基于組合賦權(quán)的機(jī)床加工工藝參數(shù)多目標(biāo)綜合決策方法

鄧朝暉 孟慧娟 張 華 萬林林

湖南科技大學(xué)難加工材料高效精密加工湖南省重點(diǎn)實驗室，湘潭，411201

?

基于組合賦權(quán)的機(jī)床加工工藝參數(shù)多目標(biāo)綜合決策方法

鄧朝暉 孟慧娟 張 華 萬林林

湖南科技大學(xué)難加工材料高效精密加工湖南省重點(diǎn)實驗室，湘潭，411201

針對機(jī)床加工過程的復(fù)雜性，提出了考慮傳統(tǒng)決策指標(biāo)和資源環(huán)境屬性決策指標(biāo)的多目標(biāo)決策方法。依據(jù)層次分析法和指標(biāo)相關(guān)性的指標(biāo)權(quán)重確定方法對各指標(biāo)進(jìn)行主客觀組合賦權(quán)，采用TOPSIS設(shè)定正負(fù)理想序列，分別采用歐氏距離法和灰色關(guān)聯(lián)法對各實驗組(工藝參數(shù)組合)進(jìn)行排序，剔除兩種方法下排序差異大的方案，得到了折中的最優(yōu)工藝參數(shù)。最后，以平面磨床磨削實驗為例對該方法進(jìn)行了論證。

多目標(biāo)決策；組合賦權(quán)；灰色關(guān)聯(lián)法；歐氏距離法；TOPSIS

0 引言

機(jī)床是機(jī)械制造業(yè)的重要工具，在為人類創(chuàng)造財富的同時也消耗了大量的資源能源，造成了嚴(yán)重的環(huán)境污染[1]。通過對機(jī)床加工工藝參數(shù)的決策優(yōu)化，可有效降低生產(chǎn)加工過程中的資源消耗，減少污染排放，提高生產(chǎn)效益和加工質(zhì)量，既滿足企業(yè)的發(fā)展需要，又對我國機(jī)床制造業(yè)也有著重要的工程應(yīng)用價值。

近年來，國內(nèi)外學(xué)者對機(jī)床加工過程中工藝方案的決策和優(yōu)選已經(jīng)進(jìn)行了較多的研究。Bennett等[2]提出的產(chǎn)品工藝決策模型不僅考慮了廢物減排，還考慮了能量消耗。Chen等[3]采用神經(jīng)網(wǎng)絡(luò)法對切削加工工藝參數(shù)進(jìn)行多目標(biāo)優(yōu)化，不僅降低加工成本，并且提高加工表面的質(zhì)量。江志剛等[4-5]建立生產(chǎn)過程輸入輸出多目標(biāo)決策模型，基于該模型闡述了決策指標(biāo)和工藝參數(shù)的關(guān)系，并構(gòu)建了決策模型。曹華軍等[6]采用了層次分析法(analytic hierarchy process, AHP)進(jìn)行了主觀賦權(quán)，建立了綜合考慮資源消耗和環(huán)境影響的多目標(biāo)決策模型。曹杰等[7]從資源環(huán)境屬性等方面建立了綠色制造工藝評價體系的層次結(jié)構(gòu)模型，并采用多目標(biāo)決策逼近理想解法對各工藝方案進(jìn)行排序。伍曉榕等[8]運(yùn)用決策試驗與評價實驗室方法進(jìn)行綠色工藝參數(shù)決策，獲得了考慮決策者主觀偏好的綠色工藝參數(shù)。Hanafi等[9]利用灰色關(guān)聯(lián)理論對切削工藝參數(shù)進(jìn)行優(yōu)化，以實現(xiàn)最低功耗和最佳表面質(zhì)量。Yan等[10]以表面粗糙度、材料去除率和能源消耗為優(yōu)化目標(biāo)，提出了一種基于加權(quán)灰色關(guān)聯(lián)分析和響應(yīng)面法的多目標(biāo)優(yōu)化方法，并進(jìn)行了實驗驗證。李郝林等[11]以平面磨床磨削加工粗糙度和平面度為優(yōu)化目標(biāo)，通過灰色關(guān)聯(lián)度排序，從而決定最優(yōu)的工藝參數(shù)。顧豐[12]采用信噪比和灰色關(guān)聯(lián)算法，對微電火花加工工藝參數(shù)進(jìn)行決策優(yōu)化，得到了多項輸出指標(biāo)要求下的最優(yōu)工藝參數(shù)。趙茂俞等[13]針對沖壓工藝設(shè)計正交實驗，利用灰色系統(tǒng)理論來計算成形質(zhì)量與各指標(biāo)的灰色關(guān)聯(lián)度，從而優(yōu)選最佳工藝參數(shù)，最終進(jìn)行生產(chǎn)應(yīng)用，應(yīng)用結(jié)果表明成形質(zhì)量明顯提高。

以上對機(jī)床加工工藝進(jìn)行多目標(biāo)決策的研究存在以下不足之處：①決策指標(biāo)只考慮了資源環(huán)境屬性，或者只考慮了生產(chǎn)效益和加工質(zhì)量；②決策指標(biāo)的權(quán)重大多為等重或者主觀權(quán)重，導(dǎo)致決策結(jié)果出現(xiàn)較大的主觀隨意性；③采用灰色關(guān)聯(lián)進(jìn)行機(jī)床加工工藝的決策時，設(shè)定的參考序列只考慮正理想序列的一致度，沒有考慮和負(fù)理想序列的相異度，并且僅僅采用灰色關(guān)聯(lián)算法進(jìn)行決策，沒有與其他決策方法進(jìn)行對比，無法判斷最終決策的最優(yōu)工藝是否有誤。

以上研究的不足之處，可能導(dǎo)致研究結(jié)果出現(xiàn)誤差。對機(jī)床工藝參數(shù)進(jìn)行決策研究時，全面考慮決策指標(biāo)，并采用多種方法對決策結(jié)果進(jìn)行對比分析以提高決策結(jié)果正確性，是很有必要的。本文的決策指標(biāo)系統(tǒng)不僅要考慮機(jī)床生產(chǎn)過程中的資源消耗和排放，還要考慮生產(chǎn)效率和加工質(zhì)量等傳統(tǒng)指標(biāo)。此外，決策指標(biāo)權(quán)重向量的設(shè)定不僅要考慮決策者的主觀偏好，還考慮決策指標(biāo)間的相關(guān)性和差異性。本文采用灰色關(guān)聯(lián)算法進(jìn)行決策的同時，還引入歐氏距離算法，可以剔除兩種決策方法下排序爭議比較大的實驗方案，得到折中的最佳工藝參數(shù)，從而達(dá)到減小決策誤差，提高決策正確率的目的。最終通過平面磨床磨削工藝參數(shù)的決策實驗進(jìn)行實驗驗證。

1 加工工藝IPO模型

機(jī)械制造是一個復(fù)雜的加工過程，涉及資源消耗、加工質(zhì)量和污染排放等活動。圖1所示為機(jī)械制造系統(tǒng)切削工藝IPO模型。

通過對圖1所示切削工藝IPO模型的分析可知，零件加工消耗了資源和能源，產(chǎn)生了噪聲和粉塵，生產(chǎn)效率與加工質(zhì)量直接影響到企業(yè)效益和產(chǎn)品合格率，故在機(jī)床加工工藝的決策中，決策指標(biāo)的設(shè)定不僅要考慮資源消耗和排放，還要考慮生產(chǎn)效率和加工質(zhì)量等傳統(tǒng)指標(biāo)。

2 組合賦權(quán)

機(jī)床加工工藝多目標(biāo)決策研究中，決策指標(biāo)權(quán)重的設(shè)定具有非常重要的意義，它反映了各個決策指標(biāo)在決策中的地位和重要度，直接影響最終的決策結(jié)果。根據(jù)賦權(quán)方法的不同，權(quán)重可以分為主觀權(quán)重和客觀權(quán)重[14]。主觀權(quán)重是專家以及決策者根據(jù)以往的經(jīng)驗直接給指標(biāo)設(shè)定的權(quán)重。AHP具有分析思路清晰、分析時使用數(shù)據(jù)較少的特點(diǎn)，適用于復(fù)雜的機(jī)床加工工藝決策問題，故本文采用AHP確定決策指標(biāo)的主觀權(quán)重yj(由于層次分析法在應(yīng)用比較普遍，本文省略AHP具體計算過程)[15]。客觀權(quán)重確定方法可以充分利用實際采集的實驗數(shù)據(jù)之間的規(guī)律，不受人為主觀因素影響，具有一定的靈活性?？陀^賦權(quán)法中，指標(biāo)相關(guān)性的指標(biāo)權(quán)重確定 (criteria importance through inter-criteria correlation, CRITIC) 法不僅考慮了決策指標(biāo)差異性，還考慮了各指標(biāo)之間的沖突性，由于機(jī)床加工過程中的決策指標(biāo)間具有差異性和相關(guān)性，故CRITIC法更適用于機(jī)床加工。

2.1 CRITIC法

CRITIC法是由Diakoulaki提出的一種客觀權(quán)重賦權(quán)法。它以兩個因素為基礎(chǔ)進(jìn)行權(quán)重設(shè)定：(1)對比強(qiáng)度表示同一指標(biāo)各個評價方案取值差距的大小，以標(biāo)準(zhǔn)差的形式來表現(xiàn)，即標(biāo)準(zhǔn)差的大小表明了同一指標(biāo)內(nèi)各方案的取值差距的大小，標(biāo)準(zhǔn)差越大，各方案的取值差距越大；(2)決策指標(biāo)之間的沖突性以指標(biāo)之間的相關(guān)性為基礎(chǔ)，若兩個指標(biāo)之間具有較強(qiáng)的正相關(guān)，則說明兩個指標(biāo)沖突性較低[16-17]。

(1)首先對收集的實驗數(shù)據(jù)構(gòu)建決策矩陣X=[xij]m×n，i=1，2，…，m；j=1，2，…，n。其中，m為方案數(shù)，n為決策指標(biāo)數(shù)。

(2)用標(biāo)準(zhǔn)方差法對決策矩陣進(jìn)行標(biāo)準(zhǔn)化處理：

(1)

(3)計算對比強(qiáng)度sj：

(2)

(4)計算決策指標(biāo)之間的沖突性指標(biāo)(反映第j個指標(biāo)和其他指標(biāo)之間的沖突性)cj：

(3)

(4)

式中,rij為指標(biāo)間的相關(guān)系數(shù)。

(5)計算客觀權(quán)重θj：

(5)

2.2 主客觀權(quán)重綜合賦權(quán)

主客觀組合賦權(quán)既可以盡量減少決策者的主觀隨意性，又可以彌補(bǔ)客觀權(quán)重確定方法的不足。利用變異系數(shù)來計算決策指標(biāo)的組合權(quán)重，可以克服決策指標(biāo)權(quán)重分配均衡化的缺陷，使組合權(quán)重的賦值更為客觀合理[18-19]。具體過程如下：

wj=αθj+(1-α)γj

(6)

(7)

(8)

式中，GAHP為層次分析法各指標(biāo)權(quán)重的變異系數(shù)；P1，P2，…，Pn依次表示γ(k)從小到大的權(quán)重值。

3 機(jī)床加工工藝參數(shù)決策

3.1 理想序列

(1)計算加權(quán)標(biāo)準(zhǔn)化矩陣：

U=[uij]m×n=[wjyij]m×n

(9)

確定正負(fù)理想?yún)⒖夹蛄衃21]：

(10)

(11)

其中，U+為正理想序列，其中的指標(biāo)是高優(yōu)指標(biāo)，即指決策指標(biāo)值越大越好；U-為負(fù)理想序列，其中的指標(biāo)是低優(yōu)指標(biāo)，即指決策指標(biāo)值越小越好。比如加工時間越短越好，為低優(yōu)指標(biāo)，故正理想序列U+取最小值min uij，負(fù)理想序列U-取最大值max uij。

3.2 決策方法

對于機(jī)床加工系統(tǒng)而言，其輸出的指標(biāo)間存在較強(qiáng)的非線性關(guān)系，采用數(shù)理統(tǒng)計方法很難表達(dá)出來決策指標(biāo)間的非線性關(guān)系。利用灰色關(guān)聯(lián)和歐氏距離法通過對數(shù)據(jù)序列整體的比較，可以方便快捷地得出最佳工藝參數(shù)[20,22]。

(1)利用歐氏距離計算參考序列i和理想序列的相對貼近度。

到正理想序列的距離：

(12)

式中，ui(j)為加權(quán)標(biāo)準(zhǔn)化矩陣第i行第j列對應(yīng)的數(shù)值；u+(j)為正理想?yún)⒖夹蛄械趈列數(shù)值。

到負(fù)理想序列的距離：

(13)

式中，u-(j)為負(fù)理想?yún)⒖夹蛄械趈列數(shù)值。

歐氏距離貼近度：

(14)

歸一化的歐氏距離貼近度：

(15)

(2)利用灰色關(guān)聯(lián)度計算方案i相對貼近度和綜合貼近度。

正關(guān)聯(lián)系數(shù)：

(16)

負(fù)關(guān)聯(lián)系數(shù)：

(17)

灰色關(guān)聯(lián)貼近度：

(18)

灰色關(guān)聯(lián)貼近度歸一化處理：

(19)

最終獲得的綜合貼近度：

Ci=(Di+Ri)/2

(20)

本文方法除了可以得到最佳工藝參數(shù)以外，還可以對機(jī)床加工工藝參數(shù)的影響度進(jìn)行計算排序，計算方法在應(yīng)用實例中進(jìn)行說明。

3.3 實現(xiàn)步驟

綜合以上理論可得機(jī)床加工工藝參數(shù)決策流程圖(圖2),具體實現(xiàn)步驟如下：

圖2 機(jī)床加工工藝決策流程圖

(1)根據(jù)機(jī)床實際加工情況建立IPO模型圖，并進(jìn)行機(jī)床加工的資源環(huán)境屬性分析，確定機(jī)床加工過程的決策指標(biāo)體系。

(2)確定對決策指標(biāo)的影響因素以及各影響因素水平值，設(shè)計正交試驗，進(jìn)行實驗數(shù)據(jù)的收集和預(yù)處理，得到標(biāo)準(zhǔn)化的決策矩陣。

(3)采用層次分析法和CRITIC法對決策指標(biāo)進(jìn)行主客觀組合賦權(quán)，并利用所得權(quán)重對標(biāo)準(zhǔn)化決策矩陣進(jìn)行加權(quán)，得到加權(quán)標(biāo)準(zhǔn)化決策矩陣，從而確定正負(fù)理想?yún)⒖夹蛄小?/p>

(4)分別采用灰色關(guān)聯(lián)法和歐氏距離法計算加權(quán)標(biāo)準(zhǔn)化矩陣和理想?yún)⒖夹蛄械馁N近度，并進(jìn)行排序，剔除兩種方法下排序差異比較大的方案，并對其余排序基本一致的方案進(jìn)行綜合排序。

4 應(yīng)用實例

磨削加工是一種精密加工方法，在加工過程中消耗了大量的資源和能源，產(chǎn)生的噪聲、粉塵等對環(huán)境產(chǎn)生了嚴(yán)重的影響[23]。建立平面磨削加工過程IPO模型圖，如圖3所示。

平面磨削決策指標(biāo)的設(shè)定不僅要考慮其生產(chǎn)效益、生產(chǎn)成本，還有考慮其環(huán)境影響。磨削過程中,磨削力直接影響著磨削熱的產(chǎn)生，并進(jìn)一步影響砂輪的磨損、耐用度及工件已加工表面的質(zhì)量，所以本文將磨削力作為了一個重要的決策指標(biāo)。由于磨削加工屬于精密加工，產(chǎn)生的粉塵較少，采用粉塵測量儀測出的粉塵濃度變化很小，所以本文不將粉塵作為決策指標(biāo)。最終確定的決策目標(biāo)為能耗、粗糙度、加工時間、噪聲和磨削力。

圖3 平面磨削加工IPO模型

4.1 實驗研究

本文以工藝參數(shù)的優(yōu)選為目的，根據(jù)相關(guān)方法和理論，在數(shù)控平面磨床上進(jìn)行實驗，實驗中所采用的加工設(shè)備如表1所示。

表1 實驗設(shè)備表

實驗中考慮如下工藝參數(shù)：進(jìn)給速度vw、砂輪線速度vs、磨削深度ap。設(shè)計三因素四水平L16(43)正交試驗。實驗中，定工件臺行程取固定值0.3 m，磨削總厚度Z=0.6 mm，分別測量16組工藝實驗的磨削功率、生產(chǎn)時間、噪聲、磨削力和粗糙度。表2所示為平面磨削工藝實驗方案和決策指標(biāo)實驗數(shù)據(jù)。對實驗數(shù)據(jù)進(jìn)行分析處理，優(yōu)選最佳工藝參數(shù)，可以達(dá)到減少能源消耗、噪聲，提高生產(chǎn)效率和加工零件表面質(zhì)量的目的。

表2 實驗工藝參數(shù)和測量結(jié)果

4.2 實驗數(shù)據(jù)處理

對表2中采集到的實驗數(shù)據(jù)構(gòu)建決策矩陣：

(21)

對式(21)進(jìn)行標(biāo)準(zhǔn)化處理：

(22)

4.3 決策指標(biāo)主客觀組合賦權(quán)

(1)利用層次分析法確定主觀權(quán)重：

(γ1，γ2，…，γ5)=

(0.2452,0.5042,0.1024,0.1024,0.0459)

(2)利用CRITIC確定客觀權(quán)重：

對比強(qiáng)度為

(S1，S2，…，S5)=

(0.1671,0.1627,0.0467,0.0834,0.0069)

沖突性指標(biāo)為

(C1，C2，…，C5)=

(4.6538,4.6561,4.4734,4.1597,4.6098)

客觀權(quán)重為

(θ1，θ2，…，θ5)=

(0.3663,0.3569,0.0984,0.1634,0.0150)

(3)計算可知變異系數(shù)α=0.4，則組合權(quán)重為

(w1，w2，…，w5)=

(0.2936,0.4453,0.1008,0.1268,0.0335)

4.4 平面磨削工藝參數(shù)決策

(1)對式 (22)進(jìn)行加權(quán)，得

(23)

(2)確定正負(fù)理想序列、正理想序列：

U+=[0.0129 0.0216 0.0182 0.0145 0.0080]

U-=[0.2063 0.3052 0.0360 0.0557 0.0088]

(3)計算各方案到正負(fù)理想序列的歐氏距離：

(4)計算各方案與正負(fù)理想序列的灰色關(guān)聯(lián)度：

(R1，R2，…，R16)=(0.4367,0.4421,0.4508,0.4664,

0.4665,0.4402,0.5197,0.4813,0.5314,0.5319,

0.4624,0.4850,0.5274,0.5244,0.5081,0.4588)

(5)計算綜合貼近度并排序，結(jié)果如表3所示。

(6)計算機(jī)床工藝參數(shù)綜合影響度，并排序。

表3 平面磨削工藝實驗方案貼近度排序

本文方法除了可以得到最佳工藝參數(shù)以外，還可以得到磨削工藝參數(shù)每一水平的平均貼近度，計算方法如下：將正交序列中的貼近度值依照參數(shù)水平分組，計算每組貼近度的平均值，獲得各參數(shù)水平的平均貼近度。例如，進(jìn)給速度為1 m/min時的灰色關(guān)聯(lián)理想貼近度平均值γ11=(0.027 73+0.048 24+0.058 17+ 0.063 09)/4=0.0493。平面磨削每個參數(shù)因素的每個水平都可采用同樣的方法來計算平均貼近度，如表4所示。

表4 各工藝參數(shù)綜合影響度排序

4.5 平面磨削工藝實驗分析

從表3可以看出，不管是采用灰色關(guān)聯(lián)法還是歐氏距離法，其貼近度的排序基本上是一致的。但對于第15組實驗，采用灰色關(guān)聯(lián)法進(jìn)行排序時為1，采用歐氏距離法排序為5；對于第10組實驗，采用灰色關(guān)聯(lián)法進(jìn)行排序時為4，采用歐氏距離法排序為1，說明第15組實驗和第10組實驗存在著很大的爭議。第9組實驗兩種方法下的排序都是2，其綜合排序為1，故第9組實驗是考慮能耗、表面粗糙度、磨削力、加工時間和噪聲的折中最佳工藝參數(shù)。從表4可以看出，對各評估指標(biāo)影響最大的參數(shù)是進(jìn)給速度，其次是磨削深度，砂輪線速度的影響因程度最小。為了使輸出參數(shù)更好地逼近理想值，調(diào)整進(jìn)給速度和磨削深度可以達(dá)到更好的效果。

將灰色關(guān)聯(lián)和歐氏距離應(yīng)用于多目標(biāo)決策的研究已經(jīng)比較成熟，但是國內(nèi)外學(xué)者一般都采用其中一種方法進(jìn)行決策，無法直觀判斷決策結(jié)果是否存在誤差。本文采用了灰色關(guān)聯(lián)和歐氏距離兩種決策方法對機(jī)床加工實驗方案進(jìn)行了排序，可以剔除爭議性比較大的實驗方案，獲得折中的最佳工藝參數(shù)，大大減小了決策誤差，提高了決策結(jié)果的正確度。并且本文提出采用CRITIC法計算指標(biāo)間的對比強(qiáng)度和沖突性，從而客觀考慮了決策指標(biāo)間的差異性和相關(guān)性，從而削弱了決策者的主觀隨意性，使得決策結(jié)果更為合理有效。

5 結(jié)論

(1)采用灰色關(guān)聯(lián)和歐氏距離兩種算法分別對各實驗方案進(jìn)行了排序，剔除了兩種方法下排序爭議比較大的實驗方案，對其余實驗方案進(jìn)行了排序，獲得了一組折中的最優(yōu)工藝參數(shù)，提高了決策結(jié)果的準(zhǔn)確性。

(2)通過各工藝參數(shù)因素同一水平下的平均灰色關(guān)聯(lián)理想值分析，找到對評估指標(biāo)影響最大的工藝參數(shù)為進(jìn)給速度，其次是磨削深度、砂輪線速度。

(3)機(jī)床加工過程是一個多輸入、多輸出系統(tǒng)，具有非線性和強(qiáng)耦合關(guān)系，本文采用CRITIC法進(jìn)行客觀賦權(quán)，并在綜合考慮數(shù)據(jù)間相關(guān)性和沖突性的基礎(chǔ)上，結(jié)合層次分析法進(jìn)行主客觀組合賦權(quán)，使決策指標(biāo)的權(quán)重設(shè)定更為合理。

(4)本文以平面磨削加工為例，對磨削加工工藝參數(shù)進(jìn)行優(yōu)選決策，有助于提高機(jī)床加工的綠色度。本文所采用的方法，同樣適用于加工工藝路線的決策優(yōu)選，對提高企業(yè)生產(chǎn)效益有很大的作用，并且可以通過MATLAB分析得出結(jié)果，有較強(qiáng)的推廣使用價值。

[1] 張華.綠色制造系統(tǒng)工程理論與實踐[M].北京：北京科學(xué)出版社,2013.

[2] Bennett D P, Yano C A. A Decomposition Appr-oach for an Equipment Selection and Multiple Product Routing Problem Incorporating Environmental Factors[J].European Journal of Operational Research,2004,156(3):643-664.

[3] Chen L P, Jian C, Gang C.Multi-objective Optimization of Cutting Parameters in Sculptured Parts Machining Based on Neural Network[J].Journal of Intelligent Manufacturing,2015,26(5):891-898.

[4] 江志剛,張華,肖明.面向綠色制造的生產(chǎn)過程多目標(biāo)集成決策模型及應(yīng)用[J].機(jī)械工程學(xué)報,2008, 44(4):41-46. Jiang Zhigang, Zhang Hua, Xiao Ming. Multi-objective Integrating Decision-making Model and Its Application of Production Process for Green Manufacturing[J]. Journal of Mechanical Engineering,2008,44(4):41-46.

[5] 江志剛,張華. 綠色制造企業(yè)生產(chǎn)過程多目標(biāo)集成決策指標(biāo)體系研究[J].機(jī)械設(shè)計與制造,2008(8):232-234. Jiang Zhigang, Zhang Hua. Study on Index System of Multi-objective Decision-making for Production Process Oriented Green Manufacturing Enterprise[J]. Machin-ery Design and Manufacture,2008(8):232-234.

[6] 曹華軍,劉飛,何彥,等.面向綠色制造的機(jī)床設(shè)備選擇模型及其應(yīng)用[J].機(jī)械工程學(xué)報,2004,40(3):26-30. Cao Huajun, Liu Fei, He Yan, et al. Machine Tool Selection Model and It Application for Green Manufacturing[J]. Journal of Mechanical Engineering, 2004, 40(3):26-30.

[7] 曹杰, 易紅. 綠色產(chǎn)品制造工藝方案的研究[J]. 機(jī)械工程學(xué)報,2002,38(7):126-130. Cao Jie, Yi Hong. Studying Scheme of Green Product Manufacturing Process[J]. Journal of Mechanical Engineering, 2002,38(7):126-130.

[8] 伍曉榕,張樹有,裘樂淼, 等. 面向綠色制造的加工工藝參數(shù)決策方法及應(yīng)用[J].機(jī)械工程學(xué)報,2013, 49(7):91-100. Wu Xiaorong, Zhang Shuyou, Qiu Lemiao, et al. Decision Making Method of Process Parameters Selection for Green Manufacturing Based on a DEMATEL-VIKOR Algorithm[J]. Journal of Mechanical Engineering, 2013, 49(7):91-100.

[9] Hanafi I,Khamlichi A, Cabrera F M, et al. Optimization of Cutting Conditions for Sustainable Machining of PEEK-CF30 Using TiN Tools[J]. Journal of Cleaner Production, 2012,33(8):1-9.

[10] Yan J, Li L. Multi-objective Optimization of Milling Parameters-the Trade-offs between Energy, Product-ion Rate and Cutting Quality[J]. Journal of Cleaner Production, 2013,52(4):462-471.

[11] 李郝林,王健.基于灰色關(guān)聯(lián)分析的平面磨削工藝參數(shù)優(yōu)化[J].中國機(jī)械工程,2011,22(6):631-635. Li Haolin, Wang Jiang. Determination of Optimum Parameters in Plane Grinding by Using Grey Relational Analysis[J]. China Mechanical Engineering, 2011, 22(6):631-635.

[12] 顧豐.電火花微小孔加工工藝參數(shù)優(yōu)化及建模的研究[D].大連:大連理工大學(xué),2006.

[13] 趙茂俞,薛克敏,李萍.多目標(biāo)質(zhì)量的覆蓋件成形工藝參數(shù)優(yōu)化[J].機(jī)械工程學(xué)報,2009,45(8):276-282. Zhao Maoyu, Xue Kemin, Li Ping. Auto Panel Forming Process Parameters Optimization of Multi-objective Quality[J]. Journal of Mechanical Engineering, 2009, 45(8): 276-282.

[14] 杜棟.現(xiàn)代綜合評價方法與案例[M].北京:清華大學(xué)出版社,2008.

[15] 趙煥臣,許樹柏.層次分析法[M].北京:北京科學(xué)出版社,1986.

[16] 王昆.三種客觀權(quán)重賦權(quán)法的比較分析[J].技術(shù)經(jīng)濟(jì)與管理研究,2008(6):48-49. Wang Kun. Three Kinds of Objective Weight Method of Comparative Analysis[J].Technoeconomics & Management Research, 2008(6):48-49.

[17] Diakoulaki D, Mavortas G, Papayannakis L. Determining Objective Weights in Multiple Crireria Problems: The CRITIC Method[J].Computer Ops.,1995, 22: 763-770.

[18] 時光新,王其昌,劉建強(qiáng).變異系數(shù)法在小流域治理效益評價中的應(yīng)用[J].水土保持通報,2000,20(6):47. Shi Guangxin, Wang Qichang, Liu Jianqiang. Application of Variation Coefficient Method in the Evaluation of Management Benefit of Small Watershed[J]. Bulletin of Soil and Water Conservation, 2000, 20(6):47.

[19] 席榮賓,黃鵬,賴雪梅,等.組合賦權(quán)法確定權(quán)重的方法探討[J].中國集體經(jīng)濟(jì),2010(7):75-76. Xi Rongbing, Huang Peng, Lai Xuemei, et al. Study on the Method to Determine the Combina-tion Weight[J]. China Collective Economy,2010(7):75-76.

[20] 鄧聚龍.灰理論基礎(chǔ)[M].武漢:華中科技大學(xué)出版社, 2002.

[21] 盧方元. 一種改進(jìn)的TOPSIS法[J]. 統(tǒng)計與決策, 2003(3):78-79. Lu Fangyuan. A Kind of Improved TOPSIS Met-hod[J]. Statistics and Decision, 2003(3):78-79.

[22] 張堯庭. 多元統(tǒng)計分析引論[M]. 武漢：武漢大學(xué)出版社, 2013.

[23] 修世超,馮強(qiáng).綠色磨削實現(xiàn)技術(shù)及其理論框架的構(gòu)建[J].制造技術(shù)與機(jī)床,2008(10):28-32. Xiu Shichao, Feng Qiang. Frame of Theory and Achieving Technology for Green Grinding Process[J].Manufacturing Technology & Machine Tool, 2008(10):28-32.

(編輯 張 洋)

A Multi-objective Comprehensive Decision Method for Machine Tool Machining Process Parameters Based on Combination Weight

Deng Zhaohui Meng Huijuan Zhang Hua Wan Linlin

Hunan Province Key Laboratory of High Efficiency and Precision Machining of Difficult-to-machine Material,Hunan University of Science and Technology,Xiangtan, Hunan,411201

Considering the complexity of machining processes, a multi-objective decision method was proposed, which took the traditional decision-making factors and environmental impact target into account. The combination weight were determined by analytic hierarchy process and criteria importance through inter-criteria correlation, and the positive and negative reference sequences were set by TOPSIS. Grey correlation and Euclidean distance were used to sort each experimental group(combination of process parameters). The groups which had a significant difference under the two methods were rejected, and the compromise optimal parameters might be obtained. Finally, the method was verified by surface grinding experiments.

multi-objective decision; combination weight; grey correlation; Euclidean distance; technique for order preference by similarity to ideal solution (TOPSIS)

2015-12-21

國家高技術(shù)研究發(fā)展計劃(863計劃)資助項目(2014AA041504)

10.3969/j.issn.1004-132X.2016.21.011

鄧朝暉，男，1968年生。湖南科技大學(xué)機(jī)電工程學(xué)院教授、博士研究生導(dǎo)師。主要研究方向為高效精密智能制造和綠色制造技術(shù)。發(fā)表論文50余篇。孟慧娟，女，1990年生。湖南科技大學(xué)機(jī)電工程學(xué)院碩士研究生。張 華，男，1976年生。湖南科技大學(xué)機(jī)電工程學(xué)院博士研究生。萬林林，男，1984年生，湖南科技大學(xué)機(jī)電工程學(xué)院講師。

圖書分類號：TH16