面向复杂机械产品的目标选择性拆卸序列规划方法

为提高复杂产品目标选择性拆卸序列规划的效率,基于自底向上的思想,提出一种拆卸混合图和粒子群算法相结合的方法。为了表达产品零部件间的内部约束和拆卸优先关系,建立产品拆卸混合图模型,并推导出可拆卸性约束表达式。基于粒子群优化算法,给出目标选择性拆卸序列规划问题的数学描述和粒子适应度计算公式。利用图深度搜索算法确定拆卸目标位置,并设计目标驱动递归推理法生成可行目标选择性拆卸序列,以此初始化粒子,通过粒子进化,实现了复杂产品目标选择性拆卸序列最优化的快速求解。以一个全自动洗衣机为拆卸实例,用所提方法进行目标选择性拆卸序列规划求解,通过分析试验结果,证明了该方法的有效性和可行性。     

基于改进蛙跳算法的多目标选择性拆卸序列规划方法

为提高产品再制造拆卸效率与收益,提出基于多目标改进蛙跳算法的多目标件选择性拆卸序列规划方法.首先优化拆卸信息建模方法,利用紧固件约束矩阵和结构件约束矩阵,构建产品拆卸信息模型并构造可行解;以拆卸时间最小化和拆卸收益最大化为目标,以多目标件价值为导向构建一种新的多目标选择性序列评价方法,同时构建多目标件选择性拆卸序列规划...     

一种面向拆卸稳定性的产品拆卸序列规划方法

针对拆卸过程稳定性问题,以及复杂产品拆卸图模型构建困难和效率低等不足,提出一种面向拆卸稳定性的拆卸序列规划方法。充分分析面向绿色制造和循环经济的拆卸的特点和原则;通过分析产品的CAD模型,构建一种集零部件类型、零部件可行拆卸方向集、零部件拆卸空间制约矩阵、零部件接触矩阵、零部件自由度约束矩阵等于一体的产品拆卸信息分析模型;提出相关拆卸优先原则和稳定性原则;给出基于拆卸过程稳定性的产品拆卸序列规划算法;通过一个完全拆卸和目标零件拆卸实例验证该算法的可行性、实用性。     

考虑多目标件的异步并行选择性拆卸序列

基于异步并行拆卸概念,提出一种考虑多目标件的异步并行选择性拆卸序列规划方法。通过对多目标件选择性拆卸问题的分析,基于优先关系获取最小拆卸零部件合集,并构建异步并行选择性拆卸序列规划的数学模型。根据所研究问题改进遗传算法,采用两段式编码与解码方法,融入路径重连思想,以快速寻得最优(近优)解。通过对汽车发动机进行案例分析,并在不同初始条件下对改进遗传算法运行结果进行分析,验证了改进遗传算法的有效性与可行性。     

基于Pareto解集蚁群算法的拆卸序列规划

为提高产品拆卸序列规划的效率,分析拆卸序列规划问题中的多个优化目标平衡问题,提出一种基于Pareto解集的多目标蚁群优化算法求解此类拆卸规划问题,并给出拆卸序列的构建过程。通过利用拆卸矩阵推导拆卸可行条件,获得可以执行拆卸操作的零件及其可行的拆卸方向。通过利用零件的轴向包围盒(Axis aligned bounding boxes,AABB)计算零件的拆卸行程。考虑拆卸方向改变次数、拆卸总行程、拆卸零件数量为优化目标,通过利用蚁群算法搜索可行解并计算各个解之间的支配关系,得到Pareto解集,实现求解优化的拆卸序列,给出算法的具体步骤。最后以单杠发动机为拆卸实例,利用所提方法进行拆卸序列规划求解,通过分析试验结果,并对比典型的单目标蚁群规划算法,证明了该方法的高效性和可行性。     

基于改进引力搜索算法的异步并行拆卸序列规划研究

在大型复杂机械设备的检修过程中,涉及对维修目标件的拆卸,存在多人协同作业建模困难和拆卸序列求解效率低的问题,为此,对异步并行拆卸序列规划的拆卸模型和求解算法进行了研究,提出了一种基于改进引力搜索算法的异步并行拆卸序列规划方法。首先,研究了拆卸工作区域干涉和零部件之间的几何约束,建立了优先约束模型,并基于优先关系和拆卸目标件,逆向搜索出了最小待拆卸零部件集合;然后,建立了异步并行拆卸序列规划的数学模型,以拆卸时间最小化为优化目标建立了目标函数,针对异步并行拆卸序列构造了其编码和解码方法,并重构了引力搜索算法中个体进化的更新公式,设计了逃脱算子以跳出局部最优;最后,以水轮机主轴密封检修为例进行了实验,以验证GSA算法的有效性,并将其结果与采用传统算法所得结果进行对比,以证明新方法的优越性。研究结果表明：相比于传统算法,改进的引力搜索算法可以实现更少的时间代价,因此在处理复杂设备维修拆卸过程中更加有效。     

面向零件不可拆的复杂产品拆卸序列规划

针对实际拆卸过程中可能遇到的零件不可拆问题,为提高拆卸效率、降低拆卸成本,提出了面向零件不可拆的复杂产品拆卸序列规划方法.为更好地表达产品拆卸信息,构建了拆卸混合图模型；为产生新拆卸方案,提出了模型重构方法,该方法通过构建已拆卸零部件集、受影响零部件集、子受影响零部件集来实现模型的更新；根据目标拆卸体的可拆卸性,并结合拆卸序列优化算法来产生具体的拆卸方案和拆卸序列.以洗衣机为例对所提方法进行了验证,结果表明该方法较好地解决了零件不可拆问题,产生了切实可行的拆卸方案和拆卸序列,降低了拆卸成本、提高了拆卸效率和拆卸安全性.     

一种基于运动规划的选择拆卸序列规划技术

选择拆卸序列规划是产品维修或回收的重要环节,针对目前选择拆卸序列规划算法中自动化程度较低的问题,提出一种基于运动规划的选择拆卸序列规划方法。该方法首先根据复杂产品中零件数量繁多,形状不规则的特点,采用基于自适应动态多树的快速扩展随机树(Rapidly-exploring random tree,RRT)算法对零件进行运动规划。在此基础之上,通过对装配体进行自动分层处理,分析零件间拆卸约束关系,构建装配体的拆卸约束关系图。最后通过对拆卸约束关系图的分析处理,获得目标零件的选择拆卸序列。以某底盘的目标零件为例,对提出的算法进行了验证。     

基于双种群遗传算法的废旧智能手机拆卸序列规划

为解决手机大批量报废带来的环境和资源问题,对废旧智能手机进行了拆卸回收技术的研究.针对废旧智能手机的完全拆卸,提出了一种基于双种群遗传算法(Genetic algorithm,GA)的拆卸序列规划方法,通过分析智能手机的结构零部件信息,特别是零部件间的约束关系,建立了五元组混合图拆卸模型,并利用连接矩阵和优先矩阵,描述了拆卸智能手机的约束关系.以拆卸时间和回收利润作为决策目标,同步考虑了影响拆卸时间和回收利润的多个指标,创新构建了拆卸双目标决策优化数学模型,并设计了一种双种群GA搜索优化解,确定智能手机最优或次优的拆卸序列方案.以"iPhone6"智能手机为实例,利用所设计的算法求解了其对应的优化拆卸序列,并与经验拆卸和基本GA对比,结果显示拆卸时间缩短了11.2％和5.6％,回收利润提高了6.6％和3.0％,验证了该方法的可行性和高效性.     

基于双种群遗传算法的废旧智能手机拆卸序列规划

为解决手机大批量报废带来的环境和资源问题,对废旧智能手机进行了拆卸回收技术的研究.针对废旧智能手机的完全拆卸,提出了一种基于双种群遗传算法(Genetic algorithm,GA)的拆卸序列规划方法,通过分析智能手机的结构零部件信息,特别是零部件间的约束关系,建立了五元组混合图拆卸模型,并利用连接矩阵和优先矩阵,描述了拆卸智能手机的约束关系.以拆卸时间和回收利润作为决策目标,同步考虑了影响拆卸时间和回收利润的多个指标,创新构建了拆卸双目标决策优化数学模型,并设计了一种双种群GA搜索优化解,确定智能手机最优或次优的拆卸序列方案.以"iPhone6"智能手机为实例,利用所设计的算法求解了其对应的优化拆卸序列,并与经验拆卸和基本GA对比,结果显示拆卸时间缩短了11.2％和5.6％,回收利润提高了6.6％和3.0％,验证了该方法的可行性和高效性.     

基于蚁群算法的单目标选择性拆卸序列规划研究

根据选择性拆卸的特点,介绍了基于混合图的选择性拆卸模型.该模型描述了零件间的接触连接关系和非接触优先关系.基于混合图模型,以单个零件为目标推理生成选择性拆卸序列解空间;然后结合蚁群算法,从所有可行序列中搜索最优或接近最优的单目标零件选择性拆卸序列.最后,通过实例说明该方法的可行性和有效性.     

考虑碳排放与收益的随机并行拆卸线平衡优化

针对废旧产品回收过程中,需有选择对综合收益高的零部件进行拆卸的问题。选择最小工作站数,平滑度,碳排放量,拆卸收益作为优化目标,并对相应目标进行量化分析,提出一种随机并行拆卸线平衡优化方法。在构建随机并行拆卸线基本解集的基础上,为避免Pareto解集逐渐趋同的问题,提出一种基于环形拓扑结构的花授粉算法(Ring topology flower pollination algorithm, Ring-FPA),实现了对Pareto解集的决策处理,获得考虑碳排放与收益的随机并行拆卸线平衡最优解。以手机和笔记本电脑并行拆卸线平衡优化为例,选择NSGA-Ⅱ、FPA,以及AFSA算法进行对比,对所提方法的可行性和有效性进行了验证。     

基于蚁群算法的产品拆卸序列规划研究

为了能以较高的效率求解出产品拆卸序列的方案，首先阐述了拆卸可行性信息图的概念，将产品的拆卸序列规划问题转述成对该加权有向图中具备最优值的路径搜索和寻优问题。提出了一种蚁群优化算法，并结合对产品元件的拆卸路径求解工具，以实现对产品拆卸可行性信息图的构建和对拆卸方案的搜索和寻优。蚂蚁的一条遍历路径代表了一个描述产品元件拆卸的方案；蚂蚁已经遍历过的路径上代表可行操作的节点数决定了其留下的信息素。启发式信息的求解分为两个部分，包括了确定启发式向量和求出启发式信息值，它们分别表征了方案的可行性及其优异程度。最后，通过一个实例，验证了这一方法的可行性及其计算效率。     

复杂产品并行拆解建模及规划方法研究

为提高复杂产品并行拆解的效率,提出了一种针对复杂产品的并行拆解建模及规划方法。通过构建拆解约束图确定零件之间的连接关系,利用传递闭包算法进行聚类分析,将产品分解为若干个组件的集合。提取组件与组件之间的连接零件集合,利用人工蜂群算法对连接零件集合以及每个组件分别进行拆解规划,从而得到复杂产品的并行拆解模型及规划序列。以摩托车发动机的并行拆解为例,对该方法进行了验证,结果表明该方法能有效地实现复杂产品的并行拆解,提高复杂产品的拆解并行度和拆解效率。     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

基于贪婪算法的产品拆卸序列规划

分析了产品实际拆卸过程中的不确定性,将实际产品拆卸序列规划转化为一类贪婪算法求解问题。以最少工具更换次数为指标,构建了基于贪婪算法的产品拆卸序列规划调整的贪婪准则,进而给出了产品拆卸序列规划调整流程。最后,通过一个简化的计算机主机箱的拆卸说明该方法的可行性和有效性。     

拆卸路径决策时的装配体判别分析

为了在产品拆卸路径决策中实现装配体的自动判别，提出了零件间关联度概念，以其作为零件可以被聚为同一装配体的判别依据，确定了关联度的影响因素集，评价集及权重，采用模糊综合评价方法对零件间关联度进行了量化分析，构造了产品的关联矩阵，并通过一个实例，对所提出的理论及方法进行了论述。     

基于改进人工蜂群算法的产品拆卸序列规划

为了提高复杂产品拆卸序列规划效率,提出了一种改进的人工蜂群算法用于此类问题求解。通过拆卸混合图表达产品零部件之间的连接关系和优先约束关系,并推导出可行拆卸序列的约束表达式,建立拆卸序列规划数学模型和适应度计算公式。对初始种群进行了优先约束规划,提出一种可行度算法用于蜂群对蜜源的搜寻与选择。定义了自适应选择参数、动态平衡可行度与适应度算法的优先配比,以实现复杂产品拆卸序列规划的快速求解。最后以内啮合齿轮泵为实例,利用所提方法进行了拆卸序列规划求解,通过分析实验结果,并对比传统人工蜂群算法,证明了该方法的可行性和高效性。     

拆卸法在尾座虚拟装配序列规划中的应用

对虚拟装配序列规划中的拆卸法进行了详细的阐述,介绍了其基本概念和算法步骤,提出了零件的干涉表、局部配合约束表和拆卸零件集等概念和方法,并给出了程序流程图,最后结合车床尾座实例验证了其算法的正确性.     

面向绿色制造的产品选择拆卸技术研究

针对机电产品的绿色制造,分析了产品生命周期中设计、服役使用和退役处理三个阶段的产品零部件选择拆卸问题;提出了基于蚁群算法的产品选择拆卸规划方法,给出了面向选择拆卸的产品图建模和选择拆卸序列的动态构建过程,并考虑拆卸方向改变次数和拆卸零件总数原则,以求解优化的选择拆卸序列;讨论了面向全生命周期的产品选择拆卸平台构成,并初步实现了平台的功能.最后,用实例说明了选择拆卸平台的工作过程.