基于組合賦權(quán)的數(shù)控機(jī)床精度模糊評(píng)價(jià)

封志明，閔興龍，江維，趙帥

（西華大學(xué)機(jī)械工程學(xué)院，四川 成都 610039）

數(shù)控機(jī)床作為機(jī)械行業(yè)內(nèi)制造零部件的母機(jī)，應(yīng)用范圍廣、使用頻率高，在精密級(jí)及超高精密級(jí)加工的應(yīng)用更是難以替代。目前，市場(chǎng)上數(shù)控機(jī)床種類繁多，單一考察機(jī)床某一方面精度指標(biāo)是不全面的，機(jī)床選擇不當(dāng)，會(huì)在生產(chǎn)成本、生產(chǎn)質(zhì)量、生產(chǎn)率、市場(chǎng)份額以及環(huán)境等方面出現(xiàn)問題[1]。因此，有效評(píng)價(jià)機(jī)床精度是否適合當(dāng)前加工目標(biāo)是企業(yè)采購(gòu)、選型時(shí)所面臨的重要問題[2]。

數(shù)控機(jī)床整機(jī)精度主要包括機(jī)床靜態(tài)精度、準(zhǔn)靜態(tài)精度和動(dòng)態(tài)精度。在選擇數(shù)控機(jī)床時(shí)，應(yīng)對(duì)其整機(jī)精度進(jìn)行多級(jí)考察與評(píng)價(jià)[3]。由Zadeh 提出的模糊集合概念[4]發(fā)展而來的模糊綜合評(píng)價(jià)得到迅速發(fā)展，并在工程應(yīng)用方面得到成功實(shí)踐。要小鵬等[5]針對(duì)數(shù)控機(jī)床精度評(píng)價(jià)過程中定性指標(biāo)不清晰、量化指標(biāo)不準(zhǔn)確等缺點(diǎn)，提出了一種基于區(qū)間可拓灰色模糊算法的機(jī)床精度評(píng)價(jià)方法；劉亮輝等[6]從機(jī)床的精度、加工性能、可靠性等5 方面建立數(shù)控機(jī)床性能指標(biāo)評(píng)價(jià)體系，提出一種基于灰色關(guān)聯(lián)度分析的數(shù)控機(jī)床性能模糊評(píng)價(jià)方法。以上方法為數(shù)控機(jī)床性能、精度模糊評(píng)價(jià)提供了參考，但是在確定評(píng)價(jià)指標(biāo)權(quán)重時(shí)存在主觀性偏強(qiáng)的問題。客觀賦權(quán)依賴于樣本數(shù)據(jù)，當(dāng)樣本數(shù)據(jù)變化時(shí)，權(quán)重也會(huì)發(fā)生變化，從而影響評(píng)價(jià)結(jié)果的可靠性[7]。為減少信息的損失，使賦權(quán)結(jié)果與實(shí)際結(jié)果盡可能接近，近年來，主客觀組合賦權(quán)法在模糊綜合評(píng)價(jià)中得到廣泛的應(yīng)用。李波等[8]利用可拓層次分析法和熵權(quán)法分別對(duì)評(píng)價(jià)指標(biāo)進(jìn)行了主、客觀權(quán)重組合賦權(quán)，完成了數(shù)控機(jī)床的綠色性評(píng)價(jià)。劉鵬程等[9]基于組合賦權(quán)法對(duì)制造業(yè)服務(wù)商的業(yè)務(wù)協(xié)同能力進(jìn)行了評(píng)價(jià)。本文提出一種基于序關(guān)系分析法的主觀權(quán)重和熵值法的客觀權(quán)重組合賦權(quán)法，并利用模糊綜合評(píng)價(jià)法對(duì)數(shù)控機(jī)床的精度進(jìn)行評(píng)價(jià)。

1 模糊綜合評(píng)價(jià)模型

1.1 模糊綜合評(píng)價(jià)理論

事物受多種因素以及自身屬性影響，評(píng)價(jià)時(shí)需對(duì)事物各方面進(jìn)行綜合分析。事物內(nèi)外因素和自身屬性存在無法定量的問題，即具有模糊性，對(duì)模糊因素做出綜合評(píng)判即為模糊綜合評(píng)價(jià)[10]。

綜合評(píng)價(jià)（comprehensive evaluation，CE）須對(duì)被評(píng)價(jià)對(duì)象進(jìn)行合理、客觀以及公正的綜合評(píng)價(jià)。通過將評(píng)價(jià)指標(biāo)、評(píng)價(jià)等級(jí)、權(quán)重系數(shù)以及集結(jié)模型結(jié)合，各個(gè)部分組合，推演出主觀權(quán)重和客觀權(quán)重，再進(jìn)行多級(jí)融合，形成新的集成因素綜合評(píng)價(jià)。

1.2 評(píng)價(jià)信息

評(píng)價(jià)指標(biāo)將復(fù)雜評(píng)價(jià)目標(biāo)分解為指標(biāo)的集合，以供分級(jí)逐步評(píng)價(jià)。在實(shí)際應(yīng)用中，應(yīng)選取適合的評(píng)價(jià)指標(biāo)進(jìn)行分解，指標(biāo)過多或過少在一定程度上會(huì)導(dǎo)致評(píng)價(jià)結(jié)果偏差過大。

評(píng)價(jià)等級(jí)是利用評(píng)價(jià)人員對(duì)于評(píng)價(jià)指標(biāo)給出的等級(jí)集合，利用自然語(yǔ)言{很好，較好，一般，較差}作為評(píng)價(jià)指標(biāo)的4 個(gè)等級(jí)，采用隸屬度函數(shù)度量不同的評(píng)價(jià)等級(jí)。

1.3 模糊評(píng)價(jià)體系的建立

模糊評(píng)價(jià)是基于影響多因素、事物多屬性的問題構(gòu)建多層級(jí)評(píng)價(jià)體系模型[11]。將各類影響因素細(xì)分為若干層，對(duì)每層級(jí)進(jìn)行初級(jí)綜合評(píng)價(jià)，通過遞推方式得到高層級(jí)綜合評(píng)價(jià)，最終得到評(píng)價(jià)結(jié)果。圖1所示為n階二級(jí)評(píng)價(jià)模型示意圖。

圖1 二級(jí)評(píng)價(jià)模型示意圖

圖中R1i為單因素矩陣，W1i為對(duì)應(yīng)權(quán)重矢量，故有一級(jí)評(píng)價(jià)矢量為

Y1i可組合成高層級(jí)評(píng)價(jià)矩陣，通過模糊計(jì)算，獲得二級(jí)綜合評(píng)價(jià)矢量，為Y2=W2·R2=（y21，y22，···，y2n）。

同理，在此基礎(chǔ)上，可推導(dǎo)至更高層級(jí)評(píng)價(jià)。

2 主客觀組合賦權(quán)法

在模糊綜合評(píng)價(jià)中，權(quán)重的確定很重要，對(duì)最終結(jié)果起著決定性的影響。針對(duì)主觀權(quán)重法人為因素太強(qiáng)、客觀權(quán)重法過于依賴樣本的問題，本文采用組合賦權(quán)方法作為權(quán)重系數(shù)的計(jì)算方法：主觀權(quán)重系數(shù)利用序關(guān)系分析法[12]，該方法是基于層次分析法的改進(jìn)，無需構(gòu)建判斷矩陣，除去一致性檢驗(yàn)計(jì)算外，綜合計(jì)算量較少；客觀權(quán)重系數(shù)采用熵值法[13]作為量化方法；將主、客觀權(quán)重進(jìn)行乘法合成歸一組合得到主客觀復(fù)合權(quán)重系數(shù)[14]。

2.1 基于序關(guān)系分析法的主觀權(quán)重

序關(guān)系分析法通過采納專家意見對(duì)指標(biāo)集進(jìn)行重要性賦值排序，根據(jù)賦值參考表確定指標(biāo)相互之間重要程度，最后計(jì)算得到權(quán)重系數(shù)。

假設(shè)評(píng)價(jià)指標(biāo)xi的重要性不低于xj，記為xi＞xj。對(duì)于指標(biāo)x1，x2，···，xn，對(duì)其進(jìn)行處理有x2＞x1＞···＞xn，處理后相鄰量指標(biāo)的重要性之比為：bi=wi-1/wi（i=n，n-1，···，2），wi為xi的權(quán)重，bi的賦值如表1所示。

表1 bi 賦值參考表

主觀指標(biāo)權(quán)重系數(shù)計(jì)算公式為：

2.2 基于熵值法的客觀權(quán)重

熵值法中，假設(shè)有m個(gè)評(píng)價(jià)指標(biāo)，n個(gè)評(píng)價(jià)對(duì)象，組合成原始矩陣，對(duì)于指標(biāo)i，指標(biāo)值差異越大，在綜合評(píng)價(jià)中的作用就越大。若指標(biāo)的值全部相等，則該指標(biāo)在綜合評(píng)價(jià)中作用不大。

確定熵值法中的權(quán)重是將原始矩陣設(shè)為m個(gè)評(píng)價(jià)指標(biāo)，n個(gè)評(píng)價(jià)對(duì)象，即為

對(duì)X矩陣標(biāo)準(zhǔn)化處理，即選大者為優(yōu)或者選小者為優(yōu)，得到判斷矩陣為第j評(píng)價(jià)對(duì)象對(duì)于第i評(píng)價(jià)指標(biāo)上的標(biāo)準(zhǔn)值，且rij∈[0，1]。對(duì)于大者為優(yōu)的效益型指標(biāo)有

定義熵在m個(gè)評(píng)價(jià)指標(biāo)，n個(gè)評(píng)價(jià)對(duì)象的問題中，第i個(gè)指標(biāo)的熵hi為

2.3 主、客觀權(quán)重權(quán)值復(fù)合

將主、客觀權(quán)重進(jìn)行歸一化組合，得到最終權(quán)重系數(shù)，其計(jì)算公式為

3 數(shù)控機(jī)床精度評(píng)價(jià)實(shí)例

3.1 機(jī)床精度評(píng)價(jià)體系的構(gòu)建

采用HSD1615 數(shù)控龍門加工中心作為實(shí)驗(yàn)對(duì)象，該機(jī)床簡(jiǎn)化模型如圖2所示。

圖2 數(shù)控龍門銑床簡(jiǎn)化模型

影響機(jī)床精度的因素眾多，因此精度評(píng)價(jià)體系的建立至關(guān)重要。為了降低評(píng)價(jià)的風(fēng)險(xiǎn)，精度評(píng)價(jià)指標(biāo)的選取應(yīng)遵循以下原則[5]：1）評(píng)價(jià)指標(biāo)項(xiàng)的選取應(yīng)盡量全面；2）選取的評(píng)價(jià)指標(biāo)項(xiàng)應(yīng)較容易獲取數(shù)據(jù)；3）選取時(shí)應(yīng)盡量能參考機(jī)床精度檢測(cè)標(biāo)準(zhǔn)；4）選取時(shí)應(yīng)多方咨詢行業(yè)企業(yè)專家意見。

根據(jù)以上原則，利用層次分析法思想，根據(jù)企業(yè)實(shí)際情況，針對(duì)該龍門銑床建立了如圖3所示的精度評(píng)價(jià)指標(biāo)體系。該體系包含3 個(gè)層次，第1 層為總目標(biāo)即數(shù)控機(jī)床整體精度因素集U={U1，U2}；第2 層為第2 級(jí)目標(biāo)因素集Ui（i=1，2），其中，U1為靜態(tài)誤差因素集，U2為動(dòng)態(tài)誤差因素集，U1={J11，J12，J13，J14，J15，J16}，U2={U21，U22，U23}；第3 層為第3 級(jí)目標(biāo)因素集U2i（i=1，2，3），其中，U21={D11，D12，D13，D14，D15，D16}，U22={D21，D22，D23，D24，D25，D26}，U23={D31，D32，D33，D34，D35，D36}。

圖3 數(shù)控龍門銑床精度評(píng)價(jià)指標(biāo)體系

3.2 機(jī)床誤差測(cè)量

機(jī)床誤差測(cè)量嚴(yán)格遵守JJF 1251—2010《坐標(biāo)定位測(cè)量系統(tǒng)校準(zhǔn)規(guī)范》[15]，根據(jù)圖3所示的機(jī)床精度指標(biāo)進(jìn)行檢測(cè)。機(jī)床X軸、Y軸、Z軸的定位精度，正向重復(fù)定位精度，反向重復(fù)定位精度，雙向定位精度，反向間隙及位置偏差等動(dòng)態(tài)誤差試驗(yàn)數(shù)據(jù)，如表2所示。機(jī)床Z軸運(yùn)動(dòng)和Y軸運(yùn)動(dòng)間的垂直度、Z軸運(yùn)動(dòng)和X軸運(yùn)動(dòng)間的垂直度、X軸運(yùn)動(dòng)和Y軸運(yùn)動(dòng)間的垂直度、工作床臺(tái)面平面度、主軸中心與床臺(tái)面直角度及主軸軸孔徑向跳動(dòng)等靜態(tài)試驗(yàn)數(shù)據(jù)如表3所示。

表2 動(dòng)態(tài)誤差試驗(yàn)數(shù)據(jù) mm

表3 靜態(tài)誤差試驗(yàn)數(shù)據(jù) mm

為直觀清晰地反映試驗(yàn)數(shù)據(jù)的容錯(cuò)性，繪制了關(guān)于機(jī)床X軸、Y軸、Z軸三軸的動(dòng)態(tài)誤差試驗(yàn)數(shù)據(jù)折線圖，如圖4—9所示。由圖可知，動(dòng)態(tài)誤差在第2 組數(shù)據(jù)時(shí)出現(xiàn)突變，但定位精度無明顯影響。圖4中第8 組數(shù)據(jù)Y軸定位精度有明顯突變，但對(duì)正反向重復(fù)定位精度、雙向定位精度、位置偏差及反向間隙無明顯影響。分析原因可能是測(cè)試工具出現(xiàn)誤差或與動(dòng)態(tài)誤差指標(biāo)間的聯(lián)動(dòng)性有關(guān)。

3.3 動(dòng)態(tài)誤差主客觀組合賦權(quán)

3.3.1 動(dòng)態(tài)誤差指標(biāo)主觀權(quán)重確定

圖4 X/Y/Z 定位精度

圖5 X/Y/Z 正向重復(fù)定位精度

圖6 X/Y/Z 反向重復(fù)定位精度

圖7 X/Y/Z 雙向定位精度

圖8 X/Y/Z 位置偏差

圖9 X/Y/Z 反向間隙

為確定主觀權(quán)重矩陣，成立50 位企業(yè)專家組成的評(píng)審組，通過問卷調(diào)查法，收集關(guān)于動(dòng)態(tài)誤差指標(biāo)重要性的意見，對(duì)指標(biāo)集U2={定位精度D1，正向重復(fù)定位精度D2，反向重復(fù)定位精度D3，雙向定位精度D4，位置偏差D5，反向間隙D6}進(jìn)行重要性排序，得到重要性關(guān)系排序?yàn)镈1=D2=D3=D4＞D5＞D6。設(shè){bi}為賦值矩陣，根據(jù)重要性賦值表1和專家組調(diào)查結(jié)果，得到Bi=[1，1，1，1.4，1.2]，再根據(jù)式（2） 計(jì)算HSD1615龍門加工中心動(dòng)態(tài)誤差主觀權(quán)重，得到主觀權(quán)重向量Ws，為

由此，X、Y、Z軸動(dòng)態(tài)誤差主觀權(quán)重如表4所示。

表4 X、Y、Z 軸動(dòng)態(tài)誤差主觀權(quán)重分配表

3.3.2 動(dòng)態(tài)誤差指標(biāo)客觀權(quán)重確定

通過試驗(yàn)數(shù)據(jù)構(gòu)建各軸動(dòng)態(tài)誤差矩陣，并以此建立原始數(shù)據(jù)矩陣對(duì)于指標(biāo)i，誤差值xij，選用小者為優(yōu)的成本型指標(biāo)，即根據(jù)式（4）建立判斷矩陣R。

根據(jù)機(jī)床動(dòng)態(tài)誤差測(cè)試試驗(yàn)，得到原始數(shù)據(jù)矩陣X，為

對(duì)于小者為優(yōu)指標(biāo)而言，通過式（4）計(jì)算得到判斷矩陣，為

根據(jù)式（5）中fij計(jì)算方法，可得

通過將判斷矩陣轉(zhuǎn)置后，利用式（5），計(jì)算得到所有動(dòng)態(tài)指標(biāo)的熵，為Hi=（0.976 0.741 0.522 0.788 0.847 0.836）。

通過式（6），計(jì)算得到所有指標(biāo)的熵定義權(quán)重矩陣，為We=[0.018 3，0.201 6，0.370 7，0.164 2，0.118 5，0.126 8]。

3.3.3 主、客觀組合賦權(quán)

通過組合賦權(quán)將主、客觀權(quán)重合成。本文使用歸一化式（7）的方式進(jìn)行合成，即

3.4 動(dòng)態(tài)誤差單因素評(píng)價(jià)矩陣

為了提高動(dòng)態(tài)誤差評(píng)價(jià)結(jié)果的客觀性，成立50 位企業(yè)專家組成的評(píng)審組，通過問卷調(diào)查，由評(píng)審組專家對(duì)動(dòng)態(tài)誤差各因素評(píng)價(jià)，得到評(píng)判統(tǒng)計(jì)表，如表5所示。

表5 動(dòng)態(tài)誤差單因素評(píng)判統(tǒng)計(jì)表

將表5內(nèi)動(dòng)態(tài)誤差評(píng)價(jià)數(shù)據(jù)組合為單因素評(píng)價(jià)矩陣RH，即

對(duì)單因素評(píng)價(jià)矩陣，通過綜合評(píng)價(jià)模型推導(dǎo)，利用式（1）得到動(dòng)態(tài)誤差評(píng)價(jià)矢量Y1，為

式中：為動(dòng)態(tài)誤差組合權(quán)重；RH為對(duì)應(yīng)因素評(píng)判組成的評(píng)價(jià)矩陣。

3.5 靜態(tài)誤差主、客觀組合賦權(quán)

3.5.1 靜態(tài)誤差指標(biāo)主觀權(quán)重確定

為確定主觀權(quán)重矩陣，成立50 位企業(yè)專家組成的評(píng)審組，通過問卷調(diào)查，收集關(guān)于靜態(tài)誤差指標(biāo)重要性的意見，將靜態(tài)誤差指標(biāo)集U1={工作臺(tái)面平面度J1，主軸軸孔徑向跳動(dòng)J2，主軸中心與床臺(tái)面直角度J3，Y/Z軸間的垂直度J4，X/Z軸間的垂直度J5，X/Y軸間的垂直度J6}進(jìn)行重要性關(guān)系排序，得到重要性關(guān)系排序?yàn)镴1=J2=J3＞J4=J5=J6。設(shè){bi}為賦值矩陣，根據(jù)重要性賦值表1，得到賦值矩陣Bi=[1，1，1.4，1，1]，再根據(jù)式（2）計(jì)算靜態(tài)誤差主觀權(quán)重，得到各靜態(tài)誤差主觀權(quán)重矢量，為Ws=（0.225 8，0.225 8，0.225 8，0.161 3，0.161 3，0.161 3）。

3.5.2 靜態(tài)誤差指標(biāo)客觀權(quán)重確定

通過試驗(yàn)數(shù)據(jù)構(gòu)建各軸靜態(tài)誤差矩陣，并以此建立原始數(shù)據(jù)矩陣對(duì)于指標(biāo)i，誤差值xij，選用小者為優(yōu)的成本性指標(biāo)即式（4）建立判斷矩陣R。根據(jù)機(jī)床靜態(tài)誤差測(cè)試試驗(yàn)，得到靜態(tài)誤差原始數(shù)據(jù)矩陣X，為

對(duì)于小者為優(yōu)的成本型指標(biāo)而言，通過式（4）計(jì)算得到判斷矩陣，為

根據(jù)式（5）中fij的計(jì)算公式，可得

通過將判斷矩陣轉(zhuǎn)置后，利用式（5）計(jì)算得到所有靜態(tài)指標(biāo)的熵，為Hi=（0.859 8，0.934 2，0.504 9，0.897 7，0.950 6，0.698 7），隨后通過式（6）計(jì)算得到所有指標(biāo)的熵定義權(quán)重矩陣，為We=[0.121 5，0.057 0，0.429 0，0.088 7，0.042 8，0.261 1]。

3.5.3 主、客觀組合賦權(quán)

通過組合賦權(quán)將主、客觀權(quán)重合成。本文使用歸一化式（7）的方式進(jìn)行合成，即

3.6 靜態(tài)誤差單因素評(píng)價(jià)矩陣

為了提高靜態(tài)誤差評(píng)價(jià)結(jié)果的客觀性，成立50 位企業(yè)專家組成的評(píng)審組，通過問卷調(diào)查，由評(píng)審組專家對(duì)靜態(tài)誤差各因素評(píng)價(jià)，得到如表6所示的評(píng)判統(tǒng)計(jì)表。

表6 靜態(tài)誤差單因素評(píng)判統(tǒng)計(jì)表

故有單因素評(píng)價(jià)矩陣為

對(duì)于靜態(tài)誤差單因素評(píng)價(jià)矩陣RH，通過綜合評(píng)價(jià)模型推導(dǎo)，利用式（1）得到評(píng)價(jià)矢量，為

式中：為靜態(tài)誤差組合權(quán)重；RH為對(duì)應(yīng)因素等級(jí)評(píng)價(jià)組成的評(píng)價(jià)矩陣。

3.7 數(shù)控機(jī)床精度綜合評(píng)價(jià)

通過層次分析法，將最終決策定量與定性參數(shù)合理統(tǒng)一于模型[16]中，采用9 標(biāo)度[17]建立判斷矩陣A，為

式中：A表示目標(biāo)；i和j表示評(píng)判因素。具體定義如表7所示。

由文獻(xiàn)[17]可知，平均隨機(jī)一致性指標(biāo)RI=0，然后計(jì)算一致性指標(biāo)（consistency index，CI）和一致性比例（consistency ratio，CR），得到CI=0，CR=0，故判斷矩陣符合邏輯，通過一致性檢驗(yàn)。評(píng)價(jià)權(quán)重過程如表8所示。

表7 標(biāo)度定義

表8 評(píng)價(jià)過程

當(dāng)n=2 時(shí)，平均隨機(jī)一致性指標(biāo)RI=0，即CR=0、CI=0；判斷矩陣A中動(dòng)態(tài)指標(biāo)和靜態(tài)指標(biāo)同樣重要：因此，其權(quán)重為Wi=（0.5，0.5）。

將動(dòng)靜態(tài)指標(biāo)評(píng)價(jià)矢量Y1、Y2組合，得到綜合評(píng)價(jià)矢量RHSD，為

將綜合評(píng)價(jià)矢量RHSD與指標(biāo)權(quán)重Wi合成，即通過式（1）計(jì)算得到Y(jié)HSD，為

故主、客觀復(fù)合的模糊評(píng)價(jià)結(jié)果YHSD=[0.170 3，0.159 0，0.224 7，0.187 2，0.171 8，0.087 1]T。

主、客觀復(fù)合權(quán)重的模糊評(píng)價(jià)結(jié)果采納最大隸屬度原則。若評(píng)判結(jié)果向量Y中出現(xiàn)至少2 個(gè)相等的最大分量，即i≠j時(shí)，有yi=yj=maxyn，則模糊評(píng)價(jià)結(jié)果無作用[18]；反之評(píng)價(jià)結(jié)果合理。分析各矢量，均沒出現(xiàn)相同最大值，故評(píng)價(jià)結(jié)果Y有效。

使用MatlabR2019 的模糊邏輯工具箱，構(gòu)建了數(shù)控機(jī)床精度綜合評(píng)價(jià)模糊推理系統(tǒng)，如圖10所示。

圖10 數(shù)控機(jī)床精度綜合評(píng)價(jià)雙輸入模糊推理系統(tǒng)

該系統(tǒng)具有2 個(gè)輸入（靜態(tài)誤差U1，動(dòng)態(tài)誤差U2）。該模糊推理系統(tǒng)的輸入和輸出均使用三角隸屬度函數(shù)，所有隸屬函數(shù)的范圍均為[0，1]。

由綜合評(píng)價(jià)矢量可知，HSD1615 龍門加工中心精度評(píng)價(jià)為良好，其隸屬度為0.224 7。

筆者從原始數(shù)據(jù)、評(píng)判過程及出廠檢驗(yàn)報(bào)告中得到不同指標(biāo)的數(shù)值范圍，并通過調(diào)整敏感指標(biāo)數(shù)值進(jìn)行了多次實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，“主軸軸孔徑向跳動(dòng)J2”“X/Z軸間的垂直度J5”指標(biāo)數(shù)值偏離均值較遠(yuǎn)，說明在機(jī)床裝配工藝或使用過程中出現(xiàn)一定問題，為此，可從這類問題溯源，提高數(shù)控機(jī)床的整機(jī)精度。本文在對(duì)數(shù)控機(jī)床評(píng)估過程中，采用主、客觀組合，動(dòng)、靜誤差綜合的方式，增加了評(píng)價(jià)元素，從而提高了機(jī)床整體評(píng)價(jià)的客觀性。

4 結(jié)論

本文以數(shù)控龍門銑床為例，面向數(shù)控機(jī)床精度評(píng)價(jià)的實(shí)際需求，分析了當(dāng)前主客觀權(quán)重模型中存在的問題，提出了基于主、客觀組合賦權(quán)的數(shù)控機(jī)床精度模糊綜合評(píng)價(jià)模型。通過序關(guān)系分析法和熵值法分別確定主觀權(quán)重及客觀權(quán)重，采用乘法合成歸一將主、客觀權(quán)重復(fù)合，并進(jìn)一步結(jié)合層次分析法構(gòu)建目標(biāo)權(quán)重矢量，然后通過建立數(shù)控機(jī)床評(píng)價(jià)指標(biāo)的判斷矩陣，利用模糊綜合評(píng)價(jià)法完成機(jī)床的整體精度綜合評(píng)價(jià)。多次實(shí)驗(yàn)結(jié)果表明，該方法是合理的、可行的。實(shí)驗(yàn)還發(fā)現(xiàn)“主軸軸孔徑向跳動(dòng)”“X/Z軸間的垂直度”評(píng)價(jià)結(jié)果偏低，說明機(jī)床裝配工藝或使用過程中會(huì)出現(xiàn)一定問題，因此，可從這類問題溯源，以提高數(shù)控機(jī)床的整機(jī)精度。該方法對(duì)于其他多因素、多屬性復(fù)雜機(jī)電產(chǎn)品的綜合評(píng)判具有一定參考作用。