基于双循环模糊进化的机器人拆卸序列规划方法及系统与流程

1.本发明涉及机器人与智能制造技术领域，尤其涉及一种基于双循环模糊进化的机器人拆卸序列规划方法及系统。


背景技术：

2.报废(end-of life,eol)产品的拆卸是再制造的一个常见步骤，它通过一系列的操作从eol产品中提取有价值的零部件和材料，促进资源的再利用，减少环境污染。拆卸过程通常是按一定的顺序进行的，以提高拆卸效率，降低拆卸成本。这种获得最优拆卸序列的过程称为拆卸序列规划(disassemblysequence planning,dsp)。拆卸任务通常从dsp开始，这被认为是再制造的关键工序，也是支撑自主再制造的基本技术。
3.传统的拆卸过程依靠人工操作，人具有较强的适应性，对不确定情况能够快速准确地反应。然而，随着人工成本的增加和拆卸过程存在特定的风险，人工拆卸的优势越来越小。在这种情况下，机器人的拆卸已经得到了广泛的关注。然而，由于eol产品已经使用多年，其状况是不可预测的，这种不确定性迫使dsp不断变化，使机器人自主拆卸面临重大挑战。
4.自动拆卸过程通常包括三个步骤：确定拆卸模式、建立拆卸模型、设计拆卸序列规划方法。拆卸方式根据拆卸完成率可分为完全拆卸和部分拆卸，或按拆卸顺序分为顺序拆卸和并行拆卸。拆卸建模是指通过基于图的方法、 petri网方法、基于矩阵的方法等方法生成产品的组件关系。当前两步完成后，可以使用适当的规划方法来找到最优的拆卸顺序。这里的最佳拆卸顺序是指满足特定拆卸目标(如拆卸成本、时间、效益等)的顺序。这个过程可以通过多种优化方法来完成，如自然启发式算法(niha)、基于规则的方法(rbm)、随机模拟(ssi)技术等。
5.然而，目前的研究大多假设产品的组件关系是恒定的，产品状态是完全可预测的。事实上，由于使用多年，eol产品的状态与原始状态不一致，静态拆卸模型和方法难以适应这种不确定性。因此，为了使建模和优化方法更适合实际应用，必须研究拆卸序列再规划方法。
6.为了实现完全自主，机器人必须能够对随机、不确定的目标做出智能和明智的决策。在该领域存在的一个挑战是，由于eol产品状态的变化，组件之间的干扰条件可能是不确定的。随着进化算法的发展，各种蜜蜂算法、遗传算法和模因算法已经被广泛应用。agrawal等人使用遗传算法从一个产品组装几何描述中生成优化的dsp。随后，tseng等人采用传统的遗传算法，形成了一种具有优质的新型“扁虫”算法。然而，由于基于种群的进化算法在动态规划和再规划中非常耗时，因此又提出了迭代次数较少的启发式方法。然而，启发式方法的性能也受到种群规模和迭代次数的影响。另外，也有一些关于使用模糊数据集建模拆卸过程中的不确定性的研究，然而，这些模型更多的是从可服务性和经济可行性的角度出发，而不是针对机器人的dsp问题。
7.因此，提出一种基于双循环模糊进化的机器人拆卸序列规划方法及系统，来解决
现有技术存在的困难，是本领域技术人员亟需解决的问题。


技术实现要素：

8.有鉴于此，本发明提供了一种基于双循环模糊进化的机器人拆卸序列规划方法及系统，可以应对报废产品组件之间的不确定干扰条件，并快速逼近其真实状态；为基于机器人的再制造提供了在线适应故障并重新规划拆卸序列的能力，使得机器人自主拆卸成为可能。
9.为了实现上述目的，本发明采用如下技术方案：
10.基于双循环模糊进化的机器人拆卸序列规划方法，包括以下步骤：
11.s101.构建步骤：根据目标产品对应的cad图，构建一个分层的候选集；
12.s201.拆卸步骤：基于生成的分层候选集，选择其中一个组件进行拆卸；若拆卸成功，则进入s401，否则进入s301，
13.s301.惩罚步骤：若当前组件拆卸失败，则与当前组件接触的其他组件的置信值乘以e
(0.01/u)
其中u为当前置信度值，并返回s101；
14.s401.奖励步骤：若当前组件拆卸成功，则与当前组件接触的其他组件的置信值乘以10％，并判断目标产品是否拆卸完成，若未拆卸完成，则返回s101，否则进入s501；
15.s501.当前拆卸数据输出步骤：输出组件拆卸成功和失败数据、拆卸序列以及拆卸序列的可行性和置信度评分；
16.s601.系统数据输出步骤：基于s501输出的数据进行稳态可行性和置信度矩阵计算，输出可行性最高的拆卸序列，并判断是否完成循环次数，若为是，则结束拆卸过程，否则进入s701；
17.s701.初始条件更新步骤：将稳态可行性和置信度矩阵作为下一次拆卸的初始条件，编辑初始的可行性矩阵，进入s101，直至完成所有循环次数。
18.上述的方法，可选的，s101构建步骤具体包括以下步骤：
19.s1011根据目标产品的cad爆炸图构建接触矩阵；
20.s1012设置初始的可行性矩阵和置信度矩阵；
21.s1013根据组成目标产品的每个组件与其他组件接触数量构建分层候选集。
22.上述的方法，可选的，在s1011的接触矩阵中，“1”表示两个组件在相对运动方向上有接触，“0”表示两个组件非接触。
23.上述的方法，可选的，对接触矩阵按照组件对所有方向干扰进行压缩得到关系矩阵，如果组件在任何一份或多个给定方向上与另一组件接触，则输出值为1，否则为0。
24.上述的方法，可选的，s1012的可行性矩阵表示两个组件相对运动的可行性，分值范围为0-1，其中，“0”表示两个组件完全可自由移动，“1”表示两个组件直接接触，无法移动。
25.上述的方法，可选的，s1012的置信度矩阵评估可行性的可信度，可信度值的范围为0-1，其中，“0”表示可行性绝对确定，“1”表示可行性绝对不确定。
26.基于双循环模糊进化的机器人拆卸序列规划系统，应用上述任一项的基于双循环模糊进化的机器人拆卸序列规划方法，包括：构建模块、拆卸模块、惩罚模块、奖励模块、当前拆卸数据输出模块、系统数据输出模块、初始条件更新模块、第一判断模块、第二判断模
块、第三判断模块和结束模块；
27.构建模块，与拆卸模块的输入端连接，用于根据目标产品对应的cad图，构建一个分层的候选集；
28.拆卸模块，与第一判断模块的输入端连接，用于基于生成的分层候选集，选择其中一个组件进行拆卸；
29.第一判断模块，用于判断当前组件是否拆卸成功，若拆卸成功，则进行奖励机制，否则继续进行候选集构建；
30.惩罚模块，与第一判断模块的第一输出端连接，用于当前组件拆卸失败，则将与当前组件接触的其他组件的置信值乘以e
(0.01/u)
，并继续进行候选集构建；
31.奖励模块，与第一判断模块的第二输出端连接，用于当前组件拆卸成功，则将与当前组件接触的其他组件的置信值乘以10％；
32.第二判断模块，与奖励模块的输出端连接，用于判断目标产品是否拆卸完成，若未拆卸完成，则继续进行候选集构建，否则输出当前拆卸数据；
33.当前拆卸数据输出模块，与第二判断模块的第一输出端连接，用于输出组件拆卸成功和失败数据、拆卸序列以及拆卸序列的可行性和置信度评分；
34.系统数据输出模块，与当前拆卸数据输出模块的输出端连接用于：基于基于的当前拆卸数据进行稳态可行性和置信度矩阵，输出可行性最高的拆卸序列；
35.第三判断模块，与系统数据输出模块连接，用于判断是否完成循环次数，若为是，则结束拆卸过程，否则进行初始条件更新；
36.结束模块，与第三判断模块的第一输出锻炼连接，用于结束拆卸过程；
37.初始条件更新模块，与第三判断模块的第二输出锻炼连接，用于将稳态可行性和置信度矩阵作为下一次拆卸的初始条件，编辑初始的可行性矩阵，进行候选集构建，直至完成所有循环次数。
38.一种存储介质，存储介质包括存储的指令，其中，在指令运行时控制存储介质所在的设备执行上述的基于双循环模糊进化的机器人拆卸序列规划方法。
39.一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行上述的基于双循环模糊进化的机器人拆卸序列规划方法。
40.经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于双循环模糊进化的机器人拆卸序列规划方法及系统：1)提出了一种面向再制造的产品拆卸序列规划的双循环模糊化进化方法；2)该双循环模糊进化方法可以应对报废产品组件之间的不确定干扰条件，并快速逼近其真实状态；3)该双循环模糊进化方法为基于机器人的再制造提供了在线适应故障并重新规划拆卸序列的能力，使得机器人自主拆卸成为可能。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
42.图1为本发明提供的基于双循环模糊进化的机器人拆卸序列规划方法流程图；
43.图2为本发明提供的s101的具体步骤；
44.图3为本发明提供的双循环模糊算法的具体流程图；
45.图4为本发明实施例提供的二维空间目标产品；
46.图5为本发明实施例提供的在不同cofs的作用下，组件c1的置信度值沿x-方向的变化，其中5.1表示在cofs＝0的作用下，组件c1的置信度值沿 x-方向的变化，5.2表示在cofs＝5％-15％的作用下，组件c1的置信度值沿 x-方向的变化，5.3表示在cofs＝60％-80％的作用下，组件c1的置信度值沿 x-方向的变化；
47.图6为本发明实施例提供的在不同cofs的作用下，组件f1的置信度值沿y-方向的变化，其中5.1表示在cofs＝0的作用下，组件f1的置信度值沿y-方向的变化，5.2表示在cofs＝5％-15％的作用下，组件f1的置信度值沿 y-方向的变化，5.3表示在cofs＝60％-80％的作用下，组件f1的置信度值沿 y-方向的变化；
48.图7为本发明提供的基于双循环模糊进化的机器人拆卸序列规划系统结构框图；
49.图8为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
50.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.在本技术中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
52.本发明可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
53.参照图1所示，本发明公开了基于双循环模糊进化的机器人拆卸序列规划方法，包括以下步骤：
54.s101.构建步骤：根据目标产品对应的cad图，构建一个分层的候选集；
55.s201.拆卸步骤：基于生成的分层候选集，选择其中一个组件进行拆卸；若拆卸成功，则进入s401，否则进入s301，
56.s301.惩罚步骤：若当前组件拆卸失败，则与当前组件接触的其他组件的置信值乘以e
(0.01/u)
其中u为当前置信度值，并返回s101；
57.s401.奖励步骤：若当前组件拆卸成功，则与当前组件接触的其他组件的置信值乘以10％，并判断目标产品是否拆卸完成，若未拆卸完成，则返回s101，否则进入s501；
58.s501.当前拆卸数据输出步骤：输出组件拆卸成功和失败数据、拆卸序列以及拆卸序列的可行性和置信度评分；
59.s601.系统数据输出步骤：基于s501输出的数据进行稳态可行性和置信度矩阵计算，输出可行性最高的拆卸序列，并判断是否完成循环次数，若为是，则结束拆卸过程，否则进入s701；
60.s701.初始条件更新步骤：将稳态可行性和置信度矩阵作为下一次拆卸的初始条件，编辑初始的可行性矩阵，进入s101，直至完成所有循环次数。
61.进一步的，参照图2所示，s101构建步骤具体包括以下步骤：
62.s1011根据目标产品的cad爆炸图构建接触矩阵；
63.s1012设置初始的可行性矩阵和置信度矩阵；
64.s1013根据组成目标产品的每个组件与其他组件接触数量构建分层候选集。
65.再进一步的，在s1011的接触矩阵中，“1”表示两个组件在相对运动方向上有接触，“0”表示两个组件非接触。
66.更进一步的，对接触矩阵按照组件对所有方向干扰进行压缩得到关系矩阵，如果组件在任何一份或多个给定方向上与另一组件接触，则输出值为1，否则为0。
67.进一步的，s1012的可行性矩阵表示两个组件相对运动的可行性，分值范围为0-1，其中，“0”表示两个组件完全可自由移动，“1”表示两个组件直接接触，无法移动。
68.进一步的，s1012的置信度矩阵评估可行性的可信度，可信度值的范围为 0-1，其中，“0”表示可行性绝对确定，“1”表示可行性绝对不确定。
69.参见图3所示，为本发明提供的基于双循环模糊进化的产品拆卸序列规划方法的具体流程图，双循环是指内循环和外循环。在内循环(步骤2到步骤6)中，可行性和置信度将根据历史成功或失败数据进行在线更新。当一个产品完成拆卸时，将获得该次拆卸产生的相关数据(主要为可行性矩阵和置信度矩阵)，大多情况下，该数据与该产品的初始数据会有差异，并作为历史数据指导其他同类产品的茶拆卸序列规划。在外循环(步骤7到步骤9)中，通过多次成功的拆卸不断更新初始条件，最终得到的可行性和置信度矩阵更接近于产品的实际情况。
70.双环自进化算法允许基于之前的操作进行在线决策，随着更多的产品被拆卸，可行性矩阵和置信度矩阵的初始值被更新，以更准确地反映产品实际状态，以下是该方法的具体实现步骤：
71.步骤1-4：生成可行性、置信度和接触(关系)矩阵。在确定拆卸组件和方向之前，将生成一个分层的候选集。基于生成的分层候选集，识别出一个最容易拆卸的组件，并尝试拆卸它。
72.步骤5-失败响应：若某个组件拆卸失败，与之相接触的组件受到惩罚，即这些组件的置信值乘以系数e
(0.01/u)
，从而增加了不确定性。
73.步骤6-成功响应：在成功拆除一个给定的组件后，相应的置信值降低10％，组件的可行性和置信度数据从源数据中删除，并存储在相应的聚合矩阵中。同样地，组件的可行性、置信度也被存储用于以后的拆卸序列评估。
74.步骤7-内循环数据：内循环完成，算法输出成功/失败数据以及当前的dsp。计算已完成的序列的总分。
75.步骤8-外循环数据：系统输出多次内循环的平均可行性和置信度矩阵，即稳态可行性和置信度矩阵，可以基于可行性、置信度矩阵或不同的dsp出现的概率等指标来选择最优的dsp。
76.第9步-更新初始条件：算法一直运行，直到满足迭代次数为止。每一次拆卸后都会计算平均可行性和置信度矩阵，即稳态可行性和置信度矩阵，并将此矩阵作为下一次拆卸的初始条件，以不断逼近产品的真实状态。
77.在一个具体实施例中，参见图4所示为本发明提供的二维空间目标产品示意图，对其获取可行性、置信度和接触(关系)矩阵，具体内容如下：
78.1、产品组件关系的模糊数学表示
79.为了描述产品组件之间的不确定干扰，我们提出使用两个模糊动态矩阵结合一个接触矩阵在三维空间中定义产品装配关系。
80.接触矩阵定义了在4个或6个方向上的组件之间的接触关系。为了更清楚地说明所提出的方法，我们将使用图4所示的一个二维空间中的简单产品为例，因此只用考虑4个方向。
81.由于图4中的产品有9个组件和4个拆卸方向(x 、x-、y 、y-)，可以用一个9*36矩阵来表示各组件之间的接触关系，矩阵中“1”表示两个组件在相对运动方向上有接触，“0”则表示非接触。对接触矩阵按组件对所有方向干扰进行压缩得到关系矩阵，它侧重于组件之间的干扰，而不是某个方向上的干扰，其功能类似于或门：如果组件在任何一个或多个给定方向上与另一组件接触，则输出值为1，否则为0。接触矩阵c和关系矩阵r之间的关系可以从式(1)和(2)中看出：
[0082][0083][0084]
其中c为接触矩阵(如表2a所示)，表示c2组件是否沿x 方向阻碍组件c1的二进制数，r为关系矩阵，表示组件c2是否在任何方向阻碍组件c1。
[0085]
本方法设计了两个新的非二元矩阵：可行性矩阵(feasibility matrix)和置信度矩阵(confidence matrix)。可行性矩阵代表两个组件相对运动的可行性。得分从0(完全可自由移动)到1(直接接触，无法移动)。置信度矩阵评估“这一可行性有多可信”，从0(绝对确定)到1(非常不确定)。
[0086]
表1显示了本方法中使用的评分系统。这些初始条件会影响dsp的性能。假设如下：垂直干涉，即直接将一个组件与另一个组件垂直分开，其可行性和置信度最高，分别为0.05和0.01，理论上，这种拆卸是最有可能成功的两个接触组件。由于平行拆卸过程中表面摩擦增加和接触时间延长，因此被认为略微不可行(0.1)及不确定(0.05)。类似地，螺纹组件分
别被赋值0.2的可行性和0.1的置信度。当某个组件不可能拆卸时，其可行性和置信度分别为 1和0，因为我们可以确定两个组件有明显的空间干扰。最后，对于远程干扰，即指在给定方向上移动一定距离后会与另一组件有干扰，被认为在某种程度上是可行的(0.3)，但却是非常不确定的(0.1)。
[0087]
值得一提的是，1)所提供的初始分数是主观的，可以根据用户的经验进行更改；2)它们是初始参数，并将随着dsp情况的增加而自动调整。
[0088]
表1可行性和置信度评分规则
[0089]
组件关系接触可行性置信度自由移动000螺纹00.20.1垂直00.050.01平行00.10.05远程00.30.1无法移动110
[0090]
以图4产品为例，式(3)表示可行性矩阵，c1在x 方向上的可行性得分f
c1x
可以计算为c1在x 方向上移动时相对于其他组件时的可行性之和，如式(4)所示：
[0091][0092][0093]
其中f
source
为未压缩的可行性矩阵，表示c1沿x 方向移动时c1和c2 之间的可行性干扰，f
c1x
为c1在给定时刻沿x 方向移动时的可行性得分。
[0094]
采用相同的求和法来压缩置信矩阵。未压缩和压缩矩阵见图表2a-2f。
[0095]
表2a-2f完整的接触、可行性和置信度矩阵及对应的压缩的接触、可行性和置信度矩阵
[0096]
表2a接触矩阵
[0097]
表2a.1
[0098][0099]
表2a.2
[0100][0101]
表2a.3
[0102][0103]
表2b可行性矩阵
[0104]
表2b.1
[0105][0106]
表2b.2
[0107][0108]
表2b.3
[0109][0110]
表2c置信度矩阵
[0111]
表2c.1
[0112][0113]
表2c.2
[0114][0115]
表2c.3
[0116][0117]
表2d压缩的接触矩阵(关系矩阵)
[0118][0119]
表2e压缩的可行性矩阵
[0120][0121]
表2f压缩的置信度矩阵
[0122][0123]
需要注意的是，关系矩阵的函数类似于一个与门，它关注组件之间的干扰，而不是方向干扰，而可行性和置信度矩阵总结了组件之间的方向关系。接触矩阵可以通过cad模型得到。可行性和置信度的初始值被主观地配置，并随着dsp次数的增加而不断更新，并逐渐接近产品的实际情况。
[0124]
2、基于拆卸失败的惩罚机制
[0125]
当组件失效时其不确定性会增加，被拆卸的可行性会降低，与其接触的组件也面临同样的状况。在这种情况下，可以将惩罚机制应用于所有具有不确定性(或置信度值)的接触组件。
[0126]
惩罚以惩罚矩阵的形式存在，应用于未压缩的可行性矩阵。以图4产品为例，当f1和f4被拆卸后，假设将c1沿着y 方向上拆卸，但失败了，那么c2和c5也会受到惩罚，因为c2和c5是与c1直接接触的组件。需要注意的是，相关的置信矩阵将在整个程序过程中不断更新，从而决定这些惩罚的权重。
[0127]
3、双循环模糊进化算法
[0128]
如图3所示，双循环是指内循环和外循环。在内循环(步骤2到步骤6) 中，可行性和置信度将根据历史成功或失败数据进行在线更新。当一个产品完成拆卸时，将获得该次拆卸产生的相关数据(主要为可行性矩阵和置信度矩阵)，大多情况下，该数据与该产品的初始数据会有差异，并作为历史数据指导其他同类产品的茶拆卸序列规划。在外循环(步骤7到步骤9)中，通过多次成功的拆卸不断更新初始条件，最终得到的可行性和置信度矩阵更接近于产品的实际情况。
[0129]
在另一具体实施例中，为了更直观地反映算法的进化过程，以图4产品为例来演示不同失效概率(chance of failures，cofs)下置信度的变化。图3 显示了组件c1沿x-向的置信值随迭代的变化，图5.1、5.2和5.3的结果分别对应的cofs为0、5％-15％和60％-80％。可以看出，当拆卸计划执行成功时，组件沿相应方向的置信值会随着迭代的增加而不断下降。当cof较低时，由于失败次数有限，总体趋势是下降的，尽管由于惩罚机制的存在会导致置信度值的偶尔增加。相反，当cof较高时，由于失败次数过多，惩罚占优势，置信度值的总体趋势增加。图6显示了组件f1的置信值沿y-方向的循环趋势，其结果与图5中的结果相同，验证了本专利所提方法的有效性。
[0130]
4、评估和排序系统
[0131]
在程序中有两个反馈循环。第一个确定产品组件拆卸成功或失败，规划产品拆卸序列，同时创建惩罚和更新置信矩阵。第二个循环是推理产品实际状态的最终数据，并通过可行性矩阵和置信度矩阵将其反馈给第一个循环。接下来将描述这些最终的数据，以及它是如何被计算和反馈到系统中的。
[0132]
4.1稳态可行性/置信度
[0133]
在进行大量的迭代循环后，得到了稳态可行性和置信度矩阵。这是通过将被删除的组件数据存储在聚合矩阵中，然后计算平均值来实现的。因此，这两个新的矩阵将更准确地描述产品的状态。表3a-3c给出了在表3a训练数据下的图4产品的稳态输出。初始可行性矩阵和置信度矩阵可在表2中查看。
[0134]
表3示例的训练数据和稳态矩阵
[0135]
表3a训练数据
[0136][0137]
表3b稳态可行性矩阵
[0138]
[0139][0140]
表3c稳态置信度矩阵
[0141][0142]
一旦一个周期结束，数据将通过两种方式反馈到系统中：
[0143]
(1)新的置信度被设置为平均置信度，从而形成一个随时间更新的置信度矩阵，如式5所示：
[0144][0145]
其中u
new
是当前迭代的新置信矩阵，total_aggregate_u表示所有聚合置信度矩阵之和，run_size表示已完成的迭代次数。
[0146]
(2)当拆卸操作失败时，置信值会因惩罚而增加。因此，这个惩罚系数应该是一个总是大于1的数值。低置信度的组件如果拆卸失败，也就是说，如果一个我们认为具有较高确定性可拆卸的组件失败了，那么将受到严厉惩罚。相反，如果一个被认为是不确定的组件失败了，置信度值将几乎线性增加。因为一个被预计会失败的拆卸操作确实失败了，那么说明最初的预测是合理的，因此只需受到微小惩罚。鉴于上述原因，使用系数e
(0.01/u)
来提高失败时的置信值。这里，u
1
表示下一次迭代的置信度值。该方法如式6所示：
[0147]u 1
＝u*e
0.01/u
ꢀꢀꢀꢀ
(6)。
[0148]
4.2推荐的最优拆卸序列
[0149]
继续示例产品，将迭代次数设置为100次，以获得稳态的可行性和置信度矩阵，从而得到推荐的dsp。考虑到f1的故障率以及与c1和c2的关系，所提出的dsp建议首先拆卸产品的下半部分，有效地适应了这种不确定性。此外，拆卸的方向主要是在y-中，考虑到内部组件被c1所阻挡，这是一个合理的建议。表4列出了算法推荐的dsp，这个结果说明了双循环模糊进化方法能够为dsp提供在线适应故障和再规划的能力。
[0150]
表4示例产品通过100次迭代后算法推荐的最优dsp
[0151][0152]
综上，本文针对报废产品再制造的拆卸序列规划问题，提出了基于双循环模糊进
化的机器人在线拆卸序列规划方法，将dsp模糊化作为一种新的 dsp系统，可以通过学习拆卸故障来应对不确定的干扰条件。这种新方法的核心是一种模糊的动态建模方法，并结合了迭代的重新规划策略，这种组合为dsp提供了适应故障和在线自我进化的能力。该方法包括新设计的两种新的模糊非二进制矩阵——可行性矩阵(feasibility matrix)和置信度矩阵(confidence matrix)，并结合传统的接触矩阵(contact matrix)，在三维空间中定义一个装配，可以动态地表示eol产品的不确定性干扰。创建了一个惩罚机制，作为评估改变拆卸组件和拆卸方向的成本的工具。当一个产品被拆卸时，可行性和置信度矩阵不断在线更新，以适应拆卸故障和支持再规划。双环自进化算法允许基于之前的操作进行在线决策。随着更多的产品被拆卸，可行性矩阵和置信度矩阵的初始值被更新，以更准确地反映产品实际状态。
[0153]
与图1所述的方法相对应，本发明实施例还提供了一种基于双循环模糊进化的机器人拆卸序列规划系统，用于对图1中方法的具体实现，本发明实施例提供的基于双循环模糊进化的产品拆卸序列规划系统可以应用计算机终端或各种移动设备中，其结构示意图如图7所示，具体包括：
[0154]
构建模块、拆卸模块、惩罚模块、奖励模块、当前拆卸数据输出模块、系统数据输出模块、初始条件更新模块、第一判断模块、第二判断模块、第三判断模块和结束模块；
[0155]
构建模块，与拆卸模块的输入端连接，用于根据目标产品对应的cad图，构建一个分层的候选集；
[0156]
拆卸模块，与第一判断模块的输入端连接，用于基于生成的分层候选集，选择其中一个组件进行拆卸；
[0157]
第一判断模块，用于判断当前组件是否拆卸成功，若拆卸成功，则进行奖励机制，否则继续进行候选集构建；
[0158]
惩罚模块，与第一判断模块的第一输出端连接，用于当前组件拆卸失败，则将与当前组件接触的其他组件的置信值乘以e
(0.01/u)
，并继续进行候选集构建；
[0159]
奖励模块，与第一判断模块的第二输出端连接，用于当前组件拆卸成功，则将与当前组件接触的其他组件的置信值乘以10％；
[0160]
第二判断模块，与奖励模块的输出端连接，用于判断目标产品是否拆卸完成，若未拆卸完成，则继续进行候选集构建，否则输出当前拆卸数据；
[0161]
当前拆卸数据输出模块，与第二判断模块的第一输出端连接，用于输出组件拆卸成功和失败数据、拆卸序列以及拆卸序列的可行性和置信度评分；
[0162]
系统数据输出模块，与当前拆卸数据输出模块的输出端连接用于：基于基于的当前拆卸数据进行稳态可行性和置信度矩阵，输出可行性最高的拆卸序列；
[0163]
第三判断模块，与系统数据输出模块连接，用于判断是否完成循环次数，若为是，则结束拆卸过程，否则进行初始条件更新；
[0164]
结束模块，与第三判断模块的第一输出锻炼连接，用于结束拆卸过程；
[0165]
初始条件更新模块，与第三判断模块的第二输出锻炼连接，用于将稳态可行性和置信度矩阵作为下一次拆卸的初始条件，编辑初始的可行性矩阵，进行候选集构建，直至完成所有循环次数。
[0166]
本发明实施例还提供了一种存储介质，存储介质包括存储的指令，其中，在指令运
行时控制存储介质所在的设备执行上述基于双循环模糊进化的机器人拆卸序列规划方法。
[0167]
本发明实施例还提供了一种电子设备，其结构示意图如图8所示，具体包括存储器801，以及一个或者一个以上的指令802，其中一个或者一个以上指令802存储于存储器801中，且经配置以由一个或者一个以上处理器803 执行所述一个或者一个以上指令802进行基于双循环模糊进化的机器人拆卸序列规划操作。
[0168]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0169]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现。
[0170]
为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0171]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。