近年来,随着现代制造信息技术的发展及需求增长,机电产品的制造量大幅度上升。然而,机电产品在废弃后,若无法充分回收,其废弃物容易对环境造成严重影响。为充分调动社会回收资源,形成协同回收体系,使废弃产品有效回收,本文借鉴云制造思想,提出面向机电产品智能拆卸与回收的云服务体系架构,并对其关键技术开展研究,主要工作如下:(1)定义了机电产品拆卸与回收云服务,分析了其虚拟化、协同化、实时化、知识化和开放化等特征;设计了面向机电产品智能拆卸与回收云服务的平台体系架构,探讨了在回收实践中的运行模式和商业模式;(2)基于本体构建产品语义模型,描述了产品概念分类、层次化组织、表明概念实例之间的语义关系;采用语义规则表达了零件的连接关系、几何约束和拆卸工具知识;提出了基于拆卸知识的拆卸方向、拆卸工具和拆卸序列的决策方法,实现了基于拆卸知识语义描述的选择拆卸规划;(3)采用语义方法设计了回收云服务物理资源的本体模型,表达了回收资源的基本信息、服务能力、工作状态和服务质量等概念及其语义关系,由此构建多源、异构回收资源的资源池;综合采用概念匹配和数值参数匹配计算回收资源与服务请求的相似度,并构建了基于性能、可靠性等QOS指标,回收时间、回收成本等数值参数的回收资源评价模型;(4)以最小化拆卸时间和拆卸成本为目标,建立了拆卸云服务组合优化数学模型;基于NSGA-Ⅱ设计了多目标遗传算法求解上述NP-完全问题,提出了"调整算子"对算法改进,由此生成一组Pareto最优的拆卸云服务方案,供使用者根据偏好进行选择;(5)设计了智能产品本体,描述了产品、零件、材料和使用等概念及其语义关系,集成了产品生命周期信息;考虑使用时间、新旧程度和工作载荷等模糊词,设计了基于模糊规则的回收方式决策方法,实现对零件回收方式的决策;基于服务时间、成本、回收收益、服务次数等决策准则,提出了基于灰色评价法的回收云服务物理资源综合评价方法;以扫地机器人的回收云服务为例,验证了基于模糊规则的回收方式决策方法、基于灰色评价法的回收资源综合评价方法,以及基于粒子群优化的拆卸序列生成算法。本文研究了回收知识资源和物理资源的建模及决策方法,使产品的生命周期的信息知识化、透明化;研究成果可为产品设计者、制造者、社会回收站点及相关政府部门提供决策工具;研究方法可以进一步扩展到其他类别产品的回收、重用、再制造等领域,亦可为产品的绿色设计、面向维护的设计等研究提供重要参考。