 运用模糊综合评判评价煤矿安全系统, 为安全系统评估提供了量化的基础。可以更好地反应煤矿安全的程度, 提高了决策的有效性, 方便各煤矿根据评价结果采取相应的措施, 提高煤矿安全生产水平。
参考文献
[1]王旭, 霍德利.模糊综合评价法在煤矿安全评价中的应用[J].中国矿业, 2008, 17 (5) :75-78.
[2]刘亚静, 毛善君, 姚纪明, 等.基于层次分析法的煤矿安全综合评价[J].矿业研究与开发, 2007, 27 (2) :82-84.
[3]郭德勇, 范金志, 马世志, 等.煤与瓦斯突出预测层次分析-模糊综合评判方法[J].北京科技大学学报, 2007, 29 (7) :660-664.
[4]徐浩, 李希建, 陈守坤, 等.层次分析-模糊综合评判法在突出危险区域预测中的应用[J].煤矿开采, 2010 (1) :15-18, 22.
模糊评判技术 篇10
关键词 贝叶斯网络；供应链风险；故障树；模糊综合评判
中图分类号 O224 文献标识码 A
1 引 言
供应链风险管理已经成为组织，甚至是当前经济和金融危机所应关注的核心问题.供应链风险评判的目的是为了更加全面了解供应链风险的整体状况，从而为实施有效的风险管理措施提供依据.供应链风险评估的方法有风险矩阵法、故障树分析法、蒙特卡洛模拟法、模糊综合评判法等，但是这些方法只能进行定性或半定量分析，无法完整地从定量角度准确反应风险水平的高低.
贝叶斯概率模型的提出解决了从定量角度分析难的问题，它通过概率理论与可视化网络图来进行概率推理，并且能够有效地将专家经验、历史数据以及各种不完整、不确定信息综合起来提高建模效率和可信度.贝叶斯网络（Bayesian Network， BN）技
术在国内外区域经济预测[1]、期权定价[2]、军事对抗模拟、工业废水处理[3]等领域得到了广泛应用.近年来，国内外许多学者也采用了贝叶斯网络技术对供应链风险进行了评判.比如李恩平[4]运用BN对供应链进行了可靠性分析，Soberanis[5]将贝叶斯网络扩展模型应用于供应链风险评判中，索秀花[6]利用BN对供应链质量进行了评价与识别.这些文章运用贝叶斯网络技术从定量角度进行评估，然而评判中未考虑损失的影响，无法反应实际情况，也无法对不确定因素进行准确考虑.
因此，本文提出将贝叶斯网络技术与模糊综合评判法相结合解决上面出现的问题，目前将两者结合起来进行风险评判在国内外很少见.以某企业供应链风险数据为基础，通过基于贝叶斯网络技术与模糊综合评判相结合对供应链风险进行了评判 ，为以后进行相关风险研究提供参考依据.
2 基于故障树的贝叶斯网络建造方法
2.1 故障树分析法的基本介绍
故障树分析法（Fault Tree Analysis， FTA）[7]是一种运用演绎法逐级分析，寻找导致某种故障事故的各种可能原因，直到最基本原因，并通过逻辑关系的分析确定潜在的风险故障，以便采取防范措施的分析方法.在此方法中通常把人们不希望发生的，但可以预见的对系统性能、经济性、可靠性和安全有显著影响的故障事件作为顶事件，把引发顶事件故障的最终原因作为底事件，把反映顶事件与底事件之间因果关系的事件称为中间事件.然后通过各事件间的逻辑关系建立系统故障的数学模型.
故障树模型的建立有3个前提假设：1）事件状态为两态：工作（w）或失效（F）；2）各事件之间独立；3）事件之间中有“与、或”两种逻辑门相互联系.[8]从这些前提假设可以看到，FTA方法在分析问题时存在一些局限性，比如事件要求两态性，各事件之间独立且逻辑门表示方法有限.事实上有些事件不止存在着两态，有时处于两态之间，并且许多事件又是相互联系的，单纯地用“与门”或者“或门”来表示它们之间的关系是不够的，比如本文要研究的供应链失效风险，就存在这样的情况，因此再单纯的运用故障树模型处理就不能很好地反应实际问题了，故本文提出了贝叶斯网络与故障树分析法相结合，使所要研究的结果更加切合实际.
由表6可以得出，网上订购失效等级为4级，说明该企业网上订购存在很大的风险隐患，如果不及时采取合理措施将造成很大损失；系统故障的等级为4级，很大原因是该企业技术配置较低，配送以及调度信息处理不当，因此该企业应该采取有效的办法及早提高技术配置并以合理快速的方式处理配送及调度信息；客户订单递交失效、网络差和调度不当的风险等级为3级，此时该企业也应该提高网络技术以及客服的服务水平.依据同样的研究方法，可以计算出供应链失效中其他非根节点的风险等级.结果表明，供应链失效总风险等级为3级，产品失效及原材料失效都为3级.对于不同等级的风险事件应该采取相应的措施来降低风险，以此来减少供应链失效带来的损失.
4 结束语
将贝叶斯网络技术与模糊综合评判方法结合起来，提出基于贝叶斯网络的供应链风险模糊综合评判方法.以文中生产企业供应链风险数据为基础，运用基于贝叶斯网络的模糊综合评判方法计算出该企业供应链风险总等级以及其他事件的风险等级.本方法可为研究其他类似风险提供参考依据.
针对不同企业要结合具体实际情况，运用本文的研究方法，将很容易分析出企业运营中的其他类似风险等级，为企业及时调控提供依据.
参考文献
[1] 王 飞. 基于贝叶斯向量自回归的区域经济预测模型： 以青海为例[J]. 经济数学，2011，28（2）：95-100.
[2] 熊炳忠，马柏林. 基于贝叶斯MCMC算法的美式期权定价[J]. 经济数学，2013，30（2）：55-62.
[3] H MTHLENBEIN， T MAHNIG. Evolutionary optimization using graphical models [J]. New Generation Computing， 2000， 18（2）： 157-166.
[4] 李恩平，葛兰.基于贝叶斯网络的供应链可靠性诊断分析[J].物流技术，2010，21（9）：96-99.
[5] E D SOBERANIS. An extended Bayesian network approach for analyzing supply chain disruptions[D].Lowa：Industrial Engineering，University of Lowa， 2010.
[6] 索秀花，张仁发.基于贝叶斯网络的供应链质量风险识别与评估[J].中国市场，2010，23（12）：127-130.
[7] 曾声奎.可靠性设计与分析[M].北京：国防工业出版社，2011：225-246.
[8] 谢斌，张明珠，严于鲜.贝叶斯网络对故障树方法的改进[J].燕山大学学报，2004，28（1）：55-57.
[9] 齐善明，李磊，杨欢.基于故障树贝叶斯网络的装备故障诊断方法研究[J].舰船电子工程，2012，32 （6）：112-113.
[10]杨虹，汪厚祥，支冬栋，等.基于贝叶斯网络的故障树在机械设备中的应用[J].微计算机信息，2010，26（2）：116-119.
[11]程鹏.供应链风险评估中贝叶斯网络的应用[J]. 生产力研究，2012，2（5）：215-216.
[12]周红波.基于贝叶斯网络的深基坑风险模糊综合评估方法[J].上海交通大学学报，2009，43（9）：1474 -1478.
[13]张姣，贾敏才，张建.地铁隧道盾构法施工全过程风险分析[J].公路工程，2013，38（3）：39-41.
如何应用模糊评判进行零件选材 篇11
在零件设计时, 怎样合理地选材是一项极其重要的工作。不但要考虑材料的性能能够适应零件的工作要求, 使零件经久耐用, 同时要求材料有较好的加工性能和经济性, 以便提高零配件的生产校率, 降低成本, 减少损耗。通常会有多种材料满足设计要求, 如何在这些材料中选出最合适的一种, 这就涉及到如何将这几种材料排出优先次序来, 但材料之间的比较通常是很困难的, 因为材料之间的差异涉及到很多模糊的因素。
用模糊评判将零件选材中遇到的模糊因素进行精确化, 进而将符合要求的材料排出优先次序, 选出评判指标值最大的一种作为选用材料, 同时, 根据评判指标值结合生产实际情况进行选材。
下文以链轮选材为例, 叙述如何应用模糊评判进行零件选材。
1 创建模型
1.1创建主要元素集合
可以用来做链轮的材料涉及的元素很多, 主要考虑以下五项元素:
1.1.1韧性、耐磨性、强度等。
韧性不够很容易断齿, 不能够很好的工作;耐磨性不足容易磨损坏, 不能够有效且长久的工作;强度不足容易变形或断裂, 就不能够承受足够大的载荷, 不能够有效且长久的工作。
1.1.2切削性能。
切削性能会直接影响到产品的生产效率, 间接的影响到生产成本, 即切削性能好, 则生产效率提高, 制造成本降低;反之, 则生产效率降低, 制造成本增加。
1.1.3热处理性能
热处理变形量小, 且稳定才能保证链轮齿部的精度, 进而保证产品的质量;尤其是大批量生产的链轮, 更需要有良好的热处理性能。
1.1.4焊接性能。
焊接性能主要包括形成气孔的倾向、形成冷裂或热裂的倾向等。因为在多数情况下, 链轮采用组合结构形式, 链轮齿圈和轮毂分别加工后再焊接成整体, 所以良好的焊接性能是保证质量的重要因素。
1.1.5经济性能。
在保证产品的质量前提下, 特别是大型链轮和大批量生产的链轮这一点尤为重要, 它决定企业的生存和发展。
材料选择中必须考虑的元素也就是材料选用的五项元素, 由此取元素集合:X={x1, x2, x3, x4, x5}
式中x1——承载能力
x2——切削加工性能
x3——热处理性能
x4——焊接性能
x5——经济性能
1.2 创建可以选择的材料集合
通常用的链轮材料及热处理性能和其适用范围见表:
从表中可以看出, 通常用的链轮材料共有九种。选择链轮材料就是根据使用要求从上述材料中选出符合要求的一种。因此评判集合就为:
该算式中y1、y2、y3、y4、y5、y6、y7、y8、y9分别代表低碳钢、中碳钢、低碳合金钢、中碳合金钢、普通碳钢、铸钢、铸铁、球墨铸铁和工程塑料。
1.3创建上述材料对五要素的重要性集合:
不同场合的设计, 使用和要求条件不同, 各要素的重要性各不相同, 所以必须对以上各要素分别根据其重要性程度给出不同的权重, 得到一个权重集合:
1.4 创建单个元素的评判模糊矩阵
独自从一个元素出发进行评判, 以确定评判集元素对元素集元素的隶属度。设评判对象按元素集中第i个元素xi进行评判, 评判集中的第j个元素yj对元素xi的隶属度为rij (0≤rij≤1) , 则按第i个元素xi评判的结果, 可用单元素评判集Ri表示:
则单个元素的评判模糊矩阵为:
它就表示评判集中各元素yj对因素集中因素xi的隶属度。
1.5 创建模糊评判
单元素的模糊评判, 仅反映一个元素对评判对象的影响, 但评判目的是要综合考虑所有元素的影响, 得出科学的评判结果。因此, 模糊评判可表示为:
按最大从属度法进行模糊评判。
则:maxbj所对应的yj即为最佳的选择。
2 实例分析
本次设计的链轮使用于重载情况下、并且为组合结构形式、大批量生产应用。
由于是重载和组合结构形式, 因此对强度、韧性、耐磨性、焊接性能有较高的要求;又因为是大批量, 所以对热处理性能和经济性也有一定的要求;对切削性能要求较低, 因此可取权重集合为:
A= (1, 0.4, 0.8, 1, 0.8) 归一化为:A= (0.25, 0.1, 0.2, 0.25, 0.2)
因为是重载、组合结构形式, 所以工程塑料不可使用, 也就不做考虑;根据材料的性能确定8种材料对五项原则的隶属度, 其数据组成从属度评判矩阵R如下:
归一化为:
因此, B=A*R= (0.154, 0.129, 0.136, .123, 0.147, 0.138, 0.082, 0.094) m axbj=b1=0.153从上计算结果可知, 选低碳钢作为链轮材料为最恰当。
3 总结
3.1在评判模型中, 权重数的分配具有一定的主观性。因此必须请有生产实践经验的专家和工程技术人员共同打分, 进而减少主观因素的影响。
3.2模糊评判综合地考虑了各主要元素对材料选择的影响情况, 合理地评判了每一个可行的选择方案, 从而减少了人为挑选最优方案的主观性。
3.3通过模糊评判又可变换其中的假设条件进行备选方案的选择, 上例中假使生产中无低碳钢, 也可考虑选择铸钢。
3.4模糊评判不仅得到了最佳的方案, 还对各种可行方案进行了评定、排序, 供方案决策时参考使用。
参考文献
[1]《金属材料及热处理》.上海科学技术出版.史美堂主编.
[2]《机械设计课程设计手册》.高等教育出版社.吴宗泽.罗圣国主编.