基于粒子群算法的車身破碎料參數優化研究

龔云峰，周自強，張翔燕

（1.江蘇華宏科技股份有限公司，江蘇江陰221116 2.常熟理工學院機械工程學院，江蘇常熟215500 3.江蘇省機電產品循環技術重點建設實驗室，江蘇常熟215500）

基于粒子群算法的車身破碎料參數優化研究

龔云峰1，周自強2，3，張翔燕3

（1.江蘇華宏科技股份有限公司，江蘇江陰221116 2.常熟理工學院機械工程學院，江蘇常熟215500 3.江蘇省機電產品循環技術重點建設實驗室，江蘇常熟215500）

為提高報廢汽車破碎物料中廢鋼鐵的利用率，需要按照合理的參數對報廢汽車的車身包塊進行破碎，以降低破碎設備的能耗，因此提出基于粒子群算法的破碎物料參數優化研究。通過EDEM仿真模擬破碎物料堆積過程，求出破碎物料堆的孔隙率，建立廢鋼鐵最優破碎半徑求解模型，運用粒子群算法求解最優破碎物料尺寸。

報廢汽車；EDEM；粒子群優化；破碎參數

隨著汽車工業的發展，中國成為世界第三大汽車制造國，據相關機構預測，至2020年，我國的年報廢汽車數量將達到600萬輛。報廢汽車數量的急劇增加，伴隨而來的是報廢汽車大量堆積造成的土地浪費以及對周圍環境的威脅，而且報廢汽車本身含有大量的金屬與非金屬資源，如果直接丟棄而不進行有效的回收利用，將會造成嚴重的資源浪費，故對報廢汽車進行拆解、破碎和分選對環境保護、資源回收、節能減排有著重要的意義。在報廢汽車破碎過程中，若廢鐵破碎物過大，在熔爐內不能充分熔解，未熔解的廢鐵堆積在熔爐底部，長此以往，則需對熔爐底部進行定期清理，不僅降低了廢鋼鐵的利用率，并且在清理底部堆積物的過程中也消耗大量的人力、物力；若廢鐵破碎物過小，雖然能充分熔解，但在破碎過程中要消耗過多能量。由此可見，最優尺寸的破碎物料在降低能耗與提高廢鐵利用率方面有著重要的意義。目前，國內文獻還沒有關于破碎物料參數優化方面的研究。

1 報廢汽車車身包塊破碎物料的孔隙率分析

報廢汽車通過打包、破碎、分選形成破碎物料，破碎物料由皮帶輸送機輸出并堆積形成物料堆，如圖1所示。孔隙率即物料之間的孔隙體積與堆積空間體積之比，是一個重要的顆粒堆積參數，但在顆粒堆積研究中，由于孔隙率是無規則的，計算比較麻煩，故采用EDEM模擬破碎物料的堆積過程，得到孔隙率。

顆粒堆積，簡單地講就是把顆粒放置在某個有限空間里，并且在堆積過程中不發生形變。而球體顆粒由于其球體本身的簡單性以及在科學研究、工程實踐乃至日常生活中大量的應用背景，成為顆粒堆積研究中被研究最多的對象。故將仿真進行簡化，選取錐體有限空間，建立呈正態分布球體的隨機堆積仿真。

仿真建立的球體模型與工程實際中廢鋼鐵破碎物的形狀存在差距，故球體密度不能簡單地認為等同于鋼鐵密度，球體密度與鋼鐵密度之間存在密度的轉換關系。通過在廢鋼鐵破碎物料現場的不斷測量與計算，得出球體與廢鋼鐵密度之間的平均轉換比例，即：ρ球=ηρ鐵，其中：η=0.25。

由于顆粒隨機堆積，故設置球體大小符合正態分布，數學期望值即為球體半徑r，球體以3 m/s速度下落，直到填滿體積為1 m3錐體。由于在物料的破碎與分選過程中，直徑大于85 mm的破碎物料即為特大料，要進行人工破碎，而直徑小于20 mm的非金屬物料要進行填埋，故最佳破碎尺寸在20～85 mm。分別選取半徑r=15，20，25，…，50 mm的球體顆粒進行顆粒堆積仿真，得到相應球體半徑下的孔隙體積。圖2為半徑分別為15 mm，50 mm時顆粒的隨機堆積情況，表1為不同顆粒半徑隨機堆積下的孔隙體積。

圖2 球體隨機堆積情況

用MATLAB對表1中離散點進行曲線擬合，得到孔隙率準與球體半徑r的數學關系，孔隙率：

2 廢鋼鐵最佳破碎半徑求解模型的建立

為使廢鋼鐵破碎物的熔融程度達到最大化，建立廢鋼鐵破碎物最佳半徑求解模型如下。

表1 球體半徑與顆粒總體積

2.1 目標函數

式中：r為破碎物料半徑。

2.2 堆密度約束

針對國家標準GB4223-004，規定汽車破碎料的堆密度≥1 100 kg/m3，即：

式中：ρ堆—堆密度；

V—廢鋼鐵破碎物料堆的體積，設V=1 m3；

2.3 體積約束

廢鋼鐵破碎物料體積與物料間縫隙體積總和等于物料堆總體積，即：

2.4 決策變量約束

根據工程實際中報廢汽車的破碎與分選，大于85 mm的破碎物料即為特大料，要進行人工破碎，故上限不超過80 mm，同時20 mm以下破碎物料中的非金屬物料要進行填埋，故破碎物料半徑范圍為：10 mm≤r≤40 mm

3 基于粒子群算法的破碎參數優化

粒子群算法是一種群搜索算法，假設在一個D目標搜索空間中，群體中的第i（i=0，1，…，N）個粒子位置可以表示為一個 D 維矢量 Xi=（xi1，xi2，…，xiD）T，同時用Vi=（vi1，vi2，…，viD）T，i=0，1，…，N，表示第 i個粒子的飛行速度，用以更新粒子所在的位置。用Pi=（pi1，pi2，…，piD）T表示第i個粒子自身搜索到的最好點，即個體歷史最優位置，記 Pg=（pg1，pg2，…，pgD）T為當前種群所搜索到的最好點，即種群的全局歷史最優位置。

各粒子根據以下公式來更新其速度和位置：

式中：i=0，1，…，N；j表示粒子的第 j維；k 表示迭代次數，λ 為慣性系數，取值為（0，1）；c1，c2為加速常數，一般在（0，2）之間取值，c1用來調整自身粒子的最佳位置飛行的步長，c2用來調整粒子向全局最好位置飛行的步長；r1，r2為取值在（0，1）之間的隨機數。

粒子就在解空間內不斷跟蹤個體極值與全局極值進行搜索，直到達到規定的最大迭代次數或達到最小的誤差標準位置，圖3為粒子群優化算法流程圖。

圖3 粒子群優化算法流程圖

在此用隨機數代表破碎物料顆粒的半徑，該算法的基本過程如下。

步驟1：產生（0.015，0.05）之間的隨機數粒子，計算當前顆粒總體積；

步驟2：判斷是否滿足體積約束，若滿足則判斷是否滿足堆密度約束，滿足則記錄粒子位置；

步驟3：若不滿足體積約束，則轉至步驟1。

運算結果如圖4所示，最佳尺寸半徑為0.036 m，即36 mm。

圖4 MATLAB求解結果

4 結論

為了提高廢鋼鐵的利用率，研究了基于粒子群算法的破碎物料參數的優化方法。運用EDEM軟件模擬破碎物料的堆積過程，并求出物料堆的孔隙率。建立廢鋼鐵最佳破碎尺寸的求解模型，運用粒子群算法對其進行求解。最優破碎尺寸的求解大大提高了廢鋼鐵的利用率，對節約資源和環境保護具有重要意義。

[1]周自強，戴國洪，譚翰墨.報廢汽車拆解與回收技術的發展與研究現狀[J].常熟理工學院學報，2011(10):107-111.

[2]Ziqiang Zhou，Hanmo Tan，Guohong Dai.Research of Value AnalysisOriented End of Life VehicleDismantling and Recycling Process[C].2012 International Conference on Energy and Environmental Protection,2012,Hohhot.

[3]Ziqiang Zhou，Guohong Dai.Research of flexible dismantling cell for ELV recycling[C].2012 International Conference on Ecology,Waste Recycling，and Environment，2012，Macao.

[4]Ming Chen ，Fan Zhang ，End-of-life vehicle recovery in china:consideration and innovation following the EU ELV Directive[J].JOM Journal of the Minerals，Metals and Materials Society,2009(61):45-52,.

[5]Emilio Brahmst，Copper in End-of-life Vehicle Recycling[C].Copper Development Assocition.

[6]Tony Weatherhead，David Hulse.A Study to Determine the Metallic Fraction Recovered from End of Life Vehicles in the UK[R].Reportto the Departmentof Trade and Industry,2015(9).

[7]Hsing-Chih Tsai，Yaw-Yauan Tyan，Yun-Wu Wu ，Yong-Huang Lin.Isolated particle swarm optimization with particle migration and global best adoption[J].Engineering Optimization,2011(44):1405-1424.

[8]Deniz Lnan，Erol Egrioglu，Busenur Sarica，et al.Particle Swarm Optimization Based Liu-Type Estimator[J].Communications in Statistics-Theory and Methods，2016:1-21.

[9]Li Lingling，Jiao Licheng，Zhao Jiaqi.Quantum-behaved discretemulti-objectiveparticle swarm optimization for complex network clustering[J].Pattern Recognition，2017(63):1-13.

[10]Moayed Daneshyari，Gary G Yen.Cultural-based particle swarm for dynamic optimisation problems.International[J].Journal of Systems Science，2012(43):1 284-1 304.

Research on parameters optimization of car body crusher based on particle swarm optimization

GONG Yunfeng1,ZHOU Ziqiang2,3,ZHANG Xiangyan3
（1.Jiangsu Huahong Technology Co.,Ltd,Jiangyin 221116,China;2.School of Mechanical Engineering,Changshu Institute of Technology,Changshu 215500,China;3.Jiangsu Province Key Laboratory of Mechanical and Electrical Products Recycling Technology,Changshu 215500,China）

In order to improve the utilization ratio of scrap iron and steel in the shredding material of the body of End-of-life vehicles,it is necessary to determine the optimized parameter in order to reduce the energy consumption of the crushing equipment.Therefore,this paper puts forward the parameter optimization study of shredding material based on particle swarm optimization.With the software of EDEM,the crushing material accumulation process is simulated.The porosity of the broken material pile is also obtained,and the optimal fracture radius model of waste steel is established.In the end,the particle swarm algorithm for optimization is used to solve the optimal shredding material size.

ELV;PSO algorithm;shredding parameter

X734.2

A

1674-0912（2017）06-0031-03

2017－04－09）

江蘇省科技支撐（工業部分）計劃項目資助（BE2013060）

龔云峰（1964-），男，工程師，主要從事報廢汽車拆解方面的研究和設備的開發設計工作。