(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111404974.2 (22)申请日 2021.11.24 (71)申请人 大连大学 地址 116622 辽宁省大连市经济技 术开发 区学府大街10号 (72)发明人 周士华　陈鹏　胡轶男　 (74)专利代理 机构 大连智高专利事务所(特殊 普通合伙) 2123 5 代理人 毕进 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/04(2020.01) G06F 111/08(2020.01) (54)发明名称 一种基于TQA算法的减速 器设计方法 (57)摘要 本发明公开了一种基于TQA算法的减速器 设 计方法， 该方法首先对减速器设计问题进行建 模， 明确目标函数、 变量范围以及约束条件； 其次 将TQA中的种群个体位置对应于减速器设计问题 的候选解， 其中位置向量的每一个维度代表一个 设计变量。 最后， TQA通过多次迭代计算出最优解 和最优值， 其中最优解即是设计问题的各个变量 数值， 而最优值则是设计问题的最小化设计成 本。 本发明能够求得优秀的设计参数， 良好地解 决减速器设计问题， 有效地降低减速器 设计的成 本。 权利要求书2页 说明书6页 附图1页 CN 114117907 A 2022.03.01 CN 114117907 A 1.一种基于TQA算法的减速器设计方法， 其特 征在于， 包括： 步骤1： 对减速器设计问题进行建模， 确定设计变量的范围和约束条件； 并且得到减速 器设计问题的目标函数； 步骤2： 设定最大迭代次数T和种群数量N， 生成初始种群X； 其中每个个体Xi的位置对应 着一个候选解， Xij则代表了第i个候选解的第j个维度上 数值， 即第j个设计 变量； 步骤3： 根据减速器设计问题的目标函数获取每个候选解的成本值； 更新当前最优候选 解BestX和最优成本值BestF， 并得到所有候选解的成本值中位数Fmid， 该中位数Fmid作为阈 值； 步骤4： 将成本值小于阈值Fmid的候选解标记为1类候选解， 并更新所述1类候选解； 步骤5： 当第t次迭代的最优成本值BestFt相比于第t ‑1次迭代的最优成本值BestFt‑1降 低千分之一以下时， 突变计数count加1； 当所述突变计数count累积 到设定值时发生一次突 变行为， 此时突变计数count归0， 转步骤7； 若未发生突变行为则转步骤6； 所述突变行为即 将所有成本值大于阈值Fmid的候选解都标记为2类候选解， 并更新所述2类候选解 位置； 步骤6： 将成本值大于阈值Fmid的候选解标记为3类候选解和4类候选解； 步骤7： 判断是否达到最大迭代次数， 若达到最大迭代次数则进行步骤8， 否则返回步骤 3。 步骤8： 输出最优候选解BestX和最优成本值BestF。 2.根据权利要求1所述一种基于TQA算法的减速器设计方法， 其特征在于， 步骤4中采用 公式(1)更新1类候选解： Xi＝Target ×r1+Xi×(1‑r1)    (1) 其中r1是(0,1)之间的随机数， Target等概率地在最优 候选解BestX和最优 候选解BestX 的对立位置UBestX之间选择。 3.根据权利要求2所述一种基于TQA算法的减速器设计方法， 其特征在于， 所述最优候 选解BestX的对立 位置UBestX计算公式为： UBestX＝ub+lb ‑BestX     (2) 式中， ub和lb为设计 变量的上界向量和下界向量。 4.根据权利要求1所述一种基于TQA算法的减速器设计方法， 其特征在于， 步骤5 中按照 式(3)更新2类候选解 位置： 其中r2是(0,1)之间的随机数， c1和c2是用来控制开发力度的递减系数， 随着迭代次数 的增加， 开发的力度逐渐增大； xt1是使用区域初始化得到的随机向量， xt1,j是xt1的第j个维 度的数值； LevyX是Best X根据Levy飞行得到的向量； 其中Best Xj是最优候选解的第j个维度 数值,LevyXj是向量LevyX的第j个维度数值。 5.根据权利要求4所述一种基于TQA算法的减速器设计方法， 其特征在于， 所述递减系 数c1包括余弦函数、 正切函 数和Sigmoid函数， 其中Sigmoid的计 算公式见式(4)； 递减系数c1 的计算公式见式(5)； 递减系数c2的计算公式见式(6)： 权　利　要　求　书 1/2 页 2 CN 114117907 A 2式中， rand是(0,1)之间的随机数， t和T分别为当前迭代次数和最大迭代次数。 6.根据权利要求4所述一种基于TQA算法的减速器设计方法， 其特征在于， Levy飞行是 一种特殊的随机运动， 其 步长由公式(7)产生： 其中V～N(0,1)， U～N(0, σ2)， 并且σ2由式(8)获取： 其中Γ是Gama函数， 且 λ＝1.5； 基于levy飞行的更新公式见式(9)： LevyXj＝BestXj+sj       (9) 7.根据权利要求1所述一种基于TQA算法的减速器设计方法， 其特征在于， 标记为3类候 选解的概 率为百分之二十， 标记为 4类候选解的概 率为百分之八十 。 8.根据权利要求1或7所述一种基于TQA算法的减速器设计方法， 其特征在于， 所述3类 候选解的更新公式为： Xi＝(2×(rand×(ub‑lb)+lb)‑Xi)×r3+Xi×(1‑r2)    (10) 式中， rand和r3为(0,1)之间的随机数， ub和lb为设计 变量的上界向量和下界向量。 9.根据权利要求1或7所述一种基于TQA算法的减速器设计方法， 其特征在于， 所述4类 候选解的更新公式为： 式中， xt2是使用区域初始化得到的随机向量， xt2,j是xt2的第j个维度的数值， 该区域标 志由BestX计算； r4为(0,1)之间的随机数。权　利　要　求　书 2/2 页 3 CN 114117907 A 3