多重故障驱动的再制造并行拆卸序列规划方法

为了克服由故障导致的连接失效、不可拆卸对拆卸序列的影响,提出多重故障驱动的再制造并行拆卸序列规划（RPDSP）方法. 通过分析零件的不可拆卸性以及故障特征,构建层次式多重故障传递链模型,描述产品零部间的故障类型、故障程度、报废程度、回收决策、拆卸模式等信息. 为了方便计算机编程,应用多色集合理论对模型进行数学描述,映射为多重故障信息传递多色模型,通过多色推理识别出零部件的拆卸模式. 将零件故障信息融入拆卸模型,建立可破坏性拆卸信息模型,并推导出可拆卸性条件. 为了表示零件可破坏信息,提出包含拆卸节点层和破坏约束层的多层染色体编码方法. 设计考虑零部件回收决策的初始种群获取方法以剔除不合理序列,通过选择、交叉、变异等进化机制实现多重故障驱动的可破坏再制造并行拆卸序列寻优. 以波轮式洗衣机为案例验证所提方法的可行性和有效性.     

基于蚁群算法的选择性拆卸序列规划研究

为提高选择性拆卸序列规划的效率,提出了基于蚁群算法的选择性拆卸序列规划方法.建立混合优先关系图,表达了产品各零部件间的几何约束关系和拆卸过程中的稳定性影响.针对拆卸目标件,基于混合优先关系图获取拆卸零件集合,保证准确、快速地拆卸目标零件.运用动态候选集合策略限制蚁群的搜索空间,构建了能快速求解的目标件拆卸序列规划方法.最后通过实例验证了所构建方法的有效性和可行性.该方法充分考虑装配过程中的几何关系约束和装配过程中稳定性的影响,使所得解更具有实际指导意义.     

机电产品拆卸回收模型及其拆卸序列生成

基于有向图和分类约束的思想 ,提出了两类约束的概念 ,建立了一种具有层次化、模块化特点的机电产品分类有向约束图模型 ;并结合具体产品 ,讨论了分类有向约束图模型在拆卸序列生成过程中的应用 .研究结果表明 :分类有向约束图模型可有效筛选掉不合理的拆卸序列 ,减少拆卸过程中搜索拆卸目标的工作量 ,避免拆卸方案组合爆炸 ,降低拆卸序列生成的复杂程度 .     

基于遗传蝙蝠算法的选择性拆卸序列规划

针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.     

基于Petri网的废旧产品拆卸设备设计

为了设计产品特定零部件的拆卸设备,针对废旧产品在拆卸、回收过程中的拆卸需求,提出基于Petri网构建功-构映射模型的方法. 将功-构映射进行扩展,加入需求与行为分析,构造出需求-功能映射的概念设计和功能-行为-结构映射的结构设计;对需求域、功能域和行为域进行分解,根据得到的功能表面利用TRIZ理论进行创新设计,重构出对应的结构模型;运用三角模糊数对不同创新方案进行对比评价,选出最优设计方案,实现拆卸设备从需求到功能再到结构的映射. 选取废旧自行车把手作为拆卸对象,根据扩展后的映射模型选出设计方案,设计出车把拆卸设备的结构模型.     

基于广义CAD模型的汽车产品拆卸规划

提出了从汽车产品的广义CAD装配模型中抽取产品拆卸信息的方法,以支持产品生命周期的全过程.首先给出了关于产品装配体可拆卸性及拆卸过程的假设条件和零件合并定理,建立了适用于商用CAD软件Pro/Engineer环境下的产品拆卸规划算法和产品路径规划算法.然后提出了一种改进的干涉检查方法,通过投影方法将三维干涉检查问题转换为二维干涉检查问题,利用多段直线的组合来近似实际的拆卸路径.以汽车的主减速器及重型越野车的驱动桥为例,在PTC公司的三维实体造型软件Pro/Engineer的开发平台下对产品的CAD模型进行定义与约束,建立了产品的广义装配模型,经过二次开发构建了广义CAD模型的装配/拆卸分析系统,可以对产品的装配/拆卸进行动态仿真分析.     

基于改进蚁群算法的设备拆卸序列规划及系统仿真

针对复杂设备拆解面临的组合爆炸与搜索爆炸使用传统的方法难以解决的问题,基于设备装配体装配信息进行建模并给出设备零部件之间干涉矩阵及连接矩阵求解方法。以拆解设备的拆卸方向与拆卸工具的改变次数最少为优化目标,构造优化函数模型,用改进蚁群算法对拆卸序列进行优化求解。以常用设备油泵为例,对拆卸序列进行求解,最终得出满足优化目标的拆卸序列。并应用于油泵的拆装仿真,将其拆解过程置于开发的在线系统平台,可实时在线观看学习。     

位姿空间方法在装配规划中的应用

描述了位姿空间方法在装配路径规划和装配序列规划中的应用。用具有位置分量和方向分量的特征元素描述物体,和方向分量相互匹配的特征元素对计算物体间Ｃ－空间障碍,由零件在产品装配模型中的几何约束生成局部拆卸方向和全局拆卸方向,构造并搜索产品分解树生成装配序列,在考虑拆卸方向前提下运用位姿空间方法,以目标的可见性测试和改进的具有动态栅格和动态步和的Ａ＾＊算法,推导当前装配（拆卸）零件在固定姿态下由装配起点到     

产品拆卸回收模型的建立

拆卸回收模型的建立是绿色设计的主要研究内容之一.针对产品更新换代变快,待拆卸产品数量急剧增加的情况,分析了零件之间的网络图模型,制约矩阵,关联度矩阵以及稳定性图模型,可以有效地降低拆卸过程的难度,为产品生成自动拆卸序列提供了理论依据.     

基于CPDL模型检验的装配序列规划

模型检验的智能规划方法具有较高的求解效率,是当今通用智能规划研究的热点.由于模型检验的命题动态逻辑规划方法无法从拆卸角度求解规划问题,给出了含逆反动作的命题动态逻辑的符号模型检验算法,开发了CPDL符号化模型检验工具;针对一般智能规划问题中的机械装配序列规划问题,从装配体的拆卸出发,给出了基于CPDL模型检验技术的装配...     

基于分解树的复杂产品装配实例表示方法

基于实例的装配方案设计有利于提高装配方案的设计效率和准确性，而装配实例的表示和存储是基于实例的装配方案设计的基础。因此，提出基于分解树的装配实例表示方法。该方法包含2部分：①基于分解树表示装配结构；②基于分解树表示装配规划方案。并实现了基于邻接矩阵的装配方案存储，总结了基于邻接矩阵的装配实例存储方法的4个性质。并采用实例验证了该方法是有效的。     

装配序列规划的一种改进蚁群算法

在当前的基于蚁群算法的装配／拆卸序列规划研究中,装配／拆卸序列都是在假设整个产品中 各个零件处于失重的情况下生成的,没有考虑零件稳定性,导致生成的序列不能完全反映工程情况。针 对这个问题,提出了使用扩展支撑矩阵来判断稳定性的思想;对蚁群算法的转移概率表达式、成本函数 及信息素更新表达式进行了相应的改进,建立了装配序列规划问题一种改进蚁群算法。实例仿真实验结 果表明:改进蚁群算法较之于已有的蚁群算法和遗传算法更为高效,所得到的解更具有工程意义。     

装配序列规划的一种改进蚁群算法

在当前的基于蚁群算法的装配／拆卸序列规划研究中，装配／拆卸序列都是在假设整个产品中各个零件处于失重的情况下生成的，没有考虑零件稳定性，导致生成的序列不能完全反映工程情况。针对这个问题，提出了使用扩展支撑矩阵来判断稳定性的思想；对蚁群算法的转移概率表达式、成本函数及信息素更新表达式进行了相应的改进，建立了装配序列规划问题一种改进蚁群算法。实例仿真实验结果表明：改进蚁群算法较之于已有的蚁群算法和遗传算法更为高效，所得到的解更具有工程意义。     

基于多色集合理论的再制造产品拆解模型

为了在再制造过程中得到合理的拆解序列,在分析现有拆解模型的基础上,提出一种基于多色集合理论的产品拆解模型.以无向图的多色集合模型为基础,建立零件的可能位移模型和可能位移方程,规划了产品拆解序列,并构建了递阶结构图.最后,用一实例说明了拆解序列的求解过程,验证了模型的可行性.     

基于最大熵原理的产品拆解费用定量分析

基于拆解过程的随机性特征,结合定义的费用可拆解度概念,构建了产品拆解费用评估的理论模型。应用最大熵原理的方法进行了拆解费用理论概率分布函数的确定,并设计了相应的求解算法。通过仿真试验验证了所提出模型的合理性和所提出方法的有效性。     

基于K滤波的自适应模糊Backstepping容错控制

针对一类不满足匹配条件的状态不可测非线性不确定故障系统,研究了一种自适应模糊输出反馈容错控制器的设计方法。设计中,利用模糊逻辑系统在线逼近系统的故障函数,使用K滤波技术,并结合Backstepping和模设计原理,建立了一种新的自适应模糊输出反馈容错控制方法。证明了所提出的自适应模糊容错控制方法能够保证闭环系统所有信号是半全局一致有界的,且跟踪误差收敛到原点的一个小邻域内。仿真结果验证了该方法的有效性。     

基于自适应粒子群的产品再制造拆卸规划

采用干涉矩阵和拆卸深度矩阵建立拆卸模型,给出可行拆卸序列生成方法,产生了拆卸可行域.设计一种自适应粒子群算法,该算法基于锯齿波提出惯性权重因子周期线性衰减,实现全局与局部搜索的平衡,给出适应变异策略,避免陷入局部最优解.针对拆卸序列规划问题,使用拆卸序列可行链表对粒子编码,构建区段拆卸序列,应用到粒子变异和基于浮动窗口的粒子更新中,保证每次迭代后粒子序列的可行性,避免对不可行序列的判断,提高了求解效率.通过一个典型实例,验证了该方法的有效性.     

一种模糊因果故障诊断方法

目的对Bandekar提出的一种因果故障诊断方法进行改进,提出一种能够利用故障概率、对根故障集进行排序的方法.方法在因果关系图基础上,利用模糊阈值和模糊评判矩阵,提出了一种可给出根故障集中各元素故障概率的模糊诊断方法.结果与结论根据根故障集中各元素的故障概率,可很方便地对故障进行定位,同时该方法具有较快的诊断速度.由于使用了模糊阈值和模糊评判矩阵,还使诊断结果对噪声及参数选择更具鲁棒性.