导读:本文包含了选择性拆卸论文开题报告文献综述及选题提纲参考文献，主要关键词:再制造,故障特征,关联度矩阵,故障拆卸混合图模型
选择性拆卸论文文献综述
杨得玉,徐志刚,朱建峰,苏开远,刘维民[1]（2019）在《考虑产品故障特征的目标选择性拆卸序列规划》一文中研究指出针对实际拆卸过程中产品质量的不确定性和模糊性问题,特别是产品普遍存在的故障问题,对拆卸序列方案选择的影响,提出了考虑产品故障特征的目标选择性拆卸序列规划方法.为便于表达产品拆卸信息,构建了拆卸混合图模型;通过提取产品故障特征,构建了产品故障矩阵,并运用专家意见法推导了零部件故障特征与拆卸模型元素的关联度矩阵;为更新拆卸混合图模型,运用模糊叁角函数确定了零部件故障特征对拆卸模型元素的影响度,并根据影响度和专家阈值对拆卸模型元素与拆卸信息进行修正以得到故障拆卸混合图模型;最终,基于产品的故障拆卸混合图模型结合拆卸序列优化算法生成了最优的拆卸序列方案.本文以涡轮减速器为例对所提方法进行了验证,结果表明该方法更切合实际的拆卸过程,较好地解决了产品故障对拆卸造成的模糊影响,极大地提高了拆卸序列方案的可行性和拆卸效率,降低了拆卸的盲目性,案例证明所提方法对于解决拆卸序列规划问题更切实有效.(本文来源于《哈尔滨工业大学学报》期刊2019年07期）
朱卓悦,徐志刚,沈卫东,杨得玉[2]（2018）在《基于遗传蝙蝠算法的选择性拆卸序列规划》一文中研究指出针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.(本文来源于《浙江大学学报(工学版)》期刊2018年11期）
邓明星,王菊梅,唐秋华,张利平[3]（2018）在《基于蚁群算法的选择性拆卸序列规划研究》一文中研究指出为提高选择性拆卸序列规划的效率,提出了基于蚁群算法的选择性拆卸序列规划方法.建立混合优先关系图,表达了产品各零部件间的几何约束关系和拆卸过程中的稳定性影响.针对拆卸目标件,基于混合优先关系图获取拆卸零件集合,保证准确、快速地拆卸目标零件.运用动态候选集合策略限制蚁群的搜索空间,构建了能快速求解的目标件拆卸序列规划方法.最后通过实例验证了所构建方法的有效性和可行性.该方法充分考虑装配过程中的几何关系约束和装配过程中稳定性的影响,使所得解更具有实际指导意义.(本文来源于《武汉大学学报(工学版)》期刊2018年03期）
田永廷,张秀芬,徐劲芳,李治国[4]（2018）在《支持再制造的选择性并行拆卸序列规划方法》一文中研究指出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.(本文来源于《计算机辅助设计与图形学学报》期刊2018年03期）
郭希旺,刘士新,王大志[5]（2016）在《多目标选择性拆卸序列优化问题的分散搜索算法》一文中研究指出针对多资源约束下顺序依赖的选择性拆卸序列优化问题,建立以最大拆卸收益和最小拆卸时间为优化目标的多目标数学模型,提出了一种多目标分散搜索优化算法进行求解.该算法针对本文问题的特点设计了一种保持足够多样性的初始解生成方法,满足拆卸优先关系的交叉组合算子以及改进的参考集更新策略.为了进一步提高解的质量设计了一种局域搜索策略,并利用外部存档方法存放pareto解集.应用多组实例进行计算实验,并与其他求解该问题的算法进行比较,实验结果表明本文算法优于对比算法,证明本文模型和算法求解本类问题有效.(本文来源于《系统工程学报》期刊2016年03期）
吴兆仁[6]（2015）在《基于自动建模的选择性拆卸序列规划研究》一文中研究指出随着我国制造业的飞速发展,自然资源的消耗速度正在逐年增长,由此产生的资源不足和环境污染问题对制造业可持续发展战略构成严重的威胁。对废旧机电产品进行拆卸回收是实现绿色制造和可持续发展的重要策略之一。作为产品回收研究领域的核心问题,废旧机电产品拆卸序列规划旨在提高拆卸效率,减小拆卸成本,同时对于解决废旧产品堆积所引起的资源浪费、环境污染、占用空间等问题具有十分重要的意义。拆卸序列规划是指以报废产品的结构、材料等信息为基础,制定出满足一定条件的零部件拆卸顺序并进行优化的过程。目前大多数研究学者在进行拆卸序列规划时着重于以图模型为基础利用智能算法进行搜索,并以路径最短等指标为依据进行优化得到最佳序列。由于在图模型的建立过程中依靠手工推导,引入了大量的主观性因素、序列搜索算法较为复杂导致了工程实用性的不足。针对人工推导建模的不足,本文提出了以产品CAD模型为基础进行拆卸信息模型自动构建的方法。首先通过对当前研究中的产品拆卸信息模型进行总结与分析,提出了以混合图模型为基础自动建立拆卸信息模型的方法,即以产品CAD模型的配合信息为基础建立拆卸邻接信息矩阵,利用干涉检查工具对零件移动过程的干涉信息进行提取分析建立优先信息矩阵。同时对产品中被包容零件与周边零件的优先关系判定方法进行了研究,提基础了基于拆卸可达性的优先关系判定方法,并通过引入启发式搜索算法对被包容零件在空间中拆卸路径进行搜索。为了解决当前对拆卸成本建模研究中的不足,本文提出了基于模糊聚类的拆卸序成本建模方法,利用模糊聚类建立面向连接的拆卸成本等级函数,以成本等级为指标对拆卸序列进行模糊评价,选取最佳的拆卸序列。该方法解决了因拆卸过程中存在大量的随机性因素导致拆卸成本无法精确计量的问题。首先对拆卸过程中典型连接的拆卸成本进行分析,将拆卸成本进行细化,以资源消耗、时间、工具费用、能源消耗等指标为基础进行分析;其次,对若干拆卸操作进行指标数据采集,建立样本空间;进而通过模糊聚类分析的规范化、标定化以及模糊关系构建等特性建立不同拆卸成本等级的模糊论域。最后对上述研究内容进行了综合应用,提出了基于禁忌算法的选择性拆卸序列规划方法,对模糊论域与禁忌算法在拆卸序列规划中的综合应用方法进行了介绍,并设计了原型系统,进行了实例研究,验证了理论的可行性。(本文来源于《中国矿业大学》期刊2015-05-01）
丁勇,孙有朝[7]（2011）在《基于规则的递归选择性拆卸序列规划方法》一文中研究指出拆卸序列规划是产品维修性设计的一个重要内容。然而完全的拆卸序列通常是不实际的。选择性拆卸序列规划方法强调从产品中选择一个或多个零件用来维护。本文提出一个基于规则的递归方法用来生成拆卸序列。大多以前的方法枚举出所有的拆卸序列或利用随机的方法生成拆卸序列。相反,本文提出的方法利用规则消除那些不可能的拆卸序列。最后,结合机动煞车给出了应用实例,验证本文方法的有效性。(本文来源于《飞机设计》期刊2011年06期）
张秀芬,张树有,伊国栋,楼锡银[8]（2010）在《面向复杂机械产品的目标选择性拆卸序列规划方法》一文中研究指出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。(本文来源于《机械工程学报》期刊2010年11期）
闵少松,朱晓军,朱锡[9]（2010）在《有限空间装配体选择性拆卸研究》一文中研究指出在分析现有聚类拆卸方法的基础上,针对有限空间选择性拆卸的特点提出选择性拆卸中最小聚类零件集概念,并将无向图(产品结构网络图)和有向图(拆卸稳定图)相结合,给出求解有限空间中进行选择性拆卸时最小聚类零件集的算法,同时给出了有限空间寻找最优拆卸序列的方法。利用该算法对减速齿轮箱的选择性拆卸进行计算,结果表明,利用该算法得出的最小拆卸零件集进行聚类可以提高聚类计算效率。(本文来源于《船海工程》期刊2010年02期）
曾北昌,倪俊芳,顾军[10]（2010）在《面向机电产品回收的选择性拆卸技术》一文中研究指出合理选择拆卸方法是提高废旧机电产品回收率的重要保证。研究和构建了机电产品面向回收的选择性拆卸模型,提出了绿色制造系统的优选方法,同时通过废旧产品选择性拆卸的递归算法,以BD-148冰柜产品作为实例研究,最终获得最经济的回收方案。(本文来源于《机械设计与制造》期刊2010年01期）
选择性拆卸论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
选择性拆卸论文参考文献
[1].杨得玉,徐志刚,朱建峰,苏开远,刘维民.考虑产品故障特征的目标选择性拆卸序列规划[J].哈尔滨工业大学学报.2019
[2].朱卓悦,徐志刚,沈卫东,杨得玉.基于遗传蝙蝠算法的选择性拆卸序列规划[J].浙江大学学报(工学版).2018
[3].邓明星,王菊梅,唐秋华,张利平.基于蚁群算法的选择性拆卸序列规划研究[J].武汉大学学报(工学版).2018
[4].田永廷,张秀芬,徐劲芳,李治国.支持再制造的选择性并行拆卸序列规划方法[J].计算机辅助设计与图形学学报.2018
[5].郭希旺,刘士新,王大志.多目标选择性拆卸序列优化问题的分散搜索算法[J].系统工程学报.2016
[6].吴兆仁.基于自动建模的选择性拆卸序列规划研究[D].中国矿业大学.2015
[7].丁勇,孙有朝.基于规则的递归选择性拆卸序列规划方法[J].飞机设计.2011
[8].张秀芬,张树有,伊国栋,楼锡银.面向复杂机械产品的目标选择性拆卸序列规划方法[J].机械工程学报.2010
[9].闵少松,朱晓军,朱锡.有限空间装配体选择性拆卸研究[J].船海工程.2010
[10].曾北昌,倪俊芳,顾军.面向机电产品回收的选择性拆卸技术[J].机械设计与制造.2010