基于智能优化算法的机电产品拆卸过程规划研究
作者单位:内蒙古工业大学
学位级别:硕士
导师姓名:薛俊芳;高培军
授予年度:2017年
学科分类:12[管理学] 083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:随着科技的发展,人们的生活水平不断提高,机电产品的更新换代也越来越快,报废处理问题随之而来,对报废产品进行回收不仅可以保护环境,还能节省资源。而拆卸是回收的前提,用合适的拆卸方案对废弃的机电产品进行拆卸,能提高拆卸效率,提升拆卸收益。拆卸序列规划是拆卸问题中的重要内容,拆卸序列规划问题在数学上属于NP-完全型,即随着产品复杂度的提高,对产品拆卸过程进行规划将变得异常复杂和困难。本研究针对复杂机电产品拆卸序列规划问题,利用智能优化算法进行求解,提高产品的拆卸效率。本文的主要研究内容包括以下四个方面:(1)本文首先介绍了拆卸的概念和类型、产品的拆卸信息、拆卸信息模型的分类等内容,在分析已有模型的基础上,对常规的拆卸信息模型进行改进,将拆卸对象、拆卸方向、约束类型、拆卸工具、拆卸成本等信息进行处理加入到改进后的拆卸信息模型中,极大的丰富了产品的拆卸信息。并对这些信息进行了数字化处理,以便于计算机程序读取,为接下来利用智能算法对拆卸序列的求解和优化打下基础。(2)介绍了智能优化算法的特点,具体介绍了蚁群算法的原理、数学模型,针对基本蚁群算法的不足,增加了蚂蚁路径的约束,改变了信息素更新机制,提出以拆卸优先约束矩阵为基础的改进蚁群算法,并使用MATLAB进行编码,以某型号洗衣机为例进行了验证。试例结果证明了改进蚁群算法的可行性。(3)介绍了标准遗传算法的原理和数学模型以及在拆卸序列规划方面的研究和应用,并针对其在早熟收敛和局部搜索方面的不足,对遗传算法的基因组编码方式、遗传算子和一般流程进行了改进,提出了基于拆卸优先约束矩阵的自适应遗传算法,并针对某型号洗衣机实例,使用MATLAB进行算法的具体编码和计算,取得了良好的结果,证明了该改进算法的可行性和有效性;并对蚁群算法和遗传算法改进前后的优化结果进行分析比较。(4)针对拆卸方案的评价问题,提出了基于理想度公式的多指标评价体系,综合考虑产品拆卸时的技术性、经济性、环境性等影响,建立拆卸序列评价指标体系。在用智能算法进行产品的拆卸过程规划的基础上,针对搜索到的少数几条可行拆卸序列进行分析,并进行多指标综合评价,从而得到综合指标优化的拆卸序列。为拆卸序列的评价问题提供了一种可行、有效的方法。