曾志敏， 劉志峰， 凌 波， 鮑 宏， 陳 楊

（合肥工業(yè)大學(xué) 機(jī)械與汽車工程學(xué)院，安徽 合肥 230009）

產(chǎn)品拆解回收是提高資源綜合利用效率、實(shí)現(xiàn)資源重復(fù)利用與環(huán)境保護(hù)的有效途徑。文獻(xiàn)［1－5］對(duì)產(chǎn)品拆解進(jìn)行了深入研究，提出了基于蟻群算法、遺傳算法、粒子群算法和模塊化思想的拆解方法。

對(duì)于汽車產(chǎn)品，由于汽車自身零部件眾多且結(jié)構(gòu)復(fù)雜，加之在使用過程中零部件的磨損和更換等不確定因素，用以上方法解決汽車拆解回收問題時(shí)將非常復(fù)雜和效率低。另外，成功經(jīng)驗(yàn)在很大程度上影響著汽車拆解效率，人為設(shè)計(jì)汽車拆解回收工藝時(shí)，由于缺乏數(shù)據(jù)庫(kù)的支持，往往不能借鑒他人成功經(jīng)驗(yàn)。

汽車零部件拆解方法具有很大的相似性，如金屬零部件間約束關(guān)系多采用螺栓連接和焊接，內(nèi)飾件多采用卡扣連接和膠接，拆解金屬零部件可采用扳手、套筒、絞磨機(jī)或氧氣切割機(jī)等工具。對(duì)內(nèi)飾件可采用撬開卡扣或撕扯予以拆解。因此，汽車拆解回收可借鑒或重用已有的成功實(shí)例的拆解回收方案及設(shè)計(jì)經(jīng)驗(yàn)。

文獻(xiàn)［6－7］將實(shí)例推理和知識(shí)簡(jiǎn)約等方法運(yùn)用于知識(shí)重用的研究，這些研究豐富了知識(shí)重用的方法。

對(duì)于汽車產(chǎn)品，由于汽車拆解回收過程中影響因子眾多，運(yùn)用常規(guī)實(shí)例推理方法進(jìn)行汽車拆解回收實(shí)例相似度計(jì)算和實(shí)例檢索過程將非常復(fù)雜，因此有必要對(duì)影響汽車拆解回收工藝的影響因子進(jìn)行處理。本文將粗糙集理論與實(shí)例推理方法相結(jié)合，提出了一種新的汽車拆解回收知識(shí)重用方法。

1 汽車拆解回收知識(shí)表達(dá)

汽車拆解回收工藝的知識(shí)表達(dá)是知識(shí)重用的基礎(chǔ)，目的在于對(duì)一個(gè)已經(jīng)存在的成功的零部件拆解回收實(shí)例進(jìn)行記錄和表達(dá)，識(shí)別和利用其拆解回收特征屬性。

汽車拆解回收實(shí)例信息涵蓋了對(duì)汽車拆解回收過程中的一系列信息，主要包括零部件拆解實(shí)例的問題描述和拆解回收的解決方案2個(gè)部分。零部件拆解實(shí)例的問題描述包括零部件在整車中的定位屬性和拆解工藝特征屬性。定位屬性主要包括零部件所屬總成、零部件所屬子系統(tǒng)、名稱關(guān)鍵詞等信息。

拆解特征屬性包括零部件類型、零部件相態(tài)、零部件材料、連接方式、連接數(shù)量及質(zhì)量級(jí)別等信息。汽車拆解實(shí)例的問題描述即是該條實(shí)例的標(biāo)引頭，用于標(biāo)示每條工藝實(shí)例，在進(jìn)行實(shí)例搜索時(shí)，通過搜索實(shí)例的標(biāo)示頭查找相似實(shí)例。

1.1 定位屬性

（1）零部件所屬總成。包括發(fā)動(dòng)機(jī)、底盤、車身、電子設(shè)備、內(nèi)外飾。

（2）零部件所屬子系統(tǒng)。包括曲柄連桿機(jī)構(gòu)、配氣機(jī)構(gòu)、傳動(dòng)機(jī)構(gòu)、供油系、冷卻系、潤(rùn)滑系、點(diǎn)火系、起動(dòng)系、進(jìn)排氣，或傳動(dòng)系、行駛系、轉(zhuǎn)向系、制動(dòng)系，或車身殼體、車前板制件、車門、車身外飾、車身內(nèi)飾、車身附件、坐椅、暖氣通風(fēng)，或電源、電子控制裝置、車載電子裝置。

1.2 拆解特征屬性

（1）待拆解零部件級(jí)別。包括總成、部件、零件。

（2）拆解進(jìn)程。包括預(yù)處理、拆解、破碎分選。

（3）零部件類型。包括傳動(dòng)件、連接件、容器、支撐件、功能件、密封件、管路、油液。

（4）零部件相態(tài)。包括固態(tài)、液態(tài)。

（5）零部件材料。包括金屬、聚合物、橡膠、玻璃、液體、經(jīng)過改良的有機(jī)天然材料、其他。

（6）連接方式。包括焊接、螺紋、卡扣、輕壓入、蓋、限位、膠粘、間隙配合、其他。

（7）連接數(shù)量為1，2，3，…，n。

（8）質(zhì)量級(jí)別為1，2，3。

零部件拆解回收解決方案包括零部件的拆解方案和回收方案。

零部件拆解方案包括零部件的拆解方式、拆解工具、拆解方法和拆解時(shí)間等。零部件回收方案包括清洗方法、檢測(cè)方法、再制造工藝方案、回收工藝方案和處置方案等。

由于汽車零部件數(shù)量多、種類復(fù)雜，回收方式各有不同，因此不是每個(gè)拆解回收解決方案都具有以上每條屬性，即實(shí)例的表達(dá)部分是可空的。

2 汽車拆解回收知識(shí)重用方法

基于粗糙集的汽車拆解回收知識(shí)重用方法是通過運(yùn)用粗糙集理論，對(duì)實(shí)例進(jìn)行處理和運(yùn)算，獲得實(shí)例特征屬性的權(quán)重，運(yùn)用知識(shí)約簡(jiǎn)理論對(duì)特征屬性進(jìn)行約簡(jiǎn)［8］，最終選取必要的特征屬性，然后通過計(jì)算實(shí)例之間共有特征屬性的相似度，選取最相似的成功拆解回收實(shí)例，并借鑒或重用其拆解回收方案和方案設(shè)計(jì)過程中的經(jīng)驗(yàn)等知識(shí)。用戶可以將該實(shí)例中的相關(guān)知識(shí)作為參考，指導(dǎo)解決當(dāng)前的工藝問題，并完成對(duì)待拆解零部件的回收。

2.1 基于粗糙集的拆解回收知識(shí)模型

在粗糙集模型中，知識(shí)表示由信息系統(tǒng)來實(shí)現(xiàn)，信息系統(tǒng)的形式是對(duì)象與屬性值關(guān)系的兩維表，每一行表示一個(gè)對(duì)象，每一列表示一個(gè)屬性。該信息系統(tǒng)可表示為S＝（U，A，V，f），其中，U為論域，是一個(gè)有限非空集合；A＝｛a1，a2，…，｝為U信息系統(tǒng)上屬性的有限非空集合，其中A＝C∪D，C∩D＝?，C為條件屬性集，即汽車拆解工藝特征屬性，D為決策屬性集；V為屬性的值域集，為屬性a 的屬性值范圍；f：U×A→V為信息函數(shù)，對(duì)于?a∈A，?x∈U，f（x，a）∈Va，使得U中每個(gè)對(duì)象都有與之對(duì)應(yīng)的屬性值［9］。

2.2 特征屬性的處理

2.2.1 特征屬性的量化與離散

決策系統(tǒng)中的實(shí)例一般包括定性與定量2種屬性。對(duì)于定量屬性，粗糙集理論先將其離散化與歸一化處理。對(duì)于定性屬性，則一般先將其轉(zhuǎn)化為數(shù)值型［10］。

在汽車零部件拆解回收工藝實(shí)例中，拆解工藝特征屬性中的許多屬性均為非數(shù)值型數(shù)據(jù)或者連續(xù)數(shù)值，不能直接用于粗糙集運(yùn)算。

因此，必須將這類屬性值域轉(zhuǎn)化為若干個(gè)區(qū)間并對(duì)其編碼，用斷點(diǎn)集合替代原有的屬性值域，使原有的拆解工藝特征屬性以離散編碼的形式表示。零部件拆解工藝特征屬性量化、離散及編碼后的值域分布，見表1所列。

為評(píng)估引江濟(jì)太對(duì)太湖貢湖灣的水環(huán)境效應(yīng)，李大勇[107]等以生態(tài)系統(tǒng)動(dòng)力學(xué)模型CAEDYM 為建?？蚣?，緊密結(jié)合太湖生態(tài)系統(tǒng)結(jié)構(gòu)與功能特點(diǎn)，以河道流量及其物質(zhì)含量、風(fēng)場(chǎng)、太陽輻射等為外部函數(shù)，以藻類生消及其相關(guān)營(yíng)養(yǎng)鹽變化過程為建模核心，建立考慮內(nèi)源釋放的各種形態(tài)氮、磷輸移與轉(zhuǎn)化的太湖整體三維藻類動(dòng)力學(xué)模型。田豐[44]等也建立了巢湖CAEDYM生態(tài)動(dòng)力學(xué)模型，用以評(píng)估調(diào)水對(duì)巢湖浮游植物群落演替模式的影響。

表1 拆解工藝特征屬性量化離散

2.2.2 屬性的約簡(jiǎn)

在汽車拆解回收過程中，其拆解工藝問題描述包含的特征屬性中存在一些對(duì)拆解回收解決方案不重要的屬性。

為了降低汽車拆解工藝實(shí)例中的冗余數(shù)據(jù)對(duì)決策系統(tǒng)的負(fù)面影響，去除這些冗余屬性并找到最小的相關(guān)屬性集，使其具有與全部屬性相同的分類能力，即屬性約簡(jiǎn)。約簡(jiǎn)是指信息表中不含多余的屬性，保證分類正確的最小屬性集。

即等價(jià)關(guān)系B?A且a∈B，若B在U上的不可分辨關(guān)系等價(jià)于B－｛a｝上的不可分辨關(guān)系，即IB＝IB－｛a｝，則屬性a是冗余的。

屬性集的約簡(jiǎn)可能有多個(gè)，如屬性集B的所有約簡(jiǎn)組成的集合為Red（B），而所有約簡(jiǎn)的交集即為B的核，即core（B）＝∩Red（B）。本文采用文獻(xiàn)［11］中方法進(jìn)行屬性約簡(jiǎn)。同時(shí)，由于本系統(tǒng)為多屬性決策系統(tǒng)，采用文獻(xiàn)［12］中方法將其轉(zhuǎn)化為單一決策系統(tǒng)。

2.2.3 特征屬性權(quán)重的計(jì)算

對(duì)于經(jīng)特征屬性離散后得到的拆解回收特征屬性決策表S＝（U，C∪D ），拆解工藝描述的各屬性重要性可通過從屬性集C中去掉一個(gè)屬性a∈C后，對(duì)S的分辨能力的影響來測(cè)度。屬性a的重要度σ（a）計(jì)算公式為：

因?yàn)?/p>

則

2.3 拆解回收實(shí)例相似度計(jì)算

在基于實(shí)例推理的汽車零部件拆解回收工藝管理系統(tǒng)中，計(jì)算當(dāng)前拆解回收工藝問題與實(shí)例庫(kù)中眾多實(shí)例的相似度是實(shí)例檢索的關(guān)鍵。由于本文中各屬性已經(jīng)離散量化為數(shù)值型數(shù)據(jù)，因此各屬性的局部相似度計(jì)算公式為：

其中

其中，ai為當(dāng)前拆解工藝問題實(shí)例的第i個(gè)屬性的屬性值為目標(biāo)實(shí)例對(duì)應(yīng)該屬性的屬性值；A為該屬性的域值，即

當(dāng)前拆解工藝問題與檢索到的目標(biāo)實(shí)例的相似度計(jì)算公式為：

其中，S（xi）為當(dāng)前拆解工藝問題與檢索到的第i條目標(biāo)實(shí)例的相似度。

3 實(shí)例

本文以某款轎車為例，其典型零部件拆解回收實(shí)例的問題描述見表2所列。

經(jīng)量化和離散后，該車部分零部件拆解實(shí)例問題描述見表3所列。

表2 零部件拆解實(shí)例的問題描述

表3 離散編碼后的零部件拆解實(shí)例的問題描述

表2中，C3、C4、C6、C7、C8、C9、C10、C11、C12分別為拆解進(jìn)程、零部件級(jí)別、工作里程（104km）、零部件類型、零部件相態(tài)、零部件材料、連接方式、連接數(shù)量和質(zhì)量級(jí)別。

表3中，C1、C2、C3、C4、C5、C6、C7、C8、D 分別為拆解進(jìn)程、零部件級(jí)別、零部件類型、零部件相態(tài)、零部件材料、連接方式、連接數(shù)量、質(zhì)量級(jí)別和決策屬性。

基于表2、表3中的數(shù)據(jù)和屬性特征的權(quán)重計(jì)算公式，得

同理，有

則有：

由此易知，零部件類型、零部件材料、連接方式、質(zhì)量級(jí)別權(quán)重較大，即對(duì)回收工藝解決方案的選擇影響較大；零部件相態(tài)、零部件級(jí)別、拆解進(jìn)程、連接數(shù)量權(quán)重次之，工作里程權(quán)重為0，表示該屬性為冗余屬性。

相似實(shí)例的檢索是汽車拆解回收知識(shí)重用方法的關(guān)鍵步驟之一，本文設(shè)計(jì)了如下拆解實(shí)例問題描述的3層檢索機(jī)制。

（1）檢索定位屬性。零部件所屬總成→零部件所屬子系統(tǒng)→名稱關(guān)鍵詞。

（2）檢索拆解工藝特征屬性。零部件類型→零部件材料→連接方式→質(zhì)量級(jí)別。

（3）檢索拆解工藝特征屬性。零部件相態(tài)→零部件級(jí)別→拆解進(jìn)程→連接數(shù)量。

在檢索過程中，運(yùn)用（4）式、（5）式分別計(jì)算實(shí)例之間的局部相似度和整體相似度。

以該車型內(nèi)外飾為例，在本文設(shè)計(jì)的檢索機(jī)制下檢索結(jié)果如圖1所示。在檢索結(jié)果中選擇并查看其拆解回收方案，根據(jù)實(shí)際需求對(duì)實(shí)例方案進(jìn)行必要的調(diào)整修改，通過重用實(shí)例中的拆解回收知識(shí)指導(dǎo)待拆解零部件拆解回收方案的設(shè)計(jì)。

圖1 3層機(jī)制檢索結(jié)果

4 結(jié)束語

本文對(duì)汽車拆解回收知識(shí)重用的關(guān)鍵技術(shù)進(jìn)行了研究，基于粗糙集理論對(duì)汽車拆解特征屬性進(jìn)行了離散和約簡(jiǎn)處理，排除了拆解冗余因素對(duì)拆解過程的影響；計(jì)算了拆解工藝特征各屬性的權(quán)重大小，并給出了實(shí)例間相似度的計(jì)算方法；通過重用最相似的拆解實(shí)例的相關(guān)拆解知識(shí)，輔助解決待拆解問題，很大程度上提高了解決問題的效率。

［1］薛俊芳，邱長(zhǎng)華.向 東.基于蟻群優(yōu)化算法的目標(biāo)拆卸序列規(guī)劃［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，19（6）：742－747.

［2］施英瑩，劉志峰，張洪潮，等.基于蟑螂算法的產(chǎn)品拆卸序列規(guī)劃［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，34（11）：1601－1605，1744.

［3］吳 昊，左洪福.基于改進(jìn)遺傳算法的選擇性拆卸序列規(guī)劃［J］.航空學(xué)報(bào)，2009，30（5）：952－958.

［4］張秀芬，張樹友.基于粒子群算法的產(chǎn)品拆卸序列規(guī)劃方法［J］.計(jì)算機(jī)集成制造系統(tǒng)，2009，15（3）：508－514.

［5］郭偉祥，劉志峰，劉光復(fù)，等.基于模塊化思想的拆卸序列規(guī)劃［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005，17（3）：498－504.

［6］陳一飛，唐祥忠，李芳成.基于實(shí)例推理的工程造價(jià)估算知識(shí)重 用 模 型 ［J］.計(jì) 算 機(jī) 應(yīng) 用 研 究，2011，28（8）：2937－2940.

［7］趙 皚，柳 玉，賁可榮.基于知識(shí)簡(jiǎn)約的故障實(shí)例重用方法［J］.武漢大學(xué)學(xué)報(bào)：理學(xué)版，2011，57（6）：523－529.

［8］張 莉，殷國(guó)富.基于知識(shí)驅(qū)動(dòng)的產(chǎn)品快速設(shè)計(jì)技術(shù)研究［J］.汽車工程，2010，32（6）：547－552.

［9］安利平.基于粗糙集理論的多屬性決策分析［M］.北京：科學(xué)出版社，2008：10－150.

［10］潘瑞林，劉曉冰，等.基于粗糙集與實(shí)例推理的費(fèi)用分配系數(shù)確定［J］.機(jī)械工程學(xué)報(bào)，2011，47（7）：157－163.

［11］丁衛(wèi)平，王建東.基于量子蛙跳協(xié)同進(jìn)化的粗糙屬性快速約簡(jiǎn)［J］.電子學(xué)報(bào)，2011，39（11）：157－163.

［12］Huang C C，Tseng T L.Rough set approach to case－based reasoning application［J］.Expert Systems with Applications，2004，26：369－385.