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.

考虑不定拆卸程度的选择性异步并行拆卸序列规划

针对废旧产品再生过程中常用的选择性拆卸规划方法无法全面考虑所有零部件再生收益的问题,提出了考虑不定拆卸程度的选择性异步并行拆卸序列规划方法。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,在此基础上,以目标件逆向搜索出的最小必拆零件集合为拆卸程度下限,获取不同拆卸程度集合;以拆卸时间最小、拆卸利润最大为优化目标建立了数学模型,提出了一种改进的生物地理学优化算法进行求解优化;结合拆卸序列规划问题特点,设计了基于三层链表的编码方式,采用随机拓扑结构以提高算法的搜索能力;最后以机械臂与二级圆柱圆锥齿轮减速器为实例,验证了所提模型和方法的可行性和有效性。

考虑多目标件的异步并行选择性拆卸序列

基于异步并行拆卸概念,提出一种考虑多目标件的异步并行选择性拆卸序列规划方法。通过对多目标件选择性拆卸问题的分析,基于优先关系获取最小拆卸零部件合集,并构建异步并行选择性拆卸序列规划的数学模型。根据所研究问题改进遗传算法,采用两段式编码与解码方法,融入路径重连思想,以快速寻得最优(近优)解。通过对汽车发动机进行案例分析,并在不同初始条件下对改进遗传算法运行结果进行分析,验证了改进遗传算法的有效性与可行性。

基于分布估计算法的并行拆卸序列规划研究

针对目前并行拆卸效率低的问题,对产品的拆卸模型的构建方法、编码与解码以及分布估计算法进行了研究,提出了一种基于分布估计算法的并行拆卸序列的规划方法。通过构建层次拆卸任务图,表达了零件间的拆卸优先关系,并存储了层次拆卸任务图的邻接矩阵;以邻接矩阵为依据,采用自然数编码方法进行了编码,并运用了扫描解码方法进行解码;建立了合适的分布估计算法的概率模型和更新方法,以最小化拆卸完工时间为优化目标,通过不断迭代获取了并行拆卸的最优解,通过实例验证了算法的正确性。研究结果表明:该方法在求解的质量和效率之间取得了很好的平衡。

支持再制造的选择性并行拆卸序列规划方法

选择性并行拆卸是再制造的关键步骤,为提高再制造拆卸效率,提出一种基于遗传算法的选择性并行拆卸序列规划方法.根据产品拓扑结构和拆卸优先级关系构建了产品拆卸混合图模型,并表示为关联矩阵、邻接矩阵和约束矩阵;提出了目标驱动推演法的目标组件初始拆卸解集合获取方法,由此构建初始种群,并利用关联矩阵剔除不合理解,以提高算法的收敛速度;改进了选择、交叉、变异等染色体进化规则,由此求出了目标组件(近似)最优的并行拆卸序列.最后,通过实例验证了该方法的可行性和有效性.

多重故障驱动的再制造并行拆卸序列规划方法

为了克服由故障导致的连接失效、不可拆卸对拆卸序列的影响,提出多重故障驱动的再制造并行拆卸序列规划(RPDSP)方法.通过分析零件的不可拆卸性以及故障特征,构建层次式多重故障传递链模型,描述产品零部间的故障类型、故障程度、报废程度、回收决策、拆卸模式等信息.为了方便计算机编程,应用多色集合理论对模型进行数学描述,映射为多重故障信息传递多色模型,通过多色推理识别出零部件的拆卸模式.将零件故障信息融入拆卸模型,建立可破坏性拆卸信息模型,并推导出可拆卸性条件.为了表示零件可破坏信息,提出包含拆卸节点层和破坏约束层的多层染色体编码方法.设计考虑零部件回收决策的初始种群获取方法以剔除不合理序列,通过选择、交叉、变异等进化机制实现多重故障驱动的可破坏再制造并行拆卸序列寻优.以波轮式洗衣机为案例验证所提方法的可行性和有效性.