基于改进教与学优化算法的废旧智能手机拆解深度优化研究

针对现有拆解深度决策方法无法客观准确地得到废旧智能手机最优拆解深度的问题,提出了一种基于改进教与学优化(Teaching-Learning-Based Optimization,TLBO)算法的废旧智能手机拆解深度优化方法。构建了拆解利润模型、拆解时间模型和拆解能耗模型并确立拆解深度优化目标,利用改进教与学优化算法求解得到一组最优的拆解深度解集。以小米5手机的拆解过程研究为例,验证了提出的拆解深度优化方法的有效性;结果表明提出的拆解深度优化方法的最优解搜寻能力和收敛速度均得到增强。

废旧智能手机拆卸可行性的价值评估模型与方法

为解决废旧智能手机造成的环境污染及资源浪费问题,提出了废旧智能手机拆卸可行性价值评估模型与方法。以“小米3”智能手机拆卸和回收为例,基于智能手机分层树拆卸模型生成拆卸序列,建立拆卸和回收利润模型。提出价值评估方法,对手动拆卸和自动化拆卸两种拆卸方式下的废旧智能手机拆卸和回收价值进行评估,结果表明,自动化拆卸的回收利润远高于手动拆卸。

基于多种群遗传算法的废旧手机拆卸序列规划

为解决废旧智能手机对环境的污染问题,高效率求解废旧智能手机完全拆卸序列最优方案,文章针对废旧手机完全拆卸提出一种多种群遗传算法。根据废旧智能手机的连接特点,建立废旧智能手机拆卸混合图模型,并利用该模型描述约束关系,同时考虑紧固件的连接关系;提出一种拆卸可行性评估方法,建立拆卸时间、拆卸利润、拆卸能耗等多目标优化数学模型,并利用多种群遗传算法进行优化分析;以“小米5”手机为例验证提出算法的可行性,并分析多目标不同权重系数对生成结果的影响。结果表明:与人工经验拆卸相比,优化后拆卸手机成本利润提高0.3035元/台,拆卸时间缩短30 s/台,拆卸人工能耗减少0.272 J;多种群比单种群收敛速度更快;相较于并行拆解,废旧智能手机等小型精密电子产品更适合于串行序列拆解。

废旧手机拆解序列生成及优化研究

为解决废旧手机带来的多种环境与资源的问题,本文主要对废旧手机的目标拆解序列规划进行生成优化研究。针对手机零件同时与多个零件相连接的特点,采用适用于手机拆解的有向图拆解模型生成拆解序列,应用连接元胞数组表示连接关系,并依此计算拆解时间,并以拆解时间和拆解利润作为拆解序列的评价指标,用蚁群算法优化拆解序列。同时,以华为P7手机为例进行计算寻优。研究结果表明,有向图拆解模型更适用于手机拆解,与传统拆解模型相比,有向图拆解模型在拆解时间上缩短了23.0%,在单位时间内产生的利润提高了25.7%。该研究提高了废旧手机拆解的拆解利润和拆解效率,为废旧手机拆解商业化提供了理论基础。

应用环境多介质逸度模型研究废旧电器拆解区多溴联苯醚的迁移及归趋

利用Level(Ⅲ)逸度模型模拟了浙东某废旧电器拆解区域多溴联苯醚(PBDEs)3种同系物在大气、水体、土壤和沉积物中的分布及迁移通量.在稳态假设条件下3种PBDEs同系物在环境介质中浓度的模型模拟值与实测值吻合较好,验证了模型的可靠性,通过参数灵敏度分析表明PBDEs的基本性质如蒸气压、正辛醇/水分配系数、在介质中的半衰期是影响化合物在环境相中浓度分布的主要因素.研究发现,在废旧电器拆解区大气中PBDEs对下风向的地区可能造成一定程度的污染;当环境系统达到平衡时,在废旧电器拆解区PBDEs主要蓄积在土壤和沉积物中,占所有环境介质中PBDEs的95%以上,土壤和沉积物是PBDEs污染的重要二次污染源;PBDEs在介质间的迁移以大气-土壤和水体-沉积物途径为主;废旧电器拆解区土壤中降解是PBDEs在环境中消减最主要途径.研究结果将为废旧电器拆解区PBDEs污染的风险评估和控制提供依据.