[发明专利]一种滚动轴承套圈沟道硬车削刀具选取方法

摘要

本发明公开了一种滚动轴承套圈沟道硬车削刀具选取方法。首先建立滚动轴承套圈沟道硬车削刀具选取的多因素模型，求解出滚动轴承套圈沟道硬车削刀具选取的多因素模型中各因素的自适应权重，应用加权证据合成法实现滚动轴承套圈沟道硬车削刀具的选取。本发明应用便捷，易于实现，为滚动轴承套圈沟道硬车削刀具的选取提供了一种方法。

主权项

1.一种滚动轴承套圈沟道硬车削刀具选取方法，其特征在于，包括如下步骤：步骤1：建立滚动轴承套圈沟道硬车削刀具选取的多因素模型；用AO表示滚动轴承套圈沟道硬车削刀具选取目标，AO受四个因素影响：硬车削刀具的基础性能C1,硬车削刀具的可加工性C2,硬车削刀具的经济性C3和硬车削刀具的环境友好性C4；其中：硬车削刀具的基础性能C1包括：(1)硬车削刀具的硬度和耐磨性；(2)硬车削刀具的强度和韧性；(3)硬车削刀具的耐热性和导热性；硬车削刀具的可加工性C2包括：(1)硬车削刀具的热加工性能；(2)硬车削刀具的机械加工性能；(3)硬车削刀具的磨削加工性能；硬车削刀具的经济性C3受四个子因素影响：硬车削刀具的材料成本C31、硬车削刀具的生产成本C32、硬车削刀具的易回收性C33、硬车削刀具的易再制造性C34；硬车削刀具的环境友好性C4包括：(1)粉尘污染性；(2)噪声污染性；步骤2：求解滚动轴承套圈沟道硬车削刀具选取的多因素模型中各因素的自适应权重；步骤2.1：选定q位专家参与滚动轴承套圈沟道硬车削刀具选取的多因素模型中各因素的自适应权重的求解；步骤2.2：求解C31,C32,…,C3l的自适应权重，其中l＝4；步骤2.2.1：q位专家考察C31,C32,…,C3l的相对重要程度，分别给出评判矩阵E1,E2,...,Eq；其中专家k给出的评判矩阵为：其中k＝1,2,...,q；表示专家k给出的C_3l相比C_3l的相对重要程度，i＝1,2,...,l，j＝1,2,...,l，且i≠j；是一个梯形模糊数，表示为和均为正实数且满足步骤2.2.2：对q位专家给出的评判矩阵分别进行一致性检验；若均通过一致性检验，执行步骤2.2.3；若某个评判矩阵未通过，由对应的专家对该评判矩阵进行调整并再次进行一致性检验，直至所有评判矩阵均通过一致性检验，执行步骤2.2.3；步骤2.2.3：对E1,E2,...,Eq进行拆分，其中Ek被拆分为ak,bk,ck,dk：步骤2.2.4：基于a1,a2,…,aq，构造群决策矩阵为：其中步骤2.2.5：计算矩阵a中所有元素的粗糙界限；其中，元素a_i,j的粗糙界限的计算方法为：a_i,j中所有子元素的粗糙界限为这里子元素的粗糙界限为分别表示在a_i,j中的粗糙下边界和粗糙上边界，等于a_i,j中所有不大于的子元素的算术均值，等于a_i,j中所有不小于的子元素的算术均值；元素a_i,j的粗糙界限为这里分别为a_i,j的粗糙下边界和粗糙上边界；步骤2.2.6：构造粗糙群决策矩阵步骤2.2.7：将EA拆分为粗糙下边界矩阵EA‑和粗糙上边界矩阵EA+：步骤2.2.8：计算EA^‑的最大特征值对应的特征向量为计算EA⁺的最大特征值对应的特征向量为步骤2.2.9：计算集合GA＝{ga₁,ga₂,...,ga_l}，其中步骤2.2.10：采用与步骤2.2.4‑2.2.10一样的方法，计算得到：GBt＝{gb1,gb2,...,gbl}，GC＝{gc1,gc2,...,gcl}，GD＝{gd1,gd2,...,gdl}；步骤2.2.11：将C₃₁,C₃₂,…,C_3l的自适应权重的梯形模糊数形式z₁＝(ga₁,gb₁,gc₁,gd₁),z₂＝(ga₂,gb₂,gc₂,gd₂),...,z_l＝(ga_l,gb_l,gc_l,gd_l)依次转化为实数形式η₁,η₂,...,η_l，其中步骤2.2.12：对η₁,η₂,...,η_l进行规范化，得到C₃₁,C₃₂,…,C_3l的自适应权重为ω(C₃₁),ω(C₃₂),...,ω(C_3l)，其中步骤2.3：采用与步骤2.2一样的方法求解C1,C2,C3,C4的自适应权重ω(C1),ω(C2),ω(C3),ω(C4)；步骤3：应用加权证据合成法实现滚动轴承套圈沟道硬车削刀具的选取；步骤3.1：对备选硬车削刀具的因素值进行预处理；步骤3.1.1：对备选硬车削刀具的因素值进行规范化；有M把备选硬车削刀具，依次用表示；备选硬车削刀具在因素t上的因素值用v_r(t)表示，其中r＝1,2,...,M、t∈{C₁,C₂,C₃₁,C₃₂,C₃₃,C₃₄,C₄}；备选硬车削刀具在C_3,1、C_3,2上的因素值赋予确定的数值；备选硬车削刀具在C₁、C₂、C₄、C_3,3、C_3,4上的因素值为专家进行考察后赋予的评分值；如果备选硬车削刀具在C₁、C₂、C₄、C_3,3、C_3,4中的某因素上的表现是完全确定的，那么赋予该因素值为准确的评分值；如果备选硬车削刀具在C₁、C₂、C₄、C_3,3、C_3,4中的某因素上的表现是模糊的，那么赋予该因素值为区间值；如果备选硬车削刀具在C₁、C₂、C₄、C_3,3、C_3,4中的某因素上表现是完全未知的，那么赋予该因素值为空值；C_3,1、C_3,2属于成本类，C₁、C₂、C_3,3、C_3,4、C₄属于收益类；规范化因素值v_r′(t)的计算方法为：若因素t属于收益类，则若因素t属于成本类，则步骤3.1.2：设置评分值为：π₁＝0.1,π₂＝0.3,π₃＝0.5,π₄＝0.7，π₅＝0.9，依次对应评语：很差G₁、差G₂、中等G₃、好G₄、很好G₅；G₁、G₂、G₃、G₄、G₅对应的规范化因素值依次用表示，计算方法为：步骤3.1.3：用β_u表示因素值对于评语G_u的倾向度，采用倾向度β_u来处理备选硬车削刀具的在因素t上的规范化因素值v′_r(t)，处理后得到的效能值用τ_r(t)表示；如果v′_r(t)等于准确值χ₁，τ_r(t)的计算方法为：若其中p＝1,2,3,4，则τ_r(t)＝β_pπ_p+β_p+1π_p+1，这里如果v′_r(t)等于区间[χ₁,χ₂]，τ_r(t)的计算方法为：若其中p＝1,2,3,4，则τ_r(t)＝β_pπ_p+β_p+1π_p+1，这里若且其中p＝1,2,3，则τ_r(t)＝β_pπ_p+β_p+1π_p+1+β_p+2π_p+2，这里若且其中p＝1,2,3,4，o＝1,2,3,4，且o＞p+1，则τ_r(t)＝β_pπ_p+β_p+1π_p+1+...+β_oπ_o+β_o+1π_o+1，这里如果v′r(t)为空值，τr(t)为空值；步骤3.2：定义备选硬车削刀具的集合为识别框架Θ，即用幂集2^Θ表示Θ中的所有子集的集合，其中互相独立，2^Θ中的元素数目为2^M；对于任意定义满足和的集函数mass:2^Θ→[0,1]为识别框架Θ上的基本概率指派函数；对于任意定义满足的为焦元；步骤3.3：依次计算在因素C₃₁,C₃₂,...,C_3l上的加权基本概率指派函数值其中，s＝1,2,...,M,M+1，在因素C_3i上的加权基本概率指派函数值的计算方式为：依次计算在因素C₁,C₂,C₄上的加权基本概率指派函数值其中：步骤3.4：将作为证据输入，进行证据融合：其中步骤3.5：在因素C₃上，计算的加权基本概率指派函数值步骤3.6：将作为证据输入，进行证据融合：其中步骤3.7：依次计算的信任函数和似然函数，其中的信任函数和似然函数为：步骤3.8：计算备选硬车削刀具对于备选硬车削刀具的优势度Dominance_g,h，其中g＝1,2,...,M，h＝1,2,...,M且g≠h；这里：若Dominance_g,h>0.5，则优于记为若Dominance_g,h<0.5，则劣于记为若Dominance_g,h＝0.5，则等同于记为对所有备选硬车削刀具进行两两比较，最后得到的优劣排序关系。