【技术实现步骤摘要】
本专利技术属于可靠性分配，具体涉及一种基于遗传算法的割草机系统可靠性分配方法、装置及系统。
技术介绍
1、目前，国内的电动工具行业仍然属于劳动密集型产业，其之前的快速发展主要依托需求量极高的国内外市场。如今电动工具企业的生存竞争更加激烈，市场变幻莫测，唯一确定的只用高技术、高可靠性、低成本是永远不会变化的产品竞争力指标。企业进行产品研发、成本控制以及产品供应链整合时，便不可避免地需要对产品的可靠性进行研究，如此才能达到降低成本、提高产品可靠性的目的，使得企业在未来的市场竞争中扩大优势。
2、可靠性分配是可靠性设计的关键内容，直接影响产品的生产成本、预期寿命、维护成本等关键性参数，可靠性分配已经成为产品设计的重要组成部分。无论是早期的军事设备，还是现在复杂多样的民用产品，可靠性分配理论都在其中发挥着不可或缺的作用。虽然可靠性理论应用的场景与产品都十分广泛，但目前的研究理论主要集中在系统规模较大的产品与工程设计中，诸如电动工具这种产品的系统规模较小的生产企业，虽然也有对产品进行可靠性分配的需求，却缺少与公司产品直接相关或者相似的研究文献进行参考。某企业是国内某电动工具的生产企业，其旗下的某款手持式电动割草机经过长期的用户使用情况反馈，已经发现其存在某些方面的可靠性问题，需要针对该手持式电动割草机进行可靠性设计优化。但国内的割草机产业起步较晚，目前针对割草机的相关研究以及文献主要集中于机械设计方向，对于割草机系统可靠性的研究较少。因此，有必要在前人的基础上进一步研究并完善割草机的可靠性分配研究，提出一种能够指导割草机整体可
技术实现思路
1、针对上述问题，本专利技术提出一种基于遗传算法的割草机系统可靠性分配方法、装置及系统，通过遗传算法对割草机系统不同模块的可靠性指标进行分配，完成系统可靠性分配方案的制定，从而实现在满足总成本约束条件下得出系统可靠性最高的分配方案。
2、为了实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：
3、第一方面，本专利技术提供了一种基于遗传算法的割草机系统可靠性分配方法，包括：
4、将割草机系统划分为若干个串联的组成模块；
5、获取各组成模块的可靠性成本函数；
6、以割草机系统的总成本为约束条件，割草机系统的总可靠性最大为优化目标，结合各组成模块的可靠性成本函数，生成系统可靠性分配模型；
7、采用遗传算法求解所述系统可靠性分配模型，生成满足系统总成本约束并且可靠性最高的系统可靠性分配方案。
8、结合第一方面，可选地，各组成模块的可靠性成本函数的表达式为：
9、
10、其中，为组成模块的改进成本，其代表着组成模块，从组成模块的初始可靠度开始，将可靠度提高到组成模块的最大可靠度所需要的成本；为组成模块的初始成本；为组成模块的可行度，代表了组成模块的可靠度提升的可行性；为组成模块的可靠度。
11、结合第一方面，可选地，组成模块的可行度的取值范围为：，取值越大，就说明提高该组成模块的可靠度所需求的成本花费越低。
12、结合第一方面，可选地，所述系统可靠性分配模型的优化函数为：
13、
14、其中，为割草机系统的总可靠性，为组成模块的总数；
15、所述系统可靠性分配模型的约束条件为：
16、
17、其中，是割草机系统允许的最大总成本，是割草机系统的总成本，其计算公式为：
18、。
19、结合第一方面，可选地，所述采用遗传算法求解所述系统可靠性分配模型，生成满足系统总成本约束并且可靠性最高的系统可靠性分配方案，包括：
20、使用二进制方式进行编码，将各组成模块的可靠度数值作为编码的变量，生成包含多个个体的初始种群；
21、根据系统可靠性分配模型的约束条件挑选出符合约束的个体，并分别计算该个体对应的系统可靠度，将其作为该个体的适应值，根据适者生存的原则选择适应值比较高的个体；
22、将选出的优良个体两两配对，随机发生交叉、变异从而产生下一代的个体；
23、重复前述步骤，直到迭代出满足系统总成本约束并且可靠性最高的个体，并将该个体对应的可靠度数值作为系统可靠性分配方案。
24、结合第一方面，可选地，所述根据适者生存的原则选择适应值比较高的个体，包括：
25、计算个体的适应值在种群中的占比，将所有个体的占比值进行排序后，生成随机数进行择优，占比越大的个体被选择的可能性就越大。
26、结合第一方面，可选地，在交叉操作中，采用单点交叉法。
27、结合第一方面，可选地，在变异操作中，采用基因值在二值化中突变。
28、第二方面，本专利技术提供了一种基于遗传算法的割草机系统可靠性分配装置，包括：
29、划分模块，用于将割草机系统划分为若干个串联的组成模块；
30、可靠性成本函数构建模块，用于获取各组成模块的可靠性成本函数；
31、系统可靠性分配模型生成模块，用于以割草机系统的总成本为约束条件，割草机系统的总可靠性最大为优化目标，结合各组成模块的可靠性成本函数，生成系统可靠性分配模型；
32、求解模块，用于采用遗传算法求解所述系统可靠性分配模型，生成满足系统总成本约束并且可靠性最高的系统可靠性分配方案。
33、第三方面，本专利技术提供了一种基于遗传算法的割草机系统可靠性分配系统，包括存储介质和处理器；
34、所述存储介质用于存储指令；
35、所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
36、与现有技术相比，本专利技术的有益效果：
37、本专利技术提出一种基于遗传算法的割草机系统可靠性分配方法、装置及系统，通过遗传算法对割草机系统不同模块的可靠性指标进行分配，完成系统可靠性分配方案的制定，从而实现在满足总成本约束条件下得出系统可靠性最高的分配方案。
本文档来自技高网...【技术保护点】
1.一种基于遗传算法的割草机系统可靠性分配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：各组成模块的可靠性成本函数的表达式为：
3.根据权利要求2所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：组成模块的可行度的取值范围为：，取值越大，就说明提高该组成模块的可靠度所需求的成本花费越低。
4.根据权利要求2所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：所述系统可靠性分配模型的优化函数为：
5.根据权利要求1所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：所述采用遗传算法求解所述系统可靠性分配模型，生成满足系统总成本约束并且可靠性最高的系统可靠性分配方案，包括：
6.根据权利要求5所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：所述根据适者生存的原则选择适应值比较高的个体，包括：
7.根据权利要求5所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：在交叉操作中，采用单点交叉法。
...【技术特征摘要】
1.一种基于遗传算法的割草机系统可靠性分配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：各组成模块的可靠性成本函数的表达式为：
3.根据权利要求2所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：组成模块的可行度的取值范围为：，取值越大，就说明提高该组成模块的可靠度所需求的成本花费越低。
4.根据权利要求2所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：所述系统可靠性分配模型的优化函数为：
5.根据权利要求1所述的一种基于遗传算法的割草机系统可靠性分配方法，其特征在于：所述采用遗传算法求解所述系统可靠性分配模型...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。