基于遗传算法和粒子群组合算法的摆线轮齿廓修形方法技术

本发明专利技术公开了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，在摆线轮齿廓的主要啮合段，保证尽可能接近与针轮完全共轭的标准摆线齿廓，而在靠近齿顶和齿根处的非主要啮合段，产生一个小小的啮合间隙，来保证润滑所需和补偿各种误差因素。基于遗传算法和粒子群算法有着取其长补其短的优点，既加快了算法收敛速度，又可以避免因为收敛过快导致全局搜索能力不足的问题，进而可以有效地克服收敛速度和全局搜索能力两者之间的矛盾。这样，修形后的摆线轮在啮合过程虽有啮合间隙，但回差很小，仍可同时满足多齿参与啮合保证良好的啮合性能，而且采用组合算法修形的摆线轮计算周期短，整个优化过程在非常短的时间内完成。

【技术实现步骤摘要】
基于遗传算法和粒子群组合算法的摆线轮齿廓修形方法
本专利技术属于摆线轮的设计与制造领域，具体涉及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。
技术介绍
2013年起，我国已经成为全球最大的机器人消费市场，因RV减速器具有传动比大、传动效率高、运动精度高、回差小、振动低、刚性大和高可靠性等诸多优点而被视为工业机器人的核心部件之一，需求量很大。摆线轮是RV减速器的核心零件，其精度的高低直接关系到RV减速器的传动精度、稳定性等整体性能。为了补偿摆线轮的制造、安装误差以及摆线轮与针轮啮合过程的受力变形和润滑要求，必须对摆线轮的齿廓进行合理修形。国内对此进行了多年研究，提出了一些修形方法，但还不能很好地指导生产。并且存在精度不高、性能不稳定、可靠性较差等问题，与国外减速器相比还有较大差距。目前，如何确定合适的修形方式和合理的修形量，减少制造和安装难度，补偿摆线轮的制造、安装误差以及摆线轮与针轮啮合过程的受力变形和热变形，提高RV减速器的传动精度和承载能力是制造设计RV减速器的难点。
技术实现思路
针对上述现有技术中描述的不足，本专利技术提供一种基于遗传算法和粒子群组合算法的摆线轮工作齿廓修形量优化方法。为解决上述技术问题，本专利技术所采用的技术方案如下：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，步骤如下：S1,构造摆线轮修形后的状态方程：其中，Xc为摆线轮齿廓横坐标，Yc为摆线轮齿廓纵坐标，rp为摆线轮中心圆半径，rrp为针轮半径，iH为传动比，为摆线轮与针轮传动啮合角，Δrp为移距修形量，Δrrp为等距修形量，Δδ为转角变化量，a为偏心距，zp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；根据几何关系得等距加移距与转角修形齿廓法向变动量分别为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，Δrp为移距修形量，Δrrp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pmin到pmax，并给定优化粒子个数pnum，产生初始粒子p(i,:)和初始粒子速度V(i,:)；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；S6，确定全局最佳粒子；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；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；通过交叉能根据交叉率将种群中的两个个体随机地交换某些基因，能够产生新的基因组合，期望将有益基因组合在一起，当遗传算法通过交叉已接近最优解邻域时，利用变异这种局部随机搜索能力可以加速向最优解收敛；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。本专利技术的有益效果：在齿根和齿顶处采用摆线轮组合修形的方式产生的间隙不仅能够补偿制造过程中产生的制造与装配误差，满足润滑需要，在齿侧的主要受力啮合区很大程度地提高齿轮的啮合强度和减小了回差，并在符合摆线轮与其啮合的针轮共轭齿廓要求的情形下，不会引起新的啮合间隙。并且在主要啮合区齿侧部分引起的间隙很小时很大程度地满足摆线轮与针轮多齿啮合的条件，经过以上的修形优化后，不但可以使RV减速器瞬时传动比是个定值，还可以补偿运动链传动损失，符合高精度RV减速器在工作时对回转精度以及承载能力的要求。本专利技术基于遗传算法和粒子群算法有着取其长补其短的优点，把两种算法结合起来，组合出一种优化效果更好的算法。利用组合算法应用于修形既可以加快算法收敛速度，又可以避免因为收敛过快导致全局搜索能力不足的问题，进而可以有效地克服收敛速度和全局搜索能力两者之间的矛盾，保证了摆线轮齿廓修形量的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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为本专利技术的系统流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例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，如图1所示，步骤如下：S1,构造摆线轮修行后的状态方程：其中，Xc为摆线轮齿廓横坐标，Yc为摆线轮齿廓纵坐标，rp为摆线轮中心圆半径，rrp为针轮半径，iH为传动比，为摆线轮与针轮传动啮合角，Δrp为移距修形量，Δrrp为等距修形量，Δδ为转角变化量，a为偏心距，zp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。根据几何关系得等距加移距与转角修形齿廓法向变动量分别为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，Δrp为移距修形量，Δrrp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pmin到pmax，并给定优化粒子个数pnum，产生初始粒子p(i,:)和初始粒子速度V(i,:)。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。S6，确定全局最佳粒子。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。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。通过交叉能根据交叉率将种群中的两个个体随机地交换某些基因，能够产生新的基因组合，期望将有益基因组合在一起，当遗传算法通过交叉已接近最优解邻域时，利用变异这种局部随机搜索能力可以加速向最优解收敛。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。本专利技术的原理是基于遗传算法和粒子群组合算法，结合摆线轮修形参数的特定，确定出优化算法中粒子的位置及速度，搜索群体最佳个体位置，将个体的历史最佳位置设定为初始位置，设置迭代次数；并设定修形后摆线轮的工作齿廓法向变动量差值最小为目标函数，本文档来自技高网...

【技术保护点】
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：

【技术特征摘要】
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，Xc为摆线轮齿廓横坐标，Yc为摆线轮齿廓纵坐标，rp为摆线轮中心圆半径，rrp为针轮半径，iH为传动比，为摆线轮与针轮传动啮合角，Δrp为移距修形量，Δrrp为等距修形量，Δδ为转角变化量，a为偏心距，zp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，Δrp为移距修形量，Δrrp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pmin到pmax，并给定优化粒子个数pnum，产生初始粒子p(i,:)和初始...

【专利技术属性】
技术研发人员：乔雪涛，陈春山，于贺春，王仁宗，张力斌，
申请(专利权)人：中原工学院，
类型：发明
国别省市：河南,41