陳永亮 韓 瑤 龐錦平 劉 譜 潘高星

1.天津大學(xué)，天津，300072 2.天津第二機(jī)床有限公司，天津，300409

0 引言

機(jī)床的大件結(jié)構(gòu)是數(shù)控機(jī)床的重要部件，其結(jié)構(gòu)性能極大程度地影響加工精度。機(jī)床的大件結(jié)構(gòu)的拓?fù)浣Y(jié)構(gòu)、筋板厚度、高度、出砂孔尺寸等又直接影響大件結(jié)構(gòu)的動靜熱態(tài)特性。通過有限元分析方法得到方案各個性能評價指標(biāo)值，在結(jié)構(gòu)方案的確定過程中，往往采用綜合評價的方法對多種方案進(jìn)行評價，因此評價方法的選擇至關(guān)重要。文獻(xiàn)［1］基于結(jié)構(gòu)配置與性能改進(jìn)的綜合定量評價方法，得出某大型內(nèi)齒輪銑齒機(jī)的床身最優(yōu)改進(jìn)方案；文獻(xiàn)［2］根據(jù)可適應(yīng)原則建立結(jié)構(gòu)性能指標(biāo)的綜合評價函數(shù)，并通過內(nèi)齒輪銑齒機(jī)床立柱元結(jié)構(gòu)的參數(shù)優(yōu)化驗證了其有效性。文獻(xiàn)［3］通過對床身進(jìn)行APDL參數(shù)化建模和模態(tài)分析，經(jīng)簡單的數(shù)據(jù)比較得出最優(yōu)參數(shù)方案。文獻(xiàn)［4］通過橫梁結(jié)構(gòu)優(yōu)化有效減小了主要熱源的生熱速率和熱傳導(dǎo)系數(shù)。文獻(xiàn)［5］以層次分析法確定對象各屬性權(quán)重，然后用基于歐幾里德距離（簡稱歐氏距離）的TOPSIS方法對各商家競爭力進(jìn)行排序，根據(jù)各方案相對理想解的接近程度初步評估選擇較佳方案。文獻(xiàn)［6］采用灰關(guān)聯(lián)分析和基于歐氏距離的TOPSIS方法進(jìn)行各游戲廠商的經(jīng)營績效評估，并通過三種方法的評價對比，總結(jié)其各自方法的優(yōu)缺點。文獻(xiàn)［7］通過采用目標(biāo)規(guī)劃的優(yōu)化模型和高等數(shù)學(xué)的方法計算各評價指標(biāo)的權(quán)重，弱化了傳統(tǒng)TOPSIS方法確定權(quán)重的主觀程度。文獻(xiàn)［8］利用灰色系統(tǒng)理論，整合不同的評價理論，提出了灰關(guān)聯(lián)評價方法，并將該方法應(yīng)用于具體事例，從基于不同基礎(chǔ)功能和可適應(yīng)功能的設(shè)計方案中優(yōu)選出最佳方案。

本文根據(jù)可適應(yīng)設(shè)計原則，通過有限元分析得到各個方案的評價指標(biāo)值，采用不同距離尺度的TOPSIS方法對機(jī)床橫梁結(jié)構(gòu)進(jìn)行優(yōu)選，并對不同距離尺度評價結(jié)果進(jìn)行比較和分析。

1 機(jī)床結(jié)構(gòu)的可適應(yīng)設(shè)計

機(jī)床結(jié)構(gòu)修改的一般過程如圖1所示。首先根據(jù)功能要求創(chuàng)新或者根據(jù)經(jīng)驗進(jìn)行初步總體方案設(shè)計；然后在此基礎(chǔ)上進(jìn)行功能分解，將機(jī)床結(jié)構(gòu)劃分為子模塊，再通過參數(shù)驅(qū)動獲得各個設(shè)計方案，對各個方案進(jìn)行有限元分析，從而對產(chǎn)品性能進(jìn)行綜合評價對比以確定最優(yōu)方案。

圖1 機(jī)床結(jié)構(gòu)可適應(yīng)設(shè)計過程

對于機(jī)床橫梁結(jié)構(gòu)，評價其性能的指標(biāo)有質(zhì)量、固有頻率、靜剛度和熱特性等多項。因此，建立一個能全面反映機(jī)床性能的評價模型，通過對機(jī)床結(jié)構(gòu)的不同性能方案進(jìn)行綜合度量來評價各個方案的性能優(yōu)劣尤其重要。

2 評價指標(biāo)和權(quán)重的確定

假設(shè)S＝｛S0，S1，…，Sm｝是橫梁結(jié)構(gòu)的m種變型，對每個評價目標(biāo)進(jìn)行質(zhì)量測量、動態(tài)分析、靜力分析及熱分析，得出其質(zhì)量m、三向靜力變形（dx，dy，dz）、三向熱變形（δx，δy，δz），以及約束模態(tài)的前三階固有頻率（f1，f2，f3）和自由模態(tài)的前三階固有頻率（f′1，f′2，f′3）等n個評價指標(biāo)，進(jìn)而可得綜合評價因素集中的5個一級指標(biāo)，其表達(dá)式為

式中，X1為質(zhì)量指標(biāo)；X2為靜變形指標(biāo)；X3為熱變形指標(biāo)；X4為約束模態(tài)固有頻率指標(biāo)；X5為自由模態(tài)固有頻率指標(biāo)。

每個一級指標(biāo)所包含的若干個二級指標(biāo)可表示為

于是，總因素指標(biāo)集共有n＝13個評價指標(biāo)，規(guī)定J1＝ ｛X1，X2，X3｝為 成 本 型 指 標(biāo) 集，J1＝｛X4，X5｝為收益型指標(biāo)集。收益型指標(biāo)越大，對評估結(jié)果越有利；成本型指標(biāo)越小，對評估結(jié)果越有利。反之，則對評估結(jié)果不利。

對于本文采取的評價方法，首先確定各指標(biāo)的權(quán)重系數(shù)。一級評價指標(biāo)對應(yīng)的各指標(biāo)權(quán)重系數(shù)可表示為

二級評價指標(biāo)對應(yīng)的各指標(biāo)權(quán)重系數(shù)可表示為

將權(quán)重系數(shù)W 合成可得

且∑W ＝1。

3 TOPSIS評價方法的數(shù)學(xué)模型

逼近理想解的排序方法（technique for order preference by similarity to ideal solution，TOPSIS）是 Hwang等［9］于1981年首次提出的，它借助多屬性問題的理想解和負(fù)理想解給方案集中各方案排序。

3.1 計算規(guī)范化矩陣

首先，根據(jù)每個評價目標(biāo)的n個定量指標(biāo)值建立特征矩陣：

然后，根據(jù)特征矩陣計算規(guī)范化矩陣，得到規(guī)范化表達(dá)式：

3.2 構(gòu)造評價指標(biāo)權(quán)重規(guī)范化矩陣

通過計算評價指標(biāo)權(quán)重規(guī)格化值vij，建立的評價指標(biāo)權(quán)重規(guī)范化矩陣為

式中，vij為第j個目標(biāo)的第i個評價指標(biāo)的權(quán)重規(guī)格化值。

3.3 確定理想解和反理想解

根據(jù)權(quán)重規(guī)格化值vij所確定的理想解A＊和反理想解A－的表達(dá)式為

3.4 計算距離尺度

計算距離尺度即計算每個目標(biāo)到理想解和反理想解的距離，目標(biāo)到理想解A＊的距離為S＊，到反理想解A—的距離為S—。

S＊為各評價目標(biāo)與最優(yōu)目標(biāo)的接近程度，S＊值越小，評價目標(biāo)距離理想目標(biāo)越近，方案越優(yōu)。

3.5 計算理想解的貼近度

理想解的貼近度表達(dá)式為

根據(jù)C＊值的大小可判斷評價目標(biāo)的優(yōu)劣，該值越大，表明評價方案越優(yōu)。

4 距離尺度的計算

用理想解求解多屬性決策問題的概念簡單，只要在屬性空間定義適當(dāng)?shù)木嚯x測度就能計算備選方案的理想解。在TOPSIS方法中，距離尺度的計算通常采用明考斯基距離，常用的歐式距離是明考斯基距離的特殊情況。由于明考斯基距離是一種絕對距離，研究表明，它會因固有頻率、變形等評價指標(biāo)的單位不同而難以明顯區(qū)分不同方案的優(yōu)劣，因此，本文引入了蘭氏距離、基于相似性的差異性距離等相對距離法，以減小數(shù)據(jù)測量對單位的敏感性。

4.1 歐氏距離

歐氏距離尺度通過n維歐幾里德距離尺度進(jìn)行計算，其目標(biāo)到理想解A＊的距離為S＊，到反理想解A—的距離為S，其表達(dá)式為

式中，v＊j與分別為第j個目標(biāo)到最優(yōu)目標(biāo)及最劣目標(biāo)的距離。

4.2 蘭氏距離

蘭氏距離［10］是定義在歐氏空間上的一種度量，蘭氏距離與各變量的單位無關(guān)。由于蘭氏距離對大的異常值不敏感，故適用于高度偏斜的數(shù)據(jù)。根據(jù)蘭氏距離的定義［11］，目標(biāo)到理想解A＊的蘭氏距離為，到反理想解A—的蘭氏距離為，其表達(dá)式為

4.3 相似距離

20世紀(jì)90年代，周美立［12］提出了用于計算系統(tǒng)相似度的新理論，其理論針對明考斯基距離尺度域值［0，∞］的局限性，采用以相似性為基礎(chǔ)的差異性度量［13-14］計算目標(biāo)到理想解A＊的差異性距離和到反理想解的差異性距離。其表達(dá)式為

5 立式磨床橫梁結(jié)構(gòu)優(yōu)選

5.1 立式磨床橫梁結(jié)構(gòu)動靜熱態(tài)特性有限元分析

三種立式磨床橫梁基礎(chǔ)結(jié)構(gòu)方案如圖2所示。圖2a為橫梁立柱分離式結(jié)構(gòu)，其固定約束加于底部地腳螺釘處及與床身相連接處；圖2b為橫梁一體式結(jié)構(gòu)，其固定約束加于底部地腳螺釘處；圖2c為在圖2b基礎(chǔ)上將導(dǎo)軌以下部分截掉而成的結(jié)構(gòu)，其底部約束加于底部地腳螺釘處。

圖2 橫梁初始結(jié)構(gòu)選型

橫梁的改進(jìn)思路為：①拓?fù)浣Y(jié)構(gòu)改進(jìn)提高靜剛度；②減小重量；③提高固有頻率；④減少熱變形。改進(jìn)方案如表1所示。對三種橫梁結(jié)構(gòu)進(jìn)行動靜及熱態(tài)分析；采用ANSYSWorkbench軟件對12種橫梁結(jié)構(gòu)進(jìn)行自動網(wǎng)格劃分，建立有限元模型；然后定義材料屬性，材料特性數(shù)據(jù)如表2所示。

表1 橫梁各修改方案

表2 材料特性數(shù)據(jù)

在進(jìn)行約束模態(tài)分析時，對每種方案加固定約束；在自由模態(tài)分析中不加任何約束。在進(jìn)行靜力分析時，滑塊安裝面除了受床鞍傳來的磨削力外，還受床鞍及主軸部件的重力作用，其受力情況如表3所示。

表3 橫梁受力情況

在進(jìn)行熱分析時，由于滾珠絲杠軸承發(fā)熱，在軸承安裝面上加150W的熱流量，其余面上的空氣對流系數(shù)設(shè)置為5W／（m2·K）。橫梁受力分析結(jié)果如表4所示。

表4 橫梁受力評價指標(biāo)

5.2 橫梁評價指標(biāo)權(quán)重系數(shù)分配

根據(jù)綜合評價因素集確定的各個評價指標(biāo)的權(quán)重系數(shù)如表5所示。

表5 橫梁各評價指標(biāo)權(quán)重系數(shù)分配

算得 W＝｛0.3，0.04，0.03，0.03，0.04，0.03，0.03，0.12，0.09，0.09，0.08，0.06，0.06｝，然后分別根據(jù)前述三種綜合評價方法進(jìn)行計算。

5.3 TOPSIS評價

首先根據(jù)表4列出特征矩陣，然后根據(jù)特征矩陣計算得出規(guī)范化矩陣R（由于矩陣尺寸過大，在此不予列出）。

由式（7）及式（8）計算理想解和反理想解：

根據(jù)式（8）及式（9）計算歐幾里德距離：

最后由式（7）算出每種方案指標(biāo)距離理想解的貼近度：

同理，利用式（10）、式（11）和式（7）可得到各方案的基于蘭氏距離的貼近度：

利用式（12）、式（13）和式（7）可得到各方案基于相似距離的貼近度：

5.4 TOPSIS評價法中不同距離尺度的比較

本文采用三種方法對12種橫梁結(jié)構(gòu)方案進(jìn)行評價。TOPSIS法強(qiáng)調(diào)在距離理想解近的同時要遠(yuǎn)離負(fù)理想解，值越大表示離正理想解越近而離負(fù)理想解越遠(yuǎn)，其最大的優(yōu)點是簡單、直接，缺點主要是結(jié)果不具確切含義僅表示一種相對水平。

三種評價方法評價的結(jié)果如表6所示，分別用大于0.85，0.80，0.75的區(qū)分度值截取三種方案的選擇結(jié)果，得出的滿足條件的子集合為

其子集的交集為

表6 三種距離尺度的TOPSIS評價方法比較

三種方法評價結(jié)果的區(qū)分度曲線如圖3所示。對于TOPSIS法，區(qū)分度值表示貼近度值。

圖3 三種方法評價結(jié)果的區(qū)分度曲線

從交集結(jié)果及圖3中的三條曲線可以看出，對于不同的評價方法，最終方案排序結(jié)果總體一致，尤其是蘭氏距離法和相似距離法完全一致，均能得到滿意結(jié)果。但三種方法對各個方案區(qū)分的明顯程度不同，歐氏距離尺度法最差，蘭氏距離尺度和相似距離尺度均較為理想。因此，基于相對距離的蘭氏尺度和相似尺度法要優(yōu)于基于絕對距離的歐氏尺度法。

6 結(jié)語

本文通過實驗和仿真驗證發(fā)現(xiàn)，歐氏距離尺度法、蘭氏距離尺度法和相似距離尺度法都能區(qū)分方案的優(yōu)劣，但由于數(shù)據(jù)處理方法和區(qū)分度的定義不同，每種方法所選擇的最優(yōu)結(jié)果仍有細(xì)微差別。三種方法所選的最優(yōu)方案之間的改進(jìn)度不大，其值在1%～5%之間。從各種方法對各個方案區(qū)分的明顯程度看，蘭氏距離尺度法和相似距離尺度法都優(yōu)于歐氏距離尺度法。在實際設(shè)計生產(chǎn)中，采用蘭氏距離尺度法和相似距離尺度法的TOPSIS法都能快速合理地進(jìn)行方案優(yōu)選。

［1］陳永亮，耿文軒，滿佳，等.基于結(jié)構(gòu)配置與性能改進(jìn)綜合評價的機(jī)床結(jié)構(gòu)適應(yīng)性設(shè)計［J］.中國機(jī)械工程，2009，20（9）：1029－1033.Chen Yongliang，Geng Wenxuan，Man Jia，et al.Adaptable Design of Machine Tool Structure Based on Quantification of Structural Configuration and Performance Improvement［J］.China Mechanical Engineering，2009，20（9）：1029－1033.

［2］滿佳，張連洪，陳永亮.基于元結(jié)構(gòu)的機(jī)床結(jié)構(gòu)可適應(yīng)優(yōu)化設(shè)計方法［J］.中國機(jī)械工程，2010，21（1）：51－66.Man Jia，Zhang Lianhong，Chen Yongliang.An Adaptable Optimization Design Method of Machine Tool Structures Based on Unit Structure［J］.China Mechanical Engineering，2010，21（1）：51－66.

［3］王艷輝，伍建國，繆建成.精密機(jī)床床身的模態(tài)分析與結(jié)構(gòu)優(yōu)選［J］.機(jī)械設(shè)計與制造，2005（3）：76－77.Wang Yanhui，Wu Jianguo，Miao Jiancheng.Modal Analysis and Structure Optimization for Precision Machine Tool Bed［J］.Mechanical Design and Manufacture，2005（3）：76－77.

［4］尹紅.基于FEA的高速龍門加工中心橫梁部件的熱態(tài)特性分析與優(yōu)化［J］.制造技術(shù)與機(jī)床，2011（9）：65－71.Yin Hong.Thermal Analysis and Optimization of High Speed Machining Center Beam Component Based on FEA［J］.Manufacturing Technology ＆Machine Tool，2011（9）：65－71.

［5］畢威寧.結(jié)合AHP與TOPSIS法于供應(yīng)商績效評估之研究［J］.科學(xué)與工程技術(shù)，2005，1（1）：75－83.Bi Weining.The Research of the Evaluation Performance of the Combination of AHP and TOP－SIS Method for the Supplier［J］.The Journal of Science and Engineering Technology，2005，1（1）：75－83.

［6］吳有龍，楊倍箕，林瑞源.應(yīng)用灰關(guān)聯(lián)分析與TOPSIS方法于游戲廠商財務(wù)績效評估模式［J］.管理科學(xué)研究，2009，5（2）：23－24.Wu Youlong，Yang Beiji，Lin Ruiyuan.The Model of Applying Application of Grey Relational Analysis and TOPSIS Method to the Game Makers Financial Performance Assessment［J］.Research on Management Science，2009，5（2）：23－24.

［7］付巧峰.關(guān)于TOPSIS法的研究［J］.西安科技大學(xué)學(xué)報，2008，28（1）：190－193.Fu Qiaofeng.The Research of the TOPSIS［J］.Journal of Xi’an University of Science and Technology，2008，28（1）：190－193.

［8］Li Y，Xue D，Gu P.Prioritizing Design Candidates in Adaptable Design Using the Grey Relational Analysis Approach［C］／／Proceedings of the Third CDEN／RCCI International Design Conference.Toronto，Ontario，Canada，2006：93－101.

［9］Hwang C L，Yoon K.Multiple Attribute Decision Making［M］.Roca Raton，F(xiàn)L，United States of America：CRC press，2011.

［10］Johnson R A，Wichern D W.Applied Multivariate Statistical Analysis［M］.Pearon，United States of America：Pearson Education，2007.

［11］Gan Guojun，Ma Chaoqun，Wu Jianhong.Data clustering［M］.Philadelphia，PA，United States of America：SIAM，Society for Industrial and Applied Mathematics，2007.

［12］Zhou Meili.Principles and Practice of Similarity System Theory［J］.International Journal of General Systems，1994，23（1）：39－48.

［13］Zhou Meili.Analysis Method of Similarity and Differentiablity for Complex Systems［J］.Journal of System Science and Information，2005，3（2）：399－409.

［14］周美立.復(fù)雜機(jī)械產(chǎn)品系統(tǒng)差異性分析度量方法［J］.農(nóng)業(yè)機(jī)械學(xué)報，2006，37（7）：129－132，137.Zhou Meili.Analysis and Measure Methods of Diversity for Complexity Mechanical Products Systems［J］.Transaction of the Chinese Society for Agriculture Machinery，2006，37（7）：129－132，137.