[发明专利]一种基于多因子模糊决策法的刹车片智能维保算法

权利要求书

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n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：设定为n个决策方案集合，为与每一个对应的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，用表示如下：

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，，，为级差值，其中h为一常数，0<h<1，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：

。

4.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：

当时，我们记；反之，当时，我们记；

令，此时我们可以得到矩阵：

令最大影响因子系数为=1，最小影响因子系数为=0.1，同理，由上矩阵可以得出极差为：

。

5.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，运用或者确定影响因子重要程度模糊集合如下：

。

6.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n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：

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f1：取出步骤e中占据前n位的n种决策方法，取因素集，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，使得；

步骤f2：每个评议者相互比较其值

；

步骤f3：求出隶属度

；

步骤f4：计算最佳的预防性维保间隔周期

。