线控转向系统技术方案的选优（2）-转向系统评价模型
一种基于AHP和FCESH结合的汽车转向系统评价模型，利用AHP确立汽车转向系统的指标权重，并用FCE建立评价的数学模型。通过该模型对机械转向系统、普通线控转向系统以及改进后的线控转向系统进行了评价与选优。
1 评价模型的提出及评价指标的选取
为了验证上述方案的可行性，提出了一套基于AHP和FCE相结合的评价方法。分别从使用、设计、制造以及安全等方面对转向系统进行评价。使用性能包括路感、操控性以及功耗三方面因素。设计复杂程度和制造成本被当作一个整体进行分析。考虑安全性时，主要考虑了转向系统正常工作时以及在转向系统出现异常或者事故发生时的安全性。最终选取的转向系统评价指标如图2所示。
AHP是美国匹兹堡大学教授运筹学家萨迪(A.L.Saaty)于20世纪70年代提出的一种在处理复杂的决策问题中，进行方案比较排序的方法。其核心思想是通过两两比较的方法，得到各层次要素对上层次某要素的重要性次序，从而得到各指标的权重。以更为科学的方法建立了权重，代替了传统的"人工赋权法"。具体步骤如下。
首先，需要建立判断矩阵，从一级指标开始，对于从属于上一级的同一个指标的同一层因素进行两两比较，可以得到判断矩阵，判断矩阵的取值如表1所示。
表1 判断矩阵取值表
建立的判断矩阵是一个n×n阶矩阵，n为该层指标个数。接下来，需要对上述矩阵进行一致性检验。具体步骤为：先计算出一致性指标：
其中λmax表示判断矩阵特征值的最大值，n为判断矩阵的阶数；
接下来从表2中查得平均随机一致性指标RI。然后利用公式计算出随机一致性比率：
CR=CI／RI (2)
当CR<0.1时，代表构建的判断矩阵符合要求。
表2 平均随机一致性指标
然后进行层次单排序，考虑到准确性和操作的复杂程度，选用特征向量法，通过以下公式，即可以得到权重向量：
(A-nI)W=0 (3)
n是其中的一个特征根(一般用入表示)，W就是矩阵A的对应于特征根n的特征向量，即权重向量。
分别得出各层指标相对于上一层指标的权重后，将各层权重自底向上相乘，即得到该指标的总权重。
3 利用FCE对建立评价模型
FCE是借助于模糊集合理论，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方法。利用模糊数学中隶属度的概念，将转向系统中当中的一些不易量化的因素进行定量分析。其具体过程如下：
首先确定评价集，将评价集划分为五级：V=(很好，好，一般，较差，差)，以及对应的标价尺度E=(100，80，60，40，20)。
然后，针对同一评价因素，可以邀请专家进行打分，利用隶属度公式rij=ci／c(式中ci表示评选同一评价尺度的人数，c表示评价总人数)，构建模糊矩阵F。
接下来，根据求出的权重向量W，再利用公式：S=(w1，w2，…，wn)F，求出综合评定向量，即每一个因素相对于总目标的评定值。
进行综合优先度排序：依据优先度公式：N=SE。N值越大其排序也越靠前。
注：转载请与作者联系授权，作者：广州市新欧机械有限公司黄志坚教授，020-82333916