机械工程学报

作者：任亚平, 任莹, 郭洪飞, 张超勇

单位：1. 暨南大学广东省大湾区智慧物流国际科技合作基地 珠海 519070;2. 暨南大学智能科学与工程学院 珠海 519070;3. 暨南大学物联网与物流工程研究院 珠海 519070;4. 暨南大学管理学院 广州 510632;5. 内蒙古科学技术研究院先进制造技术研究所 呼和浩特 010020;6. 内蒙古工业大学数据科学与应用学院 呼和浩特 010051;7. 华中科技大学数字制造装备与技术国家重点实验室 武汉 430074

关键词：退役机电产品,拆解工序随机失效,贝叶斯网络,失效修复,拆解工艺路线决策；

基金：国家重点研发计划资助项目(2023YFB3406900)。

对退役机电产品进行合理拆解并回收利用不仅可以促进资源的回收利用，还有利于减少环境污染与安全隐患等不良后果。针对退役机电产品拆解过程中时常出现的工序失效行为，从其内部零件失效角度及拆解工艺流程执行层面，系统性研究拆解工序的随机失效行为机理，包括多工序间失效因果关联机理的准确解析和单个工序随机失效(条件)概率的精准估计，建立工序随机失效及其修复条件下的拆解工艺路线决策模型，并提出贝叶斯网络-遗传混合算法，通过贝叶斯网络分别获取拆解工序间的失效因果关联和各拆解工序的随机失效条件概率，在此基础上运用遗传算法高效求解全局近似最优拆解工艺路线。最后，选择退役动力电池作为实际案例，对提出的模型和算法进行验证，试验结果表明通过提出的模型和方法求出的失效修复条件下的拆解工艺路线，其回收效益明显优于一般随机失效条件下的拆解工艺路线。

来源：2024年第24期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第24期