不确定服役环境下废旧零部件损伤-质量状态映射模型

doi:10.3969/j.issn.1004-132X.2025.10.024

中国机械工程 ›› 2025, Vol. 36 ›› Issue (10): 2351-2358.DOI: 10.3969/j.issn.1004-132X.2025.10.024

• 可持续制造 • 上一篇

不确定服役环境下废旧零部件损伤-质量状态映射模型

郭洪飞¹^,²(), 钟方⁴, 任亚平³()

^1.暨南大学广东省大湾区智慧物流国际科技合作基地, 珠海, 519070
^2.内蒙古工业大学数据科学与应用学院, 呼和浩特, 010051
^3.北京理工大学(珠海), 珠海, 519085
^4.暨南大学管理学院, 广州, 510632

收稿日期:2024-10-18 出版日期:2025-10-25 发布日期:2025-11-05
通讯作者: 任亚平
作者简介:郭洪飞，男，1980年生，教授、博士研究生导师。研究方向为智能制造、工业物联网、数字孪生等。E-mail：ghf-2005@163.com
任亚平^*（通信作者），男，1995年生，博士、教授。研究方向为可持续设计与制造、产品拆解决策理论与方法、优化算法设计及应用等。E-mail：renyp1@163.com。
基金资助:
国家自然科学基金(52205526);国家自然科学基金(52465061);广州市科技计划(202201010284);中央高校基本科研业务费专项资金(21623219);内蒙古自治区科技创新重大示范工程“揭榜挂帅”项目(2024JBGS0035);内蒙古自治区自然科学基金重点项目(2024ZD26);内蒙古自治区社会科学基金重大专项(2024WTZD03);内蒙古自治区重点研发和成果转化计划(2023YFJM0007);贵州省教育厅联合开放基金(黔教技［2022］438号)

Damage-quality State Mapping Model of Scrap Parts under Uncertain Service Environment

Hongfei GUO¹^,²(), Fang ZHONG⁴, Yaping REN³()

^1.Guangdong Greater Bay Area Intelligent Logistics International Science and Technology Cooperation Base，Jinan University，Zhuhai，Guangdong，519070
^2.School of Data Science and Application，Inner Mongolia University of Technology，Hohhot，010051
^3.Beijing Institute of Technology（Zhuhai），Zhuhai，Guangdong，519085
^4.School of Management，Jinan University，Guangzhou，510632

Received:2024-10-18 Online:2025-10-25 Published:2025-11-05
Contact: Yaping REN

摘要/Abstract

摘要：

服役环境的不确定性使得废旧零部件的质量评估变得复杂。提出了一种基于Dirichlet分布的损伤-质量状态映射模型，该模型通过分析废旧零部件失效行为来确定主要失效特征，采用多项分布对零部件损伤量数据进行数学抽象，选取Dirichlet分布作为先验概率分布，结合贝叶斯公式更新得到后验分布参数，从而获得将损伤量数据映射到不同质量等级的后验概率期望值。进一步，引入D-S证据理论融合损伤信息来综合评估废旧零部件质量状况。为了验证模型的可行性和有效性，以废旧蜗轮蜗杆为案例研究对象，并与现有方法进行对比，实验结果显示，该模型在预测精度和泛化能力上具有优势。

关键词: 不确定服役环境, 废旧零部件, 质量评估, Dirichlet分布

Abstract:

Given the uncertainty of the service environment， the quality assessment of scrap parts became more complex. A damage-based multi-state mapping model （DBMS） was proposed herein based on Dirichlet distribution. The model determined the main failure characteristics by analyzing the failure behaviors of the scrap parts， adopted multinomial distribution for mathematical abstraction of the damage data of parts， and selected Dirichlet distribution as the prior probability distribution. The posterior distribution parameters were updated by Bayes formula， and the posterior probability expected value of damage data mapped to different quality levels was obtained. Further， D-S evidence theory was introduced to integrate damage information to realize the comprehensive assessment of the quality of scrap parts. In order to verify the feasibility and effectiveness of the model， waste worm gear was taken as the case study object and compared with existing literature methods. The experimental results show that the model has advantages in prediction accuracy and generalization ability.

Key words: uncertain service environment, scrap part, quality assessment, Dirichlet distribution

中图分类号:

TH16

郭洪飞, 钟方, 任亚平. 不确定服役环境下废旧零部件损伤-质量状态映射模型[J]. 中国机械工程, 2025, 36(10): 2351-2358.

Hongfei GUO, Fang ZHONG, Yaping REN. Damage-quality State Mapping Model of Scrap Parts under Uncertain Service Environment[J]. China Mechanical Engineering, 2025, 36(10): 2351-2358.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2025.10.024

https://www.cmemo.org.cn/CN/Y2025/V36/I10/2351

图/表 12

参考文献 20

[1]	郭洪飞，陆鑫宇，任亚平，等.基于强化学习的群体进化算法求解双边多目标同步并行拆解线平衡问题［J］.机械工程学报，2023，59（7）：355-366.
	GUO Hongfei， LU Xinyu， REN Yaping， et al. A Group Evolutionary Algorithm Based on Reinforcement Learning for Solving Bilateral Multi-objective Simultaneous Parallel Disassembly Line Balance Problem［J］. Chinese Journal of Mechanical Engineering， 2019，59（7）：355-366.
[2]	程贤福，周健，游敏华，等.基于失效模式传递网络模型的产品再制造模块化方法［J］.计算机集成制造系统，2023，29（3）：896-909.
	CHENG Xianfu， ZHOU Jian， YOU Minhua， et al. Modular Approach to Product Remanufacturing Based on Failure Mode Transfer Network Model［J］. Computer Integrated Manufacturing Systems， 2023， 29（3）：896-909.
[3]	舒林森，巩江涛，董月，等.阀芯零件激光再制造工艺方法及试验研究［J］.中国机械工程，2023，34（4）：446-453.
	SHU Linsen， GONG Jiangtao， DONG Yue， et al. Process Method and Experimental Study of Laser Remanufacturing of Valve Spool Parts［J］. China Mechanical Engineering，2023，34（4）：446-453.
[4]	郭洪飞，陈志彬，任亚平，等.基于零件回收综合评价的废旧产品拆解序列与拆解深度集成决策研究［J］.机械工程学报，2022，58（4）：258-268.
	GUO Hongfei， CHEN Zhibin， REN Yaping， et al. Research on Disassembly Sequence and Disassembly Depth Integration Decision Based on Comprehensive Evaluation of Parts Recovery［J］. Chinese Journal of Mechanical Engineering， 2019，58（4）：258-268.
[5]	PONTE B， CANNELLA S， DOMINGUEZ R， et al. Quality Grading of Returns and the Dynamics of Remanufacturing［J］. International Journal of Production Economics， 2021， 236（1/2）：108129.
[6]	SUN H， CHEN W， LIU B， et al. Economic Lot Scheduling Problem in a Remanufacturing System with Returns at Different Quality Grades［J］. Journal of Cleaner Production， 2018， 170：559-569.
[7]	YANIKOĞLU İ， DENIZEL M. The Value of Quality Grading in Remanufacturing under Quality Level Uncertainty［J］. International Journal of Production Research， 2020， 59（3）：839-859.
[8]	FERGUSON M， GUIDE V D， KOCA E， et al. The Value of Quality Grading in Remanufacturing［J］. Production and Operations Management， 2009， 18（3）：300-314.
[9]	ZHANG Xugang， WANG Yuling， XIANG Qin， et al. Remanufacturability Evaluation Method and Application for Used Engineering Machinery Parts Based on Fuzzy-EAHP［J］. Journal of manufacturing systems， 2020， 57：133-147.
[10]	OMWANDO T A， OTIENO W A， FARAHANI S， et al. A Bi-level Fuzzy Analytical Decision Support Tool for Assessing Product Remanufacturability［J］. Journal of Cleaner Production， 2018， 174：1534-1549.
[11]	AKRAM M， ILYAS F， DEVECI M. Interval Rough Integrated SWARA-ELECTRE Model：an Application to Machine Tool Remanufacturing［J］. Expert Systems with Applications， 2024， 238：122067.
[12]	SAPUTRO D R S， AMALIA F， WIDYANINGSIH P， et al. Parameter Estimation of Multivariate Multiple Regression Model Using Bayesian with Non-informative Jeffreys’ Prior Distribution［J］. Journal of Physics：Conference Series， 2018， 1022（1）：012002.
[13]	LI Mingming， SUN Huafei， PENG Linyu. Fisher-rao Geometry and Jeffreys Prior for Pareto Distribution［J］. Communications in Stsatistics—Theory and Methods， 2022， 51（6）：1895-1910.
[14]	茆诗松，汤银才. 贝叶斯统计［M］. 北京：中国统计出版社， 2012.
	MAO Shisong， Tang Yincai. Bayesian Statistics ［M］. Beijing：China Statistics Press， 2012.
[15]	GELMAN A， CARLIN J B， STERN H S， et al. Bayesian Data Analysis［M］. Boca Raton： CRC Press， 2013.
[16]	WANG Han， JIANG Zhigang， ZHANG Xugang， et al. A Fault Feature Characterization Based Method for Remanufacturing Process Planning Optimization［J］. Journal of Cleaner Production， 2017， 161：708-719.
[17]	ZHANG Xugang， AO Xiuyi， JIANG Zhigang， et al. A Remanufacturing Cost Prediction Model of Used Parts Considering Failure Characteristics［J］. Robotics and Computer-Integrated Manufacturing， 2019， 59：291-296.
[18]	WANG Yanhong， JIANG Zhigang， HU Xiaoli， et al. Optimization of Reconditioning Scheme for Remanufacturing of Used Parts Based on Failure Characteristics［J］. Robotics and Computer-integrated Manufacturing， 2020， 61：101833.
[19]	JIANG Wen， DUANMU Dejie， FAN Xin， et al. A New Method to Determine Basic Probability Assignment under Fuzzy Environment［C］∥2012 International Conference on Systems and Informatics. Yantai， 2012：758-762.
[20]	ZHANG Shengjia， XIAO Fuyuan. A TFN-based Uncertainty Modeling Method in Complex Evidence Theory for Decision Making［J］. Information Sciences， 2023， 619：193-207.

失效特征	失效程度	量化区间	处理类型
磨损量 w/mm³	轻微	0<w≤1.0	再制造加工
	中等	1.0<w≤2.0	再制造加工
	严重	2.0<w	材料回收
裂纹c/mm³	轻微	0<c≤0.6	再制造加工
	中等	0.6<c≤1.2	再制造加工
	严重	1.2<c	材料回收
变形量 d/mm	轻微	0<d≤0.01	再制造加工
	中等	0.01<d≤0.02	再制造加工
	严重	0.02<d	材料回收

失效特征	失效程度	量化区间	处理类型
磨损量 w/mm³	轻微	0<w≤1.0	再制造加工
	中等	1.0<w≤2.0	再制造加工
	严重	2.0<w	材料回收
裂纹c/mm³	轻微	0<c≤0.6	再制造加工
	中等	0.6<c≤1.2	再制造加工
	严重	1.2<c	材料回收
变形量 d/mm	轻微	0<d≤0.01	再制造加工
	中等	0.01<d≤0.02	再制造加工
	严重	0.02<d	材料回收

失效特征	失效形式	符号
磨损	平面磨损	w₁
	齿面磨损	w₂
	齿面疲劳破损	w₃
	外锥面磨损	w₄
	自由曲面磨损	w₅
断裂	齿面裂纹	c₁
断裂	齿根裂纹	c₂
变形	蜗杆变形	d

失效特征	失效形式	符号
磨损	平面磨损	w₁
	齿面磨损	w₂
	齿面疲劳破损	w₃
	外锥面磨损	w₄
	自由曲面磨损	w₅
断裂	齿面裂纹	c₁
断裂	齿根裂纹	c₂
变形	蜗杆变形	d

序号	特征变量					质量等级
序号	w₁	w₂	…	c₂	d	质量等级
1	0.066	0.116	…	0.050	0.018	G
2	0.839	0.736	…	0.809	0.743	B
3	0.707	0.624	…	0.660	0.211	M
4	0.732	0.564	…	0.378	0.505	M
5	0.814	0.715	…	0.660	0.505	B
6	1.000	1.000	…	0.921	0.982	B
︙	︙	︙	…	︙	︙	︙
58	0.130	0.262	…	0.228	0.138	G
59	0.306	0.508	…	0.357	0.266	M
60	0.538	0.533	…	0.324	0.330	M

不确定服役环境下废旧零部件损伤-质量状态映射模型

Damage-quality State Mapping Model of Scrap Parts under Uncertain Service Environment

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 20

相关文章 2

编辑推荐

Metrics

序号	特征变量				类别
序号	SL	SW	PL	PW	类别
1	0.222	0.625	0.068	0.042	S
2	0.167	0.417	0.068	0.042	S
3	0.111	0.500	0.051	0.042	S
4	0.750	0.500	0.627	0.542	E
5	0.583	0.500	0.593	0.583	E
6	0.722	0.458	0.661	0.583	E
︙	︙	︙	︙	︙	︙
58	0.556	0.542	0.847	1.000	V
59	0.417	0.292	0.695	0.750	V
150	0.778	0.417	0.831	0.833	V

质量等级	区间划分	后验概率期望值
G	［0.026，0.168）	0.6190
	［0.168，0.310）	0.2381
	［0.310，0.452）	0.1429
M	［0.263，0.424）	0.3778
	［0.424，0.586）	0.1556
	［0.586，0.747）	0.4667
B	［0.656，0.770）	0.3333
	［0.770，0.885）	0.5238
	［0.885，1.000）	0.1426

证据	m（G）	m（M）	m（B）	m（Θ）
w₁	0.2381	0	0	0.7619
w₂	0	0.6444	0	0.3556
w₃	0	0.4130	0	0.5870
w₄	0.2273	0	0	0.7727
w₅	0.1364	0	0	0.8636
c₁	0.1364	0.5000	0	0.3636
c₂	0.0455	0.5435	0.1364	0.2747
d	0	0.2391	0	0.7609
置信度	0.0456	0.9227	0.0105	0.0212

[1]	王发麟, 廖文和, 郭宇, 鞠传海. 复杂机电产品中线缆敷设质量评估的变精度粗糙集决策方法[J]. 中国机械工程, 2015, 26(15): 2062-2069.
[2]	李进才, 尹超, 刘飞. 基于模糊综合评判和BP神经网络的通用机械产品售后质量损失评估及预警方法 [J]. 中国机械工程, 2011, 22(24): 2941-2946,2976.