基于灰色聚类的汽车健康状态评估
汽车维修质量评价中的灰色聚类法分析
＝
，
＝
／ ２
） ，
阙值的描述式为 ：
＝
２ 一
（ ＋ｒ （ ｉ － １ ） ｉ ） ／ ２
（ ａ ）
（ ｉ ＝２ ， ３ ， …， 一 ， ：１ ， ２ ， …， ｍ）
灰数的白化权函数描述为是： ｘ ｆ ＝ ｌ ， ２ ， …， ｎ ； ｊ ＝ ｌ ， ２ ， …， ｍ ； ｋ ＝ １ ， ２ ， …Ｋ） 为第 个指标对于第尼 个灰类的白化函数 值。
Ｃｈ ｉ ｎ ａ Ｓ ｃ ｉ ｅ ｎ ｃ
… ～
— …
ｅ ｃ ｈ 翌 ？
工 艺 设 计 改 造 及 检 测 检修
…
…
…
汽车维修质量评价中的灰色聚类法分析
方 凤 飞
（ 国网Ｉ ￣／ ｉ ｌ 省电力公司德 阳供 电公 司， 四川德阳 ６ １ ８ ０ ０ ０ ）
【 摘 要 ｌ灰 色聚类法 因为其 一 系列 的优 势， 如今 已经被广 泛应 用到汽车 维修 质量 的评价体 系中。 通 过实践研 究表 明， 在对 汽车 维修 企业 的维修 质量的评 价 中， 它 可以较 为 方便 灵活的 应用， 并且具有较 强的综合性 ， 越来越 为业界所推 崇。 本文 简要 分析 了汽 车维修 质量评 价 中的灰 色聚类法及其 实 施 步骤， 运 用灰 色聚类 法对一批 汽车的 维修质 量进行 了 灰 色评价， 由此可知， 灰 色聚 类法是一种 灵活方便， 综合 性强的评价 方法， 希望 可以提 供一些有 价 值 的参 考 意 见 。 Ｉ 关 键词 】汽车 维修 质量评 价 灰 色聚 类法
；
一
得出 如下 样 本矩 阵： Ｄ ～ ｌ ｆ ； “
（ ２ ） 描述灰类 的 白化权函数 。 所有评价指标 的等级都是会变化 的， 这个 范围是 不确 定的数 ， 我们将其称之为灰数 ， 具体来讲 ， 就是 个 区间范 围。 在这个标定范围 内， 所有 白化数对 本区间所对 应的 灰数 亲疏程度是存在 着差异 的， 因此 ， 在评定计算 时 ， 就 可 以将 百 化 函数给应用进来 。 白化函数的基本形式可 以划分为如图１ 所示的 三 类。 在第一类 白化 函数 图中， 第ｊ 个指标第 一类白化 函数的阙值用 ｆ 『 来表示 ； 在第三个 图中， 表示的是第ｎ 类 白化函数图 ， 第Ｊ 个指标 第ｎ —ｌ 类 白化函数的阙值用 （ ｌ—１ ｆ ） ， 来表 ， 灰类 的中心值为阙 值。 如果 ｆ ， 是白化 函数 ， 那么本 白化函数对第Ｊ 个指标的第ｉ 爪灰类 最亲密 ， 函数最大值为 １ 。
灰色聚类评价模型
灰色聚类评价模型本文选择灰色聚类法作为灰色关联理论评价模型的对比模型，是因为灰色聚类评价模型是现在应用较为广泛的评价模型，可以解决多因素、多目标、多层次的复杂问题，适合绿色施工评价指标体系“小样本、贫信息”的特点[61-64]。
灰色聚类评价模型构建根据所评价的建筑工程项目的“绿色程度”分为5个等级。
如表5-28。
表5-28 绿色施工评价等级灰类Table 5-28 Grey Class of Green Construction Evaluation Grade绿色施工灰类等级A AA AAA AAAA AAAA 分值范围 0-0.2 0.2-0.4 0.4-0.6 0.6-0.8 0.8-1.0 评价等级差较差及格良好优秀然后按不同灰类对评价指标构建白化函数。
绿色施工“A”级白化权函数表达式表示为：k=1 [0,0.2） ()[]](()110,0.10.10.1,0.30.30.100.1,0.3x x f x x x ⎧∈⎪-⎪=∈⎨-⎪∉⎪⎩(5-1)绿色施工“AA”级白化权函数表达式表示为k=2 [0.2,0.4） ()[]](()20.10.1,0.30.30.100.1,0.50.50.3,0.50.50.3x x f x x x x ⎧-∈⎪-⎪⎪=∉⎨⎪-⎪∈⎪-⎩ (5-2)绿色施工“AAA”级白化权函数表达式表示为k=3 [0.4,0.6） ()[)[][]30.30.3,0.50.50.300.3,0.70.70.5,0.70.70.5x x f x x x x -⎧∈⎪-⎪=∉⎨⎪-⎪∈-⎩ (5-3)绿色施工“AAAA”级白化权函数表达式表示为k=4 [0.6,0.8） ()[)[][)40.50.5,0.70.70.500.5,0.90.90.7,0.90.90.7x x f x x x x -⎧∈⎪-⎪=∉⎨⎪-⎪∈-⎩ (5-4)绿色施工“AAAAA”级白化权函数表达式表示为k=5 [0.8,1.0） ()[)[][)500.7,1.00.70.7,0.90.90.710.9,1.0x x f x x x ⎧∉⎪-⎪=∈⎨-⎪∈⎪⎩ (5-5)灰色聚类系数计算()m k k i j ij j jf x ηω=∑(5-6)式中：k i η－－综合白化权函数系数；()i j ij f x －－白化权函数；j ω－－权重系数。
专题4--灰色聚类评估
m
m
m
为 i 对象的聚类系数向量。 (2)称
1 1 12 1 2 2 2 ( ik ) 1 2 n n
1s s 2 s n
k k
4.2.4所示，则称 f jk () 为上限测度白化权函数，记为。
k f kj[ xk (1), x j j (2), , ]
17
灰色系统理论课件
第二节 灰色变权聚类
18
灰色系统理论课件
第二节 灰色变权聚类
命题4.2.1 (1) 对于图4.2.1所 示的典型白化权函数，有 (2) 图4.2.2所示的下限测度白 化权函数，有
中；X 12 与 X 11在同一类中。
10
灰色系统理论课件
第一节 灰色关联聚类
取标号最小的指标作为各类的代表，可得15个指标的一个聚类：
X1 , X 3 , X 6 , X 11 , X 12 , X 13 , X 14 X 2 , X 8 , X 4 , X 5 X 7 , X 9 , X 10 , X 15
专题4：灰色聚类评估
南京航空航天大学灰色系统研究所
2010, 南京
问题
什么是灰色聚类? 为什么要提出灰色聚类模型? 灰色聚类评估的主要研究内容有哪些? 灰色聚类有哪些最新进展?
与其他评估模型相比有何不同?
2
灰色系统理论课件
引言
灰色聚类是根据灰色关联矩阵或灰数的白化权函数将一些观测指 标或观测对象划分成若干个可定义类别的方法。一个聚类可以看 作是属于同一类的观测对象的集合。
不同类别，以便区别对待。
TOPSIS和灰色关联度结合的信号质量评估方法
TOPSIS和灰色关联度结合的信号质量评估方法孙希彤;刘秋生;梁东【摘要】针对弹药感应装定系统信号质量评估结果失准,受传统TOPSIS法在质量评估过程中出现欧氏距离相等,而无法实现明显区分的限制,提出将灰色关联度分析(GRA)与TOPSIS法相结合,以此来改进TOPSIS方法.该方法弥补了因指标间相关性而导致欧氏距离失效,又反映了数据曲线趋势上的相似性,是一种静态距离与动态趋势相结合的决策方法,评估结果更加合理.此外,熵权法和层次分析法(AHP)确定的组合权值兼有主客观性质,成为合理决策的前提.最后,通过在感应装定系统信号质量评估的应用验证了该方法的可行性与有效性.%In view of the inaccurate evaluation of the signal quality of the ammunition inductive setting system,and the limitation by the traditional TOPSIS method which has the same euclidean distance in the process of quality assessment and can not realize the clear distinction,a new method of combining gray relational analysis and TOPSIS to improve TOPSIS is proposed.The method solves the problem of failure of the euclidean distance and reflects the similarity of data on the trend curve.This is a decisionmaking of combining static distance with dynamic trend.In addition,entropy method and analytic hierarchy process determine the combination weights.It is objective and subjective.This is the premise of rational decision-making.Finally,the practical example shows that the method is feasible and effective.【期刊名称】《现代防御技术》【年(卷),期】2017(045)002【总页数】7页(P183-188,201)【关键词】质量评估;灰色关联度;熵权法;层次分析法;TOPSIS;感应装定【作者】孙希彤;刘秋生;梁东【作者单位】军械工程学院弹药工程系,河北石家庄050003;军械工程学院弹药工程系,河北石家庄050003;中国人民解放军68116部队,甘肃武威733200【正文语种】中文【中图分类】TJ41;TP301.6信息化弹药感应装定技术迅猛发展，不仅对感应通信信息量需求越来越大[1]，同时对感应装定传输信号的质量要求越来越高。
灰色定权聚类评估的步骤
灰色定权聚类评估的步骤
灰色定权聚类评估是一种用于数据分析和聚类的方法，它结合了灰色系统理论和聚类分析的思想。
下面是灰色定权聚类评估的一般步骤：
1. 数据准备：收集需要进行聚类评估的数据，并进行预处理，包括数据清洗、数据归一化等。
2. 灰色关联度计算：根据灰色系统理论，计算每个样本之间的灰色关联度。
灰色关联度是衡量样本之间相似性的指标，可以用于判断样本是否属于同一类别。
3. 定权计算：根据问题的具体要求和数据特点，确定各个指标的权重。
权重可以根据专家经验、主观评价或数学模型等方法确定。
4. 聚类分析：根据灰色关联度和权重，将样本进行聚类分析。
常用的聚类方法包括K-means、层次聚类等。
5. 聚类评估：根据聚类结果，进行聚类评估。
评估指标可以包括聚类效果的紧密度、分离度、轮廓系数等。
6. 结果解释和应用：根据评估结果，对聚类结果进行解释和应用。
可以根据聚类结果进行决策、优化或其他后续分析。
需要注意的是，灰色定权聚类评估的具体步骤可能会因具体问题和数据特点而有所不同。
在实际应用中，还需要根据具体情况进行调整和优化。
第七章：灰色聚类评估
指标j的样本观测值为xij，我们要根据xij的值对相应的对象 i进行评估，诊断，具体步骤如下：
第一步：按照评估要求所需划分的灰类数s，将各个指标
的取值范围也相应的划分为s个灰类
第二步：令(ak+ak+1)/2属于第k个灰类的白化权函数值为1，
((ak+ak+1)/2,1)与第k-1个灰类的起点ak-1和第k+1个灰类的终
(1),
xkj
(2),
xkj
(3),
xkj
(4)]
1
0
x
k j
(1)
xkj (2)
xkj (3)
图7.2.1
xkj (4) x
定义7.2.4
1
若白化权函数 f
k j
()无第一和第二个转折点 xkj
(1)
,
xkj (2)
,
即如图7.2.2所示,则称
f
k j
()为下限测度白化权函数,记
为
f
k j
[,,
类,我们称之为j指标子类.
j指标k子类的白化权函数记为
f
k j
()
定义7.2.3
设j指标k子类的白化权函数
f
k j
()
为图7.2.1所
示的典型白化权函数,则称 xkj (1), xkj (2), xkj (3), xkj (4) 为
f
k j
()
的转折点,典型白化权函数记为
f
k j
f
k j
[xkj
k j
j 1
max 第四步：由
k* i
{
k i
}
，判断对象i属于灰
一种改进的灰色聚类综合评价方法
一
种改进的灰色聚类综合评价方法
李志亮 ， 罗 芳， 阮群 生
（ 宁德师范学院 计算机 系， 福建 宁德 ３ ５ ２ １ ０ ０ ）
摘 要 ：在传统 白化权 函数的基础上 ， 进一步 向两侧延伸 聚类指标的取值范 围， 构建一种改进 的白化权函数 ， 进而生成一种新 的灰色 聚类评价方 法． 利用新 的灰 色聚类评价方法 对教辅人员工作 情况进行分析 、 计算 ， 得到
法对 ％ 的取值进行 分析 、 处理 ， 得 到考核 人员 ｉ 的评估结 果 ， 即评 价考核 对象 所 属 的灰 色聚类 ｋ ．
构建采用改进 的三角白化权函数的灰色聚类评价方法 。 具体步骤如下． （ １ ）确定灰类数及取值范围． 按照建立评估模型的要求 ， 划分灰类数 ｓ 个． 同时将评估指标 的取值范
基础上 ， 可以有效地将聚类指标 的取值范围向左延伸． 改进 的上限测度 白化权 函数 （ ） ， 在原来上 限 测度白化权 函数 （ ） 的基础上 ， 可以有效地将聚类指标的取值范围向右延伸． 其 中评估指标 为考核
对象 的一个取值 ， 灰类 １ 和灰类 ｓ 的白化权 函数定义如下 ： ｆ １ ， ∈［ ０ ， Ａ 】
了信息决策的准确度； 金灿灿等运用 Ｓ Ｄ Ｇ模型并结合灰色聚类提出了系统故障风险评估方法问 ； 王沛应用 灰色聚类技术建立了研究生生源质量评价方法［ ５ １ ； 龙伟、 邓龙等运用灰色聚类技术建立了投标决策评价模
型网 ． 部分学者应用灰色聚类于水、 大气 、 土壤环境质量评价［ ７ － ８ １ ， 招生质量评价唧 ， 证券投资分析［ １ ｏ ｌ ， 区域经济 实力评价【 ｎ 蹲． 本文通过向两则延伸聚类指标的取值范围。 改进灰色聚类分析中的白化权函数 ． 建立一种
基于改进灰色聚类算法的绝缘状态评估
基于改进灰色聚类算法的绝缘状态评估作者：朱东南来源：《数码设计》2017年第05期摘要：对于复杂的油纸绝缘系统进行状态准确评估，需要综合考虑多个老化指标的共同作用。
鉴于绝缘状态与多个指标之间关系并不十分明确，结合模糊理论与灰色系统的特点。
首先利用模糊聚类确定了各灰类白化函数阀值，然后借助于指数型白化函数将各灰类老化指标建立了相应对应关系，接着采用改进的层次分析法确定了各老化指标的权重，建立了改进灰色聚类算法的绝缘状态评估模型。
通过具体实例并与其它状态评估方法对比，验证了本文算法在油纸绝缘状态评估上更加客观、准确和科学。
关键词：模糊聚类；灰色聚类；状态评估；白化函数；阀值中图分类号： TM411 文献标识码： A 文章编号：1672-9129（2017）05-0020-04Abstract： To achieve the comprehensive evaluation of complex oil-paper insulation state， it is needed to consider the interaction of each aging index comprehensively. Because the relation between the insulation state and each index is fuzzy， combined with the characteristics of fuzzy theory and grey system， the threshold of whitened function is determined by fuzzy clustering firstly. Then， the corresponding relation between several aging index clustering data is established by whitened function model of exponential type， and the improved analytic hierarchy process is applied to the weight determination of each aging index， a insulation state evaluation model is established based on improved grey clustering method. Last， the proposed algorithm is compared with other algorithms in concrete examples， verifying that proposed algorithm is more objective， accurate and scientific in the oil-paper insulation state evaluation.Key Words： fuzzy cluster； gray cluster； status evaluation； whitening function； threshold引言随着社会不断进步，电力系统正常、稳定运行是保证国家经济持续发展的重要前提，电力变压器作为电力系统中最昂贵和最重要的设备之一，其安全、可靠运行将显得尤为重要。
残差灰色预测模型在汽车保险杆涂层自然老化研究中的应用
残差灰色预测模型在汽 04 车保险杆涂层自然老化
研究中的优势和局限性
优势分析
残差灰色预测模型能够准确预测汽车保险杆涂层的自然老化趋势 模型具有较高的预测精度，能够为汽车保险杆涂层的自然老化研究提供可靠的数据支持 模型能够处理非线性、非平稳的数据，适用于汽车保险杆涂层自然老化的研究 模型具有较强的适应性，能够根据实际数据进行调整和优化，提高预测精度
在其他预测领域的应用
经济预测：预 测经济增长、 通货膨胀等经
济指标
气象预测：预 测天气变化、 气候变化等气
象指标
交通预测：预 测交通流量、 交通事故等交
通指标
健康预测：预 测疾病发生、 健康风险等健
康指标Βιβλιοθήκη 在其他工程领域的应用建筑工程：预测建筑材料的老化和损坏 桥梁工程：预测桥梁结构的老化和损坏 水利工程：预测水坝、堤防等水利设施的老化和损坏 交通工程：预测道路、桥梁、隧道等交通设施的老化和损坏
05
残差灰色预测模型在其 他领域的应用前景
在其他材料老化研究中的应用
塑料制品：预测塑料制品的老化程度和寿命 金属材料：预测金属材料的腐蚀和老化程度 橡胶制品：预测橡胶制品的老化程度和寿命 涂料：预测涂料的老化程度和寿命 木材：预测木材的老化程度和寿命 纺织品：预测纺织品的老化程度和寿命
汽车保险杆涂层自然老化对车辆性能的影响
影响车辆外观： 涂层老化可能导 致颜色褪色、光 泽度下降，影响 车辆美观
影响车辆安全性： 涂层老化可能导 致涂层剥落、开 裂，影响车辆安 全性能
影响车辆耐久性： 涂层老化可能导 致涂层性能下降， 影响车辆耐久性
影响车辆维修成 本：涂层老化可 能导致涂层修复 成本增加，影响 车辆维修成本
感谢您的观看
基于灰色关联分析的几种决策方法及其应用
基于灰色关联分析的几种决策方法及其应用一、本文概述本文旨在深入探讨基于灰色关联分析的几种决策方法及其应用。
灰色关联分析，作为一种有效的系统分析方法，已广泛应用于多个领域，尤其在处理信息不完全、不确定、不精确的复杂系统问题时表现出色。
本文首先概述了灰色关联分析的基本理论，包括其起源、基本原理和计算步骤。
随后，本文详细介绍了几种基于灰色关联分析的决策方法，包括灰色关联决策、灰色聚类决策和灰色动态规划决策等。
这些方法不仅为决策者提供了新的视角和工具，而且在实践中得到了广泛的应用。
在应用领域方面，本文重点介绍了灰色关联分析在经济管理、生态环境、工程技术等领域的应用案例。
这些案例不仅展示了灰色关联分析在实际问题中的有效性和实用性，同时也为其他领域的研究者提供了有益的参考和启示。
本文总结了基于灰色关联分析的决策方法的主要优点和局限性，并对未来的研究方向进行了展望。
随着科技的进步和研究的深入，相信灰色关联分析将在更多领域发挥重要作用，为决策者提供更加科学、合理的决策支持。
二、灰色关联分析理论基础灰色关联分析是一种基于灰色系统理论的决策分析方法，它通过对系统内部因素之间发展趋势的相似或相异程度进行量化描述，揭示系统内部因素间的关联性和主导因素。
这种方法尤其适用于数据样本少、信息不完全的复杂系统。
灰色关联分析的理论基础主要包括灰色关联度、灰色关联矩阵和灰色关联模型。
灰色关联度是描述系统内部因素之间关联性强弱的量化指标，它反映了因素间发展趋势的相似程度。
灰色关联矩阵则是一个由灰色关联度组成的矩阵，用于全面描述系统内部各因素之间的关联性。
灰色关联模型则是基于灰色关联度和灰色关联矩阵建立的数学模型，用于分析系统内部因素间的动态关联关系。
在灰色关联分析中，常用的计算灰色关联度的方法有绝对值关联度、斜率关联度和综合关联度等。
绝对值关联度通过比较因素间绝对值差异的大小来量化关联性；斜率关联度则通过比较因素间变化趋势的斜率来量化关联性；综合关联度则是综合考虑绝对值差异和斜率差异来量化关联性。
灰色定权聚类评估步骤
灰色定权聚类评估步骤简介灰色定权聚类评估是一种用于评估聚类结果质量的方法。
在聚类分析中，评估聚类结果的优劣对于了解数据特征、发现规律以及做出合理决策具有重要意义。
本文将详细介绍灰色定权聚类评估的步骤和方法。
什么是灰色定权聚类评估灰色定权聚类评估是一种在灰色系统理论和聚类分析的基础上发展起来的评估方法。
该方法综合考虑了聚类结果的准确性和稳定性，并通过定权的方式对不同指标进行综合评估。
灰色定权聚类评估方法可以用于评估各种类型的聚类算法，包括层次聚类、K-means聚类等。
灰色定权聚类评估步骤步骤一：数据准备在进行灰色定权聚类评估之前，首先需要准备好聚类的数据。
数据可以是数值型数据、离散型数据或者混合型数据。
根据数据的特点选择合适的聚类算法进行聚类分析。
步骤二：聚类分析在进行聚类分析时，需要选择合适的聚类算法，并根据数据特点设置相应的参数。
常用的聚类算法包括层次聚类、K-means聚类、DBSCAN等。
聚类分析的目标是将数据集划分为若干个互不重叠的簇，使得同一簇内的数据相似度高，不同簇之间的数据相似度低。
步骤三：灰色关联度计算在灰色定权聚类评估中，关联度是评估聚类结果的重要指标之一。
关联度用于衡量两个样本之间的相似程度，可以通过计算样本之间的距离或相似度来得到。
常用的关联度计算方法包括欧氏距离、曼哈顿距离、余弦相似度等。
步骤四：灰色定权计算灰色定权聚类评估方法通过对不同指标进行定权，综合考虑了聚类结果的准确性和稳定性。
定权的目的是给予不同指标不同的重要性，以便更好地评估聚类结果。
定权的方法可以根据实际需求选择，常用的方法有主观赋权法、客观赋权法等。
步骤五：聚类结果评估在灰色定权聚类评估中，聚类结果的评估是非常重要的。
评估指标可以包括聚类结果的准确性、稳定性、可解释性等。
常用的评估指标包括轮廓系数、DB指数、Dunn指数等。
根据实际需求选择合适的评估指标进行评估。
灰色定权聚类评估方法主观赋权法主观赋权法是一种根据经验和专业知识给予指标不同权重的方法。
基于灰色关联和BP神经网络的汽车保有量预测
基于灰色关联和BP神经网络的汽车保有量预测作者：王栋来源：《计算技术与自动化》2015年第01期摘要：为提高汽车保有量的预测准确性，运用灰色关联分析法，计算分析与汽车保有量相关的主要社会指标，确定汽车保有量的影响因子分别为国民总收入、人均GDP、进出口总额、城镇居民人均可支配收入、钢材产量、公路客运量和社会消费品零售总额。
将所确定的因子作为汽车保有量的预测指标，建立基于BP神经网络的汽车保有量预测模型，并对模型进行应用测试。
结果表明：BP神经网络模型具有较高的精度，最大相对误差为2.2%，平均相对误差为1.5%。
，可为我国汽车保有量的预测研究提供方法支撑。
关键词：汽车保有量；预测；灰色关联分析；BP神经网络中图分类号：U491.14 文献标识码：AAbstract：In order to improve the forecast ability of car ownership，by using gray correlation method，this paper analyzed the main factors related to car ownership，which are gross national income， per capita GDP， gross import and export， urban resident disposable income， steel output， highway passenger transport volume， total retail sales of consumer goods. The prediction model of car ownership was established based on BP neural network， and then verified with tests. The results show that car ownership can be predicted accurately by the model based on BP neural network. The maximum relative error is 2.2% and the average relative error is 1.5%.In addition， this predictive model provided a method for car ownership.Key words：car ownership； prediction；grey relational analysis； BP neural network1 引言汽车产业是我国的支柱产业，它能够推进很多产业的发展。
简述灰色关联聚类的适用范围和作用
灰色关联分析是一种比较常用的关联聚类方法，它适用于许多领域并具有重要作用。
下面将分别从灰色关联聚类的适用范围和作用两个方面进行详细阐述。
一、灰色关联聚类的适用范围1. 工程领域工程领域中经常需要对各种数据进行聚类分析，例如在工程设备状态监测中，可以利用灰色关联聚类方法对设备运行数据进行分析，找出设备的运行规律和潜在故障。
2. 经济管理领域在经济管理领域，灰色关联聚类方法被广泛应用于市场分析、企业绩效评估、人才选拔等方面。
通过对各种经济数据进行关联分析，可以帮助决策者更好地把握市场趋势和企业发展方向。
3. 医疗健康领域在医疗健康领域，灰色关联聚类方法可以用于病症分析、病因诊断、药物疗效评估等方面。
通过对患者的临床数据进行聚类分析，可以帮助医生更准确地诊断和治疗疾病。
4. 社会科学领域在社会科学领域，人们对各种社会现象进行研究时，往往需要对大量的数据进行分析和分类。
灰色关联聚类方法可以帮助研究者更好地理清数据之间的关系，挖掘出隐藏在数据背后的规律和特征。
二、灰色关联聚类的作用1. 数据挖掘与知识发现灰色关联聚类方法可以帮助人们从海量数据中挖掘出有用的信息和知识，发现数据之间的内在通联和规律，为决策提供参考依据。
2. 问题诊断与预测在工程、医疗等领域，灰色关联聚类方法可以帮助人们对问题进行诊断和预测，及时发现潜在问题并采取相应措施。
3. 决策支持与优化针对复杂的决策问题，灰色关联聚类方法可以帮助决策者分析各种可能的因素，并进行综合评估和优化，提高决策的科学性和准确性。
4. 过程监控与质量改进在生产制造等领域，灰色关联聚类方法可以帮助企业监控生产过程中的各种数据，及时发现潜在问题并进行质量改进，提高产品的质量和生产效率。
灰色关联聚类方法具有广泛的适用范围和重要的作用，在实际应用中可以帮助人们更好地理清数据的关系，挖掘出数据背后的规律和特征，为各种决策和问题解决提供科学依据。
希望通过对灰色关联聚类的适用范围和作用的简述，能够使读者对这一方法有更全面的了解，并在实际应用中取得更好的效果。
第四章 灰色聚类评估模型
X10
1 0.51 0.51 0.51 0.52 0.92
X11
1 0.97 0.74 0.71 0.51
X12
1 0.73 0.72 0.51
X13
1 0.6 0.51
X14
1 0.52
X15
1
BACK
12
第四章 灰色聚类评估
4.1 灰色关联聚类
案例分析
取临界值r 0.80，可将原来的15个指标分为5类：
BACK
22
第四章 灰色聚类评估
4.2 灰色变权聚类
计算权重和变权聚类系数
j 指标 k 子类的权 设kj 为 j 指标 k 子类临界值，则称
k j
kj
m
kj
j 1
为 j 指标 k 子类的权。
灰色变权聚类系数
设
x ij
为对象
i
关于指标
j
的观测值，f
k j
()
为
jj指指标标k
子类
子类白化权函数，
, ,
30 x 90 x 90
第四章 灰色聚类评估
0 , x 20,90
f
2 2
(x)
x 20 5900-2x0 90 - 50
, ,
20 50
x 50 x 90
;
0 , x 40
f
1 3
(
x)
x 40 1001 40
第四章 灰色聚类评估模型
南京航空航天大学灰色系统研究所
问题
什么是灰色聚类? 为什么要提出灰色聚类评估模型? 灰色聚类评估模型的主要研究内容有哪些? 灰色聚类评估模型有哪些最新进展? 与其他聚类评估模型相比有何不同?
灰色评估简介1
第一章：灰色系统的概念与基本原理
灰色系统研究的是“部分信息明确，部分信息未 知”，的“小样本，贫信息”不确定性系统，它 通过对已知“部分”信息的生成去开发了解、认 识现实世界。
黑、白、灰
“信息不完全”是“灰”的基本含 义。
一、灰色系统的基本公理
1、差异信息原理：差异即信息，凡信息必有差异。 2、解的非唯一性原理：信息不完全、不确定的解是非 唯一的。该原理是灰色系统理论解决实际问题所遵循 的基本法则。 3、最少信息原理：灰色系统理论的特点是充分利用已 占有的“最少信息”。 4、认知根据原理：信息是认知的根据。 5、新信息优先原理：新信息对认知的作用大于老信息。 6、灰性不灭原理： “信息不完全”是绝对的。
f 2 9 .6,1 4 .4 0, , , f 2
1
2
4 .8 0, 9 .6, ,1 4 .4 , f 23 , , 4 .8, 9 .6
3
f 3 3 9 0, 7 8 0, , , f 3
1
2
3 9 0, 7 8 0, ,1 1 7 0 , f 3
k
化权函数，记为 f jk [ x k (1), x k ( 2 ), , ] j j
fj
k
5 .2 .1
1
0
x j (1)
k
x j (2)
k
x j (3)
k
x j (4)
k
x
k
命题
对于图5.2.1所示的典型白化权函数，有
0 k x x j (1) x k ( 2 ) x k (1) j j 1 x k (4) x j k k x j ( 4 ) x j (3) x [ x j (1), x j ( 4 )]
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 10 期
胡龙萍等:基于灰色聚类的汽车健康状态评估
· 217·
事领域,现已广泛应用于航空航天、民用飞机、汽车、核 电站和大型水坝等民用领域[4-5] 。
随着汽车产业的发展以及人民总体生活水平的不 断提高,越来越多的人开始使用汽车,汽车成为现代人 们日常生活中最为常用的机械设备和电气设备之一。 2011 年 8 月 16 日, 世 界 著 名 的 美 国 汽 车 行 业 杂 志 Wardsauto 公布,截至当日全球处于使用状态的各种汽 车的总保有量已突破 10 亿辆,并且每年以近 4 000 万 辆的数量增长。
态评估,根据灰色聚类决策方法的原理,分析了汽车健康状态评估指标体系,然后使用模糊层次分析法确定各指标权重,
最后利用灰色聚类方法对汽车健康状态等级进行评估。 实例表明,基于灰色聚类理论建立的汽车健康状态评估模型科学
合理、方便快捷,并具有很好的实用性。
关键词:健康管理;灰色聚类;评估指标;健康状态评估
中图分类号:TP39
第 24 卷 第 10 期 2014 年 10 月
计算机技术与发展
COMPUTER TECHNOLOGY AND DEVELOPMENT
Vol. 24 No. 10 Oct. 2014
基于灰色聚类的汽车健康状态评估
胡龙萍1,2 ,徐晓凤1,2
(1. 合肥工业大学 管理学院,安徽 合肥 230009; 2. 过程优化与智能决策教育部重点实验室,安徽 合肥 230009)
收稿日期:2013 -12 -01
修回日期:2014 -03 -10
网络出版时间:2014 -07 -28
基金项目:国家自然科学基金资助项目(71271073)
作者简介:胡龙萍(1988-) ,女,硕士,研究方向为过版地址:http: / / www. cnki. net / kcms / detail / 61. 1450. TP. 20140728. 1224. 028. html
汽车系统是一个复杂的系统,其健康状态评估过 程中存在信息不完备性,具备灰色系统的特点。 目前, 灰色聚类方法已广泛应用于装备状态评估、水质评估、 大学生素质评估等[7-10] 。 文中将灰色聚类分析方法应 用到汽车健康状态评估中,试图为汽车健康状态的确 定提供可靠实用的方法。
1 灰色聚类
灰色系统概念是我国邓聚龙教授根据灰箱概念拓 展而来,它是一门研究信息部分清楚、部分不清楚并带 有不确定性现象的应用数学学科。 灰色聚类主要思想 为,根据灰色关联矩阵或灰数的白化权函数将一些观 测指标或观测对象聚集成若干个可以定义类别的方 法。 按聚类对象划分,可以分为灰色关联聚类和灰色 白化权函数聚类。 灰色关联聚类主要用于同类因素的 归并,以使复杂系统简化。 灰色白化权函数聚类主要 用于检查观测对象是否属于事先设定的不同类别,以 区别对待。 文中应用的是灰色白化权函数聚类,用其 确定汽车健康状态属于哪个灰类。
灰色聚类方法的基本原理为:设有决策对象 n 个, 决策指标 m 个,共有 k 个不同的灰类, xij( i = 1,2,…, n;j = 1,2,…,m) 为决策对象 i 关于决策指标 j 的量化 评价值, ftj( 誗) ( j = 1,2,…,n;t = 1,2,…,k) 为 j 指标 t 子类白化权函数, 棕j( j = 1,2,…,m) 为决策指标 j 的综
Abstract:Based on concept of automobile health management,put forward assessing health status of the automobile in this paper. Automobile health status assessment as an important part of health management has important practical significance. The results of automobile health status assessment can provide vehicle owners with maintenance reminders,vehicle maintenance personnel with initial maintenance decision,which meet the needs of automobile health management. Automobile system is a gray system,in this paper use gray clustering method,which combines the gray theory with clustering methods,on automobile health status assessment. Based on gray clustering theory,the index system of automobile health status assessment is analyzed,then the fuzzy hierarchical analysis method is utilized to determine the index weight,finally the level of automobile health status is estimated by gray clustering method. The result of example shows the model is convenient,scientific and reasonable,and has good practicability. Key words:health management;gray clustering;assessment index;health status assessment
1) 汽车使用状况。 汽车使用情况指标由汽车实际行驶里程数及使用 年数两个指标表示。 行驶里程数能反映汽车部分车况 信息;使用年数反映汽车的寿命信息。 两者在一定程 度上可以反映汽车的健康状况。 2) 汽车运用性能。 (1) 安全性。 广义的汽 车 安 全 性 包 括 主 动 安 全 性 和 被 动 安 全 性。 主动安全性指汽车防止或者减少道路交通事故发 生的性能。 被动安全性指当发生交通事故后,汽车减 轻人员及汽车本身伤害和损失的能力。 文中所提到的 安全性为狭义的主动安全性。 由制动距离、制动减速 度和侧滑量三个指标决定[11] 。 (2) 动力性。 汽车的动力性是由汽车在良好路面上直线行驶时 受到的纵向外力决定的。 动力性是汽车各种性能中最 基本、最重要的性能。 汽车的动力性主要由三方面的 指标来评定:汽车的最高车速、汽车的加速时间、汽车 能爬上的最大坡度。 动力性的评价指标采用驱动轮输 出功率, 该 指 标 值 可 用 底 盘 测 功 机 进 行 检 测, 单 位 kW[12] 。 (3) 燃油经济性。 在保证动力性的条件下,汽车以尽量少的燃油消 耗量经济行驶的能力,称作汽车的燃油经济性。 汽车 的燃油消耗量在我国及欧洲多以单位行驶里程消耗燃 料的升数或千克数( 即 L / 100 km 或 kg / 100 km) 来表 示。 数值越大则表明汽车燃油经济性越差。
t*。
灰色聚类解决问题的步骤可以总结如下:
(1) 构成灰色聚类样本( 决策对象指标值) ;
(2) 确定灰色类白化函数;
(3) 求聚类权;
(4) 求聚类系数;
(5) 构造聚类向量,进行聚类。
2 评估模型建立
2. 1 评估指标体系的建立 汽车健康状况的指标,可以由汽车使用情况、关键
项(汽车运用性能) 和一般项( 汽车系统装置健康状 况)三方面指标构成。 下面详细介绍这三方面指标。
m
合决策权重,且 移棕j = 1,则称 j=1
m
移 浊
t i
=
f tj( xij ) ·棕j
j=1
(1)
为决策对象 i 属于 t 灰类的聚类系数。
称
浊i
=
{
浊
1 i
,浊
2 i
,
…
,浊
k i
}
;i
=
1
,2
,…,n
为决策对象的聚类系数向
量。
若
max{浊
1臆t臆k
t i
}
=
浊 t* i
,则称决策对象
i
属于灰类
摘 要:文中基于汽车健康管理的概念提出对汽车健康状态进行评估。 汽车健康状态评估作为健康管理的重要内容具有
重要的现实研究意义。 汽车健康状态评估的结果可以为车主提供维修提醒,为汽车维修人员提供初步维修决策,其满足
汽车健康管理的需求。 汽车系统是一个灰色系统,文中采用灰色理论与聚类分析相结合的灰色聚类方法进行汽车健康状
HU Long-ping1,2 ,XU Xiao-feng1,2
(1. School of Management,Hefei University of Technology,Hefei 230009,China; 2. Key Laboratory of Process Optimization and Intelligent Decision-making of Ministry of Education,Hefei 230009,China)
数据信息,借助各种智能推理算法来评估系统自身的 健康状态,在系统故障发生前对其故障进行预测,并结 合各种可利用的资源信息提供一系列的维修保障措施 以实现系统的视情维修[2-3] 。 故障预测即预先诊断设 备部件或者系统完成其功能的状态,包括确定部件的 残余寿命或正常工作的时间长短。 状态管理是根据诊 断预测信息及设备的应用需求对设备的状态进行决 策,如认为设备有应用需求,并且存在安全隐患,则需 要对其进行维护或者维修。 PHM 技术最早应用于军
文献标识码:A