计算决策值如下所示：
[0030]因此，多因子模糊评价矩阵为：
[0031 ]根据Delphi法和评审因素表中的数据：
经计算得到刹车片预测优先矩阵：
令最大影响因子系数为3^ = 1，最小影响因子系数为化-=〇 . 1，同理，由邊?矩阵可以得 出极差为：
运用
得到影响因子重要程度模糊集如下：
[0032 ]因此，很容易得到车队的决策评价向量：
[0033]由此我们可以看出，车队提出的三种决策方案的影响程度为:总费用最小原则〉可 用度最大原则〉可靠度最大原则;这里我们选取出中占据前2位的决策方法即"总费用最 小"原则和"可用度最大"原则。根据模糊决策的原理，来求出最佳的预防性维保间隔周期， 首先我们需要求出隶属度：
[0034]其次，根据求出的隶属度f0.55;il.45|计算最佳的预防性维保间隔周期：
[0035]这样，我们就可以根据运输公司车队的特殊化和个性化的决策方法来对刹车片维 保算法进行模型搭建，通过多因子模糊决策算法计算出的周期时间可以即时传送至车辆管 理系统平台，辅助管理员对刹车片进行决策支持，达到刹车片智能维保的需求。
【主权项】
1. 一种基于多因子模糊决策法的刹车片智能维保算法，其特征是基于运输车辆管理系 统数据，通过HBase数据库存储，根据不同类型的车辆的历史运行数据及天气、环境、路况影 响因子，通过基于Hadoop的大数据分析处理平台，对影响因子数据进行定时分析处理，同时 利用各种预防性维保决策方案，依据建立的刹车片智能维保预警预测模型分析，形成多因 子决策算法，得到影响因子重要程度，最后通过选择排名较高的有限个决策方案，通过模糊 决策计算出刹车片维保时间间隔;包括如下步骤： 步骤a:设定决策方案的集合，利用决策方案集合与影响因子构建决策方案影响值矩 阵； 步骤b:构建多因子模糊决策矩阵； 步骤c:计算多因子模糊评价矩阵，确定影响因子重要程度的模糊集合； 步骤d:求解影响因子系数； 步骤e:对η种方案进行相关决策，根据最大隶属度原则，得到最优的前N个方案； 步骤f:预防性维保间隔期的确定。2. 根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征 是步骤a中构建决策方案影响值矩阵的步骤是:设定:? _= .5. %…为n个决策 方案集合，Σ = j巧s &, g f5 · · · s & I为与每一个￡〇对应的m个影响因子所构成的集合，则 可用每个因素来标记对每个方案的影响，用:i#表示如下： f ) Lk~.… 其中表示第i个因子对第j个决策方案的影响值。3. 根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征 是步骤b中构建多因子模糊评价矩阵的步骤是： 令： & ： 其中％为第i个因子对第j种决策方案的决策值，=? 、…'?1^， (?.?.…，A为级差值，其中h为一常数，0〈h〈l，即： ' - & 因此，根据Hbase历史数据的变化而计算出不同数据，以矩阵形式表示，多因子模糊评 价矩阵为： 1:? i I仏；仏介泛' ;…仏》I rH:，，一 ："。 :::< ? C I l^isi ^isl ^!Si ' ' " ^JiS2 J4. 根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征 是步骤c中确定影响因子重要程度模糊集合的步骤是： 当為(s). > 4如）时，我们记淑^祕=?;反之，当為时，我们记:焉鮮:=t ; 令馬=艺:馬_，此时我们可以得到矩阵： i-i f轉A."规、 .p· j麗?.瑪2:-:雜&! .j: I r'., I m.'u 令最大影响因子系数为各&=1，最小影响因子系数为^&^〇.1，同理，由上矩阵可以得出 极差为： 鑛i纖.-嶋fe:. ' 〇 ^ssss - ^>a：iis5. 根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征 是步骤d中求解解影响因子系数的步骤是： 由步骤c可知，运用&二+8 J或者& = i确定影响因子重要 V Λ ·· A /逢规:：…奴、、 i . ii .. ...H iv^ $: I ilUiiu.广·乂 ·5?·" .! ，..： & I 一 ！程度模糊集合如下： ? - ：? ' . s: =* 1 室 ...1??.….《嫩:i 』=(%馬.-''.￡^>06. 根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征 是步骤e中对η种方案进行相关决策的步骤是将步骤d得到的影响因子重要程度模糊集合与 步骤a中得到的多因子模糊评价矩阵相乘可得决策评价向量： β = j￡e9 = -?) 根据最大隶属度原则，#中数值最大的对应的方案为最优方案。7. 根据权利要求1所述的一种基于多因子模糊决策法的刹车片智能维保算法，其特征 是步骤f中得出预防性维保间隔期的步骤是： 步骤f 1:取出步骤e中占据前η位的η种决策方法，取因素集魏，％:，C(r)是 待定的模糊集，根据模糊决策的原理，可以求出预防性维修间隔期T;确定指标fe(L2)，使 步骤f2:每个评议者= 相互比较其值 罐'蠢J ; 步骤f3:求出隶属度&(为） !·.: ll· I； ?5： € \ - jr .?%, ；?i 步骤f4:计算最佳的预防性维保间隔周期 祕。
【专利摘要】本发明涉及一种基于多因子模糊决策法的刹车片智能维保算法。基于运输车辆管理系统数据，通过HBase数据库存储，根据不同类型的车辆的历史运行数据及天气、环境、路况影响因子，通过基于Hadoop的大数据分析处理平台，对影响因子数据进行定时分析处理，同时利用各种预防性维保决策方案，依据建立的刹车片智能维保预警预测模型分析，形成多因子决策算法，得到影响因子重要程度，最后通过选择排名较高的有限个决策方案，通过模糊决策计算出刹车片维保时间间隔。本发明基于多因子模糊决策建立的目标函数模型可以精确计算出车辆预防性维修间隔期T，依托车辆自动化管理平台可以自动将到期信息发送报警信息，减少人员管理成本；提高车辆出勤率、减少车辆故障、保证车辆性能较好、提高保养效率、有利配件储备和降低管理成本。
【IPC分类】G06Q10/00, G06F17/15
【公开号】CN105469150
【申请号】CN201510814057
【发明人】张, 黄琛, 陆义平, 吴小军, 刘蕾
【申请人】武汉长江通信智联技术有限公司
【公开日】2016年4月6日
【申请日】2015年11月23日