基于广义CAD模型的汽车产品拆卸规划

提出了从汽车产品的广义CAD装配模型中抽取产品拆卸信息的方法,以支持产品生命周期的全过程.首先给出了关于产品装配体可拆卸性及拆卸过程的假设条件和零件合并定理,建立了适用于商用CAD软件Pro/Engineer环境下的产品拆卸规划算法和产品路径规划算法.然后提出了一种改进的干涉检查方法,通过投影方法将三维干涉检查问题转换为二维干涉检查问题,利用多段直线的组合来近似实际的拆卸路径.以汽车的主减速器及重型越野车的驱动桥为例,在PTC公司的三维实体造型软件Pro/Engineer的开发平台下对产品的CAD模型进行定义与约束,建立了产品的广义装配模型,经过二次开发构建了广义CAD模型的装配/拆卸分析系统,可以对产品的装配/拆卸进行动态仿真分析.

部分破坏拆卸模式下拆卸规划

为了对产品进行拆卸规划,基于装配有向图提出一种部分破坏性模式下的拆卸规划方法。通过装配有向图表达产品零部件间的装配关系,并在此基础上构建装配关系矩阵、装配连接矩阵和可达矩阵。由矩阵遍历和运算获得产品装配结构、装配深度等信息,并根据这些信息确定被破坏对象,最终完成部分破坏性拆卸模式下拆卸规划过程。将上述理论应用于摩擦驱动装置拆卸规划中,其结果验证了理论分析的有效性和正确性。

基于最大回收利润的产品拆卸规划的研究

基于最大回收利润的拆卸规划的确定,是一种综合考虑拆卸成本和回收利益来进行拆卸过程优化的方法。拆卸方向的自动生成是拆卸分析中的重要问题,它仅依赖装配体的配合面。其回收利润由拆卸成本、回收收益、焚烧填埋费用3部分组成。基于最大回收利润的拆卸规划,可采用扩展的动作序列图代替现用的AND/OR图,建立包括起点、选择、分离、拆卸、终点等5种动态的拆卸过程模型,并对其寻优以实现。利用该方法,设计者可获得拆卸过程如何选择、拆卸操作是否继续等可拆卸性设计信息,利于决策。

拆卸与或图模型中的稳定性拆卸规划方法

拆卸稳定性问题是装配拆卸过程中的一个重要问题。提出根据与或图模型,通过联接支持关系矩阵进行稳定性拆卸规划的方法。开发了基于SolidWorks的稳定性规划系统,保证了拆卸过程规划模型的正确性,对装配稳定性判断具有一定的应用价值。

基于自适应粒子群的产品再制造拆卸规划

采用干涉矩阵和拆卸深度矩阵建立拆卸模型,给出可行拆卸序列生成方法,产生了拆卸可行域.设计一种自适应粒子群算法,该算法基于锯齿波提出惯性权重因子周期线性衰减,实现全局与局部搜索的平衡,给出适应变异策略,避免陷入局部最优解.针对拆卸序列规划问题,使用拆卸序列可行链表对粒子编码,构建区段拆卸序列,应用到粒子变异和基于浮动窗口的粒子更新中,保证每次迭代后粒子序列的可行性,避免对不可行序列的判断,提高了求解效率.通过一个典型实例,验证了该方法的有效性.

考虑协作度的双人异步并行拆卸序列规划

为降低飞机运营中维修成本,减少拆卸时间,使双人拆卸更加灵活、高效,提出协作度概念,建立了考虑协作度的双人异步并行拆卸序列规划模型。使操作者在优先约束下产生的闲置时间加入另一操作者进行协作。设计适用的算子编码、解码方案以及进化规则,提出了适用于模型求解的遗传-粒子群算法;最后以起落架拆卸为例,在MATLAB软件上进行算例验证,与文献方法进行对比,计算结果表明采用考虑协作度的双人异步并行拆卸序列耗时更短,本文建立的模型可有效减少民航业大量的维修工作在拆卸中所耗时间,降低人力成本。

不确定条件下的多目标件选择性拆卸序列规划模型

因进入生命终端的报废汽车质量已发生较大变化,科学合理地处理拆卸过程的不确定性更加贴合工程实际。由此,以高效、合理地拆卸废旧汽车中的零部件为目标,考虑零部件质量状态和连接关系的不确定,采用概率分析法对拆卸方式进行改进,融合破坏性拆卸和非破坏性拆卸两种拆卸方式,构建了不确定条件下的多目标件选择性拆卸序列规划模型。最后基于GAMS平台进行了实例分析,验证了其可行性和实用性。

面向复杂机械产品的目标选择性拆卸序列规划方法

为提高复杂产品目标选择性拆卸序列规划的效率,基于自底向上的思想,提出一种拆卸混合图和粒子群算法相结合的方法。为了表达产品零部件间的内部约束和拆卸优先关系,建立产品拆卸混合图模型,并推导出可拆卸性约束表达式。基于粒子群优化算法,给出目标选择性拆卸序列规划问题的数学描述和粒子适应度计算公式。利用图深度搜索算法确定拆卸目标位置,并设计目标驱动递归推理法生成可行目标选择性拆卸序列,以此初始化粒子,通过粒子进化,实现了复杂产品目标选择性拆卸序列最优化的快速求解。以一个全自动洗衣机为拆卸实例,用所提方法进行目标选择性拆卸序列规划求解,通过分析试验结果,证明了该方法的有效性和可行性。

支持复杂产品并行拆卸序列规划的遗传算法

为高效求解复杂产品的并行拆卸序列规划问题,提出基于遗传算法的复杂产品并行拆卸序列规划方法.针对并行拆卸序列规划问题中拆卸序列长度和每步拆卸零部件个数不确定的特点,提出并行序列染色体编码方法,分别将拆卸单元序列和拆卸步长作为染色体的前段和后段,以此表示一个拆卸序列.基于该染色体编码,采用拆卸混合图描述产品零部件间装配约束关系和拆卸优先级,并导出拆卸约束矩阵和邻接矩阵,由矩阵随机获取可行的初始染色体种群;将基本拆卸时间和不可行拆卸惩罚因子作为优化目标来构建适应度函数,确保最优解的可行性;在初始染色体种群的基础上,适应度函数最小为优化目标,通过遗传、交叉和变异遗传算子实现并行拆卸序列的优化.最后通过实例验证了该方法的可行性和实用性.

基于分层结构的拆卸序列规划研究

产品能否方便拆卸直接影响到产品的可回收性。拆卸序列规划是面向拆卸的绿色设计关键技术。通过与无向图的比较 ,提出了一种新的层次结构理论模型 ,给出了生成层次结构模型的方法和拆卸序列规划的生成规则。这种模型更接近拆卸的实际情况 ,大大提高了计算效率 。

基于蚁群算法的产品拆卸序列规划方法

拆卸是回收的前提,为了得到最大的回收效益,对拆卸序列进行规划,得到最优的拆卸序列.根据拆卸的特点构建适合计算和优化的产品拆卸混合图模型,该模型描述了零部件之间的连接关系和优先关系.然后通过几何推理方法产生所有可行的拆卸序列,建立目标函数并构建适合拆卸序列规划的蚁群算法:设计了满足连接关系和优先关系的可拆卸零件搜索空间,得到最优或接近最优的拆卸序列.最后通过实例验证了该方法的实用性和可行性.

基于蚁群算法的单目标选择性拆卸序列规划研究

根据选择性拆卸的特点,介绍了基于混合图的选择性拆卸模型。该模型描述了零件间的接触连接关系和非接触优先关系。基于混合图模型,以单个零件为目标推理生成选择性拆卸序列解空间;然后结合蚁群算法,从所有可行序列中搜索最优或接近最优的单目标零件选择性拆卸序列。最后,通过实例说明该方法的可行性和有效性。

基于改进人工蜂群算法的产品拆卸序列规划

为了提高复杂产品拆卸序列规划效率,提出了一种改进的人工蜂群算法用于此类问题求解。通过拆卸混合图表达产品零部件之间的连接关系和优先约束关系,并推导出可行拆卸序列的约束表达式,建立拆卸序列规划数学模型和适应度计算公式。对初始种群进行了优先约束规划,提出一种可行度算法用于蜂群对蜜源的搜寻与选择。定义了自适应选择参数、动态平衡可行度与适应度算法的优先配比,以实现复杂产品拆卸序列规划的快速求解。最后以内啮合齿轮泵为实例,利用所提方法进行了拆卸序列规划求解,通过分析实验结果,并对比传统人工蜂群算法,证明了该方法的可行性和高效性。

一种基于运动规划的选择拆卸序列规划技术

选择拆卸序列规划是产品维修或回收的重要环节,针对目前选择拆卸序列规划算法中自动化程度较低的问题,提出一种基于运动规划的选择拆卸序列规划方法。该方法首先根据复杂产品中零件数量繁多,形状不规则的特点,采用基于自适应动态多树的快速扩展随机树(Rapidly-exploring random tree,RRT)算法对零件进行运动规划。在此基础之上,通过对装配体进行自动分层处理,分析零件间拆卸约束关系,构建装配体的拆卸约束关系图。最后通过对拆卸约束关系图的分析处理,获得目标零件的选择拆卸序列。以某底盘的目标零件为例,对提出的算法进行了验证。

基于工程语义信息的拆卸序列规划算法研究

为了解决拆卸序列规划理论算法存在的求解空间过大的问题,提出一种基于工程语义信息的规划算法。该算法借助装配约束条件、拆卸干涉状况等工程信息,实施产品拆卸顺序生成和路径推理,直接排除从工程角度不可能的拆卸序列,达到缩减求解空间的目的。保证了算法同工程实际的一致性,提高了其实际应用和软件编程能力。

基于贪婪算法的产品拆卸序列规划

分析了产品实际拆卸过程中的不确定性,将实际产品拆卸序列规划转化为一类贪婪算法求解问题。以最少工具更换次数为指标,构建了基于贪婪算法的产品拆卸序列规划调整的贪婪准则,进而给出了产品拆卸序列规划调整流程。最后,通过一个简化的计算机主机箱的拆卸说明该方法的可行性和有效性。

基于模拟退火粒子群优化算法的拆卸序列规划

文章将模拟退火粒子群优化算法应用于拆卸序列规划求解过程,基于拆卸约束图构建了产品结构表达模型,将拆卸过程相关信息赋予拆卸约束图的节点与边,定义了判断拆卸序列优劣的适应度函数,将算法与模型进行了映射;最后以某款料理机主机体为例,运用模拟退火粒子群优化算法求解其拆卸序列,并与单一粒子群优化算法相比较,验证了该算法的有效性。

基于蚁群算法的产品拆卸序列规划研究

为了能以较高的效率求解出产品拆卸序列的方案,首先阐述了拆卸可行性信息图的概念,将产品的拆卸序列规划问题转述成对该加权有向图中具备最优值的路径搜索和寻优问题。提出了一种蚁群优化算法,并结合对产品元件的拆卸路径求解工具,以实现对产品拆卸可行性信息图的构建和对拆卸方案的搜索和寻优。蚂蚁的一条遍历路径代表了一个描述产品元件拆卸的方案;蚂蚁已经遍历过的路径上代表可行操作的节点数决定了其留下的信息素。启发式信息的求解分为两个部分,包括了确定启发式向量和求出启发式信息值,它们分别表征了方案的可行性及其优异程度。最后,通过一个实例,验证了这一方法的可行性及其计算效率。

基于不确定规划的产品拆卸序列规划

分析了产品拆卸序列规划中的不确定性,在基于混合图的产品拆卸模型的基础上,将产品拆卸序列规划转化为一类不确定规划问题。以机会约束规划模型为基础,使用模拟退火算法,给出了基于不确定规划的产品拆卸序列规划求解流程和算法。最后,通过一个简化的计算机主机箱实例说明了方法的有效性及优越性。

虚拟装配中拆卸序列规划算法的研究与实现

为了解决装配体拆卸序列的生成与优化问题,利用零件的拆卸约束关系,建立了矩阵表达的包括几何约束、拆卸工具约束以及稳定性约束的多目标数学模型。利用干涉矩阵确定可行的拆卸方向,利用支撑矩阵分析拆卸过程的稳定性,利用拆卸工具列表分析拆卸过程中所用的拆卸工具。在运用蚁群算法寻求最优的拆卸序列过程中,加入方向变化因子、工具变化因子和稳定性因子,对拆卸转移概率公式进行了改进,通过更新局部和全局信息素,指导算法快速寻找最优解,最后以动车组转向架轮对作为实例验证了算法的可行性。