机械设计自动化精品]机械运动方案的模糊综合评价方法研究基于模糊综合评价与遗传算法的公差优化分配中英文翻译

机械设计自动化精品]机械运动方案的模糊综合评价方法研究基于模糊综合评价与遗传算法的公差优化分配中英文翻译内容摘要：

，我们提出了一种基于模糊综合评价和遗传算法 的 新方法 （见图 2） 基于模糊综合评价的可加工性评估 根据设计和加工标准，零件可加工性依赖于 零件 尺寸 、 几何结 构 、 材料 的可加工性 和加工精度。 显然，这些都是模糊的因素。 我们运用二级模糊综合评价法来处理这些模糊因素。 建立模糊因素集 零件尺寸 ，几何结构，材料的切削加工，机械加工精度的因素，可以表示为： 因素等级 为了准确地评价各参数，每个因素分为不同 的 模糊子集 ， 比如： uij 表示第 i 个因素的第 j 个等级， ni 表示每个因素的等级数，详细值见表二， 建立评价集 由于可加工 性 范围 介于 ， 所以 它可以被分为 10个相等的水平，即 S 为模糊评价集 一阶模糊综合评价矩阵 根据 专家的经验， 一阶 模糊综合评价矩阵确定如下： 建立各等级的权向量 权重向量 由 隶属度组成 ， 如下： 在这里 ， mij 是评价对象 对 第 i 个因素第 j 个等级的隶属度。 一阶模糊综合评价 当对每个等级的第 i 个因素作出模糊综合评价 时 ，一阶模糊综合 决策集 得到： 这里 p=10,隶属度直接由专家确定，或由隶属函数 确定。 在这里，组成算子 M（ •， +），它可以考虑各种因素的影响，但也可以包含所有的个人因素信息，表示为 ： 然后，一阶模糊综合评价矩阵可以写成 这里， m=4,p=10 确定因素的权重向量 在获得一阶模糊综合评价矩阵 后 ，我们必须确定因素的权重向量，这表明因素 对 评价 目的 的 重要性程度。 它可以写成 ： 假设 零件尺寸 和 几何结构 比 材料的切削加工 和 机械加工精度 重要，则 二阶模糊综合评价 最后，我们做二阶模糊综合评价。 模糊集 B 可以计算 ： 这里， m==10 确定参数 一般来说， 用 加权平均法是用 来获取评价对象的准确 值。 如下 ： 根据上述步骤， 可以确定对于 公差分配 非常重要的 可加工性。 公差分配建模 可加工性 可由模糊综合评价法确定，加工 响应函数的假设为 ： 这里， 表示公差设计中的功能要求， 是装配响应函数， 表示第 i个相应零 件的公差值， 反应在加工过程中每个公差值的重要性程度。 根据专家的经验，较小的是相应的公差分配。 因此，对公差分配 的 综合因素可产生如下： 这里， 是根据模糊综合评价得出的第 i 个零件的可加工性。 根据 相互模 型 ，最优公差分配模型可表示如下： 这里， c 表示总 的加工成本， 是成本和公差之间的功能关系， 是固定成本， 和 是在设计零件公差时的约束向量， l 和 u代表 加工要求的 上限和下限。 遗传算法 遗传算法是最近开发的启发式优化策略，已 在多 个研究领域用于全局优化。 遗传算法基于自然选择和自然遗传学 以及 达尔文的优胜劣汰的生存机制。 遗。