基于图检索增强生成的报废动力电池拆解序列规划

doi:10.3969/j.issn.1004-132X.2026.04.021

摘要/Abstract

摘要：

针对报废动力电池拆解知识难以复用所导致的序列生成效率低下问题，融合知识图谱（KG）在结构化知识表征与大语言模型在语义推理方面的互补优势，提出了一种基于图检索增强生成的报废动力电池拆解序列规划方法。首先提出基于KG标签匹配的子图生成方法，通过Cypher查询语言形成待拆解特定型号电池的专属拆解序列子图；然后建立基于混合检索和重排序的拆解知识粗粒度检索机制，以实现对目标电池组件的精确定位；最后，构建基于层级约束关系多跳推理的拆解知识细粒度检索模式，通过提取与组件关联的拆解序列信息，利用大语言模型实现拆解序列的智能生成。实验结果显示，所提方法在5种主流动力电池拆解序列生成上实现93.9%的准确率，展现出优异的可行性和有效性。

关键词: 拆解序列规划, 图检索增强生成, 知识图谱, 大语言模型, 报废动力电池

Abstract:

To address the challenges of low-efficiency disassembly sequence generation caused by the lack of knowledge reusability of end-of-life power batteries， a disassembly sequence planning method was proposed based on GraphRAG， by integrating the complementary strengths of KGs in structured knowledge representation and LLMs in semantic reasoning. First， a KG label-matching-based subgraph generation method was proposed， utilizing the Cypher query language to form custom disassembly sequence subgraphs for specific battery models. Second， a coarse-grained disassembly knowledge retrieval mechanism employing hybrid retrieval and re-ranking was established to locate target battery components precisely. Finally， a fine-grained retrieval model of disassembly knowledge was constructed based on multi-hop reasoning of hierarchical constraint relations. By extracting the disassembly sequence information associated with the components， the intelligent generation of disassembly sequences was achieved using the large language model. The experimental results indicate that the proposed method achieves an accuracy of 93.9% in disassembly sequence generation across five mainstream power batteries， demonstrating the excellent feasibility and effectiveness.

Key words: disassembly sequence planning, graph retrieval-augmented generation（GraphRAG）, knowledge graph（KG）, large language model（LLM）, end-of-life power battery

中图分类号:

TP182

王航, 鄢威, 张绪美, 朱硕, 江志刚, 朱泽睿. 基于图检索增强生成的报废动力电池拆解序列规划[J]. 中国机械工程, 2026, 37(4): 967-976.

WANG Hang, YAN Wei, ZHANG Xumei, ZHU Shuo, JIANG Zhigang, ZHU Zerui. GraphRAG-based Disassembly Sequences Planning for End-of-life Power Batteries[J]. China Mechanical Engineering, 2026, 37(4): 967-976.

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.2026.04.021

https://www.cmemo.org.cn/CN/Y2026/V37/I4/967

图/表 10

参考文献 20

[1]	陈铭，王志刚，张宇平. 关于退役动力电池机器人拆解智能化的思考［J］. 汽车与配件， 2023（5）： 54-58.
	CHEN Ming， WANG Zhigang， ZHANG Yuping. Thoughts on the Intelligentization of Dismantling of Retired Power Battery Robot［J］. Automobile & Parts， 2023（5）： 54-58.
[2]	程贤福，周健，肖人彬，等. 面向绿色制造的产品模块化设计研究综述［J］. 中国机械工程， 2020， 31（21）： 2612-2625.
	CHENG Xianfu， ZHOU Jian， XIAO Renbin， et al. Review of Product Modular Design from Perspective of Green Manufacturing［J］. China Mechanical Engineering， 2020， 31（21）： 2612-2625.
[3]	XIAO Jinhua， ANWER N， LI Weidong， et al. Dynamic Bayesian Network-based Disassembly Sequencing Optimization for Electric Vehicle Battery［J］. CIRP Journal of Manufacturing Science and Technology， 2022， 38： 824-835.
[4]	张雷，彭宏伟，卞本阳，等. 复杂产品并行拆解建模及规划方法研究［J］. 中国机械工程， 2014， 25（7）： 937-943.
	ZHANG Lei， PENG Hongwei， BIAN Benyang， et al. Parallel Disassembly Modeling and Planning Method of Complex Products［J］. China Mechanical Engineering， 2014， 25（7）： 937-943.
[5]	YU Jianping， ZHANG Hua， JIANG Zhigang， et al. Disassembly Task Planning for End-of-life Automotive Traction Batteries Based on Ontology and Partial Destructive Rules［J］. Journal of Manufacturing Systems， 2022， 62： 347-366.
[6]	ZHAN Changshu， ZHANG Xuesong， TIAN Guangdong， et al. Environment-oriented Disassembly Planning for End-of-life Vehicle Batteries Based on an Improved Northern Goshawk Optimisation Algorithm［J］. Environmental Science and Pollution Research， 2023， 30（16）： 47956-47971.
[7]	JIA Mao， DOU Hong， Chen ZHE， et al. Disassembly Sequence Planning of Waste Auto Parts［J］. Journal of the Air & Waste Management Association， 2021， 71（5）： 607-619.
[8]	刘志峰，杨德军，顾国刚. 基于模拟退火粒子群优化算法的拆卸序列规划［J］. 合肥工业大学学报（自然科学版）， 2011， 34（2）： 161-165.
	LIU Zhifeng， YANG Dejun， GU Guogang. Disassembly Sequence Planning Based on Simulated Annealing Particle Swarm Optimization Algorithm［J］. Journal of Hefei University of Technology （Natural Science）， 2011， 34（2）： 161-165.
[9]	梁佩，付亚平，田广东. 面向多产品拆解的拆解序列计划问题的模型与算法［J］. 计算机集成制造系统， 2023， 29（7）： 2166-2174.
	LIANG Pei， FU Yaping， TIAN Guangdong. Model and Algorithm of Multi-product Disassembly Sequence Planning Problems［J］. Computer Integrated Manufacturing Systems， 2023， 29（7）： 2166-2174.
[10]	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 Length Integrated Decision of End-of-life Products Based on Parts Recovery Comprehensive Evaluation［J］. Journal of Mechanical Engineering， 2022， 58（4）： 258-268.
[11]	郭恒，黎荣，张海柱，等. 多域融合的高速列车维修性设计知识图谱构建［J］. 中国机械工程， 2022， 33（24）： 3015-3023.
	GUO Heng， LI Rong， ZHANG Haizhu， et al. Construction of Knowledge Graph of Maintainability Design Based on Multi-domain Fusion of High-speed Trains［J］. China Mechanical Engineering， 2022， 33（24）： 3015-3023.
[12]	WANG Jiangbiao， HUANG Jun， LI Ruiya， et al. Knowledge Graph Construction of End-of-life Electric Vehicle Batteries for Robotic Disassembly［J］. Applied Sciences， 2023， 13（24）： 13153.
[13]	江志刚，谢彬，朱硕，等. 动态数据流驱动的再制造拆解工艺知识图谱构建方法［J］. 计算机集成制造系统， 2024， 30（3）： 879-892.
	JIANG Zhigang， XIE Bin， ZHU Shuo， et al. Dynamic Data Flow-driven Knowledge Graph Construction Method for Remanufacturing Disassembly Process［J］. Computer Integrated Manufacturing Systems， 2024， 30（3）： 879-892.
[14]	WU Hao， JIANG Zhigang， ZHU Shuo， et al. A Knowledge Graph Based Disassembly Sequence Planning for End-of-life Power Battery［J］. International Journal of Precision Engineering and Manufacturing-Green Technology， 2024， 11（3）： 849-861.
[15]	LI Jie， QU Weibin， ZHENG Hangbin， et al. Generation of Human-robot Collaboration Disassembly Sequences for End-of-life Lithium-ion Batteries Based on Knowledge Graph［J］. Artificial Intelligence for Engineering Design， Analysis and Manufacturing， 2024， 38： e13.
[16]	SIDDHARTH L， LUO Jianxi. Retrieval Augmented Generation Using Engineering Design Knowledge［J］. Knowledge-Based Systems， 2024， 303： 112410.
[17]	ALAWWAD H A， ALHOTHALI A， NASEEM U， et al. Enhancing Textual Textbook Question Answering with Large Language Models and Retrieval Augmented Generation［J］. Pattern Recognition， 2025， 162： 111332.
[18]	HU Zhiqiang， LI Xinyu， PAN Xinyu， et al. A Question Answering System for Assembly Process of Wind Turbines Based on Multi-modal Knowledge Graph and Large Language Model［J］. Journal of Engineering Design， 2025， 36（7/8/9）： 1093-1117.
[19]	LI Hao， YANG Rongzheng， XU Shuangshuang， et al. Intelligent Checking Method for Construction Schemes via Fusion of Knowledge Graph and Large Language Models［J］. Buildings， 2024， 14（8）：2502.
[20]	LIU Peifeng， QIAN Lu， ZHAO Xingwei， et al. Joint Knowledge Graph and Large Language Model for Fault Diagnosis and Its Application in Aviation Assembly［J］. IEEE Transactions on Industrial Informatics， 2024， 20（6）： 8160-8169.

｛Model-Labels｝-｛Questions｝	Label_match Cypher_query	Multi_hop_path Cypher_query
｛“奔驰BT0024”｝-｛电池包外壳的拆解序列是什么？｝	MATCH （n：｛奔驰BT0024｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '电池包外壳'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“特斯拉Model S 85kWh”｝-｛模块外壳的拆解序列是什么？｝	MATCH （n：｛特斯拉Model S 85kWh｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '模块外壳'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“宝马SE16”｝-｛电池管理系统的拆解序列是什么？｝	MATCH （n：｛宝马SE16｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '电池管理系统'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“福田MGL48C01Y”｝-｛高压安全盒的拆解序列是什么？｝	MATCH （n：｛福田MGL48C01Y｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '高压安全盒'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“越野A1310A”｝-｛低压连接器的拆解序列是什么？｝	MATCH （n：｛越野A1310A｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '低压连接器'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path

｛Model-Labels｝-｛Questions｝	Label_match Cypher_query	Multi_hop_path Cypher_query
｛“奔驰BT0024”｝-｛电池包外壳的拆解序列是什么？｝	MATCH （n：｛奔驰BT0024｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '电池包外壳'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“特斯拉Model S 85kWh”｝-｛模块外壳的拆解序列是什么？｝	MATCH （n：｛特斯拉Model S 85kWh｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '模块外壳'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“宝马SE16”｝-｛电池管理系统的拆解序列是什么？｝	MATCH （n：｛宝马SE16｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '电池管理系统'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“福田MGL48C01Y”｝-｛高压安全盒的拆解序列是什么？｝	MATCH （n：｛福田MGL48C01Y｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '高压安全盒'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path
｛“越野A1310A”｝-｛低压连接器的拆解序列是什么？｝	MATCH （n：｛越野A1310A｝）-［r］->（m） RETURN n， r， m	MATCH path = （a ｛name： '低压连接器'｝）-［*1..3］->（b） WHERE ALL（r IN relationships（path） WHERE type（r） IN ［'包含'， '关联'， '使用'］） RETURN path

	准确率/%
	奔驰 BT0024	宝马 SE16	特斯拉 Model S 85 kWh	福田 MGL48C01Y	越野 A1310A	平均值
移除阶段一：阶段二	88.2	82.4	76.5	88.2	85.7	84.2
阶段二	94.1	88.2	94.1	100	92.9	93.9
移除阶段一：阶段三	0	0	0	0	83.3	16.7
阶段三	100	100	100	100	100	100

	准确率/%
	奔驰 BT0024	宝马 SE16	特斯拉 Model S 85 kWh	福田 MGL48C01Y	越野 A1310A	平均值
移除阶段一：阶段二	88.2	82.4	76.5	88.2	85.7	84.2
阶段二	94.1	88.2	94.1	100	92.9	93.9
移除阶段一：阶段三	0	0	0	0	83.3	16.7
阶段三	100	100	100	100	100	100

	准确率/%
	奔驰 BT0024	宝马 SE16	特斯拉 Model S 85 kWh	福田 MGL48C01Y	越野 A1310A	平均值
Graph RAG	94.1	88.2	94.1	100	92.9	93.9
RAG	29.4	23.5	29.4	35.3	50.0	33.5
ChatGLM4-9B	5.9	11.7	5.9	5.9	7.1	7.3