一、机电产品的拆卸与回收性能分析（论文文献综述）
孟伟[1]（2021）在《退役机电产品不同布局再制造生产线多目标优化方法与系统研究》文中提出我国退役机电产品不断激增导致环境问题日益突出,再制造是实现节能减排的有效途径之一。如何降低再制造成本、提高生产效率一直是再制造企业面临的重大挑战。拆卸和再制造修复是再制造的关键环节。再制造拆卸线、再制造修复生产线为主的再制造生产线优化旨在实现废旧产品再制造过程的合理调度,对于减少再制造成本、提高生产效率和资源回收率等具有重要意义。现有研究忽略了退役机电产品失效模式、种类不确定等约束,造成再制造生产线优化结果与实际情况有出入。为此,本文研究了考虑零部件多重失效特征与材料危害的单品种直线式再制造拆卸线平衡优化、多品种并行局部混流式拆卸线平衡优化、废旧零部件再制造修复生产线规划等问题,主要完成了以下工作:（1）为降低再制造拆卸线成本,提高环境可持续性和拆卸效率,以单品种直线式再制造拆卸线为对象,构建了考虑多重失效和物质危害的多约束再制造拆卸线平衡模型,并应用改进的（Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ）算法进行了快速求解。（2）针对退役机电产品回收种类多且零部件数量不确定性问题,提出了并行局部混流式再制造拆卸线布局形式,通过拆卸任务层次化分配实现了多种产品并行局部混流拆卸任务分配,并提出分段式多目标非支配排序遗传优化算法,提高了生产效率。（3）提出基于仿真法的零部件再制造修复生产线优化方法。通过对已有的零部件再制造修复生产线进行仿真分析,发现该系统存在质量不确定性、工位堵塞等问题,以连杆为对象,提出增设检验工序和平衡生产线的新方案,制定了以时间为基准的轮班制度以模拟实际工况下的轮班制度。（4）基于MATLAB开发了再制造生产线优化原型系统,并以数值案例、34拆卸任务发动机、帕萨特汽车发动机及发动机连杆为例,验证了本文所提方法的可行性和合理性。
常艳茹[2]（2021）在《废旧机电产品的可拆卸性分析及拆卸设备设计方法研究》文中研究表明目前,我国机电产品报废量不断增大,造成资源浪费的同时也给环境带来了很大的压力,如果能对废旧产品进行有效回收,不仅可以节约资源,还能有效避免环境危害的问题。为促进废旧产品资源化,可持续发展、再制造工程应运而生。拆卸作为再制造工艺流程中的第一步,也是保证再制造后续过程高效进行的关键环节。就拆卸而言,一方面产品自身可拆卸性能的好坏决定了拆解整个产品的难易程度,是实现产品拆卸最关键的特性。另一方面高效的拆卸过程直接影响产品再制造的后续工艺的有效性。因此,对产品可拆卸性能及拆卸设备设计方法进行研究具有现实意义。本文提出了基于多色集的产品可拆卸性分析方法及基于模糊神经网络的零件可拆卸性分析方法,对零件的可拆卸性设计具有一定指导意义。同时提出系统化的拆卸设备概念设计方法可指导专用拆卸设备的设计,提升产品拆卸的自动化水平,提高拆卸效率。本文的主要研究内容如下:1、提出基于多色集的产品可拆卸性分析方法。系统性地分析产品生命周期中的拆卸要素,将其划分为零件层、拆卸层、评价层,构建多层次拆卸信息传递链模型,基于多色集合理论建立层次式拆卸信息传递的多色模型,利用多色推理技术求解产品的拆卸过程,并对产品的可拆卸性进行评价。2、提出基于模糊神经网络的零件可拆卸性分析方法。研究废旧机电产品的零件设计特征、零件损伤特征对零件可拆卸性能的影响,根据零件特征具有不确定、模糊性的特点,以拆卸时间为评价指标,以零件特征为输入,拆卸时间为输出,构建模糊神经网络,对零件可拆卸性进行量化评估。3、提出废旧产品拆卸设备的概念设计方法。结合机械产品设计的一般流程,对拆卸设备的各个设计域进行建模,并建立设计域之间的映射求解规则,利用功能表面重构原理对拆卸设备执行结构进行求解;并提出基于自动机的拆卸传动方案求解方法,建立了拆卸设备概念设计流程。4、以自行车飞轮拆卸为例,设计其自动化拆卸设备,验证所提拆卸设备的概念设计方法的有效性。
杜泽瑞[3]（2021）在《面向价值回收的废旧智能手机拆卸序列规划研究》文中研究表明拆卸和回收是许多信息和通信技术产品生命周期中最重要的两个步骤,废旧电子产品的快速增长促使人们越来越多地开发以材料回收和部件再利用形式的产品回收技术。由于智能手机是最受欢迎的电子设备之一,但使用寿命较短,因此它们是废弃电子电气设备增长速度最快的产品,废旧智能手机拆卸和回收问题迫切需要得到妥善解决。然而,目前几乎还没有废旧智能手机拆卸序列规划的研究,为提高废旧智能手机的拆卸效率和回收价值,提出了一种面向价值回收的废旧智能手机拆卸序列规划研究方法。具体工作内容如下:（1）建立了废旧智能手机的混合图拆卸模型,将连接件作为准零件参与建模。以拆卸时间和回收利润作为优化目标,建立双目标优化数学模型,同步考虑了影响拆卸时间和回收利润的多个指标。（2）设计了两种优化智能手机拆卸序列的改进算法,分别为改进双种群遗传算法和改进遗传-粒子群混合算法,阐明了两种改进算法在求解智能手机拆卸序列方面的适用性和优越性,选择“Android系统”智能手机和“i OS系统”智能手机进行实例验证,验证了该方法的可行性和优越性。对于“小米3”智能手机,两种改进算法与经验拆卸和遗传算法相比,辅助时间分别减少了35.9%和13.8%,回收利润分别增加了7.8%和2.0%;对于“i Phone6”智能手机,辅助时间分别减少了50.8%和17.1%,回收利润分别增加了6.6%和1.3%。敏感性分析结果表明,对于废旧智能手机的回收利润,影响最大的是回收收入,其次是购买价格,影响最小的是拆卸成本。（3）对废旧智能手机的拆卸设备进行了整体设计,建立了拆卸设备的三维模型,完成了拆卸设备的设计方案,设计了各部分执行机构的结构,阐述了拆卸设备的实施工艺。该研究为废旧智能手机的拆卸和回收问题提供了解决方案,提高了废旧智能手机的拆卸效率和回收价值,实现了废旧智能手机的循环再利用,该研究结果也为智能手机新产品的绿色设计提供了理论支持。
王林[4]（2020）在《基于绿色设计的机电产品研究》文中研究指明生态环境的严重污染,直接影响着人们日常生活质量水平,因此人们也提高了环境保护意识,机电产品的生产制造应该以绿色环保为目的。本文主要概述了机电产品绿色设计与制造的意义,提出机电产品绿色设计理念,最后提出机电制造和产品绿色设计方法。
朱建峰[5]（2020）在《面向再制造的机电产品拆卸序列规划及目标检测研究》文中研究指明再制造是废旧资源循环利用的重要手段,而拆卸是再制造的重要环节,科学的拆卸方法可有效的提高再制造效率。拆卸序列规划（Disassembly Sequence Planning,DSP）作为一种寻求产品最优或近似最优拆卸序列的方法,好的DSP方法可有效提高拆卸效率和降低拆卸成本。本文针对再制造中DSP的特点及目前存在的拆卸自动化水平不高的问题,进行了面向再制造的机电产品拆卸序列规划与目标检测研究,主要研究工作如下:（1）基于紧固件约束矩阵和零件约束矩阵构建产品拆卸信息模型,推导可行拆卸条件并构造可行解;以拆卸时间最小化和拆卸受益最大化作为优化目标,同时构建多目标件选择性拆卸序列规划数学模型,结合Pareto思想构建多目标改进蛙跳算法,提出基于多目标蛙跳算法的多目标件选择性拆卸序列规划方法。（2）针对异步并行拆卸序列规划问题,以拆卸人员为研究对象,以拆卸完工时间最小化为优化目标,构建多人多目标件的选择性异步并行拆卸序列规划的数学模型,改进青蛙个体的编码结构、解码方法、局部进化公式及全局信息交互方式,提出基于改进混合蛙跳算法的多人多目标件选择性异步并行拆卸序列规划方法。（3）针对再制造零件的特点,改进YOLOv3中的特征提取网络、锚点框参数、损失函数参数等,提出基于深度学习神经网络YOLOv3的再制造零部件目标检测方法。（4）基于VS2015采用C++编程语言开发了拆卸序列规划和目标检测原型系统,以本文中的拆卸实例为实验对象,实现了多种模式下的拆卸序列自动规划和目标检测功能。
张东杰[6]（2020）在《面向机电产品的绿色设计关联评价模型研究》文中研究说明在产品制造业迅速发展的过程中,资源和能源过度消耗、生态环境破坏严重等一系列问题日趋严重,人类的生存面临着巨大挑战,可持续发展已经成为全球共识。机电产品制造业是我国社会经济发展的重要支撑,其在资源和能源消耗方面所占的比重较大,同时又是环境污染物排放的重要源头。绿色设计是在方案设计过程中充分考虑产品的具体环境属性,对机电产品进行绿色设计可以进一步缓解环境问题,促进产品制造业的可持续发展。本文主要研究机电产品方案设计阶段评价指标关联计算以及绿色设计关联评价模型。通过对宏微特征的概念和内容以及绿色设计评价指标的具体分析,建立了设计特征评价指标体系;对评价指标体系中操作层指标之间的关联关系进行了分析并建立操作层指标关联表达和各关联指标之间的计算函数表达式;结合层次分析算法,建立机电产品绿色设计关联评价模型。具体研究有以下几个方面:（1）通过对宏微特征的概念及其所包含特征信息进行分析,梳理了产品方案设计阶段用于绿色设计评价相关要素,对产品、功能系统、部件、零件之间的隶属包含关系进行了研究,并建立了基于宏微特征的设计方案表达模型。（2）根据建立的基于宏微特征的设计方案表达模型,将产品的生命周期的各项活动表达为面向特征的操作活动。对面向特征的各类操作活动及各操作中的属性指标进行了研究,并对各类操作活动中所涉及属性指标的下级指标进行了细化和整理,建立了设计特征评价指标体系。（3）基于设计特征评价指标体系,对操作层各指标之间的关联关系进行研究并建立指标之间的关联表达。通过分析各关联指标之间存在的关联关系,建立了评价指标关联计算函数表达式。（4）对层次分析算法在方案设计评价中的应用步骤进行了分析,研究了指标特征化和归一化的相关方法和归一基准。结合评价指标关联计算函数,建立了绿色设计关联评价模型。（5）以Y80电动机为研究实例,通过对电动机的设计方案和相关数据的分析整理,应用建立的关联评价模型进行了绿色设计评价,并对评价结果进行了分析,给出了设计方案的改进意见。
丁祎文[7]（2020）在《基于知识图谱的人机协作拆卸知识推荐研究》文中研究说明拆卸是有效处理回收报废产品的关键步骤之一,也是再制造过程中必需的一个环节,现有拆卸方法大多是人工拆卸或者是工业机器人拆卸,在当前的拆卸环境下,工业机器人并不能完全替代人类操作人员。因此,可以引入人机协作的概念来实现一种新型的协作拆卸系统,以提高拆卸系统的灵活性和适应性。在人机协作拆卸过程中,面对复杂的拆卸产品以及拆卸产品的不确定性,人和机器人需要特定的拆卸相关知识和技能来执行拆卸任务。然而目前对于工业机器人知识工程的研究无法有效地管理和利用现有的知识。因此,研究基于知识图谱的人机协作拆卸知识推荐具有重要意义。本文以工业机器人为研究对象,对人机协作拆卸知识建模,提出面向机电产品拆卸任务的知识图谱构建方法,并基于知识图谱提出一种人机协作拆卸知识推荐方法,主要的研究工作如下:（1）面向机电产品拆卸任务的知识图谱构建方法研究。面向机电产品拆卸任务,利用本体描述语言构建人机协作拆卸知识表示模型,提出基于动态描述逻辑和SWRL规则的拆卸知识推理机制。依据拆卸知识表示模型,从大量数据资源中进行拆卸知识抽取、组织和管理,并以图的形式来存储和表示实体以及实体之间的联系,提出基于“数据-信息-知识-智慧”层次模型的知识图谱构建方法,从而实现面向机电产品拆卸任务的知识图谱构建。（2）基于知识图谱嵌入的人机协作拆卸知识推荐方法研究。针对知识图谱中的人机协作拆卸知识需求,利用知识图谱嵌入模型将其向量化表示用于知识推荐,提出一种基于知识图谱嵌入模型的拆卸知识推荐方法。并结合对抗训练思想,提出一种基于生成对抗网络的知识图谱嵌入模型构建方法,利用生成对抗网络中的生成器和判决器对知识图谱嵌入模型进行对抗训练。最后,通过对比实验和结果分析验证所提方法的有效性。（3）基于构建的拆卸知识图谱,设计并开发工业人机协作拆卸知识推荐原型系统,为人机协作拆卸相关资源和拆卸任务提供知识管理和推荐服务。该系统主要包括基于知识图谱的云服务平台,人机协作拆卸资源管理模块,知识推荐模块、拆卸任务模块等。通过对人机协作拆卸任务进行知识推荐,从而指导协作拆卸任务的完成,改善人机交互体验,提高人机协作拆卸效率。
徐鹏程[8]（2020）在《机电产品异步并行拆卸序列规划与评价技术研究》文中进行了进一步梳理机电产品的拆卸是指从产品上系统地分离零件、组件、部件或其他零件集合体的方法,主要目的是对产品零部件进行回收、维修和保养等。对于不同目的的拆卸,产品的拆卸序列均直接影响其拆卸效率和拆卸成本。拆卸序列规划是从产品的所有可行拆卸序列中找出最优拆卸序列,是机电产品拆卸的关键技术之一。本文研究的机电产品异步并行拆卸序列规划及方案评价技术,主要包括基于混合图的机电产品异步并行拆卸建模方法、机电产品异步并行拆卸序列多目标优化求解和基于偏序TOPSIS的异步并行拆卸方案评价方法等。论文主要内容如下:第一章介绍了机电产品拆卸序列规划方法和机电产品拆卸方案评价的国内外研究现状,分析了当前机电产品拆卸序列规划与机电产品拆卸方案评价研究中存在的问题,阐述了本文的研究背景与研究意义,给出了论文的研究内容和组织框架。第二章描述了机电产品异步并行拆卸序列规划问题,提出了机电产品异步并行拆卸信息定义与表达方法,采用基于混合图的机电产品异步并行拆卸建模方法,构建了多操作者异步并行拆卸模型。以锥齿轮减速箱装配体为实例建立了拆卸模型,对提出的基于混合图的机电产品异步并行拆卸建模方法进行了验证。第三章以总拆卸时间、拆卸方向改变次数和拆卸工具更换次数为拆卸目标,构建了机电异步并行拆卸序列规划目标函数。提出了基于INSGA-II多目标优化算法的拆卸序列求解流程,给出了异步并行拆卸序列问题下的染色体编码、种群初始化、交叉、变异等操作实现方法。以锥齿轮减速器装配体为例,对机电产品异步并行拆卸序列多目标优化求解方法进行了验证,通过与NSGA-II算法的对比,异步并行拆卸序列多目标优化求解方法在多样性、均匀性等方面具有比较优势。第四章从拆卸效率和拆卸成本两个方面构建了异步并行拆卸方案评价指标体系,在总拆卸时间、拆卸方向改变次数和拆卸工具更换次数的三个指标基础上,提出并行拆卸下拆卸人工成本指标的定义以及计算方法。采用熵权法确定拆卸方案各个评价指标的具体权重数值,得到拆卸方案评价指标权重顺序。提出了基于偏序TOPSIS的拆卸方案评价流程,仅依赖权重顺序便得到拆卸方案集之间的偏序关系以及对应的哈斯图。以锥齿轮减速箱拆卸序列方案评价为例,对基于偏序TOPSIS的异步并行拆卸方案评价方法进行了验证。第五章根据研究的基于混合图的机电产品异步并行拆卸建模方法、机电产品异步并行拆卸序列多目标优化求解方法、基于偏序TOPSIS的异步并行拆卸方案评价方法等,开发了机电产品异步并行拆卸序列规划与拆卸方案评价系统,介绍了系统的主要功能模块,在卷扬机装配体的拆卸序列规划实例中进行了应用验证。第六章总结了论文的主要研究成果和创新点,对机电产品拆卸序列规划的后续研究方向进行了展望。
蔡宁[9]（2019）在《多约束拆卸线平衡问题的多目标离散果蝇优化与仿真分析》文中认为科技的进步缩短了产品的生命周期,由此产生大量具有资源再生性和环境污染性的退役机电产品,拆卸是实现这些产品回收再利用和可持续发展的重要环节,为推动产品再制造的产业化和规模化,建造高柔性拆卸线是实现高效和批量拆解的必然保障,对拆卸线平衡问题研究是合理规划拆卸方案和提升拆卸作业效率的关键。由于拆卸作业环境的复杂性,基于AND/OR优先关系约束的描述,提出一种新的优先关系矩阵,为了解决实际拆卸线的资源、拆解能耗、平衡性和经济成本问题,综合考虑资源约束、相斥相容约束等多约束条件,建立了最小化工位数、均衡指数、拆卸能耗、资源种类数和拆卸成本的多目标拆卸线数学模型。针对上述所建多目标优化模型,为避免传统求解方法难以协同优化多个冲突目标的不足,结合拆卸线平衡问题的特点和Pareto占优思想,设计了一种融入Pareto思想的多目标离散果蝇优化算法。该算法采用基于任务实数的编码形式,以随机化方法产生初始化种群;为了增加解的多样性,采用双点变异操作执行嗅觉搜索;为解决个体更新的非支配排序问题,采用相异度最大的邻域解替换父代来执行视觉操作;为了增加算法的全局寻优能力,采用四点交叉操作执行全局协作机制;为了提高收敛效果,采用精英保留策略对外部档案中的非劣解进行维护。采用田口实验和统计分析方法确定算法最佳参数组合,对比分析所提算法与已有算法关于测试算例所求结果,验证了算法具有良好的综合求解性能;为克服传统随机算例的局限性,提出一种新随机算例规则,并将所提算法和精确解结果对比,验证了随机算例的可行性,进一步证明了所提算法的求解性能。综合上述理论成果,应用所提算法和模型求解汽车拆卸实例并获得12个非劣解,采用仿真技术模拟各解的拆解量并将其和非劣解的目标值合并,作为综合评价的决策矩阵,采用层次分析法和逼近理想点排序法结合的综合评价模型,筛选出最佳拆卸方案并仿真,找出瓶颈工位和改善点,通过增加缓存区和调整作业时间的方法,重新仿真后发现产量提升幅度为4.53%,设备工作状态利用率均值提高至72.82%。由此可知,本文采用算法优化、仿真分析、多准则决策相结合的技术手段,对拆卸线能够进行合理规划和平衡设计,将理论与实际结合,更能贴近实际拆卸生产,具有较强的理论和应用价值。
姜辉[10]（2017）在《面向机电产品智能拆卸与回收云服务的资源建模及决策方法研究》文中研究说明近年来,随着现代制造信息技术的发展及需求增长,机电产品的制造量大幅度上升。然而,机电产品在废弃后,若无法充分回收,其废弃物容易对环境造成严重影响。为充分调动社会回收资源,形成协同回收体系,使废弃产品有效回收,本文借鉴云制造思想,提出面向机电产品智能拆卸与回收的云服务体系架构,并对其关键技术开展研究,主要工作如下:（1）定义了机电产品拆卸与回收云服务,分析了其虚拟化、协同化、实时化、知识化和开放化等特征;设计了面向机电产品智能拆卸与回收云服务的平台体系架构,探讨了在回收实践中的运行模式和商业模式;（2）基于本体构建产品语义模型,描述了产品概念分类、层次化组织、表明概念实例之间的语义关系;采用语义规则表达了零件的连接关系、几何约束和拆卸工具知识;提出了基于拆卸知识的拆卸方向、拆卸工具和拆卸序列的决策方法,实现了基于拆卸知识语义描述的选择拆卸规划;（3）采用语义方法设计了回收云服务物理资源的本体模型,表达了回收资源的基本信息、服务能力、工作状态和服务质量等概念及其语义关系,由此构建多源、异构回收资源的资源池;综合采用概念匹配和数值参数匹配计算回收资源与服务请求的相似度,并构建了基于性能、可靠性等QOS指标,回收时间、回收成本等数值参数的回收资源评价模型;（4）以最小化拆卸时间和拆卸成本为目标,建立了拆卸云服务组合优化数学模型;基于NSGA-Ⅱ设计了多目标遗传算法求解上述NP-完全问题,提出了"调整算子"对算法改进,由此生成一组Pareto最优的拆卸云服务方案,供使用者根据偏好进行选择;（5）设计了智能产品本体,描述了产品、零件、材料和使用等概念及其语义关系,集成了产品生命周期信息;考虑使用时间、新旧程度和工作载荷等模糊词,设计了基于模糊规则的回收方式决策方法,实现对零件回收方式的决策;基于服务时间、成本、回收收益、服务次数等决策准则,提出了基于灰色评价法的回收云服务物理资源综合评价方法;以扫地机器人的回收云服务为例,验证了基于模糊规则的回收方式决策方法、基于灰色评价法的回收资源综合评价方法,以及基于粒子群优化的拆卸序列生成算法。本文研究了回收知识资源和物理资源的建模及决策方法,使产品的生命周期的信息知识化、透明化;研究成果可为产品设计者、制造者、社会回收站点及相关政府部门提供决策工具;研究方法可以进一步扩展到其他类别产品的回收、重用、再制造等领域,亦可为产品的绿色设计、面向维护的设计等研究提供重要参考。
二、机电产品的拆卸与回收性能分析（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、机电产品的拆卸与回收性能分析（论文提纲范文）
（1）退役机电产品不同布局再制造生产线多目标优化方法与系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 再制造生产线平衡优化国内外研究现状 |
| 1.2.1 再制造拆卸线多目标平衡优化研究现状 |
| 1.2.2 零部件再制造修复生产线优化研究现状 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文技术路线 |
| 第二章 单品种直线式再制造拆卸线多目标优化方法 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 多约束再制造拆卸线平衡优化数学模型 |
| 2.3.1 基于多重失效的再制造拆卸优先级决策 |
| 2.3.2 基于材料危害的再制造拆卸优先级决策 |
| 2.3.3 再制造拆卸优先级决策模型量化方法 |
| 2.3.4 多约束再制造拆卸线平衡优化数学模型的构建 |
| 2.4 基于ENSGA-II的多约束再制造拆解线平衡优化 |
| 2.4.1 染色体编码和解码 |
| 2.4.2 考虑多重失效和零部件材料危害性约束的初始种群获取 |
| 2.4.3 染色体进化规则 |
| 2.4.4 基于Pareto等级的非支配解评价 |
| 2.4.5 算法流程 |
| 2.5 本章小结 |
| 第三章 多品种并行局部混流再制造拆卸线平衡优化 |
| 3.1 引言 |
| 3.2 并行局部混流再制造拆卸线平衡模型构建 |
| 3.2.1 多品种并行局部混流式再制造拆卸线平衡问题描述 |
| 3.2.2 废旧产品零部件混流拆卸判定条件 |
| 3.2.3 PLM-RDLBM的数学模型 |
| 3.3 基于SMNSGA-Ⅱ的PLM-RDLBP求解 |
| 3.3.1 分层两段式染色体编码与解码 |
| 3.3.2 初始种群获取方法 |
| 3.3.3 染色体进化规则及精英保留策略 |
| 3.3.4 PLM-RDLBP求解流程 |
| 3.4 本章小结 |
| 第四章 零部件再制造修复生产线仿真优化 |
| 4.1 引言 |
| 4.2 零部件再制造修复生产线仿真优化模型 |
| 4.3 基于ProModel仿真的再制造修复生产线优化方法 |
| 4.3.1 零部件再制造修复生产线基本要素优化 |
| 4.3.2 零部件再制造修复生产线资源配置优化 |
| 4.3.3 零部件再制造修复生产线过程要素优化 |
| 4.3.4 零部件再制造修复生产线优化流程 |
| 4.4 本章小结 |
| 第五章 系统开发与应用研究 |
| 5.1 引言 |
| 5.2 系统开发环境与总体结构 |
| 5.2.1 开发环境 |
| 5.2.2 总体结构 |
| 5.2.3 模块功能 |
| 5.3 单品种直线式再制造拆卸线优化应用研究 |
| 5.3.1 算法验证 |
| 5.3.2 结果分析 |
| 5.4 并行局部混流再制造拆卸线优化应用研究 |
| 5.4.1 算法验证 |
| 5.4.2 结果分析 |
| 5.5 发动机连杆再制造修复生产线优化 |
| 5.5.1 连杆的仿真优化模型 |
| 5.5.2 连杆再制造修复生产线仿真优化 |
| 5.5.3 基于状态要素的仿真结果分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
（2）废旧机电产品的可拆卸性分析及拆卸设备设计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究意义与目的 |
| 1.3 国内外研究现状 |
| 1.3.1 拆卸研究现状 |
| 1.3.2 可拆卸性评价研究现状 |
| 1.3.3 产品设计研究现状 |
| 1.4 课题研究内容与安排 |
| 1.4.1 论文主要内容 |
| 1.4.2 论文组织结构 |
| 1.4.3 论文创新点 |
| 第2章 基于多色集的产品可拆卸性分析 |
| 2.1 引言 |
| 2.2 拆卸信息模型 |
| 2.2.1 产品拆卸信息及来源 |
| 2.2.2 层次式拆卸信息表达 |
| 2.3 层次式拆卸信息模型的多色映射 |
| 2.3.1 多色集合理论简介 |
| 2.3.2 层次式拆卸信息模型的多色集合映射 |
| 2.4 多色推理 |
| 2.4.1 多色推理机制 |
| 2.4.2 基于多色集的零件拆卸过程推理 |
| 2.4.3 产品的可拆卸性评价 |
| 2.5 案例说明 |
| 2.5.1 滚轮拆卸过程求解 |
| 2.5.2 滚轮可拆卸性评价 |
| 2.6 本章小结 |
| 第3章 基于模糊神经网络的零件可拆卸性评估 |
| 3.1 引言 |
| 3.2 影响零件可拆卸性的因素 |
| 3.3 模糊神经网络原理 |
| 3.4 模糊神经网络设计 |
| 3.4.1 数据样本收集 |
| 3.4.2 隶属度函数确立 |
| 3.4.3 隶属度函数参数优化 |
| 3.4.4 测试 |
| 3.5 本章小结 |
| 第4章 拆卸设备设计方法研究 |
| 4.1 引言 |
| 4.2 拆卸设备设计原理 |
| 4.3 拆卸设备设计约束信息分析 |
| 4.4 设计域建模 |
| 4.4.1 需求域 |
| 4.4.2 功能域 |
| 4.4.3 行为域 |
| 4.4.4 结构域 |
| 4.5 拆卸设备设计求解 |
| 4.5.1 需求-功能映射求解 |
| 4.5.2 功能-结构映射求解 |
| 4.5.3 行为-结构映射求解 |
| 4.6 拆卸设备设计流程 |
| 4.7 本章小结 |
| 第5章 拆卸设备设计应用案例 |
| 5.1 引言 |
| 5.2 自行车飞轮信息分析 |
| 5.3 结构求解 |
| 5.3.1 执行结构求解 |
| 5.3.2 传动链求解 |
| 5.3.3 自行车飞轮拆卸设备结构方案 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（3）面向价值回收的废旧智能手机拆卸序列规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 研究目的与意义 |
| 1.3 拆卸序列规划的研究现状 |
| 1.3.1 拆卸模型研究现状 |
| 1.3.2 拆卸序列规划方法研究现状 |
| 1.3.3 拆卸设备研究现状 |
| 1.4 论文的组织结构和章节安排 |
| 2 智能手机拆卸建模方法研究与评价指标 |
| 2.1 产品拆卸的约束类型 |
| 2.1.1 产品拆卸的概念 |
| 2.1.2 产品拆卸的分类 |
| 2.1.3 产品的约束类型 |
| 2.2 产品拆卸的相关信息 |
| 2.2.1 产品拆卸相关信息及获取 |
| 2.2.2 智能手机拆卸相关信息 |
| 2.3 基于混合图的产品拆卸模型建立 |
| 2.3.1 拆卸模型的一般建模方法 |
| 2.3.2 基于混合图的拆卸模型 |
| 2.4 拆卸评价指标 |
| 2.4.1 智能手机拆卸的评价指标 |
| 2.4.2 智能手机拆卸序列的评价函数 |
| 2.4.3 评价指标的标准化和权重 |
| 2.5 本章小结 |
| 3 智能手机拆卸序列生成及优化 |
| 3.1 智能手机的初始序列生成 |
| 3.1.1 拆卸序列的生成方法 |
| 3.1.2 拆卸序列的生成流程 |
| 3.1.3 智能手机完全拆卸序列的生成 |
| 3.2 基于改进双种群GA的拆卸序列规划 |
| 3.2.1 改进双种群GA核心步骤改进 |
| 3.2.2 改进双种群GA具体流程 |
| 3.3 基于改进遗传-粒子群混合算法的拆卸序列规划 |
| 3.3.1 改进GA-PSO混合算法的基本思想 |
| 3.3.2 改进GA-PSO混合算法核心步骤 |
| 3.3.3 改进GA-PSO混合算法具体流程 |
| 3.4 本章小结 |
| 4 拆卸序列规划的应用实例 |
| 4.1 “Android系统”智能手机实例验证 |
| 4.2 “iOS系统”智能手机实例验证 |
| 4.3 改进算法的验证与对比 |
| 4.4 敏感性分析 |
| 4.5 本章小结 |
| 5 废旧智能手机拆卸设备整体设计 |
| 5.1 拆卸设备设计方案 |
| 5.2 拆卸设备自动化结构设计 |
| 5.2.1 控制面板 |
| 5.2.2 拆卸转盘 |
| 5.3 拆卸设备执行机构设计 |
| 5.3.1 上、下料区域 |
| 5.3.2 后盖加热区域 |
| 5.3.3 后盖吸附拆卸区域 |
| 5.3.4 螺丝(铣刀)拆卸区域 |
| 5.3.5 视觉检测区域 |
| 5.3.6 元器件拆卸区域 |
| 5.4 拆卸设备的实施工艺 |
| 5.5 本章小结 |
| 6 总结及展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录A 改进双种群GA主成分源代码 |
| 附录B 改进GA-PSO混合算法主成分源代码 |
| 致谢 |
| 攻读学位期间取得的科研成果 |
（4）基于绿色设计的机电产品研究（论文提纲范文）
| 1 机电产品绿色设计与制造的意义和设计思想 |
| 1.1 机电产品绿色设计与制造的意义 |
| 1.2 机电产品绿色设计思想 |
| 2 机电产品绿色设计与制造方法 |
| 2.1 绿色材料的选择 |
| 2.2 绿色度评价指标体系 |
| 2.2.1 基本属性指标 |
| 2.2.2 经济属性指标 |
| 2.2.3 能源属性 |
| 2.2.4 资源属性 |
| 2.2.5 环境属性 |
| 2.3 产品结构的拆卸设计 |
| 2.4 产品制造的回收性设计 |
| 2.5 产品制造工艺的优化 |
| 2.6 产品包装的设计 |
| 3 总结 |
（5）面向再制造的机电产品拆卸序列规划及目标检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 拆卸序列规划的研究现状 |
| 1.3.2 混合蛙跳算法的研究现状 |
| 1.3.3 目标检测研究现状 |
| 1.4 论文主要内容与章节安排 |
| 1.4.1 论文主要内容 |
| 1.4.2 论文的组织结构及安排 |
| 1.4.3 论文创新点 |
| 第2章 基于多目标蛙跳算法的多目标件选择性拆卸序列规划 |
| 2.1 引言 |
| 2.2 产品拆卸信息建模 |
| 2.2.1 基于紧固件约束矩阵与零件约束矩阵的产品拆卸信息建模 |
| 2.2.2 可行完全拆卸序列构建方法 |
| 2.3 多目标件选择性拆卸序列规划问题描述及数学模型 |
| 2.4 基于多目标改进蛙跳算法的求解方法 |
| 2.4.1 SFLA与DSP问题模型的关系映射 |
| 2.4.2 青蛙个体编码与可行青蛙个体构造 |
| 2.4.3 目标函数计算与蛙群分组 |
| 2.4.4 改进的蛙群局部搜索策略 |
| 2.4.5 改进的青蛙全局信息混合策略 |
| 2.4.6 MISFLA算法实现步骤 |
| 2.5 实例求解与分析 |
| 2.6 本章小结 |
| 第3章 多人多目标件选择性异步并行拆卸序列规划研究 |
| 3.1 引言 |
| 3.2 多人多目标件选择性异步并行拆卸序列规划模型 |
| 3.2.1 问题描述 |
| 3.2.2 数学模型构建 |
| 3.3 多人异步并行拆卸序列规划求解算法 |
| 3.3.1 青蛙个体编码方式改进 |
| 3.3.2 青蛙个体生成及种群初始化 |
| 3.3.3 解码算法及蛙群分组 |
| 3.3.4 蛙群局部进化方法构建 |
| 3.3.6 青蛙全局信息混合策略改进及算法流程 |
| 3.4 异步并行拆卸序列规划试验 |
| 3.4.1 实例求解与分析 |
| 3.4.2 算法对比分析 |
| 3.5 本章小结 |
| 第4章 面向再制造拆卸的目标检测 |
| 4.1 引言 |
| 4.2 YoloV3基本原理概述 |
| 4.2.1 特征提取网络 |
| 4.2.2 检测流程 |
| 4.3 深层卷积神经网络的设计及优化 |
| 4.3.1 网络输入层 |
| 4.3.2 特征提取网络及特征交互层优化 |
| 4.3.3 锚点框参数改进 |
| 4.3.4 网络输出及损失函数 |
| 4.4 深层卷积神经网络训练 |
| 4.4.1 训练样本库建立 |
| 4.4.2 网络模型训练及参数设定 |
| 4.4.3 训练环境配置及评价指标 |
| 4.5 废旧自行车目标检测结果及分析 |
| 4.6 本章小结 |
| 第5章 拆卸序列规划及目标检测原型系统开发 |
| 5.1 引言 |
| 5.2 DSPODS软件系统开发 |
| 5.2.1 软件开发环境 |
| 5.2.2 软件总体结构 |
| 5.3 系统功能模块设计及实现 |
| 5.3.1 系统登录模块 |
| 5.3.2 用户管理模块 |
| 5.3.3 卸信息建模模块 |
| 5.3.4 拆卸序列求解模块 |
| 5.3.5 目标检测模块 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（6）面向机电产品的绿色设计关联评价模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 自然资源和生态环境 |
| 1.1.2 相关政策与法律法规 |
| 1.2 课题研究的目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 课题研究内容 |
| 第2章 基于宏微特征的方案设计表达 |
| 2.1 概述 |
| 2.2 宏微特征的定义 |
| 2.3 宏特征 |
| 2.3.1 空间位置特征 |
| 2.3.2 联接特征 |
| 2.3.3 运行状态特征 |
| 2.4 微特征 |
| 2.4.1 材料特征 |
| 2.4.2 尺寸特征 |
| 2.4.3 形状特征 |
| 2.4.4 技术处理特征 |
| 2.5 基于宏微特征的方案设计表达模型 |
| 2.6 本章小结 |
| 第3章 设计特征评价指标体系 |
| 3.1 概述 |
| 3.2 绿色设计评价指标 |
| 3.2.1 资源属性指标 |
| 3.2.2 能源属性指标 |
| 3.2.3 环境属性指标 |
| 3.2.4 经济性指标 |
| 3.3 面向设计特征的操作活动及相关属性指标 |
| 3.4 设计特征评价指标体系 |
| 3.5 本章小结 |
| 第4章 机电产品绿色设计关联评价模型 |
| 4.1 概述 |
| 4.2 操作层评价指标关联表达 |
| 4.3 操作层评价指标关联计算 |
| 4.3.1 电能消耗关联计算 |
| 4.3.2 淡水资源消耗关联计算 |
| 4.3.3 煤炭消耗关联计算 |
| 4.3.4 温室气体排放关联计算 |
| 4.3.5 废水排放关联计算 |
| 4.3.6 烟尘排放关联计算 |
| 4.3.7 二氧化硫和氮氧化物排放关联计算 |
| 4.3.8 经济性指标关联计算 |
| 4.4 基于层次分析法的评价算法 |
| 4.5 机电产品绿色设计关联评价模型 |
| 4.6 本章小结 |
| 第5章 Y80电动机绿色设计评价 |
| 5.1 概述 |
| 5.2 Y80 电动机绿色设计评价指标体系 |
| 5.3 构建判断矩阵并计算权重 |
| 5.4 Y80 电动机绿色设计评价指标值及归一化 |
| 5.4.1 形成和建立特征评价指标值及归一化 |
| 5.4.2 改变运行状态特征评价指标值及归一化 |
| 5.4.3 恢复特征评价指标值及归一化 |
| 5.4.4 解除特征评价指标值及归一化 |
| 5.5 Y80 电动机绿色设计评价结果与分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间论文发表及科研情况 |
（7）基于知识图谱的人机协作拆卸知识推荐研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的目的背景及意义 |
| 1.3 相关领域国内外研究现状 |
| 1.3.1 人机协作拆卸研究现状 |
| 1.3.2 工业机器人知识工程研究现状 |
| 1.3.3 知识图谱技术研究现状 |
| 1.3.4 现有研究中存在的问题和不足 |
| 1.4 本文的主要研究内容及组织结构 |
| 第2章 面向机电产品拆卸任务的知识图谱构建方法研究 |
| 2.1 人机协作拆卸领域知识表示与建模 |
| 2.1.1 人机协作拆卸领域知识表示 |
| 2.1.2 人机协作拆卸知识建模 |
| 2.1.3 基于动态描述逻辑和规则的人机协作拆卸知识推理 |
| 2.2 面向机电产品拆卸任务的知识图谱构建 |
| 2.2.1 面向机电产品拆卸任务的知识图谱定义 |
| 2.2.2 面向机电产品拆卸任务的知识图谱架构 |
| 2.3 机电产品拆卸任务知识图谱构建结果与分析 |
| 2.3.1 实验环境 |
| 2.3.2 结果分析 |
| 2.4 本章小结 |
| 第3章 基于知识图谱嵌入的人机协作拆卸知识推荐方法研究 |
| 3.1 基于知识图谱嵌入的人机协作拆卸知识推荐方法 |
| 3.1.1 知识图谱嵌入模型 |
| 3.1.2 基于知识图谱嵌入模型的人机协作拆卸知识推荐 |
| 3.2 基于生成对抗网络的人机协作拆卸知识图谱嵌入模型优化 |
| 3.2.1 基于GAN的拆卸知识图谱嵌入模型架构 |
| 3.2.2 基于策略梯度的知识图谱负样本生成模型 |
| 3.2.3 判决模型 |
| 3.2.4 知识图谱嵌入模型对抗训练算法 |
| 3.3 实验结果及分析 |
| 3.3.1 实验环境 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第4章 面向人机协作拆卸的知识推荐系统设计与实现 |
| 4.1 人机协作拆卸知识推荐系统总体设计 |
| 4.1.1 系统总体架构 |
| 4.1.2 系统开发及运行环境 |
| 4.1.3 系统开发关键技术 |
| 4.2 系统数据库设计 |
| 4.3 系统功能模块实现及运行分析 |
| 4.3.1 拆卸资源管理模块 |
| 4.3.2 拆卸任务管理模块 |
| 4.3.3 拆卸知识推荐模块 |
| 4.3.4 拆卸执行模块 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（8）机电产品异步并行拆卸序列规划与评价技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 机电产品拆卸序列规划研究现状 |
| 1.2.2 机电产品拆卸方案评价研究现状 |
| 1.3 研究背景与研究意义 |
| 1.4 研究内容与组织框架 |
| 1.5 本章小结 |
| 2 基于混合图的机电产品异步并行拆卸建模方法 |
| 2.1 引言 |
| 2.2 机电产品异步并行拆卸问题描述 |
| 2.3 基于混合图的机电产品拆卸模型 |
| 2.3.1 机电产品异步并行拆卸建模方法 |
| 2.3.2 机电产品异步并行拆卸建模流程 |
| 2.4 机电产品异步并行拆卸信息表达 |
| 2.4.1 拆卸资源信息的矩阵化表达 |
| 2.4.2 拆卸工具信息的矩阵化表达 |
| 2.4.3 异步并行拆卸序列的多向量表达 |
| 2.5 实例分析 |
| 2.6 本章小结 |
| 3 机电产品异步并行拆卸序列多目标优化求解 |
| 3.1 引言 |
| 3.2 机电产品异步并行拆卸序列多目标优化问题 |
| 3.3 机电产品异步并行拆卸效率技术指标 |
| 3.3.1 总拆卸时间 |
| 3.3.2 拆卸工具更换次数 |
| 3.3.3 拆卸方向改变次数 |
| 3.4 基于INSGA-II算法的异步并行拆卸序列求解 |
| 3.4.1 INSGA-II多目标序列优化求解算法 |
| 3.4.2 INSGA-II算法求解流程 |
| 3.5 实例分析 |
| 3.5.1 锥齿轮减速箱拆卸序列解集 |
| 3.5.2 算法对比 |
| 3.6 本章小结 |
| 4 基于偏序TOPSIS的异步并行拆卸方案评价方法 |
| 4.1 引言 |
| 4.2 拆卸方案评价指标体系构建 |
| 4.2.1 总拆卸时间 |
| 4.2.2 拆卸工具更换次数 |
| 4.2.3 拆卸方向改变次数 |
| 4.2.4 拆卸人工成本 |
| 4.3 拆卸方案评价指标权重设计 |
| 4.4 基于偏序TOPSIS的拆卸方案评价流程 |
| 4.4.1 拆卸方案偏序集定义 |
| 4.4.2 拆卸方案规范矩阵构造 |
| 4.4.3 理想拆卸方案确定 |
| 4.4.4 拆卸方案距离计算 |
| 4.4.5 拆卸方案排序 |
| 4.5 实例分析 |
| 4.6 本章小结 |
| 5 机电产品异步并行拆卸序列规划系统及应用 |
| 5.1 引言 |
| 5.2 系统总体架构 |
| 5.3 系统主要功能模块 |
| 5.3.1 拆卸基础数据模块 |
| 5.3.2 拆卸模型构建模块 |
| 5.3.3 拆卸序列规划模块 |
| 5.3.4 拆卸方案评价模块 |
| 5.4 机电产品异步并行拆卸序列规划系统应用 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
（9）多约束拆卸线平衡问题的多目标离散果蝇优化与仿真分析（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 DLBP的求解方法 |
| 1.2.2 DLBP的拓展模型 |
| 1.2.3 果蝇优化算法及现状分析 |
| 1.3 研究目标与研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 论文结构及主要内容 |
| 第2章 多约束拆卸线平衡问题概述 |
| 2.1 引言 |
| 2.2 拆卸线及其平衡问题 |
| 2.2.1 拆卸线平衡问题的定义 |
| 2.2.2 拆卸线平衡问题描述方式 |
| 2.2.3 拆卸线平衡问题的分类 |
| 2.2.4 拆卸线平衡问题的特征 |
| 2.2.5 拆卸相关信息表达 |
| 2.3 多约束拆卸线平衡问题的数学模型 |
| 2.3.1 模型描述 |
| 2.3.2 模型假设条件 |
| 2.3.3 变量与参数 |
| 2.3.4 优化目标 |
| 2.3.5 模型构建 |
| 2.4 与经典的数学模型对比分析 |
| 2.5 多目标完全拆卸线求解思路 |
| 2.6 本章小结 |
| 第3章 多目标离散果蝇优化算法与随机算例 |
| 3.1 引言 |
| 3.2 多目标优化问题 |
| 3.2.1 多目标优化的相关概念 |
| 3.2.2 多目标优化求解方法 |
| 3.2.3 多目标优化评价指标 |
| 3.3 初始阶段 |
| 3.3.1 初始种群 |
| 3.3.2 解码方法 |
| 3.4 果蝇优化算法介绍 |
| 3.4.1 算法原理 |
| 3.4.2 嗅觉操作 |
| 3.4.3 视觉操作 |
| 3.4.4 全面协作机制 |
| 3.5 种群更新 |
| 3.6 算法流程分析 |
| 3.7 算法验证 |
| 3.7.1 参数筛选及验证 |
| 3.7.2 验证算法统计性能 |
| 3.8 随机算例验证 |
| 3.8.1 已有基准算例分析 |
| 3.8.2 新随机算例规则提出 |
| 3.8.3 随机算例求解结果 |
| 3.9 本章小结 |
| 第4章 拆卸线平衡问题实例应用 |
| 4.1 引言 |
| 4.2 退役汽车拆解模式和工艺流程 |
| 4.2.1 汽车拆解模式及作业方式 |
| 4.2.2 退役汽车拆解工艺流程 |
| 4.3 汽车拆卸线设计原则 |
| 4.4 汽车拆卸实例信息 |
| 4.5 退役汽车拆解线平衡问题 |
| 4.6 本章小结 |
| 第5章 实例仿真与多准则决策分析 |
| 5.1 引言 |
| 5.2 实例仿真分析 |
| 5.2.1 Plant Simulation仿真软件介绍 |
| 5.2.2 建立仿真模型 |
| 5.3 AHP-TOPSIS的综合评价模型 |
| 5.3.1 指标规范化处理 |
| 5.3.2 AHP确定权重 |
| 5.3.3 TOPSIS的综合评价 |
| 5.4 综合评价结果 |
| 5.5 结果改善和对比 |
| 5.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（10）面向机电产品智能拆卸与回收云服务的资源建模及决策方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 课题来源 |
| 1.3 相关研究综述 |
| 1.3.1 拆卸序列规划与选择拆卸 |
| 1.3.2 拆卸系统设计 |
| 1.3.3 产品回收决策 |
| 1.3.4 云制造 |
| 1.3.5 相关研究小结 |
| 1.4 本文的主要研究内容 |
| 1.5 本文的组织结构 |
| 第2章 机电产品智能拆卸与回收云服务平台框架 |
| 2.1 引言 |
| 2.2 机电产品智能拆卸与回收云服务的定义和特征 |
| 2.3 机电产品智能拆卸与回收云服务平台总体框架 |
| 2.4 机电产品智能拆卸与回收云服务平台运行模式 |
| 2.5 机电产品智能拆卸与回收云服务平台商业模式 |
| 2.6 本章小结 |
| 第3章 基于拆卸知识语义描述的选择拆卸规划方法 |
| 3.1 引言 |
| 3.2 面向选择拆卸的拆卸任务生成方法 |
| 3.3 符号和定义 |
| 3.3.1 符号 |
| 3.3.2 定义和假设 |
| 3.4 产品信息模型 |
| 3.4.1 产品信息模型概念分类和类树 |
| 3.4.2 产品信息模型实例属性 |
| 3.4.3 产品信息模型的约束 |
| 3.5 拆卸知识描述 |
| 3.6 选择拆卸决策支持方法 |
| 3.7 案例研究 |
| 3.8 方法讨论 |
| 3.9 本章小结 |
| 第4章 机电产品回收云服务物理资源描述及其服务化 |
| 4.1 引言 |
| 4.2 机电产品回收云服务请求解析 |
| 4.2.1 回收云服务形式化描述 |
| 4.2.2 回收云服务请求解析 |
| 4.3 机电产品回收云服务物理资源语义建模 |
| 4.3.1 回收云服务物理资源语义描述框架 |
| 4.3.2 基于本体的回收云服务物理资源语义建模 |
| 4.4 机电产品回收云服务物理资源发现方法 |
| 4.5 机电产品回收云服务物理资源QOS评价指标 |
| 4.6 机电产品回收云服务物理资源数值参数 |
| 4.7 机电产品回收云服务物理资源封装 |
| 4.8 本章小结 |
| 第5章 基于多目标遗传算法的拆卸任务调度及拆卸资源分配 |
| 5.1 引言 |
| 5.2 拆卸任务调度及拆卸资源分配云服务方法 |
| 5.3 拆卸云服务建模 |
| 5.3.1 符号 |
| 5.3.2 目标函数 |
| 5.3.3 约束条件 |
| 5.3.4 不确定性 |
| 5.3.5 约束关系 |
| 5.3.6 产品集合 |
| 5.3.7 Pareto最优 |
| 5.4 基于NSGA-Ⅱ的拆卸任务调度及拆卸资源分配算法设计 |
| 5.4.1 染色体编码 |
| 5.4.2 初始种群 |
| 5.4.3 遗传算子 |
| 5.4.4 目标函数值计算 |
| 5.5 案例研究 |
| 5.5.1 案例设计 |
| 5.5.2 计算结果和讨论 |
| 5.6 本章小结 |
| 第6章 智能产品回收云服务决策方法研究 |
| 6.1 引言 |
| 6.2 智能产品回收云服务描述 |
| 6.3 回收云服务决策方法 |
| 6.3.1 智能产品本体设计 |
| 6.3.2 基于模糊规则的回收方式决策方法 |
| 6.3.3 基于灰色评价法的回收资源综合评价 |
| 6.4 基于粒子群优化算法的拆卸序列规划 |
| 6.4.1 拆卸序列模型 |
| 6.4.2 基于粒子群优化算法的求解方法 |
| 6.4.3 粒子解码方法 |
| 6.4.4 适应度函数 |
| 6.5 案例研究 |
| 6.5.1 案例背景 |
| 6.5.2 扫地机器人零件回收方式决策 |
| 6.5.3 回收资源虚拟化 |
| 6.5.4 基于灰色评价法的扫地机器人回收资源综合评价 |
| 6.5.5 扫地机器人拆卸序列生成 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 本文的创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读博士学位期间发表的学术论文目录 |
| 附录B 攻读博士学位期间申请的知识产权目录 |
| 附录C 攻读博士学位期间获得的荣誉 |
| 附录D 攻读博士学位期间参与的课题 |
四、机电产品的拆卸与回收性能分析（论文参考文献）
- [1]退役机电产品不同布局再制造生产线多目标优化方法与系统研究[D]. 孟伟. 内蒙古工业大学, 2021
- [2]废旧机电产品的可拆卸性分析及拆卸设备设计方法研究[D]. 常艳茹. 山东大学, 2021(12)
- [3]面向价值回收的废旧智能手机拆卸序列规划研究[D]. 杜泽瑞. 青岛科技大学, 2021(01)
- [4]基于绿色设计的机电产品研究[J]. 王林. 景德镇学院学报, 2020(06)
- [5]面向再制造的机电产品拆卸序列规划及目标检测研究[D]. 朱建峰. 山东大学, 2020(11)
- [6]面向机电产品的绿色设计关联评价模型研究[D]. 张东杰. 山东建筑大学, 2020(09)
- [7]基于知识图谱的人机协作拆卸知识推荐研究[D]. 丁祎文. 武汉理工大学, 2020
- [8]机电产品异步并行拆卸序列规划与评价技术研究[D]. 徐鹏程. 浙江大学, 2020
- [9]多约束拆卸线平衡问题的多目标离散果蝇优化与仿真分析[D]. 蔡宁. 西南交通大学, 2019(03)
- [10]面向机电产品智能拆卸与回收云服务的资源建模及决策方法研究[D]. 姜辉. 华东理工大学, 2017(07)