基于AHP的汽车智能化设计知识评价方法

刘德仿，吴宏攀，王 斌，周临震

（1.盐城工学院优集学院，江苏盐城 224002;2.江苏大学汽车与交通工程学院，江苏镇江 212013）

基于AHP的汽车智能化设计知识评价方法

刘德仿1，吴宏攀2，王 斌1，周临震1

（1.盐城工学院优集学院，江苏盐城 224002;2.江苏大学汽车与交通工程学院，江苏镇江 212013）

随着汽车智能化设计系统的应用，系统知识库中不可避免的积累大量过时、冗余的知识，其会严重影响到设计知识的重用效率。为了提高设计知识评价的精确度，将层次分析法引入到汽车智能化设计知识的评价体系中，建立汽车智能化设计知识的评价指标体系，研究了汽车智能化设计知识的分析评价过程。通过对设计知识的有效评价，可以实现汽车智能化设计系统知识库的优化，有助于改善智能化设计的质量和效率。

智能化设计;层次分析法;知识评价;汽车设计

知识工程于1977年被提出后迅速渗透到人工智能的各个领域，促进了人工智能从实验室研究走向实际应用，已经成为面向现代设计要求而产生、发展的新型智能化设计方法［1-2］。许多大型汽车企业纷纷开展研究，开发出汽车相关的智能化设计系统，诸如美国Chrysler公司的Coolsys系统、美洲虎公司的ICAD系统以及华盛顿大学CAD技术研究实验室研发的 AutoDSS 系统等［3-5］。

汽车设计知识的质量和数量是制约智能化设计系统智能化水平的关键因素。随着智能化设计系统的应用，新的设计实例和设计规则等知识被不断地添加到系统知识库中。然而，设计知识不断丰富的同时也会导致设计知识的质量参差不齐。笔者将层次分析法引入智能化设计知识的评价过程中，以便于提高知识重用的效率和系统知识库的维护效果。

1 汽车智能化设计知识双重评价过程

1.1 汽车智能化设计知识的纳新评价

汽车智能化设计系统的一般工作流程，如图1。当产品成功开发完成后，系统会将新的成功设计案例添加到知识库中，以便于丰富知识库的内容，提高智能化设计系统的设计能力。

纳新评价是指在向汽车智能化设计系统的知识库存入新鲜知识时，立即评价该知识的应用价值。但是，新鲜知识一般都具有一定的重用价值，若进行知识的纳新评价时过于严格，易导致遗漏有价值的知识，不利于利用智能化设计系统进一步的创新设计，所以对其评价指标要求相对较低。

1.2 汽车智能化设计知识的除旧评价

随着智能化设计系统的使用，作为存贮设计知识的重要场所，产品设计知识库里积累了大量知识，这在方便设计人员知识重用快速设计的同时，也造成了以下两个问题:

1）随着汽车设计相关新标准、新方法的涌现，在不断吸收新鲜知识的同时，系统知识库中堆积了大量过时的、甚至是错误的知识，占用了大量的存储空间，干扰着产品设计的正确性。

2）由于纳新评价的评价指标相对较低，知识库中不可避免地存储了一些低质量的冗余知识，其不仅降低了知识的查找效率，而且影响系统的设计质量。

除旧评价就是知识工程师针对上述问题每隔一段时间对智能化设计系统知识库中知识进行评价，将过时的、冗余的知识予以剔除。

采用纳新评价与除旧评价相结合的双重评价过程，既从源头有效保证了汽车智能化设计系统知识库中知识的数量和质量，又对知识库进行定期的维护，保证了知识库中知识的质量和设计系统的使用价值。笔者为了更好地实现对设计知识的评价，运用AHP对汽车智能化设计知识的评价进行研究。

图1 汽车智能化设计系统的工作流程Fig.1 Workflow of automobile intelligent design system

2 汽车智能化设计知识的评价

层次分析法是由美国匹兹堡大学教授T.L.Satty于20世纪70年代末提出的，是一种多层次权重解析法，通过定性与定量相结合的方法处理各种决策因素，整个分析过程体现了人的决策思维的基本特征，即分解、判断、综合［6-7］。

2.1 汽车智能化设计知识评价指标体系

设计知识评价指标体系是评价产品设计知识的指标集合，反映了不同角度和不同层次下设计知识的质量状况，汽车本身作为一个系统，从其全生命周期的角度考虑对其设计必须考虑可行性、经济性、人性化及环保性等4个准则，与这4个准则相联系的又有8项主要因素，根据设计需要考虑的因素及其隶属关系，得到智能化设计知识的评价指标体系，如图2。

图2 汽车智能化设计知识评价指标体系Fig.2 Evaluation index system of automotive intelligent design knowledge

2.2 建立知识评价递阶层次结构模型

为了判断汽车智能化设计知识库中同类设计知识间的价值差异，即对N个设计知识进行优劣排序，由汽车智能化设计知识评价指标体系，建立具有自上而下支配关系的汽车智能化设计知识的递阶层次结构，如图3。

图3 汽车智能化设计知识的递阶层次结构Fig.3 Hierarchy structure of automotive intelligent design knowledge

2.3 计算单一准则下元素相对权重

在建立汽车智能化设计知识的递阶层次结构模型后，上下层次间元素的隶属关系得到确定，在此基础上求出一组元素对于其上一层中相关元素的权向量。例如，以准则层第一层中某元素Ci为目标，按其所支配的下一层次的元素Ci1和Ci2对于它的相对重要性赋予相应的权重ω1和ω2。

AHP通过导出权重法对n个元素两两比较，并按一定的比例标度对其重要性程度赋值，构成两两比较判断矩阵:

式中:aij为元素Ci1与Ci2相对于Ci的重要性的比例标度。

通过判断矩阵A求出Ci1和Ci2对于准则Ci的相对权重ω1和ω2，将其写成向量形式为W=（ω1，ω2）T。运用AHP中较为成熟的特征根法进行权重的计算。设有判断矩阵A满足方程:

式中:λmax为A的最大特征根;W为相应的特征向量。所得的W经归一化后作为评价指标的权向量。

在计算单准则下排序权向量时，有必要进行权向量的一致性检验。通过式（3）计算一致性指标C.I.和查表1［8］得到相应的平均随机一致性指标R.I.，代入式（4）中求得一致性比例 C.R.:

表1 平均随机一致性评价指标R.I.Table 1 Mean consistency index R.I.

当C.R.＜0.1时，认为判断矩阵的一致性可以接受，当C.R.≥0.1时则应对判断矩阵进行适当修改。

在单准则下的排序权向量满足一致性检验的基础上，将各单准则下的权重进行合成，并逐层进行总的判断一致性检验。

邀请专家利用代尔菲法对相应汽车智能化设计知识进行评分，基于目标层的权重计算及总排序得到各智能化设计知识的综合得分，从而实现对汽车智能化设计知识的评价。

3 实例应用

根据压缩式垃圾车设计流程，进行其相关智能化设计知识的除旧评价。以评价压缩式垃圾车底盘的选取相关知识为例，在垃圾车底盘的选取方面，主要是基于实例的知识。假设随着智能化系统的应用，系统知识库中的设计知识不断丰富。在设计某吨位压缩式垃圾车的过程中，知识库中有3种底盘可供设计系统选择，分别为 D1，D2，D3。

建立垃圾车底盘选取层次结构模型，如图4。

图4 压缩式垃圾车底盘选取层次结构Fig.4 Hierarchical structure for selecting chassis of compression refuse collector

在底盘选取层次结构的基础上，压缩式垃圾车设计专家首先根据设计经验对准则层中Ci对于目标层O的相对重要性进行评价，确定其判断矩阵，并进行单排序向量及一致性检验得 λmax=4.07;C.I.=0.02;R.I.=0.89;C.R.=0.02 ＜0.1，故可认为评价可接受，判断矩阵及权向量如表2。

表2 O－Ci判断矩阵Table 2 Judgment matrix of O－Ci

同理，Cij对Ci的权重分配计算亦通过建立判断矩阵加以实现，矩阵中的数值表示Ci1与Ci2之间相对重要程度的赋值，结果如表3～表6，且一致性检验满足要求。

表3 C1－C1j判断矩阵Table 3 Judgment matrix of C1－C1j

表4 C2－C2j判断矩阵Table 4 Judgment matrix of C2－C2j

表5 C3－C3j判断矩阵Table 5 Judgment matrix of C3－C3j

表6 C4－C4j判断矩阵Table 6 Judgment matrix of C4－C4j

在单准则下排序权向量的基础上，进行合成权重，确定目标层的权重计算及总排序，如表7。

表7 目标层的权重计算及排序Table 7 Weighting and sorting of target layer

针对上述8种评价指标，邀请10位专家利用代菲尔法对知识库中存有的3种底盘进行评分，通过计算可以得出3种底盘的综合得分，评价结果如表8，从中可以看出底盘D2综合得分最高，所以在设计过程中，优先选用该种底盘。

表8 底盘评价结果Table 8 Evaluation results of chassis

4 结语

在对智能化设计知识双重评价过程分析的基础上，将层次分析法应用到汽车智能化设计知识双重评价的过程中，在相对客观的分层知识评价指标体系下，在定性分析的基础上定量化处理，并以压缩式垃圾车设计过程中底盘的选择为例，验证了其对智能化设计知识是一种行之有效的综合评价方法，为进一步开发汽车智能化设计系统奠定理论基础

（References）:

［1］ 王士同.人工智能教程［M］.北京:电子工业出版社，2001.

［2］ 彭颖红，胡洁.KBE技术及其在产品设计中的应用［M］.上海:上海交通大学出版社，2007.

［3］ Gusikhin O，Rychtyckyj N，Filev D.Intelligent systems in the automotive industry:applications and trends［J］.Knowledge and Information Systems，2007，12（2）:147-168.

［4］ Kochan A.Jaguar uses knowledge-based tools to reduce model development times［J］.Assembly Automation，1999，19（2）:114-117.

［5］ Calkins D E，Egging N，Scholz C，et al.AutoDSS:A System Level KBE Tool for Vehicle Product Definition［C］//SAE 2000 World Congress.Detroit:［s.n.］，2000.

［6］ 孙东川，林福永.系统工程引论［M］.北京:清华大学出版社，2004.

［7］ Saaty T L.Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy Proeess［M］.Pittsburgh:RWS Publications，2000.

［8］ 柯新利.基于AHP方法的土地利用现状评价与分析［J］.国土资源科技管理，2008（25）:57-60.

KE Xin-li.An evaluation and analysis of land use based on AHP［J］.Scientific and Technological Management of Land and Resources，2008（25）:57-60.

Evaluation Methods of Automobile Intelligent Design Based on AHP

LIU De-fang1，WU Hong-pan2，WANG Bin1，ZHOU Lin-zhen1
（1.UGS School，Yancheng Institute of Technology，Yancheng 224002，Jiangsu，China;
2.School of Automobile ＆ Traffic Engineering，Jiangsu University，Zhenjiang 212013，Jiangsu，China）

With the application of automobile intelligent design system，it is inevitable that a large number of outdated and redundant knowledge are accumulated in the knowledge base.In this case，the efficiency of the design knowledge reuse is affected seriously.In order to improve the accuracy of design knowledge evaluation，AHP is introduced into assessment system of automobile intelligent design knowledge;the corresponding index system is designed;and the evaluation process is studied.Knowledge base of automobile intelligent design system has been optimized to improve quality and efficiency of intelligent design by effective evaluation of design.

intelligent design;analytic hierarchy process（AHP）;knowledge evaluation;automobile design

U463;TP202

A

1674-0696（2011）06-1425-04

10.3969/j.issn.1674-0696.2011.06.39

2011-05-06;

2011-07-02

江苏省科技攻关项目（BE2007054）

刘德仿（1952-），男，江苏盐城人，研究员，硕士，主要从事知识工程、产品智能化设计方面的研究。E-mail:liudf@ycit.cn。