[发明专利]基于聚类多目标分布估计算法的齿轮减速器优化设计方法

权利要求书

1.基于聚类多目标分布估计算法的齿轮减速器优化设计方法，其特征在于该方法具体是按照以下步骤进行的：

步骤一：初始化种群P＝{x¹,x²,…,x^N}和控制概率β，设置演化代数t＝0；x¹,x²,…,x^N为种群中的个体；

建立齿轮减速器优化设计模型：

s.t.:g₁:

g₂:

g₃:

g₄:

g₅:x₂x₃-40≤0；

g₆:x₁/x₂-12≤0；

g₇:5-x₁/x₂≤0；

g₈:1.9-x₄+1.5x₆≤0；

g₉:1.9-x₅+1.1x₇≤0；

g10:f_stress≤1300；

g_12,13:2.6≤x₁≤3.6；

g_14,15:0.7≤x₂≤0.8；

g_16,17:17≤x₃≤28；

g_18,19:7.3≤x₄≤8.3；

g_20,21:7.3≤x₅≤8.3；

g_22,23:2.9≤x₆≤3.9；

g_24,25:5.0≤x₁≤5.5；

式中：x₁为齿宽；x₂为齿轮模数；x₃为小齿轮齿数；x₄为第一轴承之间的距离；x₅为第二轴承之间的距离；x₆为第一轴的直径；x₇为第二轴的直径；g₁为齿的弯曲应力约束；g₂为齿的接触应力约束；g₃、g₄为轴的变形约束；g₅、g₆、g₇为基于空间尺寸限制和经验约束；g₈、g₉为由经验得到的设计轴的要求；g₁₀、g₁₁为轴的应力约束；g₁₂至g₂₅为7个变量的上下边界；

P＝{x¹,x²,…,x^N}中：

x¹＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇}

x²＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇}

x³＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇}

.............................................

x^N＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇}

x¹…x^N都代表x₁,x₂,x₃,x₄,x₅,x₆,x₇，但取值不同；

步骤二：进行主循环；

步骤二一：设置一个空的外部文档A＝φ；

步骤二二：对种群P进行聚类，{LC¹,…,LC^K}＝AHC(P,K)；AHC为凝聚层次聚类算法，K为AHC中定义的最大聚类个数，LC¹,…,LC^K为聚类得到的K个局部类；

步骤二三：构建一个全局类GC；

步骤二四：分别计算局部类LC^k和全局类GC的协方差矩阵Σ^k(k＝1,…,K)和Σ^GC；

步骤二五：新解产生；

步骤二六：环境选择：更新种群P＝EnvSel(Α∪P)；

步骤二七：令t＝t+1；

步骤二八：如果t＞T算法结束，输出P；否则转向步骤二；所述T为最大演化代数；

步骤三：停机，输出P；

所述步骤二六中EnvSel(A∪P)具体为：

(1)利用快速非支配排序方法对A∪P中的个体进行排序；

{B¹,···,B^L}＝Fast_Nondominated_Sort(A∪P)；

B¹,···,B^L为L个不同的非支配前沿；Fast_Nondominated_Sort为快速非支配排序方法，为一种现有算法；

(2)复制较优的个体到辅助种群P'中

(3)如果l＞1，进行循环；当|P'|＞N时，进行以下步骤：

(3.1)挑选出x^*，其中d(x,P')指的是在P'中支配x的点的个数；

(3.2)将x^*从P'中移除，P'＝P'\{x^*}；

(4)如果l＝1，l的值为大于等于1的正整数，等于1的时候为步骤(4)，进行循环：当|P'|＞N时，进行以下步骤：

(4.1)挑选出x^*，其中为x的超体积贡献度；

(4.2)将x^*从P'中移除，P'＝P'\{x^*}；

(5)将P'赋给P，P＝P'；

(6)输出P。