CN116924287B - 液压补偿调平机构的控制方法、装置、设备及介质 - Google Patents
液压补偿调平机构的控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116924287B CN116924287B CN202311197703.3A CN202311197703A CN116924287B CN 116924287 B CN116924287 B CN 116924287B CN 202311197703 A CN202311197703 A CN 202311197703A CN 116924287 B CN116924287 B CN 116924287B
- Authority
- CN
- China
- Prior art keywords
- population
- iteration
- determining
- mutation
- individuals
- 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.)
- Active
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 63
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 19
- 230000035772 mutation Effects 0.000 claims description 157
- 230000006870 function Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 13
- 230000002068 genetic effect Effects 0.000 abstract description 12
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 4
- 238000012804 iterative process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/07504—Accessories, e.g. for towing, charging, locking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/20—Means for actuating or controlling masts, platforms, or forks
- B66F9/22—Hydraulic devices or systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B21/00—Common features of fluid actuator systems; Fluid-pressure actuator systems or details thereof, not covered by any other group of this subclass
- F15B21/08—Servomotor systems incorporating electrically operated control means
Abstract
本发明公开了一种液压补偿调平机构的控制方法、装置、设备及介质。该方法包括:获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度;根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以对液压补偿调平机构进行控制。本技术方案解决了遗传算法输出的液压补偿调平机构参数误差大、调平机构控制精确度低等问题,可以在提高液压补偿调平机构参数准确性的同时,加快计算过程中的迭代收敛速度,以达到良好的控制效果。
Description
技术领域
本发明涉及机械控制技术领域,尤其涉及一种液压补偿调平机构的控制方法、装置、设备及介质。
背景技术
作业装置精确调平是伸缩臂叉装车至关重要的性能指标。由于并联油缸补偿四连杆调平机构结构简单、成本较低并且机构稳定,在伸缩臂型车上应用广泛。并联油缸补偿六连杆调平机构的调平原理在根本上与并联油缸补偿四连杆调平机构一致,都是将上调平油缸和下调平油缸进行并联,来实现作业装置的调平。即货叉在臂架变幅过程中始终保持与基面平行或者恒定角度。并联油缸补偿调平机构的设计难点在于,需要构造合理的连杆长度,来减小货叉在臂架变幅过程中产生的角度波动。其中角度的波动范围也即调平偏差。
目前,现有技术主要利用遗传算法对液压补偿调平机构参数进行优化,以得到较小的调平偏差。传统的遗传算法虽然可以实现液压补偿调平机构参数的优化,但是迭代收敛速度慢,输出的参数误差较大,难以实现对液压补偿调平机构的精准控制。
发明内容
本发明提供了一种液压补偿调平机构的控制方法、装置、设备及介质,以解决遗传算法输出的液压补偿调平机构参数误差大、调平机构控制精确度低等问题,可以在提高液压补偿调平机构参数准确性的同时,加快计算过程中的迭代收敛速度,以达到良好的控制效果。
根据本发明的一方面,提供了一种液压补偿调平机构的控制方法,所述方法包括:
获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度;其中,所述待确定参数包括连杆长度、油缸长度、臂架变幅角度、连杆夹角以及上调平油缸与下调平油缸传动比;
根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;
对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;
若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。
可选的,本次迭代操作的种群变异概率是基于目标个体数量以及本次迭代操作的输入种群中个体数量确定的;本次迭代操作的个体变异概率是基于本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置确定的。
可选的,所述对输入种群中个体进行预设次数的次迭代操作,确定各次迭代匹配的输出种群,包括:
若本次迭代为初始迭代,则根据预先设置的适应度函数,计算输入种群中个体的适应度,并根据适应度,确定目标个体;若本次迭代非初始迭代,则根据上一次迭代的输出种群中个体的适应度,确定目标个体;
根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群;其中,所述单点变异算子是根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的;
根据单点交叉算子,对待交叉种群进行交叉操作,并计算交叉后种群中个体的适应度;
根据交叉后种群中个体的适应度以及范围选择算子,确定本次迭代匹配的输出种群。
可选的,所述目标个体为目标种群中适应度最大的个体;
所述根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群,包括:
将目标个体的适应度以及初次迭代的输入种群中个体的适应度进行适应度排序,根据适应度排序结果,确定待变异种群;
根据目标个体数量以及本次迭代操作的输入种群中个体数量,确定种群变异概率,并根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率;
根据种群变异概率以及个体变异概率,确定本次迭代操作的单点变异算子,根据单点变异算子,对待变异种群进行变异操作,生成本次迭代操作的待交叉种群。
可选的,所述根据目标个体数量以及本次迭代操作的输入种群中个体数量,确定种群变异概率,包括:
将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率。
可选的,所述根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率,包括:
根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定变异位置评估结果;
若根据变异位置评估结果确定存在目标个体历次迭代操作中均在预设位置发生至少一次变异,则确定预设位置的变异概率为第一变异概率,除预设位置以外的其它编码位置的变异概率为第二变异概率。
可选的,所述根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群,包括:
根据待确定参数的预设范围,基于均匀插值法,确定多个待编码参数;
根据编码长度,对待编码参数进行基因编码,得到各待编码参数匹配的个体;
根据各待编码参数匹配的个体,确定输入种群。
根据本发明的另一方面,提供了一种液压补偿调平机构的控制装置,该装置包括:
范围确定模块,用于获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度;其中,所述待确定参数包括连杆长度、油缸长度、臂架变幅角度、连杆夹角以及上调平油缸与下调平油缸传动比;
输入种群确定模块,用于根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;
输出种群确定模块,用于对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;
参数确定模块,用于若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的液压补偿调平机构的控制方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的液压补偿调平机构的控制方法。
本发明实施例的技术方案,通过获取液压补偿调平机构的待确定参数,然后根据待确定参数的预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;再对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。该技术方案解决了遗传算法输出的液压补偿调平机构参数误差大、调平机构控制精确度低等问题,可以在提高液压补偿调平机构参数准确性的同时,加快计算过程中的迭代收敛速度,以达到良好的控制效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种液压补偿调平机构的控制方法的流程图;
图2是根据本发明实施例二提供的一种液压补偿调平机构的控制方法的流程图;
图3是根据本发明实施例二提供的四连杆液压补偿调平机构的数学模型的示意图;
图4是根据本发明实施例三提供的一种液压补偿调平机构的控制装置的结构示意图;
图5是实现本发明实施例的液压补偿调平机构的控制方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
实施例一
图1为本发明实施例一提供了一种液压补偿调平机构的控制方法的流程图,本实施例可适用于伸缩臂叉装车中液压补偿调平机构的控制场景,该方法可以由液压补偿调平机构的控制装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度。
本方案可以预先构建液压补偿调平机构匹配的数学模型,例如液压补偿调平机构的几何图形。根据液压补偿调平机构的数学模型,可以确定液压补偿调平机构的待确定参数。其中,所述待确定参数包括连杆长度、油缸长度、臂架变幅角度、连杆夹角以及上调平油缸与下调平油缸传动比等参数。液压补偿调平结构的待确定参数具有一定的可调节范围,待确定参数的可调节范围可以作为待确定参数的预设范围。例如连杆长度最大为2000mm,连杆长度的预设范围可以是[0mm,2000mm]。根据待确定参数的预设范围,可以设置待确定参数的编码长度。例如根据连杆长度的预设范围[0mm,2000mm],可以采用15位二进制编码进行表示。
S120、根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群。
根据待确定参数的预设范围,可以生成与待确定参数匹配的多个待编码参数。例如可以在待确定参数的预设范围内随机选取多个数值作为待编码参数。根据编码长度,对待编码参数进行基因编码,得到初始种群。将初始种群作为首次迭代的输入种群,进行遗传迭代,以获取最佳的液压补偿调平机构参数。
S130、对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群。
本方案可以基于遗传算法对输入种群中个体进行迭代操作,每次迭代可以使输入种群得到进化,生成本次迭代匹配的输出种群。需要说明的是,本方案的迭代操作可以包括交叉操作、变异操作以及选择操作。其中,所述变异操作是基于种群变异概率和个体变异概率实现的;本次迭代操作的种群变异概率是基于目标个体数量以及本次迭代操作的输入种群中个体数量确定的;本次迭代操作的个体变异概率是基于本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置确定的。
在一个具体的例子中,所述交叉操作是基于单点交叉算子实现的;所述选择操作是基于范围选择算子实现的;所述变异操作可以是基于单点变异算子实现的;所述单点变异算子是根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的。可以理解的,种群多样性越高,在进行交叉计算时,能够产生更多的新个体以为找到最优解提供驱动力。在遗传算法迭代过程中,远离最优解的解应当逐渐减少,以保证驱动方向的正确性,因此,传统遗传算法通常选择较小的变异率进行迭代。解的多样性可以为找到最优解提供驱动力,但同时会使增加寻找最优解的驱动方向。本实施例根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的单点变异算子可以在保证原驱动力的同时,不断补充新的驱动力。范围选择算子通过最值范围选取,可以有效限制驱动方向数量。因此,将上述单点变异算子与范围选择算子结合使用可以在提供充足的驱动力的同时,保证驱动方向的正确性,进而提高迭代收敛速度。
S140、若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。
如果迭代次数达到预设迭代次数,则终止迭代,得到最后一次迭代的输出种群。根据预先设置的适应度函数,计算输出种群中个体的适应度,并将适应度最大的个体对应的参数作为液压补偿调平机构参数。适应度函数可以是基于待确定参数与调平偏差的关联关系确定的。
在得到液压补偿调平机构参数之后,伸缩臂叉装车可以根据液压补偿调平机构参数生成控制信号,对液压补偿调平机构进行控制,以实现液压补偿调平结构的精准调平,保证机械控制的可靠性。
本技术方案通过获取液压补偿调平机构的待确定参数,然后根据待确定参数的预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;再对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数。该技术方案解决了遗传算法输出的液压补偿调平机构参数误差大、调平机构控制精确度低等问题,可以在提高液压补偿调平机构参数准确性的同时,加快计算过程中的迭代收敛速度,以达到良好的控制效果。
实施例二
图2为本发明实施例二提供的一种液压补偿调平机构的控制方法的流程图,本实施例以上述实施例为基础进行细化。如图2所示,该方法包括:
S201、获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度。
S202、根据待确定参数的预设范围,基于均匀插值法,确定多个待编码参数。
在本方案中,在获取待确定参数的预设范围之后,根据均匀插值法,在待确定参数的预设范围中选取多个待编码参数。插值间隔可以根据种群规模或应用场景的精确度需求进行设置。基于均匀插值法得到的待编码参数可以均匀的覆盖整个预设范围,提供可靠的初始种群,有利于确定最优参数值。
S203、根据编码长度,对待编码参数进行基因编码,得到各待编码参数匹配的个体。
根据待确定参数的预设范围,可以确定待确定参数的编码长度。根据编码长度,对待编码参数进行基因编码,得到各待编码参数对应的个体。
S204、根据各待编码参数匹配的个体,确定输入种群。
容易理解的,各待编码参数对应的个体可以加入输入种群,也可以在各待编码参数对应的个体中按照预设筛选规则,挑选部分个体加入输入种群。
S205、判断本次迭代是否为初始迭代。
开始迭代操作之后,每次迭代之前可以判断本次迭代是否为初始迭代,若本次迭代为初始迭代,则执行S206,若本次迭代不是初始迭代,则执行S207。
S206、根据预先设置的适应度函数,计算输入种群中个体的适应度,并根据适应度,确定目标个体。
液压补偿调平机构的调平偏差可以表示为,各待确定参数可以表示为,调平偏差与各待确定参数的关联关系可以表示为。/>取最小值时,各待确定参数的取值即为液压补偿调平机构的最优参数。适应度函数可以是基于调平偏差确定的,适应度与调平偏差可以是负相关关系。
输入种群中每个个体的基因编码表示待确定参数的一种取值,根据调平偏差与各待确定参数的关联关系,可以计算输入种群中每个个体对应的调平偏差。根据输入种群中个体的调平偏差以及适应度函数,可以计算输入种群中个体的适应度。将输入种群中个体的适应度进行排序,可以将符合选择条件的个体作为目标个体。例如将输入种群中适应度最大的个体作为目标个体。
S207、根据上一次迭代的输出种群中个体的适应度,确定目标个体。
可以理解的,若本次迭代非初始迭代,则上一次迭代的输出种群可以作为本次迭代的输入种群。根据上一次迭代的输出种群中个体的适应度,可以将符合选择条件的个体作为目标个体。
S208、根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群。
将输入种群中个体适应度与目标个体的适应度进行排序,根据排序结果,选取预设数量的个体构成待变异种群。在得到待变异种群之后,通过单点变异算子对待变异种群进行变异操作,以使待变异种群中个体按照匹配的变异概率进行变异,生成待交叉种群。其中,所述单点变异算子是根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的。
本方案中,可选的,所述目标个体为目标种群中适应度最大的个体;
所述根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群,包括:
将目标个体的适应度以及初次迭代的输入种群中个体的适应度进行适应度排序,根据适应度排序结果,确定待变异种群;
根据目标个体数量以及本次迭代操作的输入种群中个体数量,确定种群变异概率,并根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率;
根据种群变异概率以及个体变异概率,确定本次迭代操作的单点变异算子,根据单点变异算子,对待变异种群进行变异操作,生成本次迭代操作的待交叉种群。
具体的,除初次迭代以外,每次迭代的输入种群可以包括上一次迭代的输出种群以及初始迭代的输入种群。上一次迭代的输出种群可以作为本次迭代的目标种群,目标种群中适应度最大的个体可以作为目标个体。需要说明的是,目标个体的数量可以是一个也可以是多个。
将目标个体的适应度与初次迭代的输入种群中个体的适应度进行适应度排序,根据适应度排序结果,选择预设数量的适应度较大的个体构成确定待变异种群。
根据目标个体数量以及本次迭代操作的输入种群中个体数量,可以计算种群变异概率,例如将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率。
通过统计每次迭代操作中输入种群中个体的变异位置,可以记录预设位置连续发生变异的次数,进而根据预设位置连续发生变异的次数,确定个体变异概率。
根据种群变异概率以及个体变异概率,生成本次迭代操作的单点变异算子。根据单点变异算子,对待变异种群进行变异操作,生成本次迭代操作的待交叉种群。
本方案通过将目标个体的适应度与初次迭代的输入种群中个体的适应度进行适应度排序,确定待变异种群,可以有效保留原始解,避免迭代陷入局部最优,有利于提高最优参数的准确性。
在上述方案的基础上,所述根据目标个体数量以及本次迭代操作的输入种群中个体数量,确定种群变异概率,包括:
将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率。
本方案将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率有利于在迭代过程中不断充实输入种群的新个体,为找到最优解提供驱动力,增加寻找最优解的驱动方向。
在一个优选的方案中,所述根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率,包括:
根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定变异位置评估结果;
若根据变异位置评估结果确定存在目标个体历次迭代操作中均在预设位置发生至少一次变异,则确定预设位置的变异概率为第一变异概率,除预设位置以外的其它编码位置的变异概率为第二变异概率。
在本方案中,通过统计本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,可以得到变异位置评估结果。其中,所述变异位置评估结果可以包括预设次数迭代过程中各编码位置连续发生变异的次数。预设次数可以作为一个统计周期,例如可以是15次。
如果存在目标个体历次迭代操作中均在预设位置发生至少一次变异,则确定预设位置的变异概率为第一变异概率,除预设位置以外的其它编码位置的变异概率为第二变异概率。需要说明的是,所述预设位置可以包括一个编码位置也可以包括多个编码位置,若预设位置包括多个编码位置,多个编码位置可以是连续的,也可以是离散的。第一变异概率与第二变异概率可以不同,第一变异概率与第二变异概率之和可以为1,例如第一变异概率为0.7,第二变异概率为0.3。
S209、根据单点交叉算子,对待交叉种群进行交叉操作,并计算交叉后种群中个体的适应度。
需要说明的是,所述单点交叉算子可以对带交叉种群进行交叉操作,交叉概率可以是预先设置的,例如90%。在交叉操作之后,根据预设适应度函数,计算交叉后种群中个体的适应度。
S210、根据交叉后种群中个体的适应度以及范围选择算子,确定本次迭代匹配的输出种群。
S211、判断迭代次数是否达到预设迭代次数。
若迭代次数达到预设迭代次数,则执行S212,若迭代次数未达到预设迭代次数,则返回执行S205。
S212、终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平结构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。
本技术方案通过获取液压补偿调平机构的待确定参数,然后根据待确定参数的预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;再对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。该技术方案解决了遗传算法输出的液压补偿调平机构参数误差大、调平机构控制精确度低等问题,可以在提高液压补偿调平机构参数准确性的同时,加快计算过程中的迭代收敛速度,以达到良好的控制效果。
具体适用场景一
本实施例以上述实施例为基础的一个具体的实施例。液压补偿调平机构为四连杆液压补偿调平机构,图3是根据本发明具体适用场景一提供的四连杆液压补偿调平机构的数学模型的示意图。如图3所示,A点至C点连线表示臂架下连杆,B点至C点连线表示下架连杆,E点至F点连线表示臂架连杆,D点至F点连线表示附具架摇臂连杆。待确定参数可以包括、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>和/>,其中,/>表示臂架变幅角度,/>表示臂架与底盘夹角∠BCA,/>表示臂架变幅角度为0时臂架与底盘夹角∠BCA,/>表示臂架下连杆CA长度,/>表示下架连杆CB长度、/>表示下调平油缸长度,/>表示臂架变幅角度为0时下调平油缸长度,/>表示臂架连杆EF长度,/>表示附具架摇臂连杆DF长度,/>表示上调平油缸长度,/>表示臂架变幅角度为0时上调平油缸长度,/>表示臂架与底盘夹角∠EFD,/>表示臂架变幅角度为0时臂架与底盘夹角∠EFD,/>表示上调平油缸与下调平油缸的传动比。
其中,可以将、/>、/>、/>、/>、/>以及/>作为直接影响调平偏差的参数,构建待确定参数与调平偏差/>的关联关系/>。根据/>、/>、/>、/>、/>、/>以及/>等参数的可取值范围,确定各参数的编码长度,以进行基因编码。将各参数匹配的编码进行排列组合,可以得到各组合方式匹配的个体编码,以构成待筛选种群。
迭代操作的种群规模可以设置为个体编码字节数的整数倍,例如个体编码为80个字节,种群规模可以是400个。本方案以种群规模为400个个体为例对迭代操作进行说明。
本方案中,适应度函数可以表示为:;其中,/>表示任意实数,/>表示各待确定参数在不同取值时的调平偏差。根据适应度函数,计算待筛选种群中个体的适应度,选取前400位个体作为初始迭代的输入种群,在进行交叉操作和变异操作之后,计算扩展种群中个体的适应度,选取适应度较大的400位个体作为初始迭代的输出种群。在后续迭代过程中,本次迭代总是在初始迭代的输入种群以及上一次迭代的输出种群中选取适应度较大的前400位个体构成本次迭代的输入种群。即在800个个体中(初始迭代的输入种群中的400个个体+上一次迭代的输出种群中的400个个体)中选取适应度较大的400个个体。
在臂架变幅角度变化过程中,调平偏差可以表示为:
;
根据图3所示由A、B和C三点构成的三角形,可以得到的表达式:
;
根据图3所示由D、E和F三点构成的三角形,可以得到的表达式
;
因此,可以表示为:
。
迭代操作包括交叉操作、变异算子以及选择算子。其中,交叉操作是基于单点交叉算子实现的,交叉概率为0.5,每次迭代的输入种群每个个体只进行一次交叉计算,即交叉率为100%。
变异算子是基于单点变异算子实现的,单点变异算子可以表示为:
;
;
;
其中,表示差异度,/>表示第/>次迭代中适应度最大的个体编码;/>表示第/>次迭代中适应度最大的个体编码;表示长度函数,用于确定编码长度;/>表示随机函数,用于生成随机数;/>表示取整函数,用于对非整数进行取整;/>表示个体编码/>中的位置索引;/>表示变异位置;/>表示变异位置的变异概率。
选择操作是基于范围选择算子实现的,范围选择算子可以对经过交叉操作和变异操作得到的扩展种群中个体进行筛选,在满足种群规模的前提下,选取适应度较大的个体作为本次迭代的输出种群。
根据最后一次迭代输出的输出种群,可以得到最优的液压补偿调平机构参数,利用最优的液压补偿调平结构参数对液压补偿调平机构进行控制可以达到最佳的控制效果。
本方案通过单点交叉算子和单点变异算子可以在保证原驱动力的同时,不断补充新的驱动力。范围选择算子通过最值范围选取,可以有效限制驱动方向数量。因此,将单点交叉算子、单点变异算子与范围选择算子结合使用可以在提供充足的驱动力的同时,保证驱动方向的正确性,进而提高迭代收敛速度。
实施例三
图4为本发明实施例三提供的一种液压补偿调平机构的控制装置的结构示意图。如图4所示,该装置包括:
范围确定模块310,用于获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度;其中,所述待确定参数包括连杆长度、油缸长度、臂架变幅角度、连杆夹角以及上调平油缸与下调平油缸传动比;
输入种群确定模块320,用于根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;
输出种群确定模块330,用于对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;
参数确定模块340,用于若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构。
在上述方案的基础上,可选的,本次迭代操作的种群变异概率是基于目标个体数量以及本次迭代操作的输入种群中个体数量确定的;本次迭代操作的个体变异概率是基于本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置确定的。
在一个可行的方案中,所述输出种群确定模块330,包括:
目标个体确定单元,用于若本次迭代为初始迭代,则根据预先设置的适应度函数,计算输入种群中个体的适应度,并根据适应度,确定目标个体;若本次迭代非初始迭代,则根据上一次迭代的输出种群中个体的适应度,确定目标个体;
待交叉种群生成单元,用于根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群;其中,所述单点变异算子是根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的;
适应度计算单元,用于根据单点交叉算子,对待交叉种群进行交叉操作,并计算交叉后种群中个体的适应度;
输出种群确定单元,用于根据交叉后种群中个体的适应度以及范围选择算子,确定本次迭代匹配的输出种群。
可选的,所述目标个体为目标种群中适应度最大的个体;
所述待交叉种群生成单元,包括:
待变异种群确定子单元,用于将目标个体的适应度以及初次迭代的输入种群中个体的适应度进行适应度排序,根据适应度排序结果,确定待变异种群;
变异概率确定子单元,用于根据目标个体数量以及本次迭代操作的输入种群中个体数量,确定种群变异概率,并根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率;
待交叉种群生成子单元,用于根据种群变异概率以及个体变异概率,确定本次迭代操作的单点变异算子,根据单点变异算子,对待变异种群进行变异操作,生成本次迭代操作的待交叉种群。
本方案中,所述变异概率确定子单元,具体用于:
将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率。
在上述方案的基础上,所述变异概率确定子单元,还用于:
根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定变异位置评估结果;
若根据变异位置评估结果确定存在目标个体历次迭代操作中均在预设位置发生至少一次变异,则确定预设位置的变异概率为第一变异概率,除预设位置以外的其它编码位置的变异概率为第二变异概率。
本实施例中,可选的,所述输入种群确定模块320,具体用于:
根据待确定参数的预设范围,基于均匀插值法,确定多个待编码参数;
根据编码长度,对待编码参数进行基因编码,得到各待编码参数匹配的个体;
根据各待编码参数匹配的个体,确定输入种群。
本发明实施例所提供的液压补偿调平机构的控制装置可执行本发明任意实施例所提供的液压补偿调平机构的控制方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备410的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备410包括至少一个处理器411,以及与至少一个处理器411通信连接的存储器,如只读存储器(ROM)412、随机访问存储器(RAM)413等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器411可以根据存储在只读存储器(ROM)412中的计算机程序或者从存储单元418加载到随机访问存储器(RAM)413中的计算机程序,来执行各种适当的动作和处理。在RAM 413中,还可存储电子设备410操作所需的各种程序和数据。处理器411、ROM 412以及RAM 413通过总线414彼此相连。输入/输出(I/O)接口415也连接至总线414。
电子设备410中的多个部件连接至I/O接口415,包括:输入单元416,例如键盘、鼠标等;输出单元417,例如各种类型的显示器、扬声器等;存储单元418,例如磁盘、光盘等;以及通信单元419,例如网卡、调制解调器、无线通信收发机等。通信单元419允许电子设备410通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器411可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器411的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器411执行上文所描述的各个方法和处理,例如液压补偿调平机构的控制方法。
在一些实施例中,液压补偿调平机构的控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元418。在一些实施例中,计算机程序的部分或者全部可以经由ROM 412和/或通信单元419而被载入和/或安装到电子设备410上。当计算机程序加载到RAM 413并由处理器411执行时,可以执行上文描述的液压补偿调平机构的控制方法的一个或多个步骤。备选地,在其他实施例中,处理器411可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行液压补偿调平机构的控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (5)
1.一种液压补偿调平机构的控制方法,其特征在于,所述方法包括:
获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度;其中,所述待确定参数包括连杆长度、油缸长度、臂架变幅角度、连杆夹角以及上调平油缸与下调平油缸传动比;
根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;
对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;
若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构;
其中,所述对输入种群中个体进行预设次数的次迭代操作,确定各次迭代匹配的输出种群,包括:
若本次迭代为初始迭代,则根据预先设置的适应度函数,计算输入种群中个体的适应度,并根据适应度,确定目标个体;若本次迭代非初始迭代,则根据上一次迭代的输出种群中个体的适应度,确定目标个体;
根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群;其中,所述单点变异算子是根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的;
根据单点交叉算子,对待交叉种群进行交叉操作,并计算交叉后种群中个体的适应度;
根据交叉后种群中个体的适应度以及范围选择算子,确定本次迭代匹配的输出种群;
其中,所述目标个体为目标种群中适应度最大的个体;
所述根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群,包括:
将目标个体的适应度以及初次迭代的输入种群中个体的适应度进行适应度排序,根据适应度排序结果,确定待变异种群;
将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率,并根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率;
根据种群变异概率以及个体变异概率,确定本次迭代操作的单点变异算子,根据单点变异算子,对待变异种群进行变异操作,生成本次迭代操作的待交叉种群;
其中,所述根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率,包括:
根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定变异位置评估结果;
若根据变异位置评估结果确定存在目标个体历次迭代操作中均在预设位置发生至少一次变异,则确定预设位置的变异概率为第一变异概率,除预设位置以外的其它编码位置的变异概率为第二变异概率。
2.根据权利要求1所述的方法,其特征在于,所述根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群,包括:
根据待确定参数的预设范围,基于均匀插值法,确定多个待编码参数;
根据编码长度,对待编码参数进行基因编码,得到各待编码参数匹配的个体;
根据各待编码参数匹配的个体,确定输入种群。
3.一种液压补偿调平机构的控制装置,其特征在于,包括:
范围确定模块,用于获取液压补偿调平机构的待确定参数,并确定待确定参数的预设范围和编码长度;其中,所述待确定参数包括连杆长度、油缸长度、臂架变幅角度、连杆夹角以及上调平油缸与下调平油缸传动比;
输入种群确定模块,用于根据预设范围和编码长度,对待确定参数进行基因编码,确定输入种群;
输出种群确定模块,用于对输入种群中个体进行预设次数的迭代操作,确定各次迭代匹配的输出种群;其中,所述迭代操作包括交叉操作、变异操作以及选择操作;所述变异操作是基于种群变异概率和个体变异概率实现的;
参数确定模块,用于若迭代次数达到预设迭代次数,则终止迭代,并根据最后一次迭代的输出种群,确定液压补偿调平机构参数,以根据液压补偿调平机构参数控制液压补偿调平机构;
其中,所述输出种群确定模块,包括:
目标个体确定单元,用于若本次迭代为初始迭代,则根据预先设置的适应度函数,计算输入种群中个体的适应度,并根据适应度,确定目标个体;若本次迭代非初始迭代,则根据上一次迭代的输出种群中个体的适应度,确定目标个体;
待交叉种群生成单元,用于根据目标个体和初始迭代的输入种群,确定待变异种群,并根据单点变异算子,对待变异种群进行变异操作,生成待交叉种群;其中,所述单点变异算子是根据本次迭代操作的种群变异概率以及本次迭代操作的个体变异概率确定的;
适应度计算单元,用于根据单点交叉算子,对待交叉种群进行交叉操作,并计算交叉后种群中个体的适应度;
输出种群确定单元,用于根据交叉后种群中个体的适应度以及范围选择算子,确定本次迭代匹配的输出种群;
其中,所述目标个体为目标种群中适应度最大的个体;
所述待交叉种群生成单元,包括:
待变异种群确定子单元,用于将目标个体的适应度以及初次迭代的输入种群中个体的适应度进行适应度排序,根据适应度排序结果,确定待变异种群;
变异概率确定子单元,用于将目标个体数量与本次迭代操作的输入种群中个体数量的比值作为种群变异概率,并根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定个体变异概率;
待交叉种群生成子单元,用于根据种群变异概率以及个体变异概率,确定本次迭代操作的单点变异算子,根据单点变异算子,对待变异种群进行变异操作,生成本次迭代操作的待交叉种群;
其中,所述变异概率确定子单元,还用于:
根据本次迭代操作的输入种群中个体的变异位置以及预设次数迭代操作的输入种群中个体的变异位置,确定变异位置评估结果;
若根据变异位置评估结果确定存在目标个体历次迭代操作中均在预设位置发生至少一次变异,则确定预设位置的变异概率为第一变异概率,除预设位置以外的其它编码位置的变异概率为第二变异概率。
4.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-2中任一项所述的液压补偿调平机构的控制方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-2中任一项所述的液压补偿调平机构的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197703.3A CN116924287B (zh) | 2023-09-18 | 2023-09-18 | 液压补偿调平机构的控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197703.3A CN116924287B (zh) | 2023-09-18 | 2023-09-18 | 液压补偿调平机构的控制方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116924287A CN116924287A (zh) | 2023-10-24 |
CN116924287B true CN116924287B (zh) | 2023-12-08 |
Family
ID=88381092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311197703.3A Active CN116924287B (zh) | 2023-09-18 | 2023-09-18 | 液压补偿调平机构的控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116924287B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262701A (zh) * | 2008-04-22 | 2008-09-10 | 华东师范大学 | 一种基于遗传算法的动态信道分配方法 |
CN101271572A (zh) * | 2008-03-28 | 2008-09-24 | 西安电子科技大学 | 基于免疫克隆选择聚类的图像分割方法 |
CN104618134A (zh) * | 2014-12-25 | 2015-05-13 | 国家电网公司 | 一种配电通信网多级分光无源光网络优化方法 |
CN106503844A (zh) * | 2016-10-19 | 2017-03-15 | 国网山东省电力公司济阳县供电公司 | 一种采用遗传算法的电力线路路径寻优方法 |
CN106776088A (zh) * | 2016-11-23 | 2017-05-31 | 广西大学 | 基于Malek模型的系统故障诊断方法 |
CN111708984A (zh) * | 2019-07-18 | 2020-09-25 | 中国人民解放军火箭军工程大学 | 一种用于武器-目标分配的遗传算法参数取值方法 |
CN112784948A (zh) * | 2021-01-18 | 2021-05-11 | 杭州电子科技大学 | 一种基于章鱼学习记忆系统仿生的混合进化方法 |
CN113415729A (zh) * | 2021-08-06 | 2021-09-21 | 湖北省专用汽车研究院 | 一种基于遗传算法的高空作业车臂架位姿控制方法与系统 |
CN115018387A (zh) * | 2022-08-05 | 2022-09-06 | 佛山市达衍数据科技有限公司 | 订单揉合管理方法、系统、设备及存储介质 |
CN115391991A (zh) * | 2022-07-29 | 2022-11-25 | 广西水利电力职业技术学院 | 基于高斯过程回归和遗传算法的装载机铲装过程优化方法 |
CN115545275A (zh) * | 2022-08-31 | 2022-12-30 | 中国华能集团清洁能源技术研究院有限公司 | 以巴特斯沃滤波法平抑光伏出力的储能容量优化配置方法 |
-
2023
- 2023-09-18 CN CN202311197703.3A patent/CN116924287B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271572A (zh) * | 2008-03-28 | 2008-09-24 | 西安电子科技大学 | 基于免疫克隆选择聚类的图像分割方法 |
CN101262701A (zh) * | 2008-04-22 | 2008-09-10 | 华东师范大学 | 一种基于遗传算法的动态信道分配方法 |
CN104618134A (zh) * | 2014-12-25 | 2015-05-13 | 国家电网公司 | 一种配电通信网多级分光无源光网络优化方法 |
CN106503844A (zh) * | 2016-10-19 | 2017-03-15 | 国网山东省电力公司济阳县供电公司 | 一种采用遗传算法的电力线路路径寻优方法 |
CN106776088A (zh) * | 2016-11-23 | 2017-05-31 | 广西大学 | 基于Malek模型的系统故障诊断方法 |
CN111708984A (zh) * | 2019-07-18 | 2020-09-25 | 中国人民解放军火箭军工程大学 | 一种用于武器-目标分配的遗传算法参数取值方法 |
CN112784948A (zh) * | 2021-01-18 | 2021-05-11 | 杭州电子科技大学 | 一种基于章鱼学习记忆系统仿生的混合进化方法 |
CN113415729A (zh) * | 2021-08-06 | 2021-09-21 | 湖北省专用汽车研究院 | 一种基于遗传算法的高空作业车臂架位姿控制方法与系统 |
CN115391991A (zh) * | 2022-07-29 | 2022-11-25 | 广西水利电力职业技术学院 | 基于高斯过程回归和遗传算法的装载机铲装过程优化方法 |
CN115018387A (zh) * | 2022-08-05 | 2022-09-06 | 佛山市达衍数据科技有限公司 | 订单揉合管理方法、系统、设备及存储介质 |
CN115545275A (zh) * | 2022-08-31 | 2022-12-30 | 中国华能集团清洁能源技术研究院有限公司 | 以巴特斯沃滤波法平抑光伏出力的储能容量优化配置方法 |
Non-Patent Citations (1)
Title |
---|
《基于遗传算法的钢拱架安装机作业平台调平系统优化设计》;赵津等;中国工程机械学报;第20卷(第3期);第189-204页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116924287A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801164B (zh) | 目标检测模型的训练方法、装置、设备及存储介质 | |
CN112560996A (zh) | 用户画像识别模型训练方法、设备、可读存储介质及产品 | |
CN112488060B (zh) | 目标检测方法、装置、设备和介质 | |
CN111737636B (zh) | 路径曲线的生成方法、装置、计算机设备和存储介质 | |
CN113792850A (zh) | 字体生成模型训练方法、字库建立方法、装置及设备 | |
CN115454706A (zh) | 一种系统异常确定方法、装置、电子设备及存储介质 | |
CN113657467A (zh) | 模型预训练方法、装置、电子设备和存储介质 | |
CN116924287B (zh) | 液压补偿调平机构的控制方法、装置、设备及介质 | |
CN116452861A (zh) | 目标模型训练方法、装置及电子设备 | |
CN112558918A (zh) | 用于神经网络的乘加运算方法和装置 | |
CN115405402B (zh) | 一种碳载量模型的确定方法、装置、电子设备及存储介质 | |
CN117615137B (zh) | 一种视频处理方法、装置、设备以及存储介质 | |
EP4036861A2 (en) | Method and apparatus for processing point cloud data, electronic device, storage medium, computer program product | |
CN113762510B (zh) | 针对目标模型的数据处理方法、装置、电子设备和介质 | |
CN113438485B (zh) | 图像编码方法、装置、电子设备和存储介质 | |
CN115952874A (zh) | 联邦学习方法、装置、服务器、电子设备及可读存储介质 | |
CN115131453B (zh) | 颜色填充模型训练、颜色填充方法及装置、电子设备 | |
CN117687992A (zh) | 一种数据迁移方法、装置、设备及存储介质 | |
CN113965206A (zh) | 压缩方法、装置、电子设备以及存储介质 | |
CN117993275A (zh) | 数据生成模型的训练方法及装置、电子设备和存储介质 | |
CN115293329A (zh) | 一种参数更新方法、装置、设备及存储介质 | |
CN116307252A (zh) | 一种业务系统运行状态的预测方法、装置、设备及介质 | |
CN116580218A (zh) | 一种控制方法、装置、设备及存储介质 | |
CN118012329A (zh) | 一种文件写入方法、装置、电子设备以及存储介质 | |
CN116703963A (zh) | 一种ar跟踪方法、装置、ar设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |