ZL50装载机的综合性能评价.doc

ZL50装载机综合性能评价0 引言20世纪初装载机问世，20年代开始大量投放市场并推广应用。1971年我国诞生了第一台铰接式轮式装载机（ZL50），1978年成为中国轮式装载机的系列标准。目前，ZL50装载机在我国已经得到广泛的应用。装载机是一种广泛用于公路、铁路、建筑、水电、港口、矿山等建设工程的土石方施工机械，它主要用于铲装土壤、砂石、石灰、煤炭等散状物料，也可对矿石、硬土等作轻度铲挖作业。其性能优劣直接影响施工质量和工程进度。而一台装载机的优劣不能只关注一两个方面，需要我们对其进行综合评价。通常人们关注的装载机的性能包括：作业性、牵引性、稳定性、操作性等多个方面，每个方面有包括许多个小的方面，这些类别和层次不同的因素构成了一个复杂而又相互关联的综合系统。因此，要科学客观地评价ZL50装载机的性能就必须要有能够多方面、多层次反映其性能的评价方法。本研究通过对ZL50装载机性能的分析，运用模糊综合评价及层次分析法建立了反映其性能的二级综合评价模型。1 综合评价模型1.1 建立综合评价模型综合评价模型由因素集、权重向量A和评价集V构成。已知因素集，评价集。设向量，为因素集U中第i个因素所对应的权重，表示相对于U的相对重要性。如果U到V上的模糊子集，为因素集U中第i个因素对评价集V的评价结果，那么因素集U的评价矩阵为，评价对象关于因素集U对评价集V的综合评价的结果为：。其中为A与R的广义模糊合成运算，表示评价对象对评价集V中第i个元素的隶属程度。 根据以上评价模型原型，结合ZL50装载机性能综合评价的实际情况，可建立多级综合评价模型。广义模糊合成运算有多种形式，其中加权平均型合成运算形式与普通矩阵乘法运算相同，能充分体现权重向量A的作用，同时充分利用了R中的信息，综合程度强，更适用于ZL50装载机性能的综合评价，因此采用加权平均型。1.1.1 层次分析法理论（AHP）层次分析法的概念层次分析法（Analytic Hierarchy Process，简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究根据各个工业部门对国家福利的贡献大小而进行电力分配课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。层次分析法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。尤其适合于对决策结果难于直接准确计量的场合。所谓层次分析法，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。层次分析法的优缺点优点：1. 系统性的分析方法层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。2. 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。3. 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。缺点：1. 不能为决策提供新方案层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。2. 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出来的结果也和你的不一致，这个时候该如何解决？比如说，对于一件衣服，我认为评价的指标是舒适度、耐用度，这样的指标对于女士们来说，估计是比较难接受的，因为女士们对衣服的评价一般是美观度是最主要的，对耐用度的要求比较低，甚至可以忽略不计，因为一件便宜又好看的衣服，我就穿一次也值了，根本不考虑它是否耐穿我就买了。这样，对于一个我原本分析的购买衣服时的选择方法的题目，充其量也就只是男士购买衣服的选择方法了。也就是说，定性成分较多的时候，可能这个研究最后能解决的问题就比较少了。对于上述这样一个问题，其实也是有办法解决的。如果说我的评价指标太少了，把美观度加进去，就能解决比较多问题了。指标还不够？我再加嘛！还不够？再加！还不够？！不会吧？你分析一个问题的时候考虑那么多指标，不觉得辛苦吗？大家都知道，对于一个问题，指标太多了，大家反而会更难确定方案了。这就引出了层次分析法的第三个不足之处。3. 指标过多时数据统计量大，且权重难以确定当我们希望能解决较普遍的问题时，指标的选取数量很可能也就随之增加。这就像系统结构理论里，我们要分析一般系统的结构，要搞清楚关系环，就要分析到基层次，而要分析到基层次上的相互关系时，我们要确定的关系就非常多了。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性，如果有越来越多的指标，我们对每两个指标之间的重要程度的判断可能就出现困难了，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过，也就是说，由于客观事物的复杂性或对事物认识的片面性，通过所构造的判断矩阵求出的特征向量（权值）不一定是合理的。不能通过，就需要调整，在指标数量多的时候这是个很痛苦的过程，因为根据人的思维定势，你觉得这个指标应该是比那个重要，那么就比较难调整过来，同时，也不容易发现指标的相对重要性的取值里到底是哪个有问题，哪个没问题。这就可能花了很多时间，仍然是不能通过一致性检验，而更糟糕的是根本不知道哪里出现了问题。也就是说，层次分析法里面没有办法指出我们的判断矩阵里哪个元素出了问题。4. 特征值和特征向量的精确求法比较复杂在求判断矩阵的特征值和特征向量时，所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候，我们还比较容易处理，但随着指标的增加，阶数也随之增加，在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决，我们有三种比较常用的近似计算方法。第一种就是和法，第二种是幂法，还有一种常用方法是根法。基本步骤建立层次结构模型 在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。最上层为目标层，通常只有1个因素，最下层通常为方案或对象层，中间可以有一个或几个层次，通常为准则或指标层。当准则过多时(譬如多于9个)应进一步分解出子准则层。构造成对比较阵 从层次结构模型的第2层开始，对于从属于(或影响)上一层每个因素的同一层诸因素，用成对比较法和19比较尺度构造成对比较阵，直到最下层。构造判断矩阵 层次分析法的一个重要特点就是用两两重要性程度之比的形式表示出两个方案的相应重要性程度等级。如对某一准则，对其下的各方案进行两两对比，并按其重要性程度评定等级。记为第 和第 因素的重要性之比，表1列出Saaty给出的9个重要性等级及其赋值。按两两比较结果构成的矩阵 称作判断矩阵。判断矩阵 具有如下性质： 且 / ( =1,2, ) 即 为正互反矩阵表1比例标度表因素 比因素量化值同等重要1稍微重要3较强重要5强烈重要7极端重要9两相邻判断的中间值2，4，6，8计算权重向量 为了从判断矩阵中提炼出有用信息，达到对事物的规律性的认识，为决策提供出科学依据，就需要计算判断矩阵的权重向量。定义：判断矩阵 ，如对 ，成立 ，则称 满足一致性，并称 为一致性矩阵。一致性矩阵A具有下列简单性质:1、 存在唯一的非零特征值 ,其对应的特征向量归一化后 记为 ，叫做权重向量；2、 的列向量之和经规范化后的向量，就是权重向量；3、 的任一列向量经规范化后的向量，就是权重向量；4、对 的全部列向量求每一分量的几何平均，再规范化后的向量，就是权重向量。因此，对于构造出的判断矩阵，就可以求出最大特征值所对应的特征向量，然后归一化后作为权值。根据上述定理中的性质2和性质4即得到判断矩阵满足一致性的条件下求取权值的方法，分别称为和法和根法。而当判断矩阵不满足一致性时，用和法和根法计算权重向量则很不精确。一致性检验 当判断矩阵的阶数 时，通常难于构造出满足一致性的矩阵来。但判断矩阵偏离一致性条件又应有一个度，为此，必须对判断矩阵是否可接受进行鉴别，这就是一致性检验的内涵。定理:设 是正互反矩阵 的最大特征值则必有 ,其中等式当且仅当 为一致性矩阵时成立。应用上面的定理，则可以根据 是否成立来检验矩阵的一致性，如果 比 大得越多，则 的非一致性程度就越严重。因此，定义一致性指标（1）CI越小，说明一致性越大。考虑到一致性的偏离可能是由于随机原因造成的，因此在检验判断矩阵是否具有满意的一致性时，还需将CI和平均随机一致性指标RI进行比较，得出检验系数CR，即（2）如果CR0.1 ，则认为该判断矩阵通过一致性检验，否则就不具有满意一致性。其中，随机一致性指标RI和判断矩阵的阶数有关，一般情况下，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，其对应关系如表2:表2平均随机一致性指标RI标准值(不同的标准不同，RI的值也会有微小的差异)矩阵阶数12345678910RI000.580.901.121.241.321.411.451.49可见，AHP方法不仅原理简单，而且具有扎实的理论基础，是定量与定性方法相结合的优秀的决策方法，特别是定性因素起主导作用的决策问题。 1.1.2 模糊综合评价法 模糊综合评价法的概念模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。模糊集合理论(fuzzy sets)的概念于1965 年由美国自动控制专家查德（LA Zadeh）教授提出，用以表达事物的不确定性。基本步骤模糊综合评价指标的构建模糊综合评价指标体系是进行综合评价的基础，评价指标的选取是否适宜，将直接影响综合评价的准确性。进行评价指标的构建应广泛涉猎与该评价指标系统行业资料或者相关的法律法规。采用构建好权重向量通过专家经验法或者AHP层次分析法构建好权重向量。构建评价矩阵建立适合的隶属函数从而构建好评价矩阵。评价矩阵和权重的合成采用适合的合成因子对其进行合成，并对结果向量进行解释。 1.1.3 归一化方法归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。归一化公式：1.2 确定因素集因素集是指评价过程中需要考虑的具体因素的集合，应选取对评价对象影响大、评价者最关注的指标作为主要因素。可将ZL50装载机性能评价因素分为以下因素集和因素子集：1.3 确定权重向量 权重向量对应于每一个因素集或因素子集，它的值表示对应因素集或者因素子集中的因素的重要程度。通常，对于可量化的或者涉及因素较少的因素集可根据各因素之间的关系及重要程度直接确定权重；对于涉及因素较多而又不能定量，各因素之间关系复杂，不易直接确定权重的因素集可引入层次分析法理论构造两两比较判断矩阵来确定。根据因素集和因素自己的情况，将各权重向量确定如下：根据层次分析法理论构造一级因素集权重向量两两比较判断矩阵如表3所示：运用MATHLAB软件求出上面的一级因素集两两比较判断矩阵的最大特征值为9.435，其所对应的特征向量为（0.703 ，0.477 ，0.354 ，0.271 ，0.110 ，0.160 ，0.087 ，0.184 ,0.093）。其一致性指标：表4 平均一致性指标（RI）1234567890.000.000.580.901.121.241.321.411.45查表4得平均一致性指标：RI=1.45，一致性比率：由此说明一级因素集两两比较判断矩阵的不一致性程度在允许的范围内，有满意的一致性，可以用其归一化特征向量作为权重向量。经过归一化后即得出权重向量A=（0.288 ，0.195 ，0.145 ，0.111 ，0.045 ，0.066 ，0.036 ，0.075 ，0.038）。由于作业性因素集、牵引性因素集、稳定性因素集、操作性因素集、通过性因素集、环保性因素集、经济性因素集等涉及因素比较少且可量化，因此可根据各因素之间的关系及重要程度直接确定权重。通过分析作业性因素集、牵引性因素集、稳定性因素集、操作性因素集、通过性因素集、环保性因素集、经济性因素集直接确定各自的权重向量为：，可靠性因素集利用层次分析法理论构造可靠性因素集的两两比较判断矩阵如表5。运用MATHLAB软件求出上面的二级可靠性因素集两两比较判断矩阵的最大特征值为4.044，其所对应的特征向量为（0.872，0.334，0.334，0.130）。其一致性指标：，其一致性比率为：，因此可以说明可靠性因素集中的各因素之间的两两比较判断矩阵的不一致性程度在允许的范围内，有满意的一致性，可以用其归一化特征向量作为权重向量。经过归一化后即得出权重向量。结构工艺性因素集利用层次分析法理论构造可靠性因素集的两两比较判断矩阵如表6。运用MATHLAB软件求出上面的二级可靠性因素集两两比较判断矩阵的最大特征值为4.116，其所对应的特征向量为（0.629，0.222，0.737，0.111）。其一致性指标：。其一致性比率为：。因此可以说明结构工艺性因素集中的各因素之间的两两比较判断矩阵的不一致性程度在允许的范围内，有满意的一致性，可以用其归一化特征向量作为权重向量。经过归一化后即得出权重向量：。1.3 确定评价集评价集是各种可能的评价结果的集合。对ZL50装载机综合性能评价，可选定评价集。为方便分析评价结果，制定各等级定量评分，将优、良、中、差分数分别定为，。2 评价计算 评价计算首先要进行单因素评价，即确定单因素对评价集的隶属度，它是整个评价的基础。单因素是指没有再包含子因素的因素，亦即评价模型中最低一级的因素。通常，单因素分为定性描述和定量描述两类，对于定量描述型可选用典型函数或者根据调查统计结果得出的经验曲线作为隶属函数来确定，对于定性描述型可聘请业内专家进行投票，然后统计各等级得票数并归一化而得。将单因素评价结果作为行向量即可得出其所属因素集的评价矩阵：矩阵元素表示第i个因素子集中的第j个因素对评价集V中第k种评价的隶属度。即为一级因素集中第j（j=1，2，3，4）个因素对评价集V的评价结果。同理，将作为矩阵第i个行向量就可以得出的评价矩阵，即为最终结果。根据B，采用最大隶属度原则，可以直接得出评价等级；结合等级定量评分，可将模糊向量单值化得到具体的分数。3 应用实例 根据上述评价模型对某一ZL50装载机性能进行综合评价，得出相关评价数据如下表7。表7 单因素评价结果单因素名称评价结果优良中差装载工作特性0.7000.3000.0000.000生产率0.6000.3000.1000.000装载工作力0.7500.2500.0000.000牵引功率0.5000.3500.1500.000牵引力0.2150.5750.2000.000牵引效率0.1900.8100.0000.000工作稳定性0.8700.1300.0000.000行驶稳定性0.3500.5500.1000.000