挖掘机的平衡布局方法、装置、电子设备和存储介质与流程

本发明涉及挖掘机领域，具体而言，涉及一种挖掘机的平衡布局方法、装置、电子设备和存储介质。

背景技术：

目前对于挖掘机平衡性布局的实现方式，主要是对挖掘机的各个部件做出初步布局后，手工计算各个部件的布局平衡性，若发现不平衡，则需要对配重进行微调，并重新计算平衡性。这种布局设计方式的工作十分繁重，且得到的各部件位置未必是最优的位置，同时仅通过对配重进行调节，无法同时满足挖掘机前后及左右的平衡性要求。

技术实现要素：

有鉴于此，本发明的目的在于提供一种挖掘机的平衡布局方法、装置、电子设备和存储介质，能够得出挖掘机各部件的最佳位置和配重的最佳重量，实现挖掘机的最优平衡性布局设计。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供一种挖掘机的平衡布局方法，应用于电子设备，所述电子设备预先存储有挖掘机的多个部件各自对应的质心位置调节范围、所述多个部件中除配重之外的其余部件各自的重量以及所述挖掘机的回转中心位置；所述方法包括：

随机产生初始群体，所述初始群体包括第一预设数目个向量，每个向量包括所述多个部件各自对应的质心坐标值和配重重量；每个部件的质心坐标值均在对应的质心位置调节范围内；

根据所述多个部件各自对应的质心坐标值、所述多个部件各自的重量和所述挖掘机的回转中心位置对所述初始群体进行选择操作，以从所述初始群体中选出第一目标向量；

对所述初始群体中除所述第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量；

根据所述第一目标向量和所述第二目标向量得到新一代群体，并对得到的新一代群体循环进行选择操作、交叉计算和变异运算，直到得到的多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值；

从所述多个新一代群体的最后一代群体中选择最优向量，根据所述最优向量获得所述多个部件各自对应的最佳坐标分配值和所述配重的最佳重量分配值。

在可选的实施方式中，所述根据所述多个部件各自对应的质心坐标值、所述多个部件各自的重量和所述挖掘机的回转中心位置对所述初始群体进行选择操作，以从所述初始群体中选出第一目标向量，包括：

根据所述多个部件各自对应的质心坐标值、所述多个部件各自的重量和所述挖掘机的回转中心位置分别计算每个向量遗传到下一代群体的概率值；

根据每个向量遗传到下一代群体的概率值从所述初始群体中选出第一目标向量。

在可选的实施方式中，所述根据每个向量遗传到下一代群体的概率值从所述初始群体中选出第一目标向量，包括：

根据每个向量遗传到下一代群体的概率值确定每个向量对应的概率区间；

随机产生0到1之间的随机数，并根据所述随机数出现在各概率区间的次数确定每个向量被选中的次数；

根据每个向量被选中的次数选取第二预设数目个向量作为第一目标向量。

在可选的实施方式中，每个部件具有对应的标号，所述质心坐标值包括质心横坐标和质心纵坐标，所述回转中心位置包括回转中心横坐标和回转中心纵坐标，所述根据所述多个部件各自对应的质心坐标值、所述多个部件各自的重量和所述挖掘机的回转中心位置分别计算每个向量遗传到下一代群体的概率值，包括：

根据公式f＝1/(a|px|+|pymin|+|pymax|)计算每个向量的适应度，根据每个向量的适应度计算所述初始群体中所有向量的适应度总和；其中，a为预设的平衡系数，px＝∑9.8×gi×(xi-x0)，pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)，pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]，gi表示标号为i的部件的重量，xi表示标号为i的部件的质心横坐标，x0表示所述回转中心横坐标，y0表示所述回转中心纵坐标，gm表示所述多个部件中的工作装置的重量，ym表示所述工作装置处于完全收缩状态的质心纵坐标，f(ym)表示所述工作装置处于完全伸展状态的质心纵坐标，gj表示所述多个部件中除所述工作装置之外的标号为j的部件的重量，yj表示所述多个部件中除所述工作装置之外的标号为j的部件的质心纵坐标；

根据公式fk/∑f计算每个向量遗传到下一代群体的概率值；其中fk为第k个向量的适应度，∑f为所述初始群体中所有向量的适应度总和。

在可选的实施方式中，所述对所述初始群体中除所述第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量，包括：

对所述初始群体中除所述第一目标向量之外的其余向量进行两两随机配对；

对配对后的向量进行交叉计算，得到第一中间向量；

对所述第一中间向量进行变异运算，以从所述第一中间向量中各部件的质心坐标值和配重重量的周围分别随机选取新的质心坐标值和新的配重重量，并将所述第一中间向量中各部件的质心坐标值和配重重量更新为所述新的质心坐标值和所述新的配重重量，得到第二中间向量；

当所述第二中间向量中各部件的质心坐标值和配重重量符合第二预设条件时，将所述第二中间向量确定为第二目标向量。

在可选的实施方式中，所述当所述第二中间向量中各部件的质心坐标值和配重重量符合第二预设条件时，将所述第二中间向量确定为第二目标向量，包括：

当所述第二中间向量中各部件的质心坐标值均在对应的质心位置调节范围内，且2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值时，将所述第二中间向量确定为第二目标向量；其中，pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)，pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]，y0表示回转中心纵坐标，gm表示所述多个部件中的工作装置的重量，ym表示所述工作装置处于完全收缩状态的质心纵坐标，f(ym)表示所述工作装置处于完全伸展状态的质心纵坐标，gj表示所述多个部件中除所述工作装置之外的标号为j的部件的重量，yj表示所述多个部件中除所述工作装置之外的标号为j的部件的质心纵坐标。

在可选的实施方式中，所述从所述多个新一代群体的最后一代群体中选择最优向量，包括：

计算所述最后一代群体中每个向量遗传到下一代群体的概率值；

将所述概率值最大的向量确定为所述最优向量。

第二方面，本发明实施例提供一种挖掘机的平衡布局装置，应用于电子设备，所述电子设备预先存储有挖掘机的多个部件各自对应的质心位置调节范围、所述多个部件中除配重之外的其余部件各自的重量以及所述挖掘机的回转中心位置；所述装置包括：

初始群体产生模块，用于随机产生初始群体，所述初始群体包括第一预设数目个向量，每个向量包括所述多个部件各自对应的质心坐标值和配重重量；每个部件的质心坐标值均在对应的质心位置调节范围内；

计算模块，用于根据所述多个部件各自对应的质心坐标值、所述多个部件各自的重量和所述挖掘机的回转中心位置对所述初始群体进行选择操作，以从所述初始群体中选出第一目标向量；对所述初始群体中除所述第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量；

所述计算模块还用于根据所述第一目标向量和所述第二目标向量得到新一代群体，并对得到的新一代群体循环进行选择操作、交叉计算和变异运算，直到得到的多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值；

获取模块，用于从所述多个新一代群体的最后一代群体中选择最优向量，根据所述最优向量获得所述多个部件各自对应的最佳坐标分配值和所述配重的最佳重量分配值。

第三方面，本发明实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时，实现如前述实施方式中任一项所述的方法。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如前述实施方式中任一项所述的方法。

本发明实施例提供的挖掘机的平衡布局方法、装置、电子设备和存储介质，通过随机产生初始群体，初始群体包括第一预设数目个向量，每个向量包括多个部件各自对应的质心坐标值和配重重量，每个部件的质心坐标值均在对应的质心位置调节范围内，根据多个部件各自对应的质心坐标值、多个部件各自的重量和挖掘机的回转中心位置对初始群体进行选择操作，以从初始群体中选出第一目标向量，对初始群体中除第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量，根据第一目标向量和第二目标向量得到新一代群体，并对得到的新一代群体循环进行前述的选择操作、交叉计算和变异运算，直到得到的多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值，从多个新一代群体的最后一代群体中选择最优向量，根据最优向量获得多个部件各自对应的最佳坐标分配值和配重的最佳重量分配值。如此，只需确定挖掘机的各部件质心位置调节范围、重量及回转中心位置，就可以得出挖掘机各部件的最佳坐标分配值和配重的最佳重量分配值，从而实现挖掘机的最优平衡性布局设计；同时，整个平衡性的计算过程不需要人为参与，故提高了挖掘机的平衡性计算效率。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本发明实施例提供的电子设备的一种方框示意图；

图2示出了本发明实施例提供的挖掘机的平衡布局方法的一种流程示意图；

图3示出了图2中步骤s202的子步骤流程示意图；

图4示出了图2中步骤s203的子步骤流程示意图；

图5示出了本发明实施例提供的挖掘机的平衡布局装置的一种功能模块图。

图标：100-电子设备；110-存储器；120-处理器；130-通信模块；500-挖掘机的平衡布局装置；510-初始群体产生模块；520-计算模块；530-获取模块。

具体实施方式

下面将结合本发明实施例中附图，对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

请参照图1，是本发明实施例提供的电子设备100的一种方框示意图。该电子设备100可以是pc(personalcomputer，个人计算机)设备，该电子设备100能够根据给定的挖掘机的回转中心位置、各部件的质心位置调节范围、重量等参数，得出挖掘机各部件的最佳坐标分配值和配重的最佳重量分配值，从而实现挖掘机的最优平衡性布局设计，提高挖掘机的平衡性计算效率。该电子设备100包括存储器110、处理器120及通信模块130。存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，存储器110用于存储程序或者数据。存储器110可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，eeprom)等。

处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。例如，处理器120通过执行存储器110中存储的计算机程序，可以实现本发明实施例所揭示的挖掘机的平衡布局方法。

通信模块130用于通过网络建立电子设备100与其它通信终端之间的通信连接，并用于通过网络收发数据。

应当理解的是，图1所示的结构仅为电子设备100的结构示意图，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器120执行时，能够实现本发明实施例所揭示的挖掘机的平衡布局方法。

请参照图2，为本发明实施例提供的挖掘机的平衡布局方法的一种流程示意图。需要说明的是，本发明实施例提供的挖掘机的平衡布局方法并不以图2以及以下的具体顺序为限制，应当理解，在其他实施例中，本发明实施例提供的挖掘机的平衡布局方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。该挖掘机的平衡布局方法可以应用在图1所示的电子设备100中，且电子设备100中预先存储有挖掘机的多个部件各自对应的质心位置调节范围、多个部件中除配重之外的其余部件各自的重量以及挖掘机的回转中心位置，下面将对图2所示的具体流程进行详细阐述。

步骤s201，随机产生初始群体，初始群体包括第一预设数目个向量，每个向量包括多个部件各自对应的质心坐标值和配重重量；每个部件的质心坐标值均在对应的质心位置调节范围内。

以电动液压挖掘机为例，考虑到电动液压挖掘机中，仅有部分部件的位置或者重量会发生变化，部分部件则不会发生变化，故仅考虑变化的部件。其中，在变化的部件中，位置都可以发生变化，且除配重的重量可调节之外，其余部件的重量都是一定的。因此，在本实施例中可预先确定挖掘机的多个部件各自对应的质心位置调节范围、多个部件中除配重之外的其余部件各自的重量以及挖掘机的回转中心位置，并将这些数据存储到电子设备100中。

电子设备100在随机产生初始群体时，每个向量中多个部件各自对应的质心坐标值应在对应的质心位置调节范围内，同时为了尽快得出结果，也可以预先在电子设备100中为配重的重量设定一个范围，使得随机产生的每个向量中的配重重量也在设定的配重重量范围内。

在本实施例中，设定每个部件具有对应的标号，每个部件对应的质心坐标值包括质心横坐标和质心纵坐标，则向量可以表示为m＝(x1,x2,……,xi,y1,y2,……,yi,g)，其中，xi表示标号为i的部件的质心横坐标，yi表示标号为i的部件的质心纵坐标，g表示配重重量。需要说明的是，由于挖掘机的工作装置具有收缩和伸展两个状态，故当该多个部件中包括工作装置时，工作装置的质心纵坐标可以为处于完全收缩状态或者处于完全伸展状态的质心纵坐标，并且处于完全收缩状态的质心纵坐标和处于完全伸展状态的质心纵坐标之间具有一定的函数关系。本实施例中以工作装置的质心纵坐标为处于完全收缩状态的质心纵坐标为例进行说明，则工作装置处于完全收缩状态的质心纵坐标可以表示为ym，工作装置处于完全收缩状态的质心纵坐标可以表示为f(ym)。

在本实施例中，标号为i的部件的重量可以表示为gi，标号为i的部件对应的质心位置调节范围可表示为质心许用最大x轴距离ximax、质心许用最小x轴距离ximin、质心许用最大y轴距离yimax、质心许用最小y轴距离yimin。其中，对于挖掘机的工作装置，其对应的质心位置调节范围包括全缩状态下的质心位置调节范围和全伸状态下的质心位置调节范围。其中，在全缩状态下的质心位置调节范围可表示为质心许用最大x轴距离x¹imax、质心许用最小x轴距离x¹imin、质心许用最大y轴距离y¹imax、质心许用最小y轴距离y¹imin；在全伸状态下的质心位置调节范围可表示为质心许用最大x轴距离x²imax、质心许用最小x轴距离x²imin、质心许用最大y轴距离y²imax、质心许用最小y轴距离y²imin。

在一个示例中，假设该多个部件包括散热器、电机和主泵、液压油箱、电池包、配重、pdu(powerdistributionunit，电源分配单元)、afe(activefrontend，主动前端单元)及工作装置共8个部件，且设定散热器对应的标号为1，电机和主泵对应的标号为2，液压油箱对应的标号为3，电池包对应的标号为4、配重对应的标号为5，pdu对应的标号为6，afe对应的标号为7，工作装置对应的标号为8，则散热器的质心坐标值可以表示为(x1,y1)，电机和主泵的质心坐标值可以表示为(x2,y2)，液压油箱的质心坐标值可以表示为(x3,y3)，电池包的质心坐标值可以表示为(x4,y4)，配重的质心坐标值可以表示为(x5,y5)，pdu的质心坐标值可以表示为(x6,y6)，afe的质心坐标值可以表示为(x7,y7)，工作装置的质心坐标值可以表示为(x8,y8)，其中y8表示工作装置处于完全收缩状态的质心纵坐标，工作装置处于完全收缩状态的质心纵坐标可以表示为f(y8)。假设第一预设数目为10，即电子设备100随机产生的初始群体中包括10个向量，则该10个向量可以分别表示为m1、m2、m3、m4、m5、m6、m7、m8、m9、m10。

步骤s202，根据多个部件各自对应的质心坐标值、多个部件各自的重量和挖掘机的回转中心位置对初始群体进行选择操作，以从初始群体中选出第一目标向量。

在本实施例中，通过对初始群体进行选择操作，可在初始群体中选出第一目标向量用于直接放入下一代群体中。

可选地，请参照图3，该步骤s202可以包括如下子步骤：

子步骤s2021，根据多个部件各自对应的质心坐标值、多个部件各自的重量和挖掘机的回转中心位置分别计算每个向量遗传到下一代群体的概率值。

在本实施例中，可以设定回转中心位置包括回转中心横坐标x0和回转中心纵坐标y0，电子设备100可以根据公式f＝1/(a|px|+|pymin|+|pymax|)计算每个向量的适应度，根据每个向量的适应度计算初始群体中所有向量的适应度总和，并根据公式fk/∑f计算每个向量遗传到下一代群体的概率值；其中，a为预设的平衡系数，px＝∑9.8×gi×(xi-x0)，pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)，pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]，gi表示标号为i的部件的重量，xi表示标号为i的部件的质心横坐标，x0表示回转中心横坐标，y0表示回转中心纵坐标，gm表示多个部件中的工作装置的重量，ym表示工作装置处于完全收缩状态的质心纵坐标，f(ym)表示工作装置处于完全伸展状态的质心纵坐标，gj表示多个部件中除工作装置之外的标号为j的部件的重量，yj表示多个部件中除工作装置之外的标号为j的部件的质心纵坐标，fk为第k个向量的适应度，∑f为初始群体中所有向量的适应度总和。

以该多个部件分别为散热器(标号为1)、电机和主泵(标号为2)、液压油箱(标号为3)、电池包(标号为4)、配重(标号为5)、pdu(标号为6)、afe(标号为7)及工作装置(标号为8)为例，则公式px＝∑9.8×gi×(xi-x0)中的i的取值为1～8，公式pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)和pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]中j的取值为1～7，m的取值为8。

在本实施例中，考虑到各部件实际重心与回转中心在左右方向上的偏移一般较小，为防止计算过程中被忽略，引入一个平衡系数a，将挖掘机的平衡性优化目标函数定义为p＝(a|px|+|pymin|+|pymax|)，则以f＝1/(a|px|+|pymin|+|pymax|)为适应度，计算出初始群体中每个向量的适应度fk，最终得到所有向量的适应度总和∑f，然后计算每个向量的相应适应度fk/∑f，即可得到该向量遗传到下一代群体的概率值，概率之和为1。需要说明的是，平衡系数a的取值可以根据实际情况设定，本实施例对此不做限定。例如，a可以取15。

以初始群体中的10个向量(m1、m2、m3、m4、m5、m6、m7、m8、m9、m10)为例，经过子步骤s2021的计算过程后，可以得到向量m1遗传到下一代群体的概率值为f1/∑f，向量m2遗传到下一代群体的概率值为f2/∑f，向量m3遗传到下一代群体的概率值为f3/∑f，向量m4遗传到下一代群体的概率值为f4/∑f，向量m5遗传到下一代群体的概率值为f5/∑f，向量m6遗传到下一代群体的概率值为f6/∑f，向量m7遗传到下一代群体的概率值为f7/∑f，向量m8遗传到下一代群体的概率值为f8/∑f，向量m9遗传到下一代群体的概率值为f9/∑f，向量m10遗传到下一代群体的概率值为f10/∑f。

子步骤s2022，根据每个向量遗传到下一代群体的概率值从初始群体中选出第一目标向量。

在本实施例中，电子设备100在计算出每个向量遗传到下一代群体的概率值后，可以根据每个向量遗传到下一代群体的概率值确定每个向量对应的概率区间，随机产生0到1之间的随机数，并根据随机数出现在各概率区间的次数确定每个向量被选中的次数，根据每个向量被选中的次数选取第二预设数目个向量作为第一目标向量。

其中，每个向量对应的概率区间可以通过计算每个向量的累积概率来确定。例如，假设向量m1、m2、m3、m4、m5、m6、m7、m8、m9、m10遗传到下一代群体的概率值分别为0.1、0.15、0.05、0.3、0.14、0.1、0.01、0.04、0.1、0.01，则向量m1的累积概率为0.1，对应的概率区间为0～0.1；向量m2的累积概率为0.25，对应的概率区间为0.1～0.25；向量m3的累积概率为0.3，对应的概率区间为0.25～0.3；向量m4的累积概率为0.6，对应的概率区间为0.3～0.6；向量m5的累积概率为0.74，对应的概率区间为0.6～0.74；向量m6的累积概率为0.84，对应的概率区间为0.74～0.84；向量m7的累积概率为0.85，对应的概率区间为0.84～0.85；向量m8的累积概率为0.89，对应的概率区间为0.85～0.89；向量m9的累积概率为0.99，对应的概率区间为0.89～0.99；向量m10的累积概率为1，对应的概率区间为0.99～1。在电子设备100产生随机数后，通过判断该随机数处于哪个向量对应的概率区间，即可判断该向量是否被选中，例如随机数为0.57，则向量m4被选中，随机数为0.8，则向量m6被选中。如此，电子设备100通过产生多个随机数，即可确定每个向量被选中的次数，根据被选中的次数的多少，选取出次数最多的第二预设数目个(例如，2个)向量均作为第一目标向量，直接放入下一代群体中。

步骤s203，对初始群体中除第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量。

在本实施例中，通过对除第一目标向量之外的其余向量进行交叉计算和变异运算，可以得到新的向量，进而获得第二目标向量。

可选地，请参照图4，该步骤s203可以包括如下子步骤：

子步骤s2031，对初始群体中除第一目标向量之外的其余向量进行两两随机配对。

例如，假设向量m1和m2为被选中的次数最多的两个向量，则可将向量m1和m2确定为第一目标向量m¹1和m¹2，直接放入下一代群体中。此时初始群体中剩余m3、m4、m5、m6、m7、m8、m9、m10共8个向量，将该8个向量进行两两随机配对，可得到4对配对后的向量。

子步骤s2032，对配对后的向量进行交叉计算，得到第一中间向量。

以其中一对配对的向量m3和m4为例，假设m3＝(x31,x32,……,x3i,y31,y32,……,y3i,g3)，m4＝(x41,x42,……,x4i,y41,y42,……,y4i,g4)，则可以进行如下的交叉计算：x'31＝λx31+(1-λ)x41，x'3i＝λx3i+(1-λ)x4i，y'31＝λy31+(1-λ)y41，y'3i＝λy3i+(1-λ)y4i，g'3＝λg3+(1-λ)g4，x'41＝λx41+(1-λ)x31，x'4i＝λx4i+(1-λ)x3i，y'41＝λy41+(1-λ)y31，y'4i＝λy4i+(1-λ)y3i，g'4＝λg4+(1-λ)g3，其中，λ可以0～1之间的随机数值，则可以得到对应的第一中间向量m'3＝(x'31,x'32,……,x'3i,y'31,y'32,……,y'3i,g'3)，m'4＝(x'41,x'42,……,x'4i,y'41,y'42,……,y'4i,g'4)。同理，其他配对后的向量经过交叉计算后，也可得到对应的第一中间向量m'5、m'6、m'7、m'8、m'9、m'10。

子步骤s2033，对第一中间向量进行变异运算，以从第一中间向量中各部件的质心坐标值和配重重量的周围分别随机选取新的质心坐标值和新的配重重量，并将第一中间向量中各部件的质心坐标值和配重重量更新为新的质心坐标值和新的配重重量，得到第二中间向量。

在本实施例中，对交叉计算后得到的各个第一中间向量进行高斯变异，基于高斯分布可以从第一中间向量中各部件的质心坐标值和配重重量的周围分别随机选取一个新的质心坐标值和新的配重重量，将新的质心坐标值和新的配重重量代替旧的质心坐标值和配重重量，得到对应的第二中间向量。以第一中间向量m'3＝(x'31,x'32,……,x'3i,y'31,y'32,……,y'3i,g'3)为例，在进行高斯变异后，可以分别在x'31、x'32、……、x'3i、y'31、y'32、……、y'3i、g'3的周围随机选取一个新的值代替，从而得到对应的第二中间向量m”3＝(x”31,x”32,……,x”3i,y”31,y”32,……,y”3i,g”3)。

子步骤s2034，当第二中间向量中各部件的质心坐标值和配重重量符合第二预设条件时，将第二中间向量确定为第二目标向量。

可选地，电子设备100在进行变异运算得到对应的第二中间向量后，针对每个第二中间向量，需要判断各部件的质心坐标值是否均在对应的质心位置调节范围内，若各部件的质心坐标值均在对应的质心位置调节范围内，则判断2(|pymin|-|pymax|)/(|pymin|+|pymax|)是否小于第二预设值，当该第二中间向量中各部件的质心坐标值均在对应的质心位置调节范围内，且2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值时，则将该第二中间向量确定为第二目标向量。当存在第二中间向量各部件的质心坐标值不满足均在对应的质心位置调节范围内或者不满足2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值时，则需要返回子步骤s2032中重新进行交叉计算，直到各个第二中间向量中各部件的质心坐标值均在对应的质心位置调节范围内，且2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值。其中，pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)，pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]，y0表示回转中心纵坐标，gm表示多个部件中的工作装置的重量，ym表示工作装置处于完全收缩状态的质心纵坐标，f(ym)表示工作装置处于完全伸展状态的质心纵坐标，gj表示多个部件中除工作装置之外的标号为j的部件的重量，yj表示多个部件中除工作装置之外的标号为j的部件的质心纵坐标。

例如，当第二中间向量m”3＝(x”31,x”32,……,x”3i,y”31,y”32,……,y”3i,g”3)满足各部件的质心坐标值均在对应的质心位置调节范围内，且2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值时，则将该第二中间向量m”3确定为第二目标向量m¹3；同理，第二中间向量m”4、m”5、m”6、m”7、m”8、m”9、m”10满足各部件的质心坐标值均在对应的质心位置调节范围内，且2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值时，将该第二中间向量m”4、m”5、m”6、m”7、m”8、m”9、m”10确定为第二目标向量m¹4、m¹5、m¹6、m¹7、m¹8、m¹9、m¹¹⁰。

步骤s204，根据第一目标向量和第二目标向量得到新一代群体，并对得到的新一代群体循环进行选择操作、交叉计算和变异运算，直到得到的多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值。

在本实施例中，在得到第一目标向量m¹1和m¹2，以及第二目标向量m¹3、m¹4、m¹5、m¹6、m¹7、m¹8、m¹9、m¹¹⁰后，m¹1、m¹2、m¹3、m¹4、m¹5、m¹6、m¹7、m¹8、m¹9、m¹¹⁰将构成新一代群体，将该新一代群体作为新的初始群体，返回步骤s202～s203重新循环进行选择操作、交叉计算和变异运算，每循环计算一次，都会得到一个新一代群体。针对每一个新一代群体，根据公式f＝1/(a|px|+|pymin|+|pymax|)可以得出每个向量的适应度，进而可以得出该新一代群体对应的适应度均值以及该新一代群体对应的适应度最大值，基于各新一代群体对应的适应度均值和适应度最大值可以计算出适应度均值误差和适应度最大值误差，进而判断是否满足均小于第一预设值。

在一个示例中，可以设定循环计算预设次数(例如，5次)后，判断得到的多个新一代群体在5代以内的适应度均值误差和适应度最大值误差是否满足均在1％以内(即小于第一预设值)，若不满足，则需要返回步骤s202～s203重新循环进行选择操作、交叉计算和变异运算；若满足，则停止计算。

步骤s205，从多个新一代群体的最后一代群体中选择最优向量，根据最优向量获得多个部件各自对应的最佳坐标分配值和配重的最佳重量分配值。

可选地，该步骤s205可以包括：计算最后一代群体中每个向量遗传到下一代群体的概率值，将概率值最大的向量确定为最优向量。

在本实施例中，电子设备100在判断多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值后，通过公式fk/∑f计算该最后一代群体中每个向量遗传到下一代群体的概率值，可以确定出概率值最大的向量，进而得出最后一代群体中的最优向量，将该最优向量转换为各部件的质心坐标值和配重重量，最后输出挖掘机平衡性优化结果(即多个部件各自对应的最佳坐标分配值和配重的最佳重量分配值)。

例如，假设最后一代群体中的最优向量为m⁶2＝(x1p,x2p,……,xip,y1p,y2p,……,yip,gp)，则可以得出各部件对应的最佳坐标分配值分别为(x1p,y1p)、(x2p,y2p)、……、(xip,yip)，配重的最佳重量分配值为gp。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种挖掘机的平衡布局装置的实现方式。请参阅图5，为本发明实施例提供的一种挖掘机的平衡布局装置500的功能模块图。需要说明的是，本实施例所提供的挖掘机的平衡布局装置500，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该挖掘机的平衡布局装置500包括初始群体产生模块510、计算模块520、获取模块530。

可选地，上述模块可以软件或固件(firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(operatingsystem，os)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。

该初始群体产生模块510用于随机产生初始群体，初始群体包括第一预设数目个向量，每个向量包括多个部件各自对应的质心坐标值和配重重量；每个部件的质心坐标值均在对应的质心位置调节范围内。

可以理解，该初始群体产生模块510可以执行上述步骤s201。

该计算模块520用于根据多个部件各自对应的质心坐标值、多个部件各自的重量和挖掘机的回转中心位置对初始群体进行选择操作，以从初始群体中选出第一目标向量；对初始群体中除第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量。

可选地，该计算模块520用于根据多个部件各自对应的质心坐标值、多个部件各自的重量和挖掘机的回转中心位置分别计算每个向量遗传到下一代群体的概率值，根据每个向量遗传到下一代群体的概率值从初始群体中选出第一目标向量。

可选地，该计算模块520具体用于根据每个向量遗传到下一代群体的概率值确定每个向量对应的概率区间，随机产生0到1之间的随机数，并根据随机数出现在各概率区间的次数确定每个向量被选中的次数，根据每个向量被选中的次数选取第二预设数目个向量作为第一目标向量。

可选地，每个部件具有对应的标号，质心坐标值包括质心横坐标和质心纵坐标，回转中心位置包括回转中心横坐标和回转中心纵坐标，该计算模块520具体用于根据公式f＝1/(a|px|+|pymin|+|pymax|)计算每个向量的适应度，根据每个向量的适应度计算初始群体中所有向量的适应度总和；其中，a为预设的平衡系数，px＝∑9.8×gi×(xi-x0)，pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)，pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]，gi表示标号为i的部件的重量，xi表示标号为i的部件的质心横坐标，x0表示回转中心横坐标，y0表示回转中心纵坐标，gm表示多个部件中的工作装置的重量，ym表示工作装置处于完全收缩状态的质心纵坐标，f(ym)表示工作装置处于完全伸展状态的质心纵坐标，gj表示多个部件中除工作装置之外的标号为j的部件的重量，yj表示多个部件中除工作装置之外的标号为j的部件的质心纵坐标；以及根据公式fk/∑f计算每个向量遗传到下一代群体的概率值；其中fk为第k个向量的适应度，∑f为初始群体中所有向量的适应度总和。

可选地，该计算模块520用于对初始群体中除第一目标向量之外的其余向量进行两两随机配对，对配对后的向量进行交叉计算，得到第一中间向量，对第一中间向量进行变异运算，以从第一中间向量中各部件的质心坐标值和配重重量的周围分别随机选取新的质心坐标值和新的配重重量，并将第一中间向量中各部件的质心坐标值和配重重量更新为新的质心坐标值和新的配重重量，得到第二中间向量，当第二中间向量中各部件的质心坐标值和配重重量符合第二预设条件时，将第二中间向量确定为第二目标向量。

可选地，该计算模块520具体用于当第二中间向量中各部件的质心坐标值均在对应的质心位置调节范围内，且2(|pymin|-|pymax|)/(|pymin|+|pymax|)小于第二预设值时，将第二中间向量确定为第二目标向量；其中，pymin＝∑9.8×gj×(yj-y0)+9.8×gm×(ym-y0)，pymax＝∑9.8×gj×(yj-y0)+9.8×gm×[f(ym)-y0]，y0表示回转中心纵坐标，gm表示多个部件中的工作装置的重量，ym表示工作装置处于完全收缩状态的质心纵坐标，f(ym)表示工作装置处于完全伸展状态的质心纵坐标，gj表示多个部件中除工作装置之外的标号为j的部件的重量，yj表示多个部件中除工作装置之外的标号为j的部件的质心纵坐标。

该计算模块520还用于根据第一目标向量和第二目标向量得到新一代群体，并对得到的新一代群体循环进行选择操作、交叉计算和变异运算，直到得到的多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值。

可选地，该计算模块520具体用于计算最后一代群体中每个向量遗传到下一代群体的概率值，将概率值最大的向量确定为最优向量。

可以理解，该计算模块520可以执行上述步骤s202、步骤s021～s2022、s203、步骤s2031～步骤s2034、s204。

该获取模块530用于从多个新一代群体的最后一代群体中选择最优向量，根据最优向量获得多个部件各自对应的最佳坐标分配值和配重的最佳重量分配值。

可以理解，该获取模块530可以执行上述步骤s205。

综上，本发明实施例提供的挖掘机的平衡布局方法、装置、电子设备和存储介质，通过随机产生初始群体，初始群体包括第一预设数目个向量，每个向量包括多个部件各自对应的质心坐标值和配重重量，每个部件的质心坐标值均在对应的质心位置调节范围内，根据多个部件各自对应的质心坐标值、多个部件各自的重量和挖掘机的回转中心位置对初始群体进行选择操作，以从初始群体中选出第一目标向量，对初始群体中除第一目标向量之外的其余向量进行交叉计算和变异运算，以得到第二目标向量，根据第一目标向量和第二目标向量得到新一代群体，并对得到的新一代群体循环进行前述的选择操作、交叉计算和变异运算，直到得到的多个新一代群体的适应度均值误差和适应度最大值误差均小于第一预设值，从多个新一代群体的最后一代群体中选择最优向量，根据最优向量获得多个部件各自对应的最佳坐标分配值和配重的最佳重量分配值。如此，只需确定挖掘机的各部件质心位置调节范围、重量及回转中心位置，就可以得出挖掘机各部件的最佳坐标分配值和配重的最佳重量分配值，从而实现挖掘机的最优平衡性布局设计；同时，整个平衡性的计算过程不需要人为参与，故提高了挖掘机的平衡性计算效率。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。