【摘要】：再制造是一個將廢舊產(chǎn)品或零部件恢復為性能等于或優(yōu)于新件的過程,降低了生產(chǎn)成本,能量消耗和材料消耗。再設(shè)計是實施再制造的關(guān)鍵環(huán)節(jié),是以廢舊機械產(chǎn)品及零部件為對象、以極大化重用其材料及附加價值為目標、創(chuàng)新性地設(shè)計出新的再制造產(chǎn)品功能及結(jié)構(gòu)的過程,是廢舊產(chǎn)品及零部件再制造的關(guān)鍵技術(shù)之一。協(xié)調(diào)廢舊產(chǎn)品整體再設(shè)計與零部件再設(shè)計是實現(xiàn)廢舊產(chǎn)品綜合效益最大化的關(guān)鍵,本文結(jié)合國家自然科學基金項目,從再設(shè)計目標角度,對機械裝備再設(shè)計進行研究。首先,分析再設(shè)計內(nèi)涵并介紹廢舊機械裝備再設(shè)計過程,建立目標級聯(lián)數(shù)學模型闡述目標級聯(lián)理論原理,分析廢舊機械裝備再設(shè)計的特點,提出一種基于目標級聯(lián)的廢舊機械裝備再設(shè)計過程模型,給出了常見失效特征和設(shè)計信息表征方法,實現(xiàn)了綜合考慮需求信息和廢舊機械裝備狀態(tài)信息及設(shè)計目標為導向的再設(shè)計。其次,結(jié)合廢舊機械裝備的基本特征信息和需求主體的需求信息,建立了一種廢舊機械裝備再設(shè)計信息表征方法,描述了廢舊機械裝備損傷狀態(tài)、失效模式和程度、剩余使用壽命信息和需求主體的需求信息,結(jié)合上述信息采用線性回歸模型獲取再設(shè)計目標范圍以約束廢舊機械裝備再設(shè)計。再次,針對廢舊機械裝備再設(shè)計過程復雜性問題,分析其優(yōu)化問題屬性,采用教與學優(yōu)化算法,建立基于再制造成本、能量消耗和材料消耗的多目標優(yōu)化模型,提出自適應(yīng)調(diào)整策略調(diào)整教與學算法的教學因子以適應(yīng)求解模型。最后,在上述研究方法的基礎(chǔ)上,采用廢舊車床(C6140)為研究對象,對上述再設(shè)計方法進行驗證。建立車床的主要零件、部件和整機的目標級聯(lián)模型,采用了基于自適應(yīng)調(diào)整策略的教與學算法驗證了上述研究方法的可行性與有效性。
【學位授予單位】：武漢科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：O224;TH122
【圖文】：

如圖 2.2 所示為一個簡易的目標級聯(lián)原理示意圖。圖 2.2 目標級聯(lián)法原理示意圖2.2.2 目標級聯(lián)法數(shù)學模型目標級聯(lián)分析法是一種模塊化、層次性的設(shè)計優(yōu)化方法，在該模型中包括兩類模塊：優(yōu)化設(shè)計模塊和分析模塊[39-41]。優(yōu)化設(shè)計模塊包含設(shè)計目標及其優(yōu)化，分析模塊是由各設(shè)計變量、參數(shù)和元素等進行系統(tǒng)輸入、處理和輸出過程。該過程可用圖 2.3 中的模型表示。

圖 5.4 TLBO 算法求解過程圖 5.5A-TLBO 算法求解過程 5.5 可知，兩種算法在求解速度上都很快，在迭最優(yōu)解。相比于 TLBO 算法，A-TLBO 算法的收，為清晰展示 A-TLBO 算法的優(yōu)勢，對上述 2 果的平均值如表 5.4 所示：

【相似文獻】

相關(guān)期刊論文 前10條

1 胡云騰;李晉卿;趙佩鈺;;多目標優(yōu)化問題的模糊交叉算法與收斂性初探[J];電腦迷;2017年03期

2 畢志升;鄭炯彬;蔡桂艷;;基于高維多目標優(yōu)化的多車場車輛路徑問題[J];計算機與數(shù)字工程;2017年07期

3 王衛(wèi)剛;;一種基于多目標優(yōu)化的混凝劑綜合評價方法[J];凈水技術(shù);2017年09期

4 雍龍泉;劉三陽;鄧方安;張建科;楊國平;;線性互補問題與多目標優(yōu)化[J];數(shù)學雜志;2014年03期

5 朱君;蔡延光;湯雅連;楊軍;;多目標優(yōu)化問題的研究[J];東莞理工學院學報;2014年03期

6 張淑艷;段鵬松;鄒衛(wèi)琴;;淺析多目標優(yōu)化問題[J];科技視界;2013年14期

7 郭思涵;龔小勝;;正交設(shè)計的E占優(yōu)策略求解高維多目標優(yōu)化問題研究[J];計算機科學;2012年02期

8 宋武;陳德祥;;一種改進的基于分解多目標優(yōu)化算法[J];電腦知識與技術(shù);2012年34期

9 陳愛國;周世俊;;基于模糊邏輯的多目標優(yōu)化問題遺傳算法求解探討[J];河南科學;2006年04期

10 李雨生;;在一種廣義錐凸性下的多目標優(yōu)化解[J];河海大學學報;1987年05期

相關(guān)會議論文 前10條

1 葉嬋峰;沈波;林都;董宏麗;;基于ε約束理論和修復算子的多目標優(yōu)化算法[A];第36屆中國控制會議論文集（B）[C];2017年

2 羅亞中;;航天器軌跡多目標優(yōu)化研究評述[A];The 5th 全國動力學與控制青年學者研討會論文摘要集[C];2011年

3 張翔;;一種無歧義性的多目標優(yōu)化數(shù)值解法[A];中國農(nóng)業(yè)機械學會成立40周年慶典暨2003年學術(shù)年會論文集[C];2003年

4 崔少為;;多目標優(yōu)化在天津軋三鋼鐵有限公司1號高爐礦槽備料中的應(yīng)用[A];全國冶金自動化信息網(wǎng)2014年會論文集[C];2014年

5 劉澤雙;高瑩;;基于多目標遺傳算法的個人成才因素評定研究[A];第十一屆中國管理科學學術(shù)年會論文集[C];2009年

6 雍龍泉;;基于多目標優(yōu)化算法求解非線性互補問題[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

7 夏玉峰;楊棟;姜來;李帥臣;;多目標優(yōu)化在缸底鍛模結(jié)構(gòu)上的應(yīng)用[A];創(chuàng)新塑性加工技術(shù)，推動智能制造發(fā)展——第十五屆全國塑性工程學會年會暨第七屆全球華人塑性加工技術(shù)交流會學術(shù)會議論文集[C];2017年

8 胡鑫堯;孫素琴;盧為琴;胡冠章;汪國柄;吳華武;吳季茂;王心樞;張良平;宋烈俠;潭澤光;;計算機輔助分子結(jié)構(gòu)解析和分析化學多目標優(yōu)化決策[A];中國分析測試協(xié)會科學技術(shù)獎發(fā)展回顧[C];2015年

9 許碧霞;李兆江;;基于循環(huán)經(jīng)濟的城市污水多目標優(yōu)化配置分析[A];中國地理學會2007年學術(shù)年會論文摘要集[C];2007年

10 李兆凱;郝鵬;李剛;;二級層級褶皺結(jié)構(gòu)單胞失效模式分析與多目標優(yōu)化[A];中國力學大會-2015論文摘要集[C];2015年

相關(guān)重要報紙文章 前1條

1 呂慧;內(nèi)蒙古太平與北科大校企合作啟動[N];中國黃金報;2019年

相關(guān)博士學位論文 前10條

1 孟凡云;具有錐均衡約束的多目標優(yōu)化的最優(yōu)性理論[D];大連理工大學;2017年

2 寧偉康;進化多目標優(yōu)化算法研究及其應(yīng)用[D];西安電子科技大學;2018年

3 程庭莉;含分布式儲能的主動配電網(wǎng)多目標優(yōu)化調(diào)度方法研究[D];重慶大學;2018年

4 豐昊;IPT功率變換系統(tǒng)的建模與多目標優(yōu)化研究[D];華中科技大學;2018年

5 張繼宏;錐約束多目標優(yōu)化問題的最優(yōu)性和穩(wěn)定性研究[D];大連理工大學;2018年

6 秦志昌;非線性動力學系統(tǒng)的多目標優(yōu)化控制設(shè)計[D];天津大學;2017年

7 田野;基于進化算法的復雜多目標優(yōu)化問題求解[D];安徽大學;2018年

8 趙泱泱;設(shè)計原則導向的多目標優(yōu)化軟件重構(gòu)[D];南京大學;2018年

9 石美鳳;求解多目標優(yōu)化問題的分布估計算法研究[D];重慶大學;2017年

10 黃亮;膜計算優(yōu)化方法研究[D];浙江大學;2007年

相關(guān)碩士學位論文 前10條

1 陳菁菁;面向安全管理和環(huán)境友好的工程項目多目標優(yōu)化問題研究[D];新疆大學;2019年

2 陳益強;永磁V型內(nèi)置式外轉(zhuǎn)子游標電機設(shè)計與多目標優(yōu)化研究[D];江蘇大學;2019年

3 滕健伊;源—儲—荷運行調(diào)控策略與多目標優(yōu)化配置[D];東北電力大學;2019年

4 邱立明;基于遷移學習的動態(tài)優(yōu)化算法研究[D];廈門大學;2018年

5 黃雄文;基于改進粒子群算法的多目標優(yōu)化研究[D];深圳大學;2018年

6 劉松柏;面向高維多目標優(yōu)化問題的智能算法研究[D];深圳大學;2018年

7 孫曉楠;基于角度分解的高維多目標優(yōu)化算法研究[D];東北電力大學;2019年

8 許飛;基于進化多目標優(yōu)化的多分類算法研究[D];安徽大學;2019年

9 許冉;求解兩類復雜多目標優(yōu)化問題的進化算法研究[D];安徽大學;2019年

10 付廣龍;基于進化多目標優(yōu)化的不平衡二分類算法研究[D];安徽大學;2019年

本文編號：2726250