基于遗传算法的选配方法、装置、电子设备及存储介质与流程

本申请涉及配件选配领域，具体而言，涉及基于遗传算法的选配方法、5装置、电子设备及存储介质。

背景技术：

1、选配法是工业上常见的装配方法之一，核心思想是将零件的制造公差放大到经济可行的程度，然后再选择合适的零件进行装配，保障装配后的精

2、度。现场装配工人大多会使用试凑法进行零件选配，该方法不仅对工人的装0配经验有一定要求，并且花费时间长，成功率低，造成人力物力的浪费。

技术实现思路

1、本申请的目的在于提供一种基于遗传算法的选配方法、装置、电子设备及存储介质，使得输出的最优选配方案为配件的组合。

2、为了实现上述目的，本申请实施例采用的技术方案如下：5第一方面，本申请实施例提供了一种基于遗传算法的选配方法，所述方

3、法包括：

4、基于预先设定的选配参数，获取目标数据，其中，所述预先设定的选配参数指示由轴承配件构成目标装配体之间的影响因子，所述目标数据指示

5、与目标装配体相关的所有数据；

6、0基于剔除规则，将所述目标数据进行筛选和优化，得到第一数据；

7、基于所述第一数据，确定构成目标装配体最多的选配集合；

8、基于遗传算法对所述目标装配体最多的选配集合中各元素进行交叉、变异操作，得到精度最高的最优选配方案。

9、在可选的实施方式中，所述基于遗传算法对所述目标装配体最多的选5配集合中各元素进行交叉、变异操作，得到精度最高的最优选配方案的步骤，包括：

10、设置遗传算法参数，其中，所述遗传算法参数包括种群大小、迭代次数、交叉概率、变异概率；

11、从所述目标装配体最多的选配集合中确定与所述种群大小一致的父种群；

12、基于交叉概率与变异概率，将所述父种群的各个父代进行交叉、变异操作，生成子种群；

13、基于适应度从所述子种群中选取目标子种群；

14、基于交叉概率与变异概率，将目标子种群中的子代与所述父种群中的父代进行交叉、变异操作，得到新的子种群；

15、基于适应度从所述新的子种群中选取新的目标子种群，其中，将新的目标子种群作为目标子种群，将目标子种群作为父种群；

16、重复执行所述基于交叉概率与变异概率，将目标子种群中的子代与所述父种群中的父代进行交叉、变异操作，得到新的子种群至基于适应度从所述新的子种群中选取新的目标子种群的步骤，直至达到迭代次数，得到精度最高的最优选配方案。

17、在可选的实施方式中，所述方法还包括：

18、在所述父种群的数量小于预设数量时，确定父种群中各个父代的精度；

19、将精度最高的父代作为最优选配方案。

20、在可选的实施方式中，所述基于交叉概率与变异概率，将目标子种群中的子代与所述父种群中的父代进行交叉、变异操作，得到新的子种群的步骤，包括：

21、基于交叉概率，将父种群的各个父代的基因与所述目标子种群中子代对应的等位基因进行交换；

22、基于变异概率，从数据库中获取与所述目标子种群中子代的每个基因对应的零件，与子代的等位基因进行交换，得到新的子种群。

23、在可选的实施方式中，所述方法还包括：

24、从所述目标子种群中获取适应度最大的第一子代；

25、将所述第一子代与所述新的子种群中各子代的适应度进行比较；

26、在所述第一子代的适应度小于任一所述新的子种群中的子代的适应度时，将所述第一子代进行剔除；

27、在所述第一子代的适应度均大于所述新的子种群的子代的适应度时，将所述第一子代保留至所述新的子种群中，其中，所述第一子代不进行交叉、变异操作。

28、在可选的实施方式中，所述预先设定的选配参数包括以下至少之一：

29、各个目标数据之间的膨胀温度补偿系数范围；

30、在目标数据包括前转盘和后转盘时，所述前转盘与后转盘坐标绝对值的差值范围、字正配对顺序或者字反配对顺序；

31、在目标数据包括前轴承、后轴承、鸟笼、前转盘以及转盘时，所述前轴承与所述前转盘的过盈量范围，所述后轴承与所述后转盘的过盈量范围，所述后轴承与所述鸟笼的过盈量范围，所述前轴承与所述鸟笼的过盈量范围。

32、在可选的实施方式中，所述基于剔除规则，将所述目标数据进行筛选和优化，得到第一数据的步骤包括：

33、确定所述目标数据对应的数据文本是否错误；

34、确定所述目标数据是否重复；

35、将所述文本错误的数据和重复的数据从所述目标数据中剔除；

36、将剔除后的目标数据，基于局部优化算法进行优化，得到第一数据。

37、第二方面，本申请实施例提供了一种基于遗传算法的选配装置，所述装置包括：

38、第一获取模块，用于基于预先设定的选配参数，获取目标数据，其中，所述预先设定的选配参数指示由轴承配件构成目标装配体之间的影响因子，所述目标数据指示与目标装配体相关的所有数据；

39、清洗模块，用于基于剔除规则，将所述目标数据进行筛选和优化，得到第一数据；

40、第一确定模块，用于基于所述第一数据，确定目标装配体最多的选配集合；

41、第二确定模块，用于基于遗传算法对所述目标装配体最多的选配集合中各元素进行交叉、变异操作，得到精度最高的最优选配方案。

42、第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述基于遗传算法的选配方法的步骤。

43、第四方面，本申请实施例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执行时实现所述基于遗传算法的选配方法的步骤。

44、本申请具有以下有益效果：

45、本申请通过基于预先设定的选配参数，获取目标数据，目标数据指示与目标装配体相关的所有数据，基于剔除规则，将轴目标数据进行筛选和优化，得到第一数据，基于第一数据，确定构成目标装配体最多的选配集合，基于遗传算法对目标装配体最多的选配集合中各元素进行交叉、变异操作，得到精度最高的最优选配方案，基于轴承配件构成目标装配体之间的影响因子，获取轴承配件对应的目标数据，即对目标数据进行初步优化，再基于剔除规则对获取的目标数据进行二次优化，基于第一数据，确定构成目标装配体最多的选配集合，从而使得基于遗传算法确定最优选配方案时，采用遗传算法的数据为优化后的数据，进一步使得基于优化后的数据进行交叉变异操作得到的最优选配方案的精度较高，且使得输出的最优选配方案为配件的组合。

技术特征：

1.一种基于遗传算法的选配方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于遗传算法对所述目标装配体最多的选配集合中各元素进行交叉、变异操作，得到精度最高的最优选配方案的步骤，包括：

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的方法，其特征在于，所述基于交叉概率与变异概率，将目标子种群中的子代与所述父种群中的父代进行交叉、变异操作，得到新的子种群的步骤，包括：

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述预先设定的选配参数包括以下至少之一：

7.根据权利要求1所述的方法，其特征在于，所述基于剔除规则，将所述目标数据进行筛选和优化，得到第一数据的步骤包括：

8.一种基于遗传算法的选配装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7任一项所述方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

技术总结
本申请的实施例提供了一种基于遗传算法的选配方法、装置、电子设备及存储介质，涉及配件选配领域，方法包括：基于预先设定的选配参数，获取目标数据，基于剔除规则，将目标数据进行筛选和优化，得到第一数据，基于第一数据，确定构成目标装配体最多的选配集合，基于遗传算法对目标装配体最多的选配集合中各元素进行交叉、变异操作，得到精度最高的最优选配方案，提高确定最优选配方案的最优选配方案效率和精度，且使得输出的最优选配方案为配件的组合。

技术研发人员：毛磊,吴学科,冯斌,阳如坤
受保护的技术使用者：深圳吉阳智能科技有限公司
技术研发日：
技术公布日：2024/1/12