基于多屬性決策的農(nóng)機(jī)專業(yè)底盤實(shí)例推理方法

趙秀艷 宋正河 張開興 劉賢喜

(1.山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院， 泰安 271018； 2.中國農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083；3.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院， 泰安 271018； 4.山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室， 泰安 271018)

基于多屬性決策的農(nóng)機(jī)專業(yè)底盤實(shí)例推理方法

趙秀艷1宋正河2張開興3,4劉賢喜3

(1.山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院， 泰安 271018； 2.中國農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083；3.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院， 泰安 271018； 4.山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室， 泰安 271018)

針對(duì)農(nóng)機(jī)專業(yè)底盤參數(shù)屬性多、參數(shù)類型差異大、屬性不能無條件補(bǔ)償?shù)忍攸c(diǎn)，傳統(tǒng)實(shí)例推理中以屬性加權(quán)評(píng)價(jià)為主的最近鄰算法已不能滿足實(shí)際需求。基于此，提出將級(jí)別高于關(guān)系的ELECTRE多屬性決策方法應(yīng)用到農(nóng)機(jī)專業(yè)底盤的實(shí)例推理中，算法首先對(duì)農(nóng)機(jī)底盤實(shí)例數(shù)據(jù)進(jìn)行預(yù)處理，然后采用層次分析法確定屬性權(quán)重，通過不斷試驗(yàn)調(diào)整各屬性不和諧性閾值后進(jìn)行級(jí)別高于關(guān)系構(gòu)造、挖掘，最終實(shí)現(xiàn)目標(biāo)實(shí)例與數(shù)據(jù)庫中實(shí)例的相似性評(píng)價(jià)，并以履帶式稻麥?zhǔn)斋@機(jī)底盤實(shí)例進(jìn)行驗(yàn)證。與經(jīng)典的最近鄰評(píng)價(jià)方法相比，算法除能返回總體相似度較高的模型之外，同時(shí)返回影響實(shí)例排序的關(guān)鍵參數(shù)，讓用戶擁有更多后續(xù)評(píng)價(jià)依據(jù)，總體效果較好。

農(nóng)機(jī)專業(yè)底盤； 稻麥?zhǔn)斋@機(jī)底盤； 實(shí)例推理； ELECTRE方法

引言

在新產(chǎn)品研發(fā)過程中，若常借助于已有實(shí)例進(jìn)行變形設(shè)計(jì)或者重用設(shè)計(jì)，能夠達(dá)到快速有效設(shè)計(jì)的目標(biāo)。實(shí)例推理[1-2](Case-based reasoning, CBR)以充分挖掘、提取已有數(shù)據(jù)庫內(nèi)容，加快設(shè)計(jì)、制造進(jìn)度為目標(biāo)，在新產(chǎn)品設(shè)計(jì)研發(fā)中已得到廣泛應(yīng)用[3]。實(shí)現(xiàn)CBR系統(tǒng)的關(guān)鍵技術(shù)[4]包括實(shí)例表示、實(shí)例檢索、實(shí)例重用、實(shí)例自學(xué)習(xí)與實(shí)例庫維護(hù)幾個(gè)方面。其中，實(shí)例檢索是實(shí)現(xiàn)CBR關(guān)鍵，其主要作用是根據(jù)設(shè)計(jì)要求從已有實(shí)例中檢索出與當(dāng)前設(shè)計(jì)要求最相似的一組實(shí)例，常用的方法有最近鄰法、歸納法、知識(shí)引導(dǎo)法等，其中以最近鄰算法應(yīng)用[5-8]最為普遍。CBR技術(shù)在各行業(yè)快速應(yīng)用[9-11]的同時(shí)，在農(nóng)機(jī)專業(yè)領(lǐng)域也有較為廣泛的研究[12-15]。但是，同一般實(shí)例屬性信息相比較，農(nóng)機(jī)底盤產(chǎn)品由行走系、轉(zhuǎn)向系、制動(dòng)系等構(gòu)成，具有屬性數(shù)量繁多、屬性類型差異大、不同屬性值之間的差距累計(jì)會(huì)影響方案選擇等特點(diǎn)，傳統(tǒng)的以最近鄰算法為主體的匹配、評(píng)價(jià)、決策算法已遠(yuǎn)不能滿足實(shí)際農(nóng)機(jī)推理結(jié)果的需要；現(xiàn)有的研究成果雖已較為豐富，但多集中在已有理論、方法的應(yīng)用方面，沒有考慮到上述農(nóng)機(jī)產(chǎn)品的具體特點(diǎn)，不能擺脫這一方法本身的局限性。

為解決以上問題，本文以履帶式收獲機(jī)械底盤、水田作業(yè)底盤和高地隙噴霧機(jī)底盤為研究對(duì)象，提出將級(jí)別-關(guān)系中的ELECTRE[16-17](Elimination of choice translating reality)多屬性決策方法應(yīng)用到農(nóng)機(jī)專業(yè)底盤產(chǎn)品的實(shí)例相似性評(píng)價(jià)中。

1 算法實(shí)現(xiàn)原理

ELECTRE方法，即淘汰與選擇輪換實(shí)現(xiàn)法，該方法的核心是級(jí)別高于關(guān)系。常規(guī)優(yōu)先關(guān)系的定義為：一個(gè)方案a優(yōu)于另一個(gè)方案b，當(dāng)且僅當(dāng)a所對(duì)應(yīng)的每個(gè)屬性都不小于b，且至少有一個(gè)屬性a的值嚴(yán)格大于b。ELECTRE定義的是一種較弱的排序關(guān)系，它允許偏好風(fēng)險(xiǎn)的存在，這就是“級(jí)別高于關(guān)系”。它主要由兩部分構(gòu)成：一是級(jí)別高于關(guān)系的構(gòu)造；二是對(duì)級(jí)別高于關(guān)系的挖掘和運(yùn)用，即在級(jí)別高于關(guān)系上進(jìn)行的選擇、排序或者是分類。

圖1為算法實(shí)現(xiàn)原理圖，實(shí)例匹配開始后，首先輸入獲得的局部機(jī)構(gòu)實(shí)例屬性信息并進(jìn)行數(shù)據(jù)預(yù)處理，隨后確定該機(jī)構(gòu)各屬性權(quán)重以及屬性需要的和諧性與不和諧性閾值，通過關(guān)鍵詞匹配的方式查詢數(shù)據(jù)庫實(shí)例，并將數(shù)據(jù)導(dǎo)入本地內(nèi)存進(jìn)行存儲(chǔ)、處理，通過循環(huán)構(gòu)造關(guān)系并進(jìn)行關(guān)系挖掘，經(jīng)過不斷試驗(yàn)調(diào)整閾值后判定是否存在可用實(shí)例，存在可重用實(shí)例時(shí)，進(jìn)行數(shù)據(jù)庫已有實(shí)例的修改和調(diào)整，形成新實(shí)例后進(jìn)行存儲(chǔ)。其中ELECTRE方法中包括的主要步驟[18]有層次分析法確定權(quán)重、確定和諧性與不和諧性指標(biāo)閾值、級(jí)別關(guān)系構(gòu)造、級(jí)別關(guān)系挖掘。

圖1 實(shí)現(xiàn)步驟流程圖Fig.1 Flow chart of implementation steps

2 基于多屬性決策農(nóng)機(jī)專業(yè)底盤實(shí)例推理實(shí)現(xiàn)

為實(shí)現(xiàn)提出的技術(shù)原理，以履帶式收獲機(jī)械底盤中行走系中履帶裝配體屬性參數(shù)為例，進(jìn)行步驟演示。

2.1 數(shù)據(jù)預(yù)處理階段

使用相似性度量函數(shù)將數(shù)據(jù)庫中已有數(shù)據(jù)與輸入數(shù)據(jù)進(jìn)行相似度計(jì)算，兩者接近，相似度高，轉(zhuǎn)化之后，此時(shí)實(shí)例數(shù)據(jù)均為效益類型，相似度越大越好。常用的數(shù)據(jù)類型有數(shù)值型、字符型、區(qū)間型，采用的相似性度量函數(shù)依次如下：

(1)數(shù)值型

假定用戶輸入的某個(gè)屬性值為Pi，庫中實(shí)例M對(duì)應(yīng)的屬性值為Pd。若某實(shí)例的屬性P值只有唯一與之對(duì)應(yīng)，如與尺寸相關(guān)的屬性，相似性度量函數(shù)類型采用均勻分布函數(shù)來計(jì)算。相似度s計(jì)算公式為

式中Pmax、Pmin——數(shù)據(jù)庫中所有模型此屬性的最大值和最小值

(2)字符型

若某實(shí)例的屬性P的類型為字符型或者屬性值具有唯一性，采用精確匹配函數(shù)IF (Pi=Pd) THEN 1 ELSE 0計(jì)算兩屬性值是否相等。

(3)區(qū)間型

若實(shí)例的屬性P值類型為一個(gè)區(qū)間范圍[PL，PH]，如公差等，其相似性距離采用重疊函數(shù)計(jì)算，即計(jì)算用戶輸入屬性值與實(shí)例庫中M[ML，MH]屬性值重疊范圍與用戶輸入的屬性值范圍的比值，具體分為：

①M(fèi)H

②MH>PH且ML

③MHPL，即P將M的區(qū)間完全包圍，此時(shí)

④ML

⑤PL

表1為履帶式稻麥?zhǔn)斋@機(jī)械底盤實(shí)例庫中履帶屬性參數(shù)，表中：動(dòng)力機(jī)功率單位為kW，履帶板寬、 履帶節(jié)距、軸距、軌距、接地長度單位為mm，接地壓力單位為kPa；V代表屬性值，S代表使用相似性度量函數(shù)處理后得到的相似度；圖2為算法演示中的履帶模型圖。

表1 實(shí)例庫中履帶實(shí)例屬性與用戶自行輸入屬性Tab.1 Properties of cases in library and user-input

圖2 履帶模型圖Fig.2 Diagram of track model

2.2 屬性對(duì)應(yīng)權(quán)重向量確定

算法使用層次分析法[19]，它具有系統(tǒng)性、實(shí)用性、簡(jiǎn)潔性等特點(diǎn)，主要實(shí)現(xiàn)步驟為：

(1)建立層次結(jié)構(gòu)模型：該結(jié)構(gòu)圖包括目標(biāo)層、準(zhǔn)則層、方案層。

(2)構(gòu)造成對(duì)比較矩陣：從第2層開始用成對(duì)比較矩陣和1～9標(biāo)度。

(3)計(jì)算單排序權(quán)向量并做一致性檢驗(yàn)：對(duì)每個(gè)成對(duì)比較矩陣計(jì)算最大特征值及其對(duì)應(yīng)的特征向量，利用一致性指標(biāo)、隨機(jī)一致性指標(biāo)和一致性比率作一致性檢驗(yàn)。若檢驗(yàn)通過，歸一化后的特征向量即為權(quán)向量；若不通過，需要重新構(gòu)造成對(duì)比較矩陣。

(4)計(jì)算總排序權(quán)向量并做一致性檢驗(yàn)：計(jì)算最下層對(duì)最上層總排序的權(quán)向量，利用總排序一致性比率進(jìn)行檢驗(yàn)。

履帶屬性權(quán)重的計(jì)算方法如下：

(1)確定屬性標(biāo)度矩陣

(2)計(jì)算每一行W*，如第1行的計(jì)算方式為

(3)計(jì)算每一列S，如第1列的計(jì)算方式為

S1=1+5+3+3+3+3+3+3+7=28

(4)計(jì)算屬性的權(quán)重W

累加每一行W*，得到Wtotal，之后確定每一屬性對(duì)應(yīng)權(quán)重為

類似可以計(jì)算出其余屬性權(quán)重，如表2所示。

(5)驗(yàn)證

求取每一行的W與對(duì)應(yīng)每一列的S乘積的累加之和，即

查表3，屬性個(gè)數(shù)為8時(shí)，標(biāo)準(zhǔn)值是8.99，λ=8.055<8.99，通過驗(yàn)證。

表2 履帶屬性權(quán)重Tab.2 Track attributes’ weights

表3 標(biāo)度合理性驗(yàn)證Tab.3 Scale reasonable verification

2.3 確定和諧性指標(biāo)閾值

對(duì)于3個(gè)指標(biāo)值的選取，在滿足0.5≤α-<α0<α*<1的條件下，需要通過多次試驗(yàn)、比較之后最終進(jìn)行確定，依據(jù)是：在決策人和分析人認(rèn)可的條件下，根據(jù)最后的閾值能夠有效構(gòu)造出備選方案之間的級(jí)別高于關(guān)系。

算法確定選取的3個(gè)值依次是0.5、0.55、0.60。

2.4 確定各個(gè)屬性指標(biāo)高、中、低3個(gè)不和諧性集的閾值

不和諧性集的閾值選取同樣需要根據(jù)具體指標(biāo)值由決策人和分析人協(xié)商而定。實(shí)際確定選取它們的值時(shí)，d0為閾值下界，初步定為(0.1～0.2)Δmax，d*為閾值上界，初步定為(0.5～0.8)Δmax，Δmax為數(shù)據(jù)庫中實(shí)例屬性值與輸入屬性的最大差值，同時(shí)進(jìn)行人為主觀觀察和試驗(yàn)測(cè)試驗(yàn)證，針對(duì)權(quán)重較大、相對(duì)重要的屬性可以適當(dāng)縮小閾值，而對(duì)于不那么重要的屬性可以根據(jù)實(shí)際對(duì)閾值進(jìn)行放大，本文確定的履帶各個(gè)屬性不和諧性閾值如表4所示。

表4 履帶屬性不和諧性閾值Tab.4 Track properties’ discord threshold

2.5 級(jí)別關(guān)系判定

任選2個(gè)方案，進(jìn)行和諧性與不和諧性指標(biāo)計(jì)算，確定是強(qiáng)級(jí)別還是弱級(jí)別高于關(guān)系，或根據(jù)這種方法無法判斷。

以數(shù)據(jù)庫實(shí)例1、2進(jìn)行判定為例：由于相似度屬于效益型數(shù)值，因此值越大越好。假設(shè)實(shí)例1?實(shí)例2，根據(jù)屬性1、2、3、6、7、8對(duì)應(yīng)的相似度，實(shí)例1不小于實(shí)例2。對(duì)屬性分類：J+(1,2)、J-(1,2)、J=(1,2)分別表示實(shí)例1優(yōu)于實(shí)例2的屬性集合、實(shí)例1差于實(shí)例2的屬性集合、實(shí)例1等于實(shí)例2的屬性集合，即

J+(1,2)={j=3、6、7、8}
J-(1,2)={j=3、4}
J=(1,2)={j=1、2}

進(jìn)行和諧性檢驗(yàn)：C和G是和諧性判斷的兩個(gè)指標(biāo)，即

根據(jù)C和G判定和諧性檢驗(yàn)通過。

進(jìn)行不和諧性檢驗(yàn)

實(shí)例1劣于實(shí)例2的屬性有3、4，經(jīng)過驗(yàn)證，不和諧性分別屬于中等和低等，不和諧性驗(yàn)證通過。

綜合可得，實(shí)例1等級(jí)高于實(shí)例2成立。

2.6 關(guān)系挖掘

利用0-1表格進(jìn)行最終關(guān)系的挖掘、表示。

在履帶實(shí)例中，4個(gè)候選實(shí)例，共有6種兩兩比較情況，進(jìn)行等級(jí)判定，結(jié)果依次是實(shí)例1?實(shí)例2、實(shí)例1?實(shí)例3、實(shí)例1?實(shí)例4、實(shí)例2?實(shí)例3(弱)、實(shí)例2?實(shí)例4、實(shí)例3與實(shí)例4無法判定，以0-1表格進(jìn)行結(jié)果顯示。

表5是算法針對(duì)履帶實(shí)例的推理結(jié)果，表中以行進(jìn)行觀察，每一實(shí)例對(duì)應(yīng)的數(shù)字中，1的數(shù)量越多，表示模型的等級(jí)越高；反之可得，0的數(shù)量多，表示該模型的等級(jí)與多數(shù)模型相比處于較低的地位。

根據(jù)表5可以得出：實(shí)例1優(yōu)先性最好，等級(jí)高于實(shí)例2、實(shí)例3、實(shí)例4，同時(shí)根據(jù)表6加權(quán)值得出實(shí)例1為最優(yōu)。盡管實(shí)例4的加權(quán)值高于實(shí)例3，但用等級(jí)高于關(guān)系判定，兩者等級(jí)無法判斷，因?yàn)樗惴ㄕJ(rèn)為實(shí)例4的部分屬性值比實(shí)例3相差太多，不能完全接受。

表5 履帶實(shí)例推理結(jié)果Tab.5 Results of track in case-based reasoning

表6 履帶實(shí)例加權(quán)比較結(jié)果Tab.6 Comparison results of track weighted algorithm

3 算法驗(yàn)證與系統(tǒng)實(shí)現(xiàn)

3.1 算法驗(yàn)證

為進(jìn)一步對(duì)算法推理效果進(jìn)行對(duì)比驗(yàn)證，以文獻(xiàn)[20]中使用的最近鄰算法為對(duì)比對(duì)象，以其中使用的收獲機(jī)底盤實(shí)例為驗(yàn)證對(duì)象，利用級(jí)別-關(guān)系算法重新進(jìn)行推理比較。圖3為稻麥?zhǔn)斋@機(jī)械裝配圖。

圖3 整體裝配圖Fig.3 Overall assembly drawing

表7是實(shí)例數(shù)據(jù)庫實(shí)例與輸入目標(biāo)的具體參數(shù)，此實(shí)例采用7個(gè)參數(shù)，分別是底盤長、寬、高，割幅尺寸以及喂入量，質(zhì)量和功率；表8為屬性歸一化后的值Q及相似度S；表9是上述7個(gè)屬性占據(jù)的權(quán)重。

表7 輸入屬性與實(shí)例庫屬性Tab.7 Properties of cases in library and user-input

表10、表11分別是級(jí)別-關(guān)系算法的推理結(jié)果與最近鄰算法的評(píng)價(jià)結(jié)果。在最近鄰算法中，規(guī)定整體相似度閾值是0.6，因此只有實(shí)例1會(huì)被返回。使用級(jí)別-關(guān)系算法時(shí)，先對(duì)實(shí)例庫中的屬性進(jìn)行處理，實(shí)例1和實(shí)例2的功率屬性極為接近，可將實(shí)例1的功率55.86 kW近似為56 kW，后續(xù)試算結(jié)果證明這是有效的。從表10中可以看出，實(shí)例2是級(jí)別最低的，但是實(shí)例1、實(shí)例3之間互有優(yōu)勢(shì)，難以取舍。具體分析：實(shí)例1與實(shí)例3之間對(duì)比，除功率外，其余屬性實(shí)例1較優(yōu)，但實(shí)例1功率相似度為0.326，不足50%，同時(shí)與實(shí)例3的相似度差距超過50%閾值范圍，在屬性權(quán)重較高為0.3的情況下，算法認(rèn)為這一差值不能無條件接受，此時(shí)對(duì)這一屬性做出標(biāo)記，實(shí)例1與實(shí)例3之間優(yōu)劣無法判斷。

表8 歸一化屬性與相似度Tab.8 Normalized attributes and similarity

表9 屬性權(quán)重Tab.9 Property weights

表10 級(jí)別-關(guān)系算法推理結(jié)果Tab.10 Reasoning results of algorithm

表11 最近鄰檢索結(jié)果Tab.11 Results of the nearest neighbor algorithm

算法對(duì)比：相同點(diǎn)是實(shí)例1、3是較優(yōu)選擇，從最近鄰算法上講，相似度排在前兩位；從級(jí)別-關(guān)系算法上講，兩兩互相對(duì)比中，實(shí)例1、3都優(yōu)于其他實(shí)例。不同點(diǎn)是級(jí)別-關(guān)系算法進(jìn)行更加細(xì)化推理，將實(shí)例對(duì)比中的更多信息返回給用戶：盡管實(shí)例1相似度最高，但由于功率屬性相差較多，如果僅返回實(shí)例1，在實(shí)際設(shè)計(jì)中，很有可能因?yàn)檫@一屬性差距導(dǎo)致兩者實(shí)際結(jié)構(gòu)已有較大變化；相反，實(shí)例3雖然在數(shù)值相似度落后，但是在功率屬性保持較大優(yōu)勢(shì)的條件下，其余屬性與實(shí)例1的差距都在可以接受范圍內(nèi)，實(shí)際操作中，兩者設(shè)計(jì)結(jié)構(gòu)極有可能更為接近。

3.2 系統(tǒng)實(shí)現(xiàn)

為便于算法使用，以32位XP環(huán)境為開發(fā)平臺(tái)，以VS2008為集成開發(fā)環(huán)境，設(shè)計(jì)開發(fā)了農(nóng)機(jī)專業(yè)底盤實(shí)例推理系統(tǒng)，圖4所示為系統(tǒng)交互界面。

該界面目前主要有三大功能，多屬性實(shí)例推理、實(shí)例參數(shù)化與模型幾何特征檢索。在實(shí)例推理中，主要以稻麥?zhǔn)斋@機(jī)底盤及主要機(jī)構(gòu)為推理對(duì)象，通過在數(shù)據(jù)庫中存儲(chǔ)相應(yīng)實(shí)例，為每個(gè)機(jī)構(gòu)開發(fā)相應(yīng)的屬性匹配界面，依據(jù)級(jí)別高于關(guān)系算法尋找數(shù)據(jù)庫中與目標(biāo)實(shí)例最相近的實(shí)例；用戶輸入設(shè)計(jì)要求后，系統(tǒng)將存儲(chǔ)在數(shù)據(jù)庫中的實(shí)例映射到本地內(nèi)存之后，通過算法進(jìn)行數(shù)據(jù)提取、分析計(jì)算、推理得出結(jié)果。實(shí)例參數(shù)化中，對(duì)模型庫中的部分零部件進(jìn)行參數(shù)化配置之后，用戶在界面提示下僅需輸入需要修改的屬性數(shù)據(jù)，便可以自動(dòng)重新生成模型；幾何特征檢索中包括整體檢索與局部檢索，與實(shí)例推理中的文本屬性信息比較相比，直接對(duì)CAD模型進(jìn)行處理，提取幾何、拓?fù)湫畔⒌龋苊馊藶橹饔^信息的干擾，力求從另一個(gè)角度實(shí)現(xiàn)實(shí)例的挖掘。

圖5展示的是整機(jī)目標(biāo)參數(shù)的輸入界面，根據(jù)提示依次輸入已經(jīng)獲得的設(shè)計(jì)參數(shù)；圖6是屬性的權(quán)重確定界面；圖7是不和諧性閾值的確定界面；圖8是最終結(jié)果的返回界面，算法認(rèn)為實(shí)例1、3之間重要的差異屬性是功率，因此進(jìn)行標(biāo)注。圖6和圖7的操作是難點(diǎn)。在確定屬性權(quán)重時(shí)，用戶可以使用已有的默認(rèn)值，但若覺得默認(rèn)權(quán)重設(shè)置不符合自己預(yù)期，可通過自行輸入標(biāo)度矩陣后，不斷調(diào)試，得出符合自己實(shí)際的權(quán)重并進(jìn)行保存。在確定不和諧性閾值時(shí)，通常的做法是先填入較大的閾值返回，查看返回的實(shí)例數(shù)量。若此實(shí)例對(duì)應(yīng)實(shí)例較多，可以逐漸嘗試對(duì)某些關(guān)鍵屬性閾值進(jìn)行范圍縮小后選擇更加合適實(shí)例。

圖4 系統(tǒng)主界面Fig.4 Main interface of system

圖5 目標(biāo)底盤數(shù)據(jù)輸入界面Fig.5 Input interface of target chassis

圖6 底盤屬性權(quán)重確定界面Fig.6 Weights’ interface of target chassis

圖7 不和諧性閾值輸入界面Fig.7 Input interface of discord threshold

4 結(jié)束語

將多屬性決策中的ELECTRE方法應(yīng)用到復(fù)雜農(nóng)機(jī)底盤的實(shí)例推理中，并以稻麥?zhǔn)斋@機(jī)械底盤實(shí)例進(jìn)行驗(yàn)證。應(yīng)用算法時(shí)，首先依據(jù)設(shè)計(jì)要求獲得一定數(shù)量的實(shí)例設(shè)計(jì)估計(jì)值或者經(jīng)驗(yàn)值并進(jìn)行數(shù)據(jù)預(yù)處理，隨后采用層次分析法確定此實(shí)例中各屬性權(quán)重及屬性閾值，并進(jìn)行關(guān)系構(gòu)造與挖掘，在確定屬性的和諧性與不和諧性閾值時(shí)，通常做法是先放寬閾值甚至允許最大閾值存在，隨后根據(jù)反饋結(jié)果進(jìn)行閾值再修改直至結(jié)果數(shù)量符合預(yù)期并且結(jié)果具備設(shè)計(jì)實(shí)用價(jià)值時(shí)，停止匹配。試驗(yàn)結(jié)果表明，該算法返回的前幾位相似度較高的模型中包含最近鄰算法返回的最好模型；同時(shí)對(duì)影響較優(yōu)實(shí)例排序的關(guān)鍵參數(shù)進(jìn)行標(biāo)記，讓用戶擁有更多后續(xù)評(píng)價(jià)依據(jù)，總體效果較好，具備實(shí)際應(yīng)用價(jià)值。

圖8 底盤實(shí)例推理結(jié)果Fig.8 Results of chassis reasoning

1 XU L D. Case-based reasoning a majorparadigm of artificial intelligence[J]. IEEE Potentials,1995,13(5):10-13.

2 LIAO T W, ZHANG Z, MOUNT C R. Similarity measures for retrieval in case-based reasoning systems[J]. Applied Artificial Intelligence,1998,12(4):267-288.

3 李曉輝，劉妍秀.基于實(shí)例推理機(jī)制綜述[J].長春大學(xué)學(xué)報(bào)，2006,16(4):68-70. LI Xiaohui, LIU Yanxiu. A survey of case based reasoning mechanism [J]. Journal of Changchun University,2006,16(4):68-70. (in Chinese)

4 周靜. 精密播種機(jī)數(shù)字化設(shè)計(jì)系統(tǒng)中的實(shí)例檢索的算法研究[D]. 沈陽：沈陽理工大學(xué)，2011. ZHOU Jing. The research of case retrieval algorithm on the digital system for tackles types corn precision drill [D].Shenyang: Shenyang Ligong University,2011.(in Chinese)

5 蔣占四，陳立平，羅年猛.最近鄰實(shí)例檢索相似度分析[J].計(jì)算機(jī)集成制造系統(tǒng)，2007,13(6)：1165-1168. JIANG Zhansi，CHEN Liping，LUO Nianmeng. Similarity analysis in nearest-neighbor case retrieval[J].Computer Integrated Manufacturing Systems,2007,13(6):1165-1168.(in Chinese)

6 LEES,RYU J H,WON J S, et al. Determination and application of the weights for landslide susceptibility mapping using an artificial neural network[J].Engineer Geology,2004,71(3-4):289-302.

7 朱文博，李愛平，劉雪梅.基于工藝相似的沖壓件實(shí)例檢索方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2007,13(4)：721-726. ZHU Wenbo, LI Aiping, LIU Xuemei. Stamping parts case retrieval methodology based on process similarity[J].Computer Integrated Manufacturing Systems,2007,13(4):721-726.(in Chinese)

8 張旭堂，侯鑫，金天國.集成形狀比較技術(shù)的產(chǎn)品實(shí)例檢索研究[J].計(jì)算機(jī)集成制造系統(tǒng)，2009，15(1)：89-95. ZHANG Xutang, HOU Xin, JIN Tianguo. Product cases retrieval with integration of shape matching technique[J].Computer Integrated Manufacturing Systems,2009,15(1):89-95.(in Chinese)

9 林蘭芬，高鵬，蔡銘,等.基于幾何形狀相似性的工藝實(shí)例檢索[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005,17(9)：2094-2099. LIN Lanfen, GAO Peng, CAI Ming,et al. Case retrieval for manufacturing process planning based on geometry similarity[J].Journal of Computer-Aided Design & Computer Graphics,2005,17(9):2094-2099.(in Chinese)

10 程曉東,李建勇.基于粗糙集的柔性制造系統(tǒng)概念設(shè)計(jì)實(shí)例檢索技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng),2005,11(6):769-771. CHENG Xiaodong, LI Jianyong. Rough set-based case retrieval technology in conceptual design of FMS[J]. Computer Integrated Manufacturing Systems,2005,11(6):769-771.(in Chinese)

11 劉金山,廖文和,張素敏,等.基于零件特征關(guān)注度的夾具實(shí)例相似性檢索[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2007,19(10):1304-1307. LIU Jinshan, LIAO Wenhe, ZHANG Sumin, et al. Research on feature attention-driven fixture case retrieval[J]. Journal of Computer-Aided Design & Computer Graphics, 2007,19(10):1304-1307.(in Chinese)

12 朱凌云，趙韓，錢德猛．基于模糊客戶需求信息的農(nóng)機(jī)設(shè)計(jì)方案及檢索示例[J]．農(nóng)業(yè)工程學(xué)報(bào)，2007，23(7)：100-103． ZHU Lingyun，ZHAO Han，QIAN Demeng．Method of agricultural machinery design retrieval based on fuzzy customer requirement information[J]．Transactions of the CSAE，2007，23(7)：100-103.(in Chinese)

13 李成華，楊宇，張曉東，等.鏟式播種機(jī)數(shù)字化設(shè)計(jì)實(shí)例檢索策略研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(8):31-34. LI Chenghua, YANG Yu, ZHANG Xiaodong, et al. Retrieval strategy of spade punch planter for digital design case[J]. Transactions of the Chinese Society for Agricultural Machinery,2010,41(8):31-34.(in Chinese)

14 包志炎，肖剛，高飛,等.基于實(shí)例推理的個(gè)性化產(chǎn)品評(píng)價(jià)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42(9)：197-201. BAO Zhiyan，XIAO Gang，GAO Fei, et al. Evaluation method of individualized products based on case reasoning[J]. Transactions of the Chinese Society for Agricultural Machinery,2011,42(9):197-201.(in Chinese)

15 楊宇，李成華，張國梁.基于實(shí)例推理的鏟式玉米精密播種機(jī)設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009,40(12):51-55. YANG Yu, LI Chenghua, ZHANG Guoliang. Design method of precision spade punch planter of maize based on CBR[J].Transactions of the Chinese Society for Agricultural Machinery,2009,40(12):51-55.(in Chinese)

16 龔俊華.集成的ELECTRE方法研究[D].成都：四川大學(xué)，2006. GONG Junhua. Research of integrative ELECTRE method [D].Chengdu:Sichuan University,2006.(in Chinese)

17 徐敏釤.基于ELECTRE算法的多屬性決策支持系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].貴陽：貴州財(cái)經(jīng)大學(xué)，2012. XU Minshan. Design and implementation for multiple attribute decision support system based on ELECTRE algorithm[D].Guiyang: Guizhou University of Finance and Economics,2012.(in Chinese)

18 于躍，趙秋紅，周泓.改進(jìn)的Electre方法在反應(yīng)型供應(yīng)鏈供應(yīng)商選擇中的應(yīng)用[J].北京航空航天大學(xué)學(xué)報(bào),2006,19(2):13-16. YU Yue, ZHAO Qiuhong, ZHOU Hong. Application of the improved Electre method in supplier selection of responsive supply chain[J].Journal of Beijing University of Aeronautics and Astronautics,2006,19(2):13-16.(in Chinese)

19 梁鄭麗，賈曉豐.決策支持系統(tǒng)理論與實(shí)踐[M].北京：清華大學(xué)出版社，2014.

20 李長林.基于知識(shí)的農(nóng)機(jī)專業(yè)底盤快速設(shè)計(jì)專家系統(tǒng)構(gòu)建方法研究[D].北京：中國農(nóng)業(yè)大學(xué)，2014. LI Changlin. Research on building method of knowledge based rapid design expert of agricultural machinery professional chassis[D].Beijing: China Agricultural University,2014.(in Chinese)

Evaluation Method of Agricultural Machinery Professional Chassis’ Cases Based on Multiple Attributes Decision

ZHAO Xiuyan1SONG Zhenghe2ZHANG Kaixing3,4LIU Xianxi3

(1.CollegeofInformationScienceandEngineering,ShandongAgriculturalUniversity,Taian271018,China2.CollegeofEngineering,ChinaAgriculturalUniversity,Beijing100083,China3.CollegeofMechanicalandElectronicEngineering,ShandongAgriculturalUniversity,Taian271018,China
4.ShandongProvincialKeyLaboratoryofHorticulturalMachineriesandEquipments,Taian271018,China)

Agricultural machinery professional chassis has many types of parameters and their difference between each other is so large that they cannot be fully compensated without any price. For these characteristics, the classical nearest neighbor algorithm which relies on weight properties in case-based reasoning is unacceptable in practice. Aiming at the situation above, the sorted method ELECTRE, belonging to multiple attribute decision, which was characterized by outranking relationship, was applied to the similarity assessment. In this algorithm, the first step was data preprocessing; then AHP was adopted to determine attributes’ weights; after that harmony and disharmony thresholds were obtained by constantly experimenting adjustment; and then construction and mining of relationships were carried out; the ultimate goal was to accomplish similarity assessment between design case and database cases. After that, crawler of walking system and chassis prototype were used for verification of the algorithm. Compared with the nearest neighbor method, the algorithm not only returned the former models which had higher overall similarity, but also marked the key parameters that affected the order, allowing users to have more follow-up evaluation. To make the algorithm to be more practical, a prototype interface of CBR was developed and the input of critical parameters and output of results were demonstrated. The overall result was good.

agricultural machinery professional chassis; rice and wheat harvesting machinery’s chassis; case-based reasoning; ELECTRE method

10.6041/j.issn.1000-1298.2017.02.050

2016-07-02

2016-08-16

“十二五”國家科技支撐計(jì)劃項(xiàng)目(2011BAD20B01)和山東省自然科學(xué)基金項(xiàng)目(ZR2015EL022)

趙秀艷(1977—)，女，講師，博士，主要從事計(jì)算機(jī)輔助設(shè)計(jì)/農(nóng)業(yè)信息化研究,E-mail： sdauzhaoxiuyan@163.com

劉賢喜(1963—)，男，教授，博士生導(dǎo)師，主要從事農(nóng)業(yè)CAD/CAM、VR研究，E-mail： wjbliu@sdau.edu.cn

TP391.72

A

1000-1298(2017)02-0370-08