[发明专利]基于遗传算法和粒子群组合算法的摆线轮齿廓修形方法

权利要求书

1.一种基于遗传算法和粒子群组合算法的摆线轮齿廓修形方法，其特征在于，步骤如下：

S1，构造摆线轮修形后的状态方程：

其中，X_c为摆线轮齿廓横坐标，Y_c为摆线轮齿廓纵坐标，r_p为摆线轮中心圆半径，r_rp为针轮半径，i^H为传动比，为摆线轮与针轮传动啮合角，Δr_p为移距修形量，Δr_rp为等距修形量，Δδ为转角变化量，a为偏心距，z_p为针轮齿数，k₁为短幅系数，S为k₁和的函数；

S2，根据步骤S1的状态方程，获得摆线轮的修形量区间以及摆线轮齿廓的法向变动量；

S3，根据步骤S2，构造修形后摆线轮的工作齿廓法向变动量差值最小的目标函数F(x)；

其中，为摆线轮与针轮传动啮合角，Δr_p为移距修形量，Δr_rp为等距修形量，Δδ为转角变化量，a为偏心距；zc为摆线轮齿数，k₁为短幅系数；

S4，根据步骤S2中得到的摆线轮的修形量区间，随机产生一个种群p，种群范围为p_min到p_max，并给定优化粒子个数p_num，产生初始粒子p(i,:)和初始粒子速度V(i,:)；

在步骤S4中，所述初始粒子p(i,:)为：p(i,:)＝pmax*abs(rands(1,pnum))；

初始粒子速度V(i,:)为：V(i,:)＝rands(1,pnum)；

S5，计算种群中各粒子的适应度；将目标函数转换为非负值，当目标函数值是最小化即函数值越小对应的适应度越好的个体是优化越接近的目标值；

fitness(i)＝fun(p(i，：))，i为种群个体；

S6，确定全局最佳粒子；

在步骤S6中，具体步骤如下：S6.1，比较种群中各粒子的适应度，得到目标函数值最小对应的种群粒子；

S6.2，以目标函数值最小对应的种群粒子作为初始粒子在种群中搜索全局最佳粒子z；

S7，更新粒子速度；

V(j，:)＝V(j，:)+1.49*rand*(gbest(j，:)-pop(j，:))+1.49*rand*(zbest-p(j，:))；

S8，对以全局最佳粒子z为初始粒子的种群中各粒子进行交叉变异得到新种群；

S9，重复步骤S5-S8，直至循环结束；

S10，将循环得到的全局最佳粒子对应的目标函数值进行比较，则目标函数值最小的粒子就是最佳修形量。