论文部分内容阅读
拆卸序列规划(DSP)方法是一种寻找产品最优拆卸序列的优化方法。该方法能够有效提高产品拆卸效率、缩短拆卸周期和降低拆卸成本。将其应用于电子废弃物拆卸还可以帮助减少电子废弃物的环境危害、提高电子废弃物的回收再利用价值。DSP问题是一种NP难组合优化问题,近十几年来研究人员提出了各种求解方法,但是即使是目前最好的求解方法也很难有效地的求解在不同条件和目标下的DSP问题。本文在对拆卸建模方法、拆卸评价指标、DSP问题的求解方法等研究现状进行总结与分析的基础上,针对DSP问题及其扩展问题、多目标DSP问题和选择拆卸序列规划问题进行了系统深入的研究。本文提出了一种新的拆卸建模方法、系统的拆卸评价指标和多种有效的DSP问题求解方法。本文还根据上述研究成果,设计和开发了DSP原型系统,并将所提出的DSP方法应用于电子废弃物拆卸。本文主要包括以下研究内容:(1)研究了DSP问题与装配序列规划问题在建模与评价指标上的主要区别,在此基础上,针对电子废弃物拆卸,提出了一种能够区分紧固件和零件的拆卸建模方法和系统的拆卸评价指标,为本文后续的研究奠定了基础。(2)深入研究了DSP问题及其扩展问题,提出了基于改进教学优化(MTLBO)算法的拆卸序列规划方法。该算法是一种离散的基于种群的进化算法,它从教学优化算法中继承了基于教学的进化机制的核心思想,并针对DSP问题的特点进行了适应性改进。MTLBO算法主要包含三大部分:用于产生可行拆卸序列的可行解生成算子,用于更新种群并保持解可行性的进化算子:教导阶段算子和学习阶段算子。通过试验验证了提出的MTLBO算法在求解DSP问题时的有效性和优越性。(3)深入研究了多目标DSP问题,提出了基于多目标MTLBO算法的拆卸序列规划方法。该算法是一种离散的基于种群的多目标进化算法,它继承了改进教学优化算法的进化机制,引入了非支配排序遗传算法II的选择机制,并针对多目标拆卸序列规划问题的特点进行了适应性改进。通过试验验证了提出的多目标MTLBO算法在求解多目标DSP问题时的有效性和优越性。(4)深入研究了选择拆卸序列规划问题,采用拆卸Petri网对拆卸过程进行建模,提出了基于Q-Learning算法的选择拆卸序列规划方法,详细描述了基于拆卸Petri网模型的拆卸状态与活动的表示方法,活动选择方法和增强学习方法,通过试验验证了提出的基于Q-Learning算法的选择拆卸序列规划方法的有效性和优越性。(5)分析了DSP系统的应用背景,结合本文的研究成果开发了DSP原型系统。并将所提出的DSP方法应用于电子废弃物拆卸的工程实例。最后总结了全文的研究工作与创新之处,展望了未来的研究工作。