基于粗糙集的汽車拆解回收知識重用技術(shù)

曾志敏， 劉志峰， 凌 波， 鮑 宏， 陳 楊

（合肥工業(yè)大學 機械與汽車工程學院，安徽 合肥 230009）

產(chǎn)品拆解回收是提高資源綜合利用效率、實現(xiàn)資源重復利用與環(huán)境保護的有效途徑。文獻［1－5］對產(chǎn)品拆解進行了深入研究，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。

對于汽車產(chǎn)品，由于汽車自身零部件眾多且結(jié)構(gòu)復雜，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將非常復雜和效率低。另外，成功經(jīng)驗在很大程度上影響著汽車拆解效率，人為設(shè)計汽車拆解回收工藝時，由于缺乏數(shù)據(jù)庫的支持，往往不能借鑒他人成功經(jīng)驗。

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、絞磨機或氧氣切割機等工具。對內(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例的拆解回收方案及設(shè)計經(jīng)驗。

文獻［6－7］將實例推理和知識簡約等方法運用于知識重用的研究，這些研究豐富了知識重用的方法。

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

1 汽車拆解回收知識表達

汽車拆解回收工藝的知識表達是知識重用的基礎(chǔ)，目的在于對一個已經(jīng)存在的成功的零部件拆解回收實例進行記錄和表達，識別和利用其拆解回收特征屬性。

汽車拆解回收實例信息涵蓋了對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例的問題描述和拆解回收的解決方案2個部分。零部件拆解實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)量級別等信息。汽車拆解實例的問題描述即是該條實例的標引頭，用于標示每條工藝實例，在進行實例搜索時，通過搜索實例的標示頭查找相似實例。

1.1 定位屬性

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

（2）零部件所屬子系統(tǒng)。包括曲柄連桿機構(gòu)、配氣機構(gòu)、傳動機構(gòu)、供油系、冷卻系、潤滑系、點火系、起動系、進排氣，或傳動系、行駛系、轉(zhuǎn)向系、制動系，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，或電源、電子控制裝置、車載電子裝置。

1.2 拆解特征屬性

（1）待拆解零部件級別。包括總成、部件、零件。

（2）拆解進程。包括預(yù)處理、拆解、破碎分選。

（3）零部件類型。包括傳動件、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、拆解方法和拆解時間等。零部件回收方案包括清洗方法、檢測方法、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、種類復雜，回收方式各有不同，因此不是每個拆解回收解決方案都具有以上每條屬性，即實例的表達部分是可空的。

2 汽車拆解回收知識重用方法

基于粗糙集的汽車拆解回收知識重用方法是通過運用粗糙集理論，對實例進行處理和運算，獲得實例特征屬性的權(quán)重，運用知識約簡理論對特征屬性進行約簡［8］，最終選取必要的特征屬性，然后通過計算實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例，并借鑒或重用其拆解回收方案和方案設(shè)計過程中的經(jīng)驗等知識。用戶可以將該實例中的相關(guān)知識作為參考，指導解決當前的工藝問題，并完成對待拆解零部件的回收。

2.1 基于粗糙集的拆解回收知識模型

在粗糙集模型中，知識表示由信息系統(tǒng)來實現(xiàn)，信息系統(tǒng)的形式是對象與屬性值關(guān)系的兩維表，每一行表示一個對象，每一列表示一個屬性。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)，對于?a∈A，?x∈U，f（x，a）∈Va，使得U中每個對象都有與之對應(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)中的實例一般包括定性與定量2種屬性。對于定量屬性，粗糙集理論先將其離散化與歸一化處理。對于定性屬性，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算。

因此，必須將這類屬性值域轉(zhuǎn)化為若干個區(qū)間并對其編碼，用斷點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。

為評估引江濟太對太湖貢湖灣的水環(huán)境效應(yīng)，李大勇[107]等以生態(tài)系統(tǒng)動力學模型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，以河道流量及其物質(zhì)含量、風場、太陽輻射等為外部函數(shù)，以藻類生消及其相關(guān)營養(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力學模型。田豐[44]等也建立了巢湖CAEDYM生態(tài)動力學模型，用以評估調(diào)水對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

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例中的冗余數(shù)據(jù)對決策系統(tǒng)的負面影響，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。約簡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。

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

屬性集的約簡可能有多個，如屬性集B的所有約簡組成的集合為Red（B），而所有約簡的交集即為B的核，即core（B）＝∩Red（B）。本文采用文獻［11］中方法進行屬性約簡。同時，由于本系統(tǒng)為多屬性決策系統(tǒng)，采用文獻［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)重的計算

對于經(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中去掉一個屬性a∈C后，對S的分辨能力的影響來測度。屬性a的重要度σ（a）計算公式為：

因為

則

2.3 拆解回收實例相似度計算

在基于實例推理的汽車零部件拆解回收工藝管理系統(tǒng)中，計算當前拆解回收工藝問題與實例庫中眾多實例的相似度是實例檢索的關(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算公式為：

其中

其中，ai為當前拆解工藝問題實例的第i個屬性的屬性值為目標實例對應(yīng)該屬性的屬性值；A為該屬性的域值，即

當前拆解工藝問題與檢索到的目標實例的相似度計算公式為：

其中，S（xi）為當前拆解工藝問題與檢索到的第i條目標實例的相似度。

3 實例

本文以某款轎車為例，其典型零部件拆解回收實例的問題描述見表2所列。

經(jīng)量化和離散后，該車部分零部件拆解實例問題描述見表3所列。

表2 零部件拆解實例的問題描述

表3 離散編碼后的零部件拆解實例的問題描述

表2中，C3、C4、C6、C7、C8、C9、C10、C11、C12分別為拆解進程、零部件級別、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)量級別。

表3中，C1、C2、C3、C4、C5、C6、C7、C8、D 分別為拆解進程、零部件級別、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)量級別權(quán)重較大，即對回收工藝解決方案的選擇影響較大；零部件相態(tài)、零部件級別、拆解進程、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。

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

（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)量級別。

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

在檢索過程中，運用（4）式、（5）式分別計算實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)計的檢索機制下檢索結(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)實際需求對實例方案進行必要的調(diào)整修改，通過重用實例中的拆解回收知識指導待拆解零部件拆解回收方案的設(shè)計。

圖1 3層機制檢索結(jié)果

4 結(jié)束語

本文對汽車拆解回收知識重用的關(guān)鍵技術(shù)進行了研究，基于粗糙集理論對汽車拆解特征屬性進行了離散和約簡處理，排除了拆解冗余因素對拆解過程的影響；計算了拆解工藝特征各屬性的權(quán)重大小，并給出了實例間相似度的計算方法；通過重用最相似的拆解實例的相關(guān)拆解知識，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，邱長華.向 東.基于蟻群優(yōu)化算法的目標拆卸序列規(guī)劃［J］.計算機輔助設(shè)計與圖形學學報，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)大學學報：自然科學版，2011，34（11）：1601－1605，1744.

［3］吳 昊，左洪福.基于改進遺傳算法的選擇性拆卸序列規(guī)劃［J］.航空學報，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］.計算機集成制造系統(tǒng)，2009，15（3）：508－514.

［5］郭偉祥，劉志峰，劉光復，等.基于模塊化思想的拆卸序列規(guī)劃［J］.計算機輔助設(shè)計與圖形學學報，2005，17（3）：498－504.

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

［7］趙 皚，柳 玉，賁可榮.基于知識簡約的故障實例重用方法［J］.武漢大學學報：理學版，2011，57（6）：523－529.

［8］張 莉，殷國富.基于知識驅(qū)動的產(chǎn)品快速設(shè)計技術(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：科學出版社，2008：10－150.

［10］潘瑞林，劉曉冰，等.基于粗糙集與實例推理的費用分配系數(shù)確定［J］.機械工程學報，2011，47（7）：157－163.

［11］丁衛(wèi)平，王建東.基于量子蛙跳協(xié)同進化的粗糙屬性快速約簡［J］.電子學報，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.