产品零部件拆卸工艺规划及评价

发布时间：2020-06-02 07:48

【摘要】：将报废产品进行拆卸是实现回收再利用的必要步骤,是产品全生命周期的重要组成部分。对报废产品拆卸过程进行规划能够缩减拆卸作业成本,提高拆卸作业效率,增强企业竞争力。产品拆卸规划问题已经成为国际工业领域研究的核心问题之一,受到社会各界和相关研究机构的广泛重视。论文针对选择性拆卸序列规划及评价问题进行研究,采用图模型结合启发式算法的方法对拆卸规划关键问题进行求解,力图探索提高拆卸效率的新方法。论文研究深入讨论了工程上各种因素对拆卸的影响,揭示了合理拆卸规划对回收再制造的积极作用,总结了可用拆卸序列所须具备的必要条件,为拆卸序列规划研究提供了一种新的思路。论文综合国内外相关领域经验成果,重点对拆卸建模方法、拆卸序列求解方法和拆卸序列评价方法等问题进行了深入研究,这些问题之间存在着相互关联和逻辑关系,依次解决这些问题就能完成整个拆卸规划过程。论文在考察了多种经典拆卸建模方法的应用场合和优缺点之后,针对选择性拆卸的特点,提出了基于加权阻碍图模型的拆卸建模方法。构建产品加权阻碍图的过程,实际上是产品中零件相关信息的整理和逻辑运算过程。拆卸模型对零件间约束关系、阻碍关系予以判定,进而判断出零件的拆卸可行性。通过该模型,论文将拆卸序列规划问题转化为对图模型中节点和有向边的判断,为求解可行拆卸序列打下了良好基础。基于拆卸蜂巢和拆卸环的概念,论文提出了拆卸蜂巢结合拆卸知识的拆卸序列生成算法。该算法将拆卸体抽象成拆卸蜂巢,根据拆卸模型所提供的信息,结合拆卸知识判定有限个拆卸环上零件之间的拆卸关系,进而采用迭代搜索的方式生成可行拆卸序列,再用拆卸根图模型的形式对拆卸序列解集空间加以表达。拆卸根图模型能与启发式算法密切结合,为拆卸序列寻优算法提供了搜索空间。通过对基本蚁群算法和其相关改进算法的研究,论文在基本蚁群算法基础上开发了一种改进算法——中毒蚁群算法。中毒蚁群算法能够在拆卸根图结构基础上,对可行拆卸序列解集空间进行搜索寻优,根据评价目标函数的要求获取最优序列。针对产品拆卸规划过程的复杂性,中毒蚁群算法在经典蚁群算法基础上对节点转移策略、信息素更新机制予以改进,并引入了毒性环境和生命值定义,使中毒蚁群算法具有较好的搜索和收敛性能。中毒蚁群算法将最优拆卸序列的算法搜索和拆卸知识判断综合考虑,在降低计算量的同时也提高了算法在工程上的实用性。产品的复杂程度随着零件数目的增加而不断提高,其拆卸序列求解难度也相应提高。论文研究采用基于多准则的模块划分方法,将复杂产品划分为若干不同等级的、数目规模适度的模块,可有效降低可行拆卸序列搜索的复杂性,提高拆卸规划的效率,降低拆卸成本,减小信息爆炸概率,提高了拆卸序列的获取几率。
【图文】：

原理,蚁群,遗传算法

一程人学博十学位论文卸操作对应信息映射为特定基因片段，通过进化变异的方式完成对产品拆卸序列的规划。L.MGalantucci[42]等学者在遗传算法基础上，根据模糊控制原理，，动态的对遗传算法中相关参数进行控制，从而解决拆卸序列规划问题。该方法的特点是能够运用模糊判定函数对拆卸序列进行评估，令评价过程更加合理。相对遗传算法而启‘，蚁群优化算法(AntcolonyoPtimization，Aco)要年轻得多，该法由意大利学者Marc。DorigoI43刊在上世纪90年代提出。蚁群算法最初并不是为解决拆卸规划问题而提出，其数学模型建立初衷是求解多城市旅行路程最短的问题，即著名的TsP问题(TravelingSalesmanproblem，旅行商问题)。

视图,主视图,拆卸模型,视图

第2章产品拆卸过程分析及拆卸模型的建立(1)主视图—加权阻碍图模型(WeightedBloekingGraph，简写为WBG)，每个产品对应的加权阻碍图可以划分为六个单向加权阻碍图(Single一phaseweightedBloekingGraPh，简写为SwBG);(2)辅视图—层次视图、)禽吐视图、关系视图。辅视图辅视图
【学位授予单位】：哈尔滨工程大学
【学位级别】：博士
【学位授予年份】：2011
【分类号】：TH162

【参考文献】