基于价值评估的废旧产品拆卸序列与拆卸深度决策

为解决拆卸序列规划(disassembly sequence planning,DSP)中存在的复杂模型构建难题、组合爆炸以及拆解深度决策不合理等问题,提出了一种基于知识图谱属性图模块化的改进方法实现废旧产品拆卸信息的获取,并提出了一种基于剩余回收效益评估的拆解序列与拆解深度综合决策方法。首先,通过分析废旧产品的拆卸特征以及产品内部零部件的信息和拆卸联接关系,构建支持拆解的模块化属性图模型;[JP2]其次,采用组合赋权及改进的TOPSIS灰色关联分析法构建了零件回收综合评价模型的多属性决策模型,对产品综合内部零部件剩余回收效益进行排序;再次,提出了基于改进遗传-粒子群算法的完全拆解序列生成方法,并结合剩余回收效益值进行废旧产品零件的拆解深度决策。以废旧汽车动力电池包为例对上述模型和方法进行了验证,证明了该方法的可行性和高效性。

考虑零件功能性削减的多目标拆卸方案决策

为解决零件价值高低界限模糊、废旧产品拆卸深度不合理的问题,提出一种考虑零件功能性削减的产品多目标拆卸方案决策方法。分析零件具体损伤对拆卸工具、方向、约束状态的影响,建立损伤情况下的拆卸信息模型;结合各损伤形式对零件接触面功能性的削减作用,提出一种考量零件在产品中综合重要性的剩余价值排序方法,并由此建立一种动态的拆卸目标件选取模型;面向拆卸过程的经济性,建立包含“价值构成”和“成本构成”的目标函数,采用自适应遗传算法进行序列规划求解,并反向决策零件的回收去向;以受损的减速器为例,获得产品的最佳拆卸深度和各零件的回收去向,充分挖掘零件的利用价值,验证所提方法的经济性与科学性。