【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种退役机电产品拆解工序的失效风险评估方法、装置及设备。
技术介绍
1、随着技术的迅速发展和更新换代，大量的机电产品被淘汰和退役。与此同时，人们对环境保护的关注度不断提高，越来越多的人认识到废弃机电产品对环境产生的影响，进而使得回收退役机电产品成为一个备受关注的话题。退役机电产品回收是指对废弃或报废的电子设备、家电以及其他机械设备进行收集、拆解和再利用的过程。电子设备和机械设备中包含了许多有价值的材料和元件，如金属、塑料、稀土等。通过回收和再利用这些材料，可以减少对自然资源的开采，降低资源消耗的压力，实现资源的可持续利用。
2、拆解是回收利用中的一个核心环节，指的是将一个产品或子装配体分解成多个零部件的过程。拆解工序是拆解过程中的关键步骤，它通过合理的规划和操作，保证了拆解过程的顺利进行、高效完成和准确实施，可以看出，拆解工序的成功与否直接影响着拆解的效果和效率。然而，退役机电产品经历过长时间使用和各种环境条件的变化，其零部件的质量状况迥异，目前尚无可靠的检测设备和技术方法来提前准确识别退役机电产品内部零部件的质量状况，使得退役机电产品拆解工序随机失效行为时有发生。深入理解退役机电产品的拆解工序失效行为机理对于提高拆解效率、资源回收利用和环境可持续发展具有重要意义。拆解工序失效行为机理的研究面临两方面的挑战：一是单个拆解工序失效行为的随机性使得其规律难以捕捉，拆解过程中涉及多个因素，包括产品结构、工作环境、操作技术等，这些因素的组合与交互作用导致拆解工序失效行为呈现多样化和随机性；二是
3、因此，退役机电产品拆解过程中工序失效行为对整体拆解效率和质量构成严峻挑战，考虑到拆解工序失效的模糊性，其状态刻画成为关键难题。同时，拆解工序间失效因果关联对后置工序的失效概率具有显著影响，进一步增加风险评估的复杂性。由此可见，现有技术无法很好地识别退役机电产品拆解过程中潜在的拆解工序的关联失效风险。
技术实现思路
1、本专利技术实施例提供一种退役机电产品拆解工序的失效风险评估方法、装置及设备，能够准确地识别退役机电产品拆解过程中潜在的拆解工序的关联失效风险。
2、本专利技术一实施例提供一种双层推理下退役机电产品拆解工序的失效风险评估方法，包括：
3、从退役机电产品的零部件失效层面出发，确定退役机电产品的拆解工序的失效行为表现，并通过引入模糊推理方法，处理多维失效变量进而精确描述退役机电产品的单个拆解工序的失效状态；
4、利用改进离散萤火虫算法优化用于反映退役机电产品的失效拆解工序间因果关系的贝叶斯网络拓扑结构；
5、使用期望最大参数估计方法来估计贝叶斯网络拓扑结构每个节点的贝叶斯网络参数，以估计退役机电产品的各个拆解工序的失效条件概率。
6、作为上述方案的改进，所述从退役机电产品的零部件失效层面出发，确定退役机电产品的拆解工序的失效行为表现，并通过引入模糊推理方法，处理多维失效变量进而精确描述退役机电产品的单个拆解工序的失效状态，包括：
7、对退役机电产品进行深入分析，识别影响拆解工序失效的多个维度因素；维度因素包括：可靠性失效、结构性失效和工艺性失效；
8、收集退役机电产品在拆解过程中的历史数据，包括零部件的服役时间记录、形变测量和拆解作业参数；
9、基于专业知识和实际经验，构建一套模糊规则库；规则库中定义了失效维度变量与拆解工序失效状态之间的模糊关系；
10、应用模糊推理方法，将收集到的多维失效变量输入到模糊推理机中，通过与模糊规则库的匹配，计算每个维度的隶属度函数，体现零部件在不同失效维度上的模糊程度；
11、利用最大隶属度原则，对模糊推理得到的多个维度的隶属度进行解模糊化处理，从而明确单个拆解工序的失效状态。
12、作为上述方案的改进，所述利用改进离散萤火虫算法优化用于反映退役机电产品的失效拆解工序间因果关系的贝叶斯网络拓扑结构，包括：
13、构建拆解工序数据集：根据退役机电产品的拆解经验与历史数据，建立拆解工序的数据集，该数据集包含不同拆解工序的状态信息以及它们之间的实际因果关联情况；数据集中记录了拆解过程中每道工序的执行结果、失效情况及其对后续工序的影响；
14、定义个体编码与解码规则：在离散萤火虫算法中，每个个体代表了一个可能的贝叶斯网络拓扑结构；采用邻接矩阵的形式来编码个体，其中矩阵中的元素表示工序间的依赖关系；
15、初始化种群：通过kahn的拓扑排序方法，根据实际拆解工序的优先级和顺序，生成初始种群；每个个体都是一个满足拆解工序逻辑关系的有向无环图dag；
16、适应度函数设计：设计适应度函数来衡量个体为贝叶斯网络拓扑结构的好坏；
17、改进离散萤火虫算法优化：包括搜索、更新、评价三个主要步骤；搜索阶段，萤火虫群随机探索解空间，寻找更优的网络结构；更新阶段，根据适应度值和算法的吸引、排斥机制调整萤火虫位置；评价阶段，使用适应度函数对每个个体进行评估，保留或更新更优的拓扑结构；
18、迭代优化与收敛判断：通过多次迭代，不断优化萤火虫群体的位置，从而不断寻找更优的贝叶斯网络拓扑结构；每次迭代后，检查算法是否达到预设的停止条件，并在到达停止条件后结束优化过程；停止条件包括：迭代次数上限或适应度提升的阈值；
19、输出最优结构：当结束优化过程时，选择适应度最高的个体作为最优解，从而得到最好地反映退役机电产品拆解工序间的失效因果关系的贝叶斯网络拓扑结构。
20、作为上述方案的改进，所述使用期望最大参数估计方法来估计贝叶斯网络拓扑结构每个节点的贝叶斯网络参数，以估计退役机电产品的各个拆解工序的失效条件概率，包括：
21、准备训练数据：依据退役机电产品拆解的历史记录，收集相关拆解工序的失效数据；
22、初始化参数估计：对贝叶斯网络中的每个代表拆解工序的节点，基于训练数据初步设定一个参数估计值，包括条件概率表的初值，这些值基于先验知识或简单统计分析获得；
23、期望步：在当前参数估计下，计算每个样本在给定其父节点状态时，该节点处于各种状态的概率，即计算每个节点的期望计数；
24、最大化步：基于期望步中计算出的期望计数，重新估计每个节点的条件概率分布，使得这些估计值最大化数据的似然性；
25、迭代优化：重复执行期望步和最大化步，直至网络参数的改变量小于预设的阈值或达到预定的最大迭代次数；
26、计算失效条件概率：通过上述迭代过程，最终获得的条件概率表反映了在给定其父节点状态的情况下，每个拆解工序的失效条件概率；这些概率体现了拆解工序失效的本文档来自技高网...
【技术保护点】
1.一种双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，包括：
2.如权利要求1所述的双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，所述从退役机电产品的零部件失效层面出发，确定退役机电产品的拆解工序的失效行为表现，并通过引入模糊推理方法，处理多维失效变量进而精确描述退役机电产品的单个拆解工序的失效状态，包括：
3.如权利要求1所述的双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，所述利用改进离散萤火虫算法优化用于反映退役机电产品的失效拆解工序间因果关系的贝叶斯网络拓扑结构，包括：
4.如权利要求1所述的双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，所述使用期望最大参数估计方法来估计贝叶斯网络拓扑结构每个节点的贝叶斯网络参数，以估计退役机电产品的各个拆解工序的失效条件概率，包括：
5.一种双层推理下退役机电产品拆解工序的失效风险评估装置，其特征在于，包括：
6.如权利要求5所述的双层推理下退役机电产品拆解工序的失效风险评估装置，其特征在于，所述模糊推理模块具体用于
7.如权利要求5所述的双层推理下退役机电产品拆解工序的失效风险评估装置，其特征在于，所述优化模块具体用于：
8.如权利要求5所述的双层推理下退役机电产品拆解工序的失效风险评估装置，其特征在于，所述估计模块具体用于：
9.一种双层推理下退役机电产品拆解工序的失效风险评估设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的双层推理下退役机电产品拆解工序的失效风险评估方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的双层推理下退役机电产品拆解工序的失效风险评估方法。
...【技术特征摘要】
1.一种双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，包括：
2.如权利要求1所述的双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，所述从退役机电产品的零部件失效层面出发，确定退役机电产品的拆解工序的失效行为表现，并通过引入模糊推理方法，处理多维失效变量进而精确描述退役机电产品的单个拆解工序的失效状态，包括：
3.如权利要求1所述的双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，所述利用改进离散萤火虫算法优化用于反映退役机电产品的失效拆解工序间因果关系的贝叶斯网络拓扑结构，包括：
4.如权利要求1所述的双层推理下退役机电产品拆解工序的失效风险评估方法，其特征在于，所述使用期望最大参数估计方法来估计贝叶斯网络拓扑结构每个节点的贝叶斯网络参数，以估计退役机电产品的各个拆解工序的失效条件概率，包括：
5.一种双层推理下退役机电产品拆解工序的失效风险评估装置，其特征在于，包括：
<...【专利技术属性】
技术研发人员：郭洪飞，钟方，任莹，任亚平，何智慧，韩世林，
申请(专利权)人：暨南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。