再制造工艺方案设计是决定再制造质量的关键因素。对于废旧零部件再制造,服役工况的差异性导致其损伤程度的多样性,并造成再制造信息的残缺,进而影响快速有效地制定修复方案。因此,针对再制造工艺方案设计研究,废旧零部件残缺信息恢复显得尤为重要。基于此,本文提出基于残缺信息的废旧零部件再制造工艺方案设计方法,结合国家自然科学基金(51675388)展开以下研究:首先,根据废旧零部件信息的残缺特征,通过分析废旧零部件再制造信息的不完整性和模糊性,并分析残缺信息的构成和测定方法,建立基于残缺信息的再制造工艺方案设计框架。其次,建立废旧零部件表面信息恢复模型和内部信息恢复模型。采用逆向工程技术并通过单位阶跃积分迭代法将三维扫描的损伤点云数据与原始点云数据进行配准,构造缺失点云模型,恢复表面信息;通过有限元分析对重构损伤模型剩余寿命进行有效预测,恢复内部信息;将预测结果用于支持向量机(Support Vector Machine,SVM)模型训练,为后续回收的单一废旧零部件内部信息恢复提供模型支持。训练后的SVM模型预测废旧零部件剩余寿命并判断再制造性。然后,提出废旧零部件再制造工艺方案设计方法,从废旧零部件残缺信息损伤量出发,运用BP神经网络对再制造工艺方案进行决策,并对损伤模型进行再制造工艺路径规划设计,实现废旧零部件的再制造。最后,通过对某型号涡轮叶片的案例分析,运用再制造工艺方案设计方法,对废旧零部件再制造方案进行优化设计,验证所提方案的有效性与可行性。