首页--经济论文--经济计划与管理论文--企业经济论文--企业生产管理论文

基于拆解信息模型自动化生成的拆解序列优化

摘要第5-6页
Abstract第6-7页
第1章 绪论第14-22页
    1.1 研究背景及意义第14-15页
    1.2 国内外研究现状第15-19页
        1.2.1 拆解建模研究现状第15-17页
        1.2.2 拆解评估相关指标研究现状第17-18页
        1.2.3 拆解序列规划研究现状第18-19页
    1.3 课题来源第19-20页
    1.4 本文主要研究内容第20-22页
第2章 产品拆解信息模型构建及自动生成方法第22-41页
    2.1 广义干涉矩阵第22-24页
        2.1.1 广义干涉矩阵的概念第22-23页
        2.1.2 广义干涉矩阵的性质第23-24页
    2.2 广义干涉矩阵自动生成第24-32页
        2.2.1 基于轴向包围盒及实体相交的干涉检测方法第24-26页
        2.2.2 广义干涉矩阵生成流程第26-27页
        2.2.3 在SolidWorks三维软件中零件装配信息的提取第27-28页
        2.2.4 在SolidWorks三维软件中零件的运动控制第28-31页
        2.2.5 在SolidWorks三维软件中零件的实体干涉检查第31-32页
    2.3 广义干涉矩阵简化方法第32-33页
    2.4 实例分析第33-40页
        2.4.1 工程液压油缸广义干涉矩阵的生成第33-35页
        2.4.2 某拆解平台中夹具模块广义干涉矩阵的生成第35-40页
    2.5 本章小结第40-41页
第3章 基于改进自适应遗传算法的产品拆解序列优化第41-50页
    3.1 适应度函数的设计第41-42页
    3.2 改进自适应遗传算法的设计第42-46页
        3.2.1 染色体构造第42页
        3.2.2 遗传操作第42-44页
        3.2.3 自适应交叉概率、变异概率的改进第44-45页
        3.2.4 精英选择策略第45页
        3.2.5 遗传算法流程图第45-46页
    3.3 改进的自适应遗传算法在产品拆解序列优化中的应用第46-49页
        3.3.1 产品拆解相关信息第47-48页
        3.3.2 算法性能分析第48-49页
    3.4 本章小结第49-50页
第4章 零件间典型连接结构拆解能量分析第50-64页
    4.1 拆解能量的分析第50-52页
        4.1.1 拆卸能量与拆解能量第50-51页
        4.1.2 零件移出能量第51-52页
    4.2 零件间典型配合约束解除能量消耗分析第52-58页
        4.2.1 螺纹连接约束解除第52-53页
        4.2.2 过盈连接约束解除第53-56页
        4.2.3 卡扣连接约束解除第56-58页
    4.3 轴弯曲变形对过盈配合配合约束解除消耗能量的影响第58-62页
        4.3.1 过盈配合理论接触载荷计算第58-59页
        4.3.2 基于有限元的过盈配合接触载荷计算第59-60页
        4.3.3 轴弯曲变形对最大拆解力和拆解能量的影响第60-62页
    4.4 实例分析第62-63页
    4.5 本章小结第63-64页
第5章 基于熵权和TOPSIS法的产品拆解序列评价方法第64-75页
    5.1 拆解序列的性质第64页
    5.2 产品拆解序列的评价指标选取原则第64-65页
    5.3 拆解序列评价指标第65-69页
        5.3.1 拆解时间第65-66页
        5.3.2 拆解能量第66页
        5.3.3 拆解可达性第66页
        5.3.4 拆解稳定性第66页
        5.3.5 拆解费用第66-68页
        5.3.6 噪声污染第68-69页
        5.3.7 固体废弃物影响第69页
    5.4 基于熵权TOPSIS方法的综合评价方法第69-73页
        5.4.1 熵权法的基本原理及计算过程第69-72页
        5.4.2 逼近理想解排序法第72-73页
    5.5 实例分析第73-74页
    5.6 本章小结第74-75页
总结与展望第75-77页
参考文献第77-83页
致谢第83-84页
附录A (攻读硕士学位期间发表的学术论文)第84页

论文共84页,点击 下载论文
上一篇:复杂事件规则学习技术研究
下一篇:基于数字化工厂的智能电表生产线设计与优化研究