CN109828616A - 一种rv减速器的零部件选配方法及系统 - Google Patents
一种rv减速器的零部件选配方法及系统 Download PDFInfo
- Publication number
- CN109828616A CN109828616A CN201910052616.6A CN201910052616A CN109828616A CN 109828616 A CN109828616 A CN 109828616A CN 201910052616 A CN201910052616 A CN 201910052616A CN 109828616 A CN109828616 A CN 109828616A
- Authority
- CN
- China
- Prior art keywords
- retarder
- fitness
- thread
- individual
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开一种RV减速器的零部件选配方法及系统。所述选配方法包括:将待装配的RV减速器的所有零件编码,获得多个编码零件;根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;采用适应度函数计算所述重组群体的适应度,获得重组适应度值;判断所述重组适应度值是否达到适应度阈值,如果是,将按照所述重组群体对应的编码装配所述零件组成RV减速器;否则,返回根据适应度函数计算多个所述个体的适应度值。通过采用遗传算子进行重组操作提高选配效率。
Description
技术领域
本发明涉及减速器领域,特别是涉及一种RV减速器的零部件选配方法及系统。
背景技术
RV减速器是工业机器人的核心部件之一,是实现高精度的工业机器人的重要保证。为了保证RV减速器的旋转精度,需要对RV零部件进行匹配选择。RV减速器由蜗杆和蜗轮组成,结构复杂,RV减速器由多个零件组成。现有技术中,RV减速器的生产过程中基本上都采用人工测量误差进行随机选配,存在选配效率低,选配成功率低的问题。
RV减速器的生产模式往往都是一边生产零件一边进行选配,所以理想的应用模式应该是智能算法能够根据当前的零件快速给出一定量的选配方案。选配剩下的零件能够和新生产的零件再次组合重新进行选配。但是,传统的智能算法仍然存在着选配时间过长的问题。
目前,RV减速器的选配过程都采用人工选配。人工选配的问题是选配速度慢,效率低,人工选配的过程随机性较大,在人工选配的过程中并不会进行全局的考虑。所以,现有技术中的RV减速器的选配存在选配效率低的问题。
发明内容
本发明的目的是提供一种能够提高选配效率的RV减速器的零部件选配方法及系统。
为实现上述目的,本发明提供了如下方案:
一种RV减速器的零部件选配方法,所述选配方法包括:
将待装配的RV减速器的所有零件编码,获得多个编码零件;
多个所述编码零件装配为一个所述RV减速器,所述RV减速器为个体,一个所述编码零件的编码为一个基因,多个所述编码零件的编码组成一条染色体,多个所述个体组成群体,所述个体的数量为M;
根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;
根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;
采用适应度函数计算所述重组群体的适应度,获得重组适应度值;
判断所述重组适应度值是否达到适应度阈值,如果是,将按照所述重组群体对应的编码装配所述零件组成RV减速器;否则,返回根据适应度函数计算多个所述个体的适应度值。
可选的,所述根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体具体包括:
选取所述适应度值最高的个体作为下一代群体;
复制所述适应度值最高的个体并替换所述群体中所述适应度值最低的个体;
除所述适应度值最高和所述适应度值最低对应的个体,剩下的所述群体中对应的个体根据所述适应度值采用轮盘赌的方法选取M-1个所述个体并复制放入所述下一代群体中;
所述个体Qm的适应度为f(Qm),则所述个体Qm被选择的概率Ps;
其中,Qi表示所述个体,i的取值为1,2,3,...,M,所述个体Qi的适应度为f(Qi)。
可选的,所述根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体还包括:
交换编号为i和编号为j的所述零件,第i个RV减速器和第j个RV减速器的同种所述零件进行单独交换;
交叉概率Pc,随机生成一个[0,1]之间的随机数r,当所述个体Qm满足:r≥Pc时,对所述个体Qm进行交叉操作,获得交叉个体;
交换单个所述个体中随机的两个不重复且属于不同RV减速器编码的同种所述零件基因;
变异概率Pm,随机生成一个[0,1]之间的随机数r,当所述个体Qm满足:r>Pm时,对所述个体Qm进行变异操作,获得变异个体;
采用自适应遗传算法实时调整所述交叉概率Pc和所述变异概率Pm;
fmax为所述群体中最大的适应度值;
favg为每代群体的平均适应度;
f为要交叉/变异的个体的适应度;
Pc1为要交叉概率的上限值;
Pc2为要交叉概率的下限值;
Pm1为要变异概率的上限值;
Pm2为要变异概率的下限值。
可选的,所述选配方法还包括:
根据所述待装配的RV减速器的数量确定并发的线程的数量,获得线程数;
将所述待装配的RV减速器的数量除以所述线程数确定每个线程待装配的RV减速器的数量;
根据每个线程待装配的RV减速器的数量进行选配所述RV减速器;
根据线程退出的原则确定线程的运行状态,所述线程的运行状态为线程运行和线程退出;
判断所述线程的运行时间是否超限,如果是,结束装配;否则,进行线程和线程数据合并。
一种RV减速器的零部件选配系统,所述选配系统包括:
编码零件模块,用于将待装配的RV减速器的所有零件编码,获得多个编码零件;
适应度值计算模块,用于根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;
重组操作模块,用于根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;
重组适应度计算模块,用于采用适应度函数计算所述重组群体的适应度,获得重组适应度值;
判断模块,用于判断所述重组适应度值是否达到适应度阈值;
编码装配模块,用于将按照所述重组群体对应的编码装配所述零件组成RV减速器。
可选的,所述重组操作模块具体包括:
下一代群体选取单元,用于选取所述适应度值最高的个体作为下一代群体;
复制单元,用于复制所述适应度值最高的个体并替换所述群体中所述适应度值最低的个体;
轮盘赌单元,用于除所述适应度值最高和所述适应度值最低对应的个体,剩下的所述群体中对应的个体根据所述适应度值采用轮盘赌的方法选取M-1个所述个体并复制放入所述下一代群体中。
可选的,所述重组操作模块还包括:
交叉单元,用于交换编号为i和编号为j的所述零件,第i个RV减速器和第j个RV减速器的同种所述零件进行单独交换;
变异单元,用于交换单个所述个体中随机的两个不重复且属于不同RV减速器编码的同种所述零件基因;
自适应遗传算法单元,用于采用自适应遗传算法实时调整所述交叉概率Pc和所述变异概率Pm。
可选的,所述选配系统还包括:
线程数确定模块,用于根据所述待装配的RV减速器的数量确定并发的线程的数量,获得线程数;
线程单位装配减速器模块,用于将所述待装配的RV减速器的数量除以所述线程数确定每个线程待装配的RV减速器的数量;
减速器选配模块,用于根据每个线程待装配的RV减速器的数量进行选配所述RV减速器;
线程运行状态确定模块,用于根据线程退出的原则确定线程的运行状态,所述线程的运行状态为线程运行和线程退出;
超限判断模块,用于判断所述线程的运行时间是否超限;
结束装配模块,用于结束装配;
合并模块,用于进行线程和线程数据合并。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明公开了一种RV减速器的零部件选配方法和系统,将待装配的RV减速器的所有零件编码,获得多个编码零件,根据适应度函数计算多个所述个体的适应度值,提高了选配的效率和选配率,采用并发的遗传算法能够缩短选配的时间,采用并发技术的遗传算法同时能够有多个线程进行选配运算,利用了线程运行时间限制和Z分数退出机制,能够充分利用智能算法开始高速匹配区,提高了零件选配的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的RV减速器的零部件选配方法的流程图;
图2为本发明提供的装配线程的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种能够提高选配效率的RV减速器的零部件选配方法及系统。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了实现上述目的,本发明提供了如下方案:
如图1所示,本发明提供了一种RV减速器的零部件选配方法,所述选配方法包括:
步骤100:将待装配的RV减速器的所有零件编码,获得多个编码零件;
多个所述编码零件装配为一个所述RV减速器,所述RV减速器为个体,一个所述编码零件的编码为一个基因,多个所述编码零件的编码组成一条染色体,多个所述个体组成群体,所述个体的数量为M;
编码的具体方法:一个RV减速器Q主要由一个针齿壳Z,一个针齿销N,两个摆线轮B和两个曲轴P组成。待装配的所有零件按类进行编号,按照一定的序列组成一个个体,个体中的每一个零件的编号为一个基因,所有零件编号组成一条染色体。例如:假设有四套待装配个体,其中Z1-Z4表示针齿壳,N1-N4表示针齿销,B1-B8表示摆线轮,P1-P8表示曲轴。则其组成的个体如下:Q1={Z1,Z2,Z3,Z4||N1,N2,N3,N4,||B1,B2,B3,B4,B5,B6,B7,B8||P1,P2,P3,P4,P5,P6,P7,P8}
零件的编号为:Q1={1,2,3,4||1,2,3,4||1,2,3,4,5,6,7,8||1,2,3,4,5,6,7,8}。匹配方式定义为第i个针齿壳、第i个针齿销、第2i、2i+1个摆线轮、第2i、2i+1个曲轴组成一个RV减速器。其中第i个针齿壳对应第i个RV减速器,i的取值从0开始。
步骤200:根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;
步骤300:根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;
步骤400:采用适应度函数计算所述重组群体的适应度,获得重组适应度值;
步骤500:判断所述重组适应度值是否达到适应度阈值,如果是,执行步骤600:否则,返回步骤200;
步骤600:将按照所述重组群体对应的编码装配所述零件组成RV减速器。
所述步骤300:根据多个所述适应度值对多个所述个体采用遗传算子进行
重组操作,获得重组群体具体包括:
选取所述适应度值最高的个体作为下一代群体;
复制所述适应度值最高的个体并替换所述群体中所述适应度值最低的个体;
除所述适应度值最高和所述适应度值最低对应的个体,剩下的所述群体中对应的个体根据所述适应度值采用轮盘赌的方法选取M-1个所述个体并复制放入所述下一代群体中;
所述个体Qm的适应度为f(Qm),则所述个体Qm被选择的概率Ps;
其中,Qi表示所述个体,i的取值为1,2,3,...,M,所述个体Qi的适应度为f(Qi);
交叉运算:
零件种类为4,交换次数为3,假设生成随机数为2,3||2,4||1,3交叉前:
Qi={1,2,3,4||1,2,3,4||1,2,3,4,5,6,7,8||1,2,3,4,5,6,7,8}
交叉后:
Qi={1,2,3,4||1,3,2,4||1,2,7,8,5,6,3,4||5,6,3,4,1,2,7,8}。
所述步骤300:根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体还包括:
交换编号为i和编号为j的所述零件,第i个RV减速器和第j个RV减速器的同种所述零件进行单独交换;
交叉概率Pc,随机生成一个[0,1]之间的随机数r,当所述个体Qm满足:r≥Pc时,对所述个体Qm进行交叉操作,获得交叉个体;
交换单个所述个体中随机的两个不重复且属于不同RV减速器编码的同种所述零件基因;
变异概率Pm,随机生成一个[0,1]之间的随机数r,当所述个体Qm满足:r>Pm时,对所述个体Qm进行变异操作,获得变异个体;
变异运算:
零件种类为4,交换次数为3,随机数为1,3||4,7||2,8
变异前:
Qi={1,2,3,4||1,3,2,4||1,2,7,8,5,6,3,4||5,6,3,4,1,2,7,8}
变异后:
Qi={1,2,3,4||2,3,1,4||1,2,7,3,5,6,8,4||5,8,3,4,1,2,7,6}}。
采用自适应遗传算法实时调整所述交叉概率Pc和所述变异概率Pm;
fmax为所述群体中最大的适应度值;
favg为每代群体的平均适应度;
f为要交叉/变异的个体的适应度;
Pc1为要交叉概率的上限值;
Pc2为要交叉概率的下限值;
Pm1为要变异概率的上限值;
Pm2为要变异概率的下限值。
如图2所示,所述选配方法还包括:
根据所述待装配的RV减速器的数量确定并发的线程的数量,获得线程数;线程可分成8线程、4线程、2线程和单线程四种情况。分配的默认原则为:线程越多越好。确定线程的数的时候需要保证至少一个线程待分配的RV套数为10套以上。例如,当RV的套数为82时,由于82除于8大于10,故选择线程数为8;当RV的套数为73时,73除于8小于10但是大于9,可以保证至少一个线程待分配的RV套数为10套,所以选择的线程数仍为8。并发线程数确定的实质是当待选配RV套数大于72时,并发线程数确定为8;选配RV套数大于36而小于等于72时,并发线程数确定为4;选配RV套数大于18而小于等于36时,并发线程数确定为2;选配RV套数小于等于18时,并发线程数确定为1。
将所述待装配的RV减速器的数量除以所述线程数确定每个线程待装配的RV减速器的数量;分配原则为:将总的待选配套数除以并发线程数的值作为每个线程的基础待选配套数。若有余数则从第一个线程开始依次在每个线程的基础待选配套数加1,直到所剩套数分配完毕,保证每个线程的待选配RV套数的平均性。例如:当待选配RV套数为160时,并发线程数为8,每个线程的待选配套数为160除8,没有余数,所以8个线程的套数都为20套;当待选配RV套数为100时,并发线程数仍为8,每个线程的待选配套数100除8,余数为4,所以前4个线程的套数为13套,后4个线程的套数为12套。
根据每个线程待装配的RV减速器的数量进行选配所述RV减速器;
根据线程退出的原则确定线程的运行状态,所述线程的运行状态为线程运行和线程退出;线程退出的原则为:(1)如果线程累积运行时间时间小于2秒,不启动线程退出判断。(2)如果线程累积运行时间超过2秒,则启动线程退出判断。线程退出判断方式使用的是在线式Z分数分析。根据每个线程的选配解花费时间序列实时在线计算Z分数,当Z分数大于0的时候就结束线程。(3)线程运行时间超过设定的时间就结束线程,默认设定时间为60秒。(4)若有一个线程满足退出条件则本次循环所有线程同时退出。
判断所述线程的运行时间是否超限,如果超过则退出整个匹配程序。算法默认运行时间为10分钟。如果是,结束装配;否则,进行线程和线程数据合并。合并的方式为:(1)将线程数量合并为原来的1/2。(2)重新分配线程的数据。(3)如果合并后线程数小于1则不进行线程合并,结束算法。若合并后线程数大于1则继续进行遗传算法,回到步骤3进行新一轮的选配。
一种RV减速器的零部件选配系统,所述选配系统包括:
编码零件模块,用于将待装配的RV减速器的所有零件编码,获得多个编码零件;
适应度值计算模块,用于根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;
重组操作模块,用于根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;
重组适应度计算模块,用于采用适应度函数计算所述重组群体的适应度,获得重组适应度值;
判断模块,用于判断所述重组适应度值是否达到适应度阈值;
编码装配模块,用于将按照所述重组群体对应的编码装配所述零件组成RV减速器。
所述重组操作模块具体包括:
下一代群体选取单元,用于选取所述适应度值最高的个体作为下一代群体;
复制单元,用于复制所述适应度值最高的个体并替换所述群体中所述适应度值最低的个体;
轮盘赌单元,用于除所述适应度值最高和所述适应度值最低对应的个体,剩下的所述群体中对应的个体根据所述适应度值采用轮盘赌的方法选取M-1个所述个体并复制放入所述下一代群体中。
所述重组操作模块还包括:
交叉单元,用于交换编号为i和编号为j的所述零件,第i个RV减速器和第j个RV减速器的同种所述零件进行单独交换;
变异单元,用于交换单个所述个体中随机的两个不重复且属于不同RV减速器编码的同种所述零件基因;
自适应遗传算法单元,用于采用自适应遗传算法实时调整所述交叉概率Pc和所述变异概率Pm。
所述选配系统还包括:
线程数确定模块,用于根据所述待装配的RV减速器的数量确定并发的线程的数量,获得线程数;
线程单位装配减速器模块,用于将所述待装配的RV减速器的数量除以所述线程数确定每个线程待装配的RV减速器的数量;
减速器选配模块,用于根据每个线程待装配的RV减速器的数量进行选配所述RV减速器;
线程运行状态确定模块,用于根据线程退出的原则确定线程的运行状态,所述线程的运行状态为线程运行和线程退出;
超限判断模块,用于判断所述线程的运行时间是否超限;
结束装配模块,用于结束装配;
合并模块,用于进行线程和线程数据合并。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种RV减速器的零部件选配方法,其特征在于,所述选配方法包括:
将待装配的RV减速器的所有零件编码,获得多个编码零件;
多个所述编码零件装配为一个所述RV减速器,所述RV减速器为个体,一个所述编码零件的编码为一个基因,多个所述编码零件的编码组成一条染色体,多个所述个体组成群体,所述个体的数量为M;
根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;
根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;
采用适应度函数计算所述重组群体的适应度,获得重组适应度值;
判断所述重组适应度值是否达到适应度阈值,如果是,将按照所述重组群体对应的编码装配所述零件组成RV减速器;否则,返回根据适应度函数计算多个所述个体的适应度值。
2.根据权利要求1所述的一种RV减速器的零部件选配方法,其特征在于,所述根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体具体包括:
选取所述适应度值最高的个体作为下一代群体;
复制所述适应度值最高的个体并替换所述群体中所述适应度值最低的个体;
除所述适应度值最高和所述适应度值最低对应的个体,剩下的所述群体中对应的个体根据所述适应度值采用轮盘赌的方法选取M-1个所述个体并复制放入所述下一代群体中;
所述个体Qm的适应度为f(Qm),则所述个体Qm被选择的概率Ps;
其中,Qi表示所述个体,i的取值为1,2,3,...,M,所述个体Qi的适应度为f(Qi)。
3.根据权利要求1所述的一种RV减速器的零部件选配方法,其特征在于,所述根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体还包括:
交换编号为i和编号为j的所述零件,第i个RV减速器和第j个RV减速器的同种所述零件进行单独交换;
交叉概率Pc,随机生成一个[0,1]之间的随机数r,当所述个体Qm满足:r≥Pc时,对所述个体Qm进行交叉操作,获得交叉个体;
交换单个所述个体中随机的两个不重复且属于不同RV减速器编码的同种所述零件基因;
变异概率Pm,随机生成一个[0,1]之间的随机数r,当所述个体Qm满足:r>Pm时,对所述个体Qm进行变异操作,获得变异个体;
采用自适应遗传算法实时调整所述交叉概率Pc和所述变异概率Pm;
fmax为所述群体中最大的适应度值;
favg为每代群体的平均适应度;
f为要交叉/变异的个体的适应度;
Pc1为要交叉概率的上限值;
Pc2为要交叉概率的下限值;
Pm1为要变异概率的上限值;
Pm2为要变异概率的下限值。
4.根据权利要求1所述的一种RV减速器的零部件选配方法,其特征在于,所述选配方法还包括:
根据所述待装配的RV减速器的数量确定并发的线程的数量,获得线程数;
将所述待装配的RV减速器的数量除以所述线程数确定每个线程待装配的RV减速器的数量;
根据每个线程待装配的RV减速器的数量进行选配所述RV减速器;
根据线程退出的原则确定线程的运行状态,所述线程的运行状态为线程运行和线程退出;
判断所述线程的运行时间是否超限,如果是,结束装配;否则,进行线程和线程数据合并。
5.一种RV减速器的零部件选配系统,其特征在于,所述选配系统包括:
编码零件模块,用于将待装配的RV减速器的所有零件编码,获得多个编码零件;
适应度值计算模块,用于根据适应度函数计算多个所述个体的适应度值,获得多个适应度值,所述适应度函数为用于计算所述个体的生存能力;
重组操作模块,用于根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作,获得重组群体;
重组适应度计算模块,用于采用适应度函数计算所述重组群体的适应度,获得重组适应度值;
判断模块,用于判断所述重组适应度值是否达到适应度阈值;
编码装配模块,用于将按照所述重组群体对应的编码装配所述零件组成RV减速器。
6.根据权利要求5所述的一种RV减速器的零部件选配系统,其特征在于,所述重组操作模块具体包括:
下一代群体选取单元,用于选取所述适应度值最高的个体作为下一代群体;
复制单元,用于复制所述适应度值最高的个体并替换所述群体中所述适应度值最低的个体;
轮盘赌单元,用于除所述适应度值最高和所述适应度值最低对应的个体,剩下的所述群体中对应的个体根据所述适应度值采用轮盘赌的方法选取M-1个所述个体并复制放入所述下一代群体中。
7.根据权利要求5所述的一种RV减速器的零部件选配系统,其特征在于,所述重组操作模块还包括:
交叉单元,用于交换编号为i和编号为j的所述零件,第i个RV减速器和第j个RV减速器的同种所述零件进行单独交换;
变异单元,用于交换单个所述个体中随机的两个不重复且属于不同RV减速器编码的同种所述零件基因;
自适应遗传算法单元,用于采用自适应遗传算法实时调整所述交叉概率Pc和所述变异概率Pm。
8.根据权利要求5所述的一种RV减速器的零部件选配系统,其特征在于,所述选配系统还包括:
线程数确定模块,用于根据所述待装配的RV减速器的数量确定并发的线程的数量,获得线程数;
线程单位装配减速器模块,用于将所述待装配的RV减速器的数量除以所述线程数确定每个线程待装配的RV减速器的数量;
减速器选配模块,用于根据每个线程待装配的RV减速器的数量进行选配所述RV减速器;
线程运行状态确定模块,用于根据线程退出的原则确定线程的运行状态,所述线程的运行状态为线程运行和线程退出;
超限判断模块,用于判断所述线程的运行时间是否超限;
结束装配模块,用于结束装配;
合并模块,用于进行线程和线程数据合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910052616.6A CN109828616A (zh) | 2019-01-21 | 2019-01-21 | 一种rv减速器的零部件选配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910052616.6A CN109828616A (zh) | 2019-01-21 | 2019-01-21 | 一种rv减速器的零部件选配方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109828616A true CN109828616A (zh) | 2019-05-31 |
Family
ID=66861084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910052616.6A Pending CN109828616A (zh) | 2019-01-21 | 2019-01-21 | 一种rv减速器的零部件选配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109828616A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050267851A1 (en) * | 2004-05-25 | 2005-12-01 | Semiconductor Leading Edge Technologies, Inc. | Fitness function circuit, genetic algorithm machine, and fitness evaluation method |
CN103544103A (zh) * | 2013-09-02 | 2014-01-29 | 烟台中科网络技术研究所 | 一种软件性能测试模拟并发方法及系统 |
CN103885020A (zh) * | 2014-03-28 | 2014-06-25 | 卢兆兴 | 一种基于自适应遗传算法的三轴磁强计误差校正技术 |
CN107742054A (zh) * | 2017-12-02 | 2018-02-27 | 北京工业大学 | 一种基于遗传算法的rv减速器齿廓优化修形方法 |
-
2019
- 2019-01-21 CN CN201910052616.6A patent/CN109828616A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050267851A1 (en) * | 2004-05-25 | 2005-12-01 | Semiconductor Leading Edge Technologies, Inc. | Fitness function circuit, genetic algorithm machine, and fitness evaluation method |
CN103544103A (zh) * | 2013-09-02 | 2014-01-29 | 烟台中科网络技术研究所 | 一种软件性能测试模拟并发方法及系统 |
CN103885020A (zh) * | 2014-03-28 | 2014-06-25 | 卢兆兴 | 一种基于自适应遗传算法的三轴磁强计误差校正技术 |
CN107742054A (zh) * | 2017-12-02 | 2018-02-27 | 北京工业大学 | 一种基于遗传算法的rv减速器齿廓优化修形方法 |
Non-Patent Citations (3)
Title |
---|
吴凯: "RV减速器零部件的选配研究", 《机械工程师》 * |
曹凯: "使用进化算法的矢量量化", 《中国优秀硕士学位论文全文数据库》 * |
陈霄: "DNA遗传算法及应用研究", 《中国博士学位论文全文数据库(电子期刊)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956266B (zh) | 基于层次分析法的多电源电力系统多目标优化调度方法 | |
Son et al. | Hybrid coevolutionary programming for Nash equilibrium search in games with local optima | |
CN104764980B (zh) | 一种基于bpso和ga的配电线路故障区段定位方法 | |
CN104899100B (zh) | 一种用于云系统的资源调度方法 | |
CN104842564B (zh) | 一种基于nsga‑ii的三维打印多任务优化调度方法 | |
CN112906292B (zh) | 热电联产机组厂级热电负荷在线优化分配的方法、系统、设备及存储介质 | |
CN104217255B (zh) | 一种市场环境下电力系统多目标检修优化方法 | |
CN109193807B (zh) | 一种电力系统经济调度方法及系统 | |
CN105184428A (zh) | 一种基于多层遗传算法的冰壶比赛对阵组合设计方法 | |
CN108122079A (zh) | 火电厂负荷分配的计算方法、系统及存储介质 | |
CN111047272A (zh) | 一种用于多语言协同开发的项目调度方法及装置 | |
CN106651552A (zh) | 一种基于信息互动的分布式能源系统多代理交易竞价模型 | |
Zhao et al. | Dynamic economic dispatch in electricity market using particle swarm optimization algorithm | |
CN104536831B (zh) | 一种基于多目标优化的多核SoC软件映射方法 | |
CN109828616A (zh) | 一种rv减速器的零部件选配方法及系统 | |
CN111598234B (zh) | Ai模型的训练方法、使用方法、计算机设备及存储介质 | |
CN107706907A (zh) | 一种配电网络重构方法和装置 | |
CN113715669A (zh) | 电动汽车有序充电控制方法、系统、设备及可读存储介质 | |
CN111079229B (zh) | 一种大型高速回转装备不平衡量的双目标优化方法 | |
CN109149559A (zh) | 一种需求侧互联可靠性评估方法及系统 | |
CN110880775B (zh) | 一种基于博弈模型的频率稳定切负荷策略优化方法及装置 | |
CN109617123B (zh) | 基于状态空间组合和聚类简化的风火系统的可靠性灵敏度分析方法 | |
Luo et al. | Distributed coordination method of microgrid economic operation optimization based on multi-agent system | |
CN108021029A (zh) | 一种智能家用电需求响应平台 | |
CN107609781A (zh) | 一种基于改进帝国竞争算法的柔性作业车间调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |