[发明专利]一种面向纺纱质量波动的关键因素提取方法

摘要

本发明公开了一种面向纺纱质量波动的关键因素提取方法，其特征在于，包括如下步骤：S1、借助多Agent技术，构建了基于多Agent的生产过程不确定性预测模型，所述不确定性预测模型包括系统管理Agent、对象管理Agent、执行Agent、人机界面Agent、数据接口Agent、源数据Agent、初始化Agent、目标数据Agent、查询Agent、统计Agent和分析Agent；S2、完成接受函数和影响函数的设计；S3、完成数据的标准化处理；S4、进行相关系数的计算：S5、基于DEA进行相关性评价；S6、关键因素的提取。本发明解决了在纺纱过程中的波动提取，提高了产品效率，将不可控因素降到了最低。

主权项

一种面向纺纱质量波动的关键因素提取方法，其特征在于，包括如下步骤：S1、借助多Agent技术，构建了基于多Agent的生产过程不确定性预测模型，所述不确定性预测模型包括系统管理Agent、对象管理Agent、执行Agent、人机界面Agent、数据接口Agent、源数据Agent、初始化Agent、目标数据Agent、查询Agent、统计Agent和分析Agent；S2、完成接受函数和影响函数的设计；S3、通过以下公式完成数据的标准化处理：其中，X_ij为j指标历年的原始数据；Z_ij为标准化后的数据；m_ij为j指标在选取时段的平均值；s_ij为指标的标准差；S4、通过以下公式进行相关系数的计算：其中：W(i/j)为第i因素对第j因素的相关性；X_i为第i因素综合水平的实际值；X_i为与第j因素实际值X相关的第i因素综合水平；K为1/S，S为i因素的方差；S5、基于DEA进行相关性评价；DEA模型的分式规划形式为：对该规划进行Charnes‑Cooper线性变换和对偶变换后的形式为：Min h或1当δ＝0时，规划式为C²R模型，当δ＝1时，规划式为C²GS²模型；S6、关键因素的提取：S61、现定义所有的不确定性因素为x₁，x₂，……x_n，并将各个因素之间的两两相关性关系定义为x_ix_j，并按照相互之间相关性的计算和评价过程，分为最相关、强相关、较相关、相关和无关；S62、根据上述x_ix_j之间的结构关系，得不确定性因素对应的模糊关系矩阵为：矩阵M中以不确定性因素为行，以异常现象为列；其中m_ij(i‑1，2，…，m，j‑1，2，…，n)是专家根据经验给出的，表示第i种异常现象的不确定性因素中第j种因素所占的权重，故有：这样，可以获得转移矩阵：S63、对按行相加，得到和数进一步规范化后得到相应因素集的权重系数式中，n为因素元素个数；现有k位专家，根据权重w_i(i＝1，2，…，k)，且w₁+w₂+……+w_k＝1，利用加权平均的方法，对纺织生产过程进行评判，并分别给出了各自的模糊关系矩阵M_i(i＝1，2，…，k)，且M＝w₁M₁+w₂M₂+……+w_kM_kS44；S64、现设生产过程中有m种异常现象发生，对应的不确定性因素可能有n种，这样，异常现象y和不确定性因素x可分别表示为：Y＝(y₁，y₂，y₃，…，y_m)，X＝(x₁，x₂，x₃，…，x_n)；令不确定性因素隶属函数的向量为U(X)，且U(X)＝(u₁(x₁)，u₂(x₂)，…，u_n(x_n))，同时，根据不确定性因素的分类，将因素划分为人为、温湿度、机器、强电，以及其他几大类，记为U1、U2、U3、U4、U5；然后，组成因素集U＝{U1，U2，U3，U4，U5}，并对其进行进一步划分，形成第二层次；S65、根据系统核度理论，将其定义为一个不确定性系统核，具体过程如下：设G是一个连通图，假设G有m个顶点，K(G)表示G的全体割集集合，则|V(G)|＝m≥4，其核度h(G)为：h(G)＝MAX|ω(G‑J^*)‑|J^*|，J∈K(G)；若J^*满足：h(G)＝ω{(G‑J^*)‑|J^*|，则在系统T中，G是它的无向连通图，ω(G)为G的 连通分枝数，则J^*为G的核；又因为T是一个G连通系统，则G的核就是T的核，同时G的核度h(G)就是系统T的核度h(x)，而且系统的核度越大，评判过程越准确。