不确定环境下考虑多约束的拆卸收益概率模型研究

废旧产品拆卸过程中存在许多的不确定因素, 进行目标拆卸时需要兼顾整个拆卸活动的整体收益。在利用拆卸网络图得到目标零部件的所有可行拆卸序列之后, 将零部件质量不确定、拆卸破坏率、基本拆卸时间随机等因素进行综合考虑, 建立了不确定环境下的拆卸收益模型, 在同时满足拆卸破坏率和拆卸时间约束下, 基于拆卸收益概率进行序列优化, 并设计了基于随机模拟的求解方法。最后通过案例分析体现出决策者要求不同时序列优化结果的变化, 验证了所提出模型的可行性。     

基于蚁群算法的产品拆卸序列规划方法

拆卸是回收的前提,为了得到最大的回收效益,对拆卸序列进行规划,得到最优的拆卸序列.根据拆卸的特点构建适合计算和优化的产品拆卸混合图模型,该模型描述了零部件之间的连接关系和优先关系.然后通过几何推理方法产生所有可行的拆卸序列,建立目标函数并构建适合拆卸序列规划的蚁群算法:设计了满足连接关系和优先关系的可拆卸零件搜索空间,得到最优或接近最优的拆卸序列.最后通过实例验证了该方法的实用性和可行性.     

基于扩展干涉矩阵和遗传算法的拆卸序列规划

为高效求解非标准正交轴向上的装配体拆卸序列,将常用的基于全局坐标系的干涉矩阵扩展为包含基于装配体坐标系的全局干涉矩阵与基于零件坐标系的本地干涉矩阵干涉信息的扩展干涉矩阵,丰富了拆卸方向表达的多样性,并通过其检验拆卸序列的几何可拆性.在得到可行拆卸序列的基础上建立了目标函数,利用遗传算法对拆卸序列进行优化.通过一个实例验证了该方法在拆卸方向多样化方面的可行性和有效性.     

基于解释结构模型的产品零部件拆卸序列规划

为了快速准确地对复杂产品层次结构进行划分以实现拆卸序列规划,将解释结构模型(ISM)引入到对复杂产品的描述中,提出一种产品零部件拆卸序列规划方法.在对复杂产品零部件连接关系提取与表达、产品零部件连接关系邻接矩阵和有向图进行分析的基础上,构建了基于ISM的产品零部件连接关系模型;通过计算ISM连接关系可达矩阵建立了其有向图,并给出一种产品零部件结构深度的计算及拆卸序列规划方法.最后以确定洗碗机产品门体的拆卸序列规划和目标件的结构深度为例,对文中方法进行了验证,结果表明,该方法能够在短时间内确定复杂产品的结构层次,进而实现其拆卸序列的规划.     

支持复杂产品并行拆卸序列规划的遗传算法

为高效求解复杂产品的并行拆卸序列规划问题,提出基于遗传算法的复杂产品并行拆卸序列规划方法.针对并行拆卸序列规划问题中拆卸序列长度和每步拆卸零部件个数不确定的特点,提出并行序列染色体编码方法,分别将拆卸单元序列和拆卸步长作为染色体的前段和后段,以此表示一个拆卸序列.基于该染色体编码,采用拆卸混合图描述产品零部件间装配约束关系和拆卸优先级,并导出拆卸约束矩阵和邻接矩阵,由矩阵随机获取可行的初始染色体种群;将基本拆卸时间和不可行拆卸惩罚因子作为优化目标来构建适应度函数,确保最优解的可行性;在初始染色体种群的基础上,适应度函数最小为优化目标,通过遗传、交叉和变异遗传算子实现并行拆卸序列的优化.最后通过实例验证了该方法的可行性和实用性.     

支持再制造的选择性并行拆卸序列规划方法

选择性并行拆卸是再制造的关键步骤,为提高再制造拆卸效率,提出一种基于遗传算法的选择性并行拆卸序列规划方法.根据产品拓扑结构和拆卸优先级关系构建了产品拆卸混合图模型,并表示为关联矩阵、邻接矩阵和约束矩阵;提出了目标驱动推演法的目标组件初始拆卸解集合获取方法,由此构建初始种群,并利用关联矩阵剔除不合理解,以提高算法的收敛速度;改进了选择、交叉、变异等染色体进化规则,由此求出了目标组件(近似)最优的并行拆卸序列.最后,通过实例验证了该方法的可行性和有效性.     

基于蚁群优化算法的目标拆卸序列规划

为了能够以较高的效率求解出产品中目标零件的拆卸方案,基于产品中零件间的拆卸优先约束关系,提出并建立目标零件的拆卸层次信息图模型,将目标零件的拆卸序列规划问题转化为对该图模型中具备最优值的路径的搜索和寻优问题.同时,提出一种改进蚁群优化算法,以实现对目标零件拆卸层次信息图的构建和对拆卸方案的搜索与寻优.最后通过实例验证了该方法的可行性和计算效率.     

基于目标拆卸的虚拟拆装过程建模

针对目前基于层次关系模型和关联关系模型的虚拟拆装系统中未考虑目标拆卸的 问题,在原有层次关系模型基础上引入跳跃拆卸路径的概念,对基于层次关系模型和关联关系 模型的拆装结构模型进行了完善和优化。对引入跳跃拆卸路径后的拆卸模型进行序列规划,并 针对拆装决策过程中拆装单元的组合与还原问题进行论述,最后建立基于关联关系模型的目标 拆卸算法。以船用分油机进行实例验证,验证结果表明该模型能够很好地解决目标拆卸的问题, 对相关应用系统开发具有一定的参考价值。     

考虑作业空间约束的并行拆卸序列规划算法

为获取多人同时进行不同拆卸任务的并行拆卸序列,提出考虑拆卸作业空间约束的并行拆卸序列规划方法.首先从零件几何可行性、拆卸时间以及拆卸作业空间约束3个方面构建拆卸序列规划问题模型:为避免产生不可行序列,提出拆卸作业空间的快速提取和干涉检查方法;针对回收产品拆卸时间不确定的特点,引入区间数模型描述拆卸时间,从拆卸基本时间、拆卸工具准备时间和拆卸工位改变时间3个方面构建拆卸时间模型.然后基于协同工作原则设计蚁群搜索的等待机制,以求解并行的拆卸序列;为进一步提高算法求解复杂产品并行拆卸序列的质量和效率,采用具有自适应能力的信息素更新方式和蚂蚁选择策略对基本蚁群算法加以改进.通过一种锥齿轮减速器装配体实例对关键参数的取值进行讨论分析,并验证了该算法各项约束措施的有效性.     

基于本体论的产品拆卸信息建模

拆卸序列规划生成是虚拟维修的核心之一,直接关系到虚拟维修的可行性及成本。以最优拆卸树的方法研究拆卸序列规划是拆卸序列生成最行之有效的途径。从虚拟维修中产品拆卸模型的基本特点入手,应用本体论的思想和方法,构建了影响拆卸相关的本体,包括几何本体、关系本体、物理本体、化学本体,并综合考虑各本体之间的相互联系,建立了比较完整的产品拆卸信息模型,同时依据成熟的拆卸树算法生成最优拆卸树,以便后期进行拆卸序列规划的研究。并应用于某产品的拆卸模型建立。