一种基于机器学习的变速器智能变型设计方法技术

本发明专利技术旨在提供一种基于机器学习的变速器智能变型设计方法，包括以下步骤：A、选择变速器变形设计过程中驱动变速器进行变型设计的主参数；B、将变速器除主参数外的各个特征的形位参数划分为：确定参数、不确定参数；其中，不确定参数分为离散变化参数和连续变化参数；C、面向已有的不同轴系的变速器分别收集主参数、离散变化参数和连续变化参数，构建其参数数据库；D、根据设计需求确定拟进行变型设计的变速器的主参数，确定拟进行变型设计的变速器的确定参数和不确定参数的类型和数量；E、基于数学关联分析进行确定参数计算；F、基于机器学习进行不确定参数的计算；本发明专利技术能够实现变速器变型设计过程中的参数智能推理与计算。器变型设计过程中的参数智能推理与计算。

【技术实现步骤摘要】
一种基于机器学习的变速器智能变型设计方法


[0001]本专利技术涉及智能制造及汽车
，具体涉及一种基于机器学习的变速器智能设计方法。

技术介绍

[0002]汽车变速器结构复杂，由于变速器受到发动机、汽车整体结构、变速比等多种因素的影响，变速器经常需要基于现有产品进行变型设计。在变型设计中最关键的问题是根据主参数确定产品关联零部件及特征参数的逻辑关系。目前采用的方法主要有基于实例推理或采用设计模板的方式进行变型设计，这些方法不能很好的处理复杂零部件及其特征的参数关系。

技术实现思路

[0003]本专利技术旨在提供一种基于机器学习的变速器智能设计方法，该方法能够实现变速器变型设计过程中的参数智能推理与计算，从而达到变速器的智能变型设计的目的。
[0004]本专利技术的技术方案如下：
[0005]所述的基于机器学习的变速器智能设计方法，包括以下步骤：
[0006]A、选择变速器变形设计过程中驱动变速器进行变型设计的主参数，并面向已有的不同轴系的变速器分别收集其主参数；
[0007]B、基于特征参数分析，将变速器除主参数外的各个特征的形位参数划分为：
[0008]确定参数，可以根据主参数基于关联关系的数学模型进行计算得到的参数；不确定参数，不能直接根据主参数进行计算得到的参数；其中，不确定参数分为离散变化参数和连续变化参数；确定参数包括圆角直径、变速器壳体类零件的包络轮廓、拔模角，离散变化参数包括联结螺纹孔直径、变速器壳体类零件的壁厚、轴承孔直径，连续变化参数包括联结螺纹孔之间的距离、油道孔的位置；
[0009]C、面向已有的不同轴系的变速器收集离散变化参数和连续变化参数，构建包括主参数、离散变化参数和连续变化参数的参数数据库；
[0010]D、根据设计需求确定拟进行变型设计的变速器的主参数，确定拟进行变型设计的变速器的确定参数和不确定参数的类型和数量；
[0011]E、基于数学关联分析进行确定参数计算；构建确定参数的关联参数计算数学模型，根据拟进行变型设计的变速器的主参数进行拟进行变型设计的变速器的确定参数的计算，得到变型设计后的变速器的各个确定参数；
[0012]F、基于机器学习进行不确定参数的计算：
[0013]a.基于聚类分析进行离散变化参数计算：提取数据库中拟进行变型设计的变速器同轴系的变速器的各类主参数，并针对离散变化参数的参数值分别计算其对应的主参数平均值，根据该类型变速器主参数平均值及该类型主参数对应的离散变化参数的进行相似度计算，取相似度最小的离散变化参数值作为变型设计后变速器的相应离散变化参数的参数
值，同时在该类变速器中加入新变型设计后的变速器的离散变化参数，重复前述步骤得到变型设计后变速器的各个离散变化参数；
[0014]b.基于神经网络的连续变化参数计算：
[0015]针对拟进行变型设计的变速器，构建包括输入层、隐藏层、输出层的神经网络，输入层的输入参数数等于主参数个数，输出层的输出参数数等于连续变化参数的个数；
[0016]输入层输入的参数为归一化处理后的主参数；
[0017]输入数据库中与拟进行变型设计的变速器相同轴系的变速器的各组主参数，利用加权代价函数对神经网络进行训练和验证，得到训练好的神经网络；用训练好的神经网络进行拟进行变型设计的变速器的连续变化参数的计算；得到变型设计后的变速器的各个连续变化参数。
[0018]所述的步骤A中，主参数包括各轴位置、各轴上的输出齿轮直径、变速比、传输功率、最大扭矩。
[0019]所述的步骤C中，构建已有不同轴系的变速器的参数数据库的公式为：
[0020][0021]其中，i表示变速器的轴数，r表示该类变速器的数目，列数l,m,n分别表示主参数、离散变化参数、连续变化参数的数目。
[0022]所述的步骤B中，所述的确定参数包括定形参数和定位参数，定形参数为确定变速器特征形状的参数，定位参数为根据基准确定变速器特征位置的参数。
[0023]所述的步骤F中的a步骤中，各类主参数的平均值公式为：
[0024][0025]其中，j(j≤l)为该轴系变速器的第j个主参数，r为该类的变速器的数目。
[0026]所述的步骤F的a步骤中，于各类主参数的平均值对变型设计后的变速器的离散变化参数进行相似度计算的过程为：
[0027]令拟变型设计后的变速器的主参数为：S＝(s1,s2,
…
,s
l
)，将公式(2)中的第j个的主参数的平均值代入离散参数值相似度公式中:
[0028][0029]其中，为每一类离散参数值相似度值，j为该类变速器的第j类主参数，s
j
为需变型设计后的变速器的第j类主参数，为该类变速器的第j类的主参数的平均值。
[0030]所述的步骤F中的b步骤中，神经网络输入的主参数需要进行归一化处理，归一化处理的过程为：
[0031]将各个主参数的最大值映射到0.9，最小值映射到0.1，得到归一处理公式为：
[0032][0033]其中，z
max
为主参数的最大值，z
min
为主参数的最小值。
[0034]所述的步骤F中的b步骤中，神经网络的输入层节点数对应设计主参数的数目、输出层的节点数对应需要计算的不确定参数的数目、隐藏层的的节点数介于主参数个数和连续变化参数之间。
[0035]所述的步骤F中的b步骤中，加权代价函数公式为：
[0036][0037]其中，z
i
为变速器实际参数值,ω
i
为根据主参数对参数的影响构建的权重系数，o(z
i
)为神经网络预测得到的参数值。
[0038]所述的步骤F中的b步骤中，对于神经网络输出结果的归一化参数还原公式为：
[0039][0040]其中，z
max
为主参数的最大值，z
min
为主参数的最小值。
[0041]本专利技术方法通过选取能够驱动变速器进行变型设计的主参数，通过对变速器特征参数分析，将变速器除主参数外的各个特征的形位参数划分多种不同类型的参数，并构建其各类参数数据库，基于机器学习等方法建立各类参数的计算方法，实现变速器及其复杂组成零部件在变型设计过程中的参数智能推理与计算，从而实现变速器的智能变型设计。
[0042]本专利技术方法能够大大加速变速器设计的速度，提升设计准确性，降低设计实验成本，具有良好的应用前景。
附图说明
[0043]图1为本专利技术的三轴变速器壳体端面简图；
[0044]图2为本专利技术的三轴变速器的神经网络图。
具体实施方式
[0045]下面结合附图和实施例具体说明本专利技术。
[0046]实施例1
[0047]本实施例提供的一种基于机器学习的变速器智能设计方法，包括以下步骤：
[0048]A、选择变速器变形设计过程中驱动变速器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的变速器智能变型设计方法，其特征在于包括以下步骤：A、选择变速器变形设计过程中驱动变速器进行变型设计的主参数，并面向已有的不同轴系的变速器分别收集其主参数；B、基于特征参数分析，将变速器除主参数外的各个特征的形位参数划分为：确定参数，可以根据主参数基于关联关系的数学模型进行计算得到的参数；不确定参数，不能直接根据主参数进行计算得到的参数；其中，不确定参数分为离散变化参数和连续变化参数；C、面向已有的不同轴系的变速器收集离散变化参数和连续变化参数，构建包括主参数、离散变化参数和连续变化参数的参数数据库；D、根据设计需求确定进行变型设计的变速器的主参数，确定进行变型设计的变速器的确定参数和不确定参数的类型和数量；E、基于数学关联分析进行确定参数计算；构建确定参数的关联参数计算数学模型，根据进行变型设计的变速器的主参数进行进行变型设计的变速器的确定参数的计算，得到变型设计后的变速器的各个确定参数；F、基于机器学习进行不确定参数的计算：a.基于聚类分析进行离散变化参数计算：提取数据库中拟进行变型设计的变速器同轴系的变速器的各类主参数，并针对离散变化参数的参数值分别计算其对应的主参数平均值，根据该类型变速器主参数平均值及该类型主参数对应的离散变化参数的进行相似度计算，取相似度最小的离散变化参数值作为变型设计后变速器的相应离散变化参数的参数值，同时在该类变速器中加入新变型设计后的变速器的离散变化参数；重复前述步骤得到变型设计后变速器的各个离散变化参数；b.基于神经网络的连续变化参数计算：针对拟进行变型设计的变速器，构建包括输入层、隐藏层、输出层的神经网络，输入层的输入参数数等于主参数个数，输出层的输出参数数等于连续变化参数的个数；输入层输入的参数为归一化处理后的主参数；输入数据库中与拟进行变型设计的变速器相同轴系的变速器的各组主参数，利用加权代价函数对神经网络进行训练和验证，得到训练好的神经网络；用训练好的神经网络进行拟进行变型设计的变速器的连续变化参数的计算；得到变型设计后的变速器的各个连续变化参数。2.如权利要求1所述的基于机器学习的变速器智能设计方法，其特征在于：所述的步骤A中，主参数包括各轴位置、各轴对应的输出齿轮直径、变速比、传输功率、最大扭矩。3.如权利要求1所述的基于机器学习的变速器智能设计方法，其特征在于：所述的步骤C中，构建已有不同轴系的变速器的参数数据库的公式为：其中，i表示变速器的轴数，r表示该类变速器的数目，列数l,m,n分别表示主参数、离散变化参数、...

【专利技术属性】
技术研发人员：谌炎辉，沈小波，张海明，谭程，
申请(专利权)人：广西水利电力职业技术学院，
类型：发明
国别省市：