一种基于DSM-ABC算法的四级齿轮设计方法技术

本发明专利技术涉及一种基于DSM‑ABC算法的四级齿轮设计方法，采用双搜索机制改进的人工蜂群算法并优化四级齿轮设计问题。将四级齿轮设计问题抽象成4个结构参数和1个目标函数的数学模型用于算法的优化设计。从设计结果可以看出，本发明专利技术所提出的算法（DSM‑ABC）能够较好的设计出齿轮比较小的四级齿轮。

【技术实现步骤摘要】
一种基于DSM-ABC算法的四级齿轮设计方法
本专利技术涉及四级齿轮设计领域，特别是一种基于DSM-ABC算法的四级齿轮设计方法。
技术介绍
齿轮应用在许多机械动力传动系统中，例如汽车，航空航天，机械领域。齿轮的复杂形状和几何形状导致大量设计参数，因此需要优化方法来确定同时满足给定条件的设计变量。现有研究人员将CS算法、GA算法、ALO算法以及ISA算法应用于四级齿轮设计问题中。对紧凑，高效和可靠齿轮的需求不断增加迫使设计人员使用最佳设计方法。目前，因为齿轮的应用越来越广泛，所以对可靠齿轮的需求不断增加。对于齿轮设计问题，被证明为一个NP难问题，人工蜂群算法(ArtificialBeeColonyalgorithm)是将生物界中的蜜蜂寻找食物源的过程引入到算法的搜索过程中，但基本人工蜂群算法有以下缺点：搜索速度慢，训练时间长；寻优能力不够理想；局部搜索能力差，容易陷入早熟等。
技术实现思路
有鉴于此，本专利技术的目的是提出一种基于DSM-ABC算法的四级齿轮设计方法，不仅克服了基本人工蜂群算法开发与勘测能力不平衡，还增强了寻优精度且有较快的收敛速度。本专利技术采用以下方案实现：一种基于DSM-ABC算法的四级齿轮设计方法，具体包括以下步骤：步骤S1：将四级齿轮的设计问题转化为以下公式：变量为：目标函数：变量定义域为：12≤x1,x2,x3,x4≤60；式中，nA、nB、nC、nD分别表示齿轮x1、x2、x3、x4的齿数；步骤S2：设定改进的人工蜂群算法的参数，包括最大迭代次数maxCycle，种群大小NP，限制条件Limit，蜜源搜索上界ub及下界lb；步骤S3：初始化种群：共有NP个蜜源，食物源由下式随机生成：式中，是第i个蜜源的第j维中的位置，与分别为在第j维下食物源的上界与下界，另外在种群初始化时加入混沌机制s[j]；步骤S4：雇佣蜂出动搜寻食物源，结合布谷鸟算法的le′vyflight机制，采用如下搜索公式：式中，为当前最优解的第j维，为蜜源的邻域解，rand(0,1)为0-1之间的随机数；步骤S5：在跟随蜂搜索阶段采取如下搜索公式：式中，vi为跟随蜂阶段的搜寻第i个蜜源的位置，s为本搜索中的扰动因子，是[0,1]之间的随机数，j是从{1,2,...,D}中随机选取的参数，D表示种群的维数，并且r1、r2是{1,2,...,NP}中的随机数，且r1≠r2；通过通入DE算法的变异操作，使得当算法具备跳出局部最优的陷阱的能力，在原始差分进化算法中其变异阶段表示为：U＝Xr1+Γ*(Xr2-Xr3)式中，r1,r2,r3∈{1,2,...,NP}，并且r1≠r2≠r3；Γ叫做变异因子，是(0,1)之间的随机数；步骤S6：计算每个食物源的适应度值：式中，xm表示第m个食物源，fit(xm)表示蜜源xm的适应度值；计算每个蜜源的选择概率Pi：式中，fiti表示第i个蜜源的适应度值；在此步骤结束后，更新全部最优gbest；步骤S7：当当前蜜源达到限定次数时，则出现角色转化，每次循环都有一只雇佣蜂转化为侦查蜂；步骤S8：当算法达到终止条件时，输出寻找的最优解，结束算法。本专利技术采用双搜索机制改进的人工蜂群算法并优化四级齿轮设计问题。将四级齿轮设计问题抽象成4个结构参数和1个目标函数的数学模型用于算法的优化设计。进一步地，步骤S3中，所述混沌机制s[j]满足：s[j+1]＝k*s[j]*(1-s[j])；式中，k取值为4.0。进一步地，步骤S4中，le′vy(λ)满足le′vy分布，公式如下所示：L(s)～|s|-1-β；0＜β＜2式中，L(s)为le′vyflight的飞行路径；s为随机步长，β为0-2之间的参数，其中随机步长s由下式表示：s＝μ/|v|1/β式中，μ和ν均满足正太分布和与现有技术相比，本专利技术有以下有益效果：本专利技术所提出的算法(DSM-ABC)能够较好的设计出齿轮比较小的四级齿轮。针对人工蜂群算法容易陷入局部最优，收敛精度低等缺点，本专利技术提出了一种双搜索机制改进的人工蜂群算法，并且融入混沌机制和自适应选择机制。针对当前算法的四级齿轮设计效果一般，本专利技术提出了双搜索机制的人工蜂群算法并优化四级齿轮设计问题，有效解决了现有技术中存在的问题。附图说明图1为本专利技术实施例的四级齿轮设计问题案例示意图。图2为本专利技术实施例的模拟布谷鸟飞行的轨迹图。图3为本专利技术实施例的侦察分阶段伪代码示意图。图4为本专利技术实施例的不同方法在四级齿轮设计问题的结果比较示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。本实施例提供了一种基于DSM-ABC算法的四级齿轮设计方法，具体包括以下步骤：步骤S1：如图1所示，四级齿轮设计问题是一个有四个参数的离散案例。目的是找到列车四个齿轮的最佳齿数，以最小化齿轮比。为了处理离散参数，通过对搜索解利用四舍五入得到最接近的整数。将四级齿轮的设计问题转化为以下公式：变量为：目标函数：变量定义域为：12≤x1,x2,x3,x4≤60；式中，nA、nB、nC、nD分别表示齿轮x1、x2、x3、x4的齿数；步骤S2：设定改进的人工蜂群算法的参数，包括最大迭代次数maxCycle，种群大小NP，限制条件Limit，蜜源搜索上界ub及下界lb；步骤S3：初始化种群：共有NP个蜜源，食物源由下式随机生成：式中，是第i个蜜源的第j维中的位置，与分别为在第j维下食物源的上界与下界，另外在种群初始化时加入混沌机制s[j]；步骤S4：雇佣蜂出动搜寻食物源，结合布谷鸟算法的le′vyflight机制，采用如下搜索公式：式中，为当前最优解的第j维，为蜜源的邻域解，rand(0,1)为0-1之间的随机数；步骤S5：在跟随蜂搜索阶段采取如下搜索公式：式中，vi为跟随蜂阶段的搜寻第i个蜜源的位置，s为本搜索中的扰动因子，是[0,1]之间的随机数，j是从{1,2,...,D}中随机选取的参数，D表示种群的维度，并且r1、r2是{1,2,...,NP}中的随机数，且r1≠r2；通过通入DE算法的变异操作，使得当算法具备跳出局部最优的陷阱的能力，在原始差分进化算法中其变异阶段表示为：U＝Xr1+Γ*(Xr2-Xr3)式中，r1,r2,r3∈{1,2,...,NP}，并且r1≠r2≠r3；Γ叫做变异因子，是(0,1)之间的随机数；步骤S6：计算每个食物源的适应度值：式中，xm表示第m个食物源，fit(xm)表示蜜源xm的适应度值；计算每个蜜源的选择概率Pi：式中，fiti表示第i个蜜源的适应度值；在此步骤结束后，更新全部最优gbest；步骤S7：当当前蜜源达到限定次数时，则出现角色转化，每次循环都有一只雇佣蜂转化为侦查蜂；其伪代码如图3所示，图中，pro为预先设置的自本文档来自技高网...

【技术保护点】
1.一种基于DSM‑ABC算法的四级齿轮设计方法，其特征在于：包括以下步骤：步骤S1：将四级齿轮的设计问题转化为以下公式：变量为：

【技术特征摘要】
1.一种基于DSM-ABC算法的四级齿轮设计方法，其特征在于：包括以下步骤：步骤S1：将四级齿轮的设计问题转化为以下公式：变量为：目标函数：变量定义域为：12≤x1,x2,x3,x4≤60；式中，nA、nB、nC、nD分别表示齿轮x1、x2、x3、x4的齿数；步骤S2：设定改进的人工蜂群算法的参数，包括最大迭代次数maxCycle，种群大小NP，限制条件Limit，蜜源搜索上界ub及下界lb；步骤S3：初始化种群：共有NP个蜜源，食物源由下式随机生成：式中，是第i个蜜源的第j维中的位置，与分别为在第j维下食物源的上界与下界，另外在种群初始化时加入混沌机制s[j]；步骤S4：雇佣蜂出动搜寻食物源，结合布谷鸟算法的le′vyflight机制，采用如下搜索公式：式中，为当前最优解的第j维，为蜜源的邻域解，rand(0,1)为0-1之间的随机数；步骤S5：在跟随蜂搜索阶段采取如下搜索公式：式中，vi为跟随蜂阶段的搜寻第i个蜜源的位置，s为本搜索中的扰动因子，是[0,1]之间的随机数，j是从{1,2,...,D}中随机选取的参数，D表示种群的维数，并且r1、r2是{1,2,...,NP}中的随机数，且r1≠r2；通过通入DE算法的变异操作，使得当算法具备跳出局部最优的陷阱的能力，...

【专利技术属性】
技术研发人员：董晨，熊子奇，叶尹，陈荣忠，陈景辉，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35