基于RFID的机电产品回收信息语义建模及拆卸决策方法的研究

发布时间：2017-12-22 14:55

  本文关键词：基于RFID的机电产品回收信息语义建模及拆卸决策方法的研究　出处：《华东理工大学》2016年博士论文　论文类型：学位论文

  更多相关文章： REID 本体论 机电产品回收 信息语义模型 决策方法

【摘要】：机电产品的回收特性关系到资源再循环及可持续发展等战略问题。如何建立产品生命周期内可共同理解、相互操作的产品回收信息模型,构建机电产品信息与回收活动间的语义关联,并通过适当的载体,准确地传递给产品回收活动的主体,是促进回收决策、提高回收效率的关键所在。RFID (Radio Frequency Identification)作为非接触式信息识别技术,具有信息处理能力强、体积小、成本低等特点,可准确快捷地获取与末端产品回收相关的信息。本文以RFID为载体,利用本体论构建机电产品的回收信息模型及语义关联,并对回收活动中的拆卸决策方法进行研究。论文的主要工作和研究结果包括：(1)机电产品的拆卸和产品的装配结构密切相关,为了将装配结构保存在RFID标签内,构造了以零部件之间的三种装配特征(即贴合、覆盖和支承)为基础的装配／拆卸关系表达模型,可通过三个矩阵完整地表达出装配体中的所有装配关系,设计了产品可行拆卸序列迭代生成方法。基于可扩展标记语言,提出了回收信息的结构化语义编码,实现了RFID标签信息的柔性化存储,为异构信息的本体映射提供了支持。(2)为实现拆卸决策过程的自动化,以及拆卸知识的共建与共享,构建了机电产品的回收信息本体,用形式化的方式表达出零部件之间的装配关系、从属关系以及拆卸优先级关系、产品的拆卸深度和回收策略、零部件的固有属性、残余寿命以及市场价值等。由RFID提供的产品生命周期信息,可通过本体映射转换成能被计算机理解的语义模型并消除表达上的歧义性,为后续的自动拆卸决策提供语义基础。(3)为快速获得产品的最优拆卸方案,提出了以本体为基础的CBR (Case-Based Reasoning)拆卸自动决策方法。探讨了以“案例语义描述”和“案例解决方案”为组成的案例本体表达与存储方法,研究了基于语义索引和语义相似度的案例自动检索匹配方法,利用多粒度分解组合方式实现了案例的自动修正,设计了“类人记忆机制”的案例库维护方案。(4)为弥补CBR方法一旦缺乏案例即失效的缺陷,研究了以本体为基础的RBR(Rule-Based Reasoning)拆卸自动决策方法,提出了“固定”和“直接覆盖”两种装配语义关系,利用SWRL/SQWRL(以及SPARQL和Jena Ontology API)构造了拆卸语义规则,设计了与规则对应的迭代方法,实现了可行拆卸序列的自动生成。(5)为确定机电产品的最优拆卸深度并解决计算最优拆卸序列时可能遇到的NP-hard问题,通过考虑不同的回收方式所带来的拆卸回收成本和回收利润,构建了“机电产品回收总收益计算模型”,研究了用遗传算法求解“拆卸序列寻优问题”的方法。(6)针对产品生命周期信息不全的情况下如何实施自动化拆卸决策,研究了利用机电产品的历史回收数据来指导拆卸决策的方法,构建了贝叶斯预测算法,实现了对零部件损坏状况的评估,设计了判断产品回收价值的模糊逻辑控制器,构造了基于产品历史数据的回收净利润计算模型。综合上述的研究,本文开发了基于RFID和本体的自动化拆卸决策系统,并通过典型的机电产品实例对上述理论方法进行了验证,证明了本文提出的RFID信息传递以及拆卸自动决策方法的有效性。本文的研究对于提高拆卸决策效率、降低拆卸决策成本具有重要意义。
【学位授予单位】：华东理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.44
，

本文编号：1319855