当前位置:主页 > 科技论文 > 环境工程论文 >

面向低碳高效的并行拆卸线平衡问题优化方法

发布时间:2020-09-19 20:11
   随着中国私人轿车的数量不断增加,废旧汽车数量也快速增长,废旧汽车的回收利用受到持续关注。然而,废旧汽车在拆卸过程中将产生大量的环境污染,这与我国可持续发展的理念相违背,因此,在并行拆卸线平衡问题中综合考虑环境影响是重要的研究方向之一。本文针对面向低碳高效的并行拆卸线平衡问题优化方法进行研究。首先,针对并行拆卸线平衡的多目标优化问题,在产品生命周期碳排放分析的基础上,界定了拆卸过程的系统边界,分析了产品常用拆卸类型及拆卸过程中能耗形式,建立了产品拆卸碳排放量化模型。在工作站数、工作站空闲时间指标、拆卸序列危害指数、需求指数和方向转换次数等传统拆卸线平衡问题优化方法基础上,构建了基于拆卸过程碳排放的并行拆卸线平衡问题优化模型。其次,针对并行拆卸序列规划问题,基于混合图拆卸模型构建了连接矩阵和优先矩阵。基于连接矩阵和优先矩阵提出了零部件可拆卸性的判别方法。分析并行拆卸序列描述方法,建立了基于可变矩阵的并行拆卸序列的规划方法。最后,提出了基于拆卸过程碳排放的并行拆卸线平衡问题的优化方法,根据并行拆卸线序列规划方法,提出了遗传算法的实数编码、交叉和变异方式。然后以某型号发动机为例建立了发动机的约束矩阵和连接矩阵,并用遗传算法对并行拆卸线平衡问题进行优化获得最优拆卸序列,从而证明遗传算法在优化并行拆卸平衡问题的可行性。最后,将并行拆卸线和串行拆卸线的优化结果进行比较,进一步阐述并行拆卸线在减少碳排放、提高拆卸效率等方面的优势。
【学位单位】:合肥工业大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:X705
【部分图文】:

生产总值


据如图1.1所示。从改革开放以来,特别是进入90年代以来,汽车迅速的走家万户,买私人轿车变的更加普遍。为了进一步促进中国的汽车制造能力以发能力提高,我国已与知名企业展开广泛的合作,使我们汽车制造业逐步赶方国家,特别是近几年新能源汽车的发展,使我国在此弯道超车成为可能随着世界工业化进程,在人们的生活水平和生活质量得到了很大提升的同也产生了数以亿吨的生活和工业废物,这些数以亿吨的生活和工业废物会给赖以生存的自然环境带来巨大的环境影响,据统计2017年,我国的十大类资收达到2.83亿吨[1]。汽车制造业已成为促进经济发展的支柱产业,近几年其得到突飞猛进的发展,销售量也在逐年递增。据统计,2009年至2016年,我汽车产量从1364万辆增加到2619万辆,与此同时,我国汽车报废量从200195万辆跃升到719万辆,其平均增长率为17.7%,截止到2017年末,中国私废汽车总量达到18515.11万辆。从上文数据可以看出,我国汽车报废量在逐增,如果不能够被合理地回收利用,必然会给社会带来资源、能源、环境问

销售量,废旧汽车,环境问题


图1.2 2009年-2016年我国汽车销售量与报废量Fig 1.2 China's automobile sales and scrap volume from 2009 to 2016通过上述分析中国汽车销售量和报销量情况之后,我们可以发现中国报废汽的数量会逐年增加,如何合理的利用废旧汽车是汽车回收企业不得不思考的一严峻问题。为了提高废旧产品的利用率,进一步完善绿色制造体系,国务院在15年发布了《中国制造 2025》,全面推行循环生产模式,提高废旧机电产品的合治理水平[2]。本文从三个方面来论述废旧汽车拆卸回收的必要性。(1)环境问题突出2005年,习近平同志在浙江实地考察时第一次提出了“绿水青山就是金山银”的论断。2017年,习近平同志在十九大报告中指出,坚持人与自然和谐共生环境问题的日益突出要求制造业不能再片面的追求利益,而是在追求企业利最大的同时要兼顾环境问题,实现企业自身的绿色发展。随着中国经济和汽车目的不断增加,作为高能耗产业的汽车行业将会消耗的大量能源和资源。2000到2014年我国汽车制造业消耗能源量由1502.38万吨标准煤飙升到3189.438万

多目标优化,碳排放量,拆卸线,低碳


卸工具的时间为定值 4s,电动扳手功率为 4kW。遗传算法求解时,算法参数的设置如下:种群规模设置次数 MAXGEN=150,代沟 GGAP=0.9。以最低碳排放量间(高效)为目标函数对并行拆卸线平衡问题进行优化,拆卸时间和最低碳排放量为目标函数的优化结果进行比示。表 5.5 优化结果Tab 5.5 Optimization Results结果 低碳 高效 低碳高效碳排放量/kgco2e 147.5 170.2 165.1时间/s 1062 963.4 977.9碳排放量和最小拆卸时间为目标的并行拆卸线平衡问题达形式如图 5.2 和表 5.6 所示。根据上述高效低碳的拆卸案如图 5.3 所示。

【相似文献】

相关期刊论文 前10条

1 王富超;;拟梯度遗传算法在水电厂厂内经济运行中的应用[J];通信电源技术;2019年12期

2 冯锦春;杨林建;;利用遗传算法进行机械优化[J];四川工程职业技术学院学报;2007年06期

3 任志凤;胡小建;孙太生;徐飞;李云良;;遗传算法在焊接领域的优化与应用[J];现代焊接;2012年03期

4 李振业;陈婷;陈静;;基于遗传算法的旅游最优路径探究[J];电脑知识与技术;2018年34期

5 唐文琦;曾干敏;刘泽宇;;浅谈遗传算法及其部分改进算法[J];科技风;2019年12期

6 李岩;袁弘宇;于佳乔;张更伟;刘克平;;遗传算法在优化问题中的应用综述[J];山东工业技术;2019年12期

7 魏晓玲;;一种改进遗传算法及验证[J];电脑编程技巧与维护;2019年06期

8 冯双林;靳继红;;现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J];农机化研究;2018年01期

9 梁肖;周湘贞;;基于遗传算法的小麦收割机路径智能优化控制研究[J];农机化研究;2018年02期

10 王勇;孙耀南;;基于遗传算法的医院房间位置优化研究[J];电脑与信息技术;2018年01期

相关会议论文 前10条

1 谢宏;袁小芳;向启均;陈yN婧;王立宸;;机器人惯性参数的改进遗传算法辨识方法研究[A];第37届中国控制会议论文集(B)[C];2018年

2 彭军;徐本柱;刘晓平;;遗传算法的实现及其在生产调度中的应用[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年

3 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 赖梅;熊丽荣;;基于改进遗传算法的乘务交路优化问题研究[A];第二十一届中国控制会议论文集[C];2002年

5 肖龙光;丁晓东;;基于理性变异的遗传算法[A];第六届中国青年运筹与管理学者大会论文集[C];2004年

6 鞠训光;于洪珍;;求整体优化全部解的区间排除遗传算法[A];第十七届全国过路控制会议论文集[C];2006年

7 刘兴隆;;快速进化式遗传算法[A];“电力大系统灾变防治和经济运行重大课题”部分专题暨第九届全国电工数学学术年会论文集[C];2003年

8 谈斌;唐力铁;张己化;周海云;;遗传算法在漫反射系数计算中的应用研究[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

9 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

10 蔡亚星;李伟明;尚飞;任武;薛正辉;高本庆;;双种群遗传算法进行阵列天线综合[A];2005'全国微波毫米波会议论文集(第三册)[C];2006年

相关重要报纸文章 前10条

1 郭勉愈 编译;遗传算法:让发明自动“进化”[N];科学时报;2011年

2 上海科学院规划研究处 刘小玲;上海能否成为人工智能城市[N];解放日报;2017年

3 记者 常丽君;科学家首次将遗传算法用于量子模拟[N];科技日报;2016年

4 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

5 记者 李星婷;2014中国生命电子学术年会在渝召开[N];重庆日报;2014年

6 记者 刘霞;美用遗传算法逆向设计新型纳米材料[N];科技日报;2013年

7 高雪娟;协同设计的平台策略[N];中国计算机报;2006年

8 陈巍;浩辰有望在协同设计关键领域取得突破 引领CAD应用新潮流[N];大众科技报;2006年

9 本报记者 李元丽;坚持自主创新 掀起AI+教育的中国浪潮[N];人民政协报;2018年

10 高峰;美国真能毁掉中国?[N];世界报;2012年

相关博士学位论文 前10条

1 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年

2 金小敏;移动云环境中的计算迁移系统关键技术研究[D];北京邮电大学;2018年

3 王小港;遗传算法在VLSI设计自动化中的应用研究[D];中国科学院上海冶金研究所;2001年

4 宋晓峰;优生演进优化和统计学习建模[D];浙江大学;2003年

5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年

6 卜雷;城市货物运输规划优化方法研究[D];西南交通大学;2004年

7 廖平;基于遗传算法的形状误差计算研究[D];中南大学;2002年

8 李智勇;模式交流多群体遗传算法及其在神经网络进化建模中的应用[D];湖南大学;2003年

9 陈星;网络并行和遗传算法在HPM生物效应评价和辐射天线设计中的应用研究[D];四川大学;2004年

10 金菊良;遗传算法及其在水问题中的应用[D];河海大学;1998年

相关硕士学位论文 前10条

1 田宇;多模式工程项目质量工期成本复合激励优化研究[D];华北水利水电大学;2019年

2 陈亚楠;基于改进遗传算法的WSN能量均衡路由算法研究[D];安徽理工大学;2019年

3 杨涛;基于SLP和遗传算法的CR公司车间布局优化研究[D];北京交通大学;2019年

4 闫辉;分割树遗传算法在H公司车间布局中的应用研究[D];河北工业大学;2017年

5 杨晨;基于遗传算法的太阳能热气流电站涡轮机叶片的优化设计[D];青岛科技大学;2019年

6 邱程峰;中低压配电网态势可视化关键问题及算法研究[D];杭州电子科技大学;2019年

7 林晓雯;电商平台服务器性能优化设计与实现[D];电子科技大学;2019年

8 毛勇;联合隐马尔可夫与遗传算法的态势预测方法研究[D];西北大学;2019年

9 由林青;配对交易策略中交易信号动态化研究[D];北京工商大学;2018年

10 丁越;基于遗传算法的P2P网贷违约预警模型研究[D];浙江大学;2019年



本文编号:2822945

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/2822945.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户bd544***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com