一种基于遗传算法的语音机器人外壳优化方法

技术特征：
1.一种基于遗传算法的语音机器人外壳优化方法，其特征在于，包括如下步骤：步骤一、测量语音机器人的原外轮廓尺寸，并依据所述外轮廓尺寸建立所述语音机器人的原外轮廓3d模型；步骤二、获取所述原外轮廓3d模型上的点的坐标集合，并以所述语音机器人的水平分界面为界将所述坐标集合分为两个坐标子集；步骤三、分别根据所述两个坐标子集得到所述原外轮廓的上曲面函数和下曲面函数；步骤四、对所述语音机器人内部的零件进行3d建模，将所述零件进行组合，得到零件组合模型，并且确定所述零件组合模型的外轮廓函数；步骤五、以语音机器人的外轮廓体积最小为优化目标，以零件组合模型不能穿出语音机器人的外轮廓作为约束条件，利用遗传算法对所述语音机器人的外轮廓进行优化，得到优化的语音机器人的外轮廓；步骤六、设定所述语音机器人的外轮廓的材料，语音机器人的外轮廓的厚度作为变量，对所述语音机器人进行碰撞试验，以外壳碰撞安全性为约束条件，确定所述语音机器人的外轮廓的最小厚度，作为所述语音机器人的外壳厚度。2.根据权利要求1所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，在所述步骤二之前，还包括：以语音机器人水平方向上的分界平面作为xoy平面，以外壳中心轴与上下界的交点为坐标原点，建立坐标系。3.根据权利要求2所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，在所述步骤二中，将所述原外轮廓3d模型输入到pcl工具中，得到原外轮廓3d模型上的点的坐标集合。4.根据权利要求3所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，在所述步骤二中，还包括对所述坐标集合中的坐标进行中心化。5.根据权利要求4所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，在所述步骤三中，将所述两个坐标子集分别用于多项式拟合中，通过模型拟合后的r平方值判断多项式函数的最佳拟合次数，得到所述原外轮廓的上曲面函数和下曲面函数。6.根据权利要求5所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，所述上曲面的函数为：f_up(x,y)＝w
0_0
w
0_1
*x w
0_2
*y w
0_3
*x2 w
0_4
*x*y w
0_5
*y2 w
0_6
*x3 w
0_7
*y*x2 w
0_8
*x*y2 w
0_9
*y3 w
0_10
*x4 w
0_11
*x3*y w
0_12
*x2*y2 w
0_13
*x*y3 w
0_14
*y4 w
0_15
*x5 w
0_16
*x4*y w
0_17
*x3*y2 w
0_18
*x2*y3 w
0_19
*x*y4 w
0_20
*y5 w
0_21
*x6 w
0_22
*x5*y w
0_23
*x4*y2 w
0_24
*x3*y3 w
0_25
*x2*y4 w
0_26
*x*y5 w
0_27
*y6；所述下曲面的函数为：f_down(x,y)＝w
1_0
w
1_1
*x w
1_2
*y w
1_3
*x2 w
1_4
*x*y w
1_5
*y2 w
1_6
*x3 w
1_7
*y*x2 w
1_8
*x*y2 w
1_9
*y3 w
1_10
*x4 w
1_11
*x3*y w
1_12
*x2*y2 w
1_13
*x*y3 w
1_14
*y4；其中，w
0_0
、w
0_1
……
w
0_27
为上曲面函数各项系数，w
1_0
、w
1_1
……
w
0_14
为下曲面函数各项系数。7.根据权利要求5或6所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，在所述步骤四中，确定所述零件组合模型的外轮廓函数的方法为：将所述零件组合在xоy平面上的投影的外廓作为函数定义域；
在xoy平面上方，取所述定义域内的每个点对应的纵坐标的最大值，得到该点的上部轮廓三维坐标；在xoy平面下方，取所述定义域内的每个点对应的纵坐标的最小值，得到该点的上部轮廓三维坐标；其中，所述定义域内所有点的上部轮廓三维坐标集合和所述定义域内所述点的轮廓三维坐标集合的组合即为所述零件组合模型的外轮廓函数。8.根据权利要求7所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，在所述步骤五中，利用遗传算法对所述语音机器人的外轮廓进行优化，包括如下步骤：步骤1、设置种群中的染色体数量，随机初始化种群；其中，种群中的每个染色体为所述上曲面函数的各项系数和所述下曲面函数的各项系数组成的向量；步骤2、计算当前种群中每个染色体的适应度，取适应度最大的染色体作为当前当种群的最优个体；步骤3、对所述当前种群中的多个染色体进行交叉，生成交叉、变异，得到临时种群；步骤4、计算所述临时种群中每个染色体的适应度，并用步骤2中得到的最优个体替换所述临时种群中适应度最低的染色体；迭代进行步骤2至步骤4，直到满足设定的迭代次数，得到最优种群；其中，以所述最优种群中的最优个体对应的上曲面函数的各项系数和所述下曲面函数的各项系数作为优化结果。9.根据权利要求8所述的基于遗传算法的语音机器人外壳优化方法，其特征在于，所述染色体的适应度的计算方法为：其中，v0是语音机器人原外轮廓的体积，v是染色体对应的外轮廓的体积，punish的值为{1,1e-10
}，当存在零件组合模型的外轮廓函数高于语音机器人外轮廓的上曲面或低于语音机器人外轮廓的下曲面时，发生零件穿出，punish＝1e-10
，否则punish＝1。

技术总结
本发明公开了一种基于遗传算法的语音机器人外壳优化方法，包括：一、依据外轮廓尺寸建立语音机器人的原外轮廓3D模型；二、获取原外轮廓3D模型上的点的坐标集合，并以语音机器人的水平分界面为界将坐标集合分为两个坐标子集；三、分别根据两个坐标子集得到原外轮廓的上曲面函数和下曲面函数；四、对语音机器人内部的零件进行3D建模，并且确定零件组合模型的外轮廓函数；五、以语音机器人的外轮廓体积最小为优化目标，以零件组合模型不能穿出语音机器人的外轮廓作为约束条件，利用遗传算法对语音机器人的外轮廓进行优化，得到优化的语音机器人的外轮廓；六、以外壳碰撞安全性为约束条件，确定语音机器人的外轮廓的最小厚度，作为外壳厚度。外壳厚度。外壳厚度。


技术研发人员：易泽阳 梁艳春 管仁初
受保护的技术使用者：珠海科技学院
技术研发日：2022.09.29
技术公布日：2023/1/31