| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题背景和意义 | 第12-14页 |
| 1.2 课题来源 | 第14页 |
| 1.3 相关研究综述 | 第14-18页 |
| 1.3.1 拆卸序列规划与选择拆卸 | 第14-15页 |
| 1.3.2 拆卸系统设计 | 第15-16页 |
| 1.3.3 产品回收决策 | 第16-17页 |
| 1.3.4 云制造 | 第17-18页 |
| 1.3.5 相关研究小结 | 第18页 |
| 1.4 本文的主要研究内容 | 第18-19页 |
| 1.5 本文的组织结构 | 第19-21页 |
| 第2章 机电产品智能拆卸与回收云服务平台框架 | 第21-30页 |
| 2.1 引言 | 第21-22页 |
| 2.2 机电产品智能拆卸与回收云服务的定义和特征 | 第22-24页 |
| 2.3 机电产品智能拆卸与回收云服务平台总体框架 | 第24-26页 |
| 2.4 机电产品智能拆卸与回收云服务平台运行模式 | 第26-27页 |
| 2.5 机电产品智能拆卸与回收云服务平台商业模式 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 基于拆卸知识语义描述的选择拆卸规划方法 | 第30-46页 |
| 3.1 引言 | 第30-31页 |
| 3.2 面向选择拆卸的拆卸任务生成方法 | 第31-32页 |
| 3.3 符号和定义 | 第32-33页 |
| 3.3.1 符号 | 第32-33页 |
| 3.3.2 定义和假设 | 第33页 |
| 3.4 产品信息模型 | 第33-37页 |
| 3.4.1 产品信息模型概念分类和类树 | 第33-34页 |
| 3.4.2 产品信息模型实例属性 | 第34-35页 |
| 3.4.3 产品信息模型的约束 | 第35-37页 |
| 3.5 拆卸知识描述 | 第37-38页 |
| 3.6 选择拆卸决策支持方法 | 第38-39页 |
| 3.7 案例研究 | 第39-44页 |
| 3.8 方法讨论 | 第44-45页 |
| 3.9 本章小结 | 第45-46页 |
| 第4章 机电产品回收云服务物理资源描述及其服务化 | 第46-59页 |
| 4.1 引言 | 第46-47页 |
| 4.2 机电产品回收云服务请求解析 | 第47-50页 |
| 4.2.1 回收云服务形式化描述 | 第47-48页 |
| 4.2.2 回收云服务请求解析 | 第48-50页 |
| 4.3 机电产品回收云服务物理资源语义建模 | 第50-53页 |
| 4.3.1 回收云服务物理资源语义描述框架 | 第50-51页 |
| 4.3.2 基于本体的回收云服务物理资源语义建模 | 第51-53页 |
| 4.4 机电产品回收云服务物理资源发现方法 | 第53-54页 |
| 4.5 机电产品回收云服务物理资源QOS评价指标 | 第54-55页 |
| 4.6 机电产品回收云服务物理资源数值参数 | 第55-57页 |
| 4.7 机电产品回收云服务物理资源封装 | 第57-58页 |
| 4.8 本章小结 | 第58-59页 |
| 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 | 第59-86页 |
| 5.1 引言 | 第59-60页 |
| 5.2 拆卸任务调度及拆卸资源分配云服务方法 | 第60-61页 |
| 5.3 拆卸云服务建模 | 第61-66页 |
| 5.3.1 符号 | 第61页 |
| 5.3.2 目标函数 | 第61-62页 |
| 5.3.3 约束条件 | 第62-63页 |
| 5.3.4 不确定性 | 第63页 |
| 5.3.5 约束关系 | 第63-65页 |
| 5.3.6 产品集合 | 第65页 |
| 5.3.7 Pareto最优 | 第65-66页 |
| 5.4 基于NSGA-Ⅱ的拆卸任务调度及拆卸资源分配算法设计 | 第66-75页 |
| 5.4.1 染色体编码 | 第67-68页 |
| 5.4.2 初始种群 | 第68页 |
| 5.4.3 遗传算子 | 第68-71页 |
| 5.4.4 目标函数值计算 | 第71-75页 |
| 5.5 案例研究 | 第75-85页 |
| 5.5.1 案例设计 | 第75-78页 |
| 5.5.2 计算结果和讨论 | 第78-85页 |
| 5.6 本章小结 | 第85-86页 |
| 第6章 智能产品回收云服务决策方法研究 | 第86-109页 |
| 6.1 引言 | 第86-87页 |
| 6.2 智能产品回收云服务描述 | 第87-88页 |
| 6.3 回收云服务决策方法 | 第88-95页 |
| 6.3.1 智能产品本体设计 | 第88-90页 |
| 6.3.2 基于模糊规则的回收方式决策方法 | 第90-92页 |
| 6.3.3 基于灰色评价法的回收资源综合评价 | 第92-95页 |
| 6.4 基于粒子群优化算法的拆卸序列规划 | 第95-101页 |
| 6.4.1 拆卸序列模型 | 第95-96页 |
| 6.4.2 基于粒子群优化算法的求解方法 | 第96-97页 |
| 6.4.3 粒子解码方法 | 第97-98页 |
| 6.4.4 适应度函数 | 第98-101页 |
| 6.5 案例研究 | 第101-108页 |
| 6.5.1 案例背景 | 第101-103页 |
| 6.5.2 扫地机器人零件回收方式决策 | 第103-104页 |
| 6.5.3 回收资源虚拟化 | 第104页 |
| 6.5.4 基于灰色评价法的扫地机器人回收资源综合评价 | 第104-107页 |
| 6.5.5 扫地机器人拆卸序列生成 | 第107-108页 |
| 6.6 本章小结 | 第108-109页 |
| 第7章 总结与展望 | 第109-112页 |
| 7.1 全文总结 | 第109-110页 |
| 7.2 本文的创新点 | 第110-111页 |
| 7.3 研究展望 | 第111-112页 |
| 参考文献 | 第112-125页 |
| 致谢 | 第125-126页 |
| 附录A 攻读博士学位期间发表的学术论文目录 | 第126-127页 |
| 附录B 攻读博士学位期间申请的知识产权目录 | 第127-128页 |
| 附录C 攻读博士学位期间获得的荣誉 | 第128-129页 |
| 附录D 攻读博士学位期间参与的课题 | 第129页 |
