电控箱布局方案的生成方法、装置和电子设备

摘要

本申请涉及电控箱布局方案的生成方法、装置和电子设备，属于电控箱设计技术领域，本申请中的方法包括，获取电控箱的待铺设范围参数、以及待铺设元器件的三维模型参数；基于三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，其中，每个个体对应于一布局方案；根据初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体；将目标个体对应的布局方案作为目标布局方案，并进行解码输出。本申请有助于快速有效的得到满足要求的电控箱布局方案。

说明书

技术领域

本申请属于电控箱设计技术领域，具体涉及一种电控箱布局方案的生成方法、装置和电子设备。

背景技术

目前，随着各种标准和规范的完善，对机组的控制系统的设计要求也愈发完善。例如针对系统电气控制部分就有对机组散热、防护等级和EMC等电气及安全性能要求。

实际中，电控箱是系统电气控制中的重要组成，电控箱主要包含电控箱箱体、多层电气元件安装板、电气元件和线缆。在电控箱的设计过程中，电气元件布局是指安排电气元件在电气元件安装板上的位置，电气元件的合理布局直接影响到电气安全性能。由于电控箱设计中需求的电气元器件的数量和种类越来越多，电控箱的布局也越来越多，不同的布局优缺点并存，仅凭人工很难对大量布局方案进行确认，从而快速有效地满足要求的布局方案。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种电控箱布局方案的生成方法、装置和电子设备，基于遗传算法进行布局方案生成及筛选，有助于快速有效的得到满足要求的电控箱布局方案。

为实现以上目的，本申请采用如下技术方案：

第一方面，

本申请提供一种电控箱布局方案的生成方法，该生成方法包括：

获取电控箱的待铺设范围参数、以及待铺设元器件的三维模型参数；

基于所述三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，其中，每个个体对应于一布局方案；

根据所述初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体；

将所述目标个体对应的布局方案作为目标布局方案，并进行解码输出。

可选地，所述基于所述三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，包括：

根据所述待铺设范围参数和三维模型参数建立空间坐标系，并进行铺设空间划分，以确定元器件可铺设位置；

对待铺设元器件以及元器件可铺设位置进行编码处理，得到对应的元器件识别编码和位置编码；

构建数组表示个体的染色体，采用随机抽取的方式将元器件识别编码作为数组元素，生成预定数量的数组，从而得到初始种群中各个个体，其中，数组元素值对应于元器件识别编码，数组索引对应于位置编码。

可选地，所述基于所述初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体，包括：

步骤1、将所述初始种群作为当前种群；

步骤2、根据所述评价函数对当前种群中各个体进行适应度计算，基于计算结果保留优秀个体；

步骤3、判断遗传算法是否收敛，若收敛，则将所述优秀个体中最优个体作为目标个体，否则执行步骤4；

步骤4、基于所述优秀个体进行遗传操作，生成新一代种群作为当前种群，并跳转执行步骤2。

可选地，所述遗传操作包括选择操作；所述选择操作，具体为：

根据个体的适应度将个体从高到低进行排序，将适应度靠后的预定个数的个体进行舍弃，其中，所述预定个数根据种群中个体数量确定。

可选地，所述遗传操作包括交叉操作；所述交叉操作，具体为：

针对个体对应的数组，将数组中预设个数相邻数组元素构成的子串进行移位。

可选地，所述遗传操作包括变异操作；所述变异操作，具体为：

将个体对应的数组中的任一相邻数组元素进行位置交换。

可选地，所述判断遗传算法是否收敛，具体为：

判断遗传迭代次数是否达到预设次数，若达到预设次数，判断遗传算法收敛，否则判断遗传算法未收敛。

可选地，所述判断遗传算法是否收敛，具体为：

判断当前种群中适应度最优个体是否满足预设目标，若满足，判断遗传算法收敛，否则判断遗传算法未收敛。

可选地，所述评价函数基于布局方案的电气安全性能构建。

可选地，所述评价函数包括布局方案的发热量评价函数。

可选地，所述评价函数的计算采用建模仿真的方式来实现。

第二方面，

本申请提供一种电控箱布局方案的生成装置，该生成装置包括：

获取模块，用于获取电控箱待铺设范围信息、以及待铺设元器件的三维模型参数；

种群初始化模块，用于基于所述三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，其中，每个个体对应于一布局方案；

求解模块，用于基于所述初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体；

输出模块，用于将所述目标个体对应的布局方案作为目标布局方案，并进行解码输出。

第三方面，

本申请提供一种电子设备，包括：

存储器，其上存储有可执行程序；

处理器，用于执行所述存储器中的所述可执行程序，以实现上述所述方法的步骤。

本申请采用以上技术方案，至少具备以下有益效果：

本申请的技术方案，在电控箱布局设计中，通过将电气元件的性能参数进行模型建立，通过遗传算法筛选满足对应需求的布局，可快速有效地得到满足要求的电控箱布局方案。

本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。

图1为本申请一个实施例提供的电控箱布局方案的生成方法的流程示意图；

图2为本申请一个实施例提供的电控箱布局方案的生成方法的遗传算法求解过程的流程示意说明图；

图3为本申请一个实施例提供的电控箱布局方案的生成装置的结构示意图；

图4为本申请一个实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。

如背景技术所述，现有相关技术中，仅凭人工很难对大量布局方案进行确认，不能快速有效地得到满足要求的布局方案。针对于此，本申请提出一种电控箱布局方案的生成方法，基于遗传算法进行布局方案生成及筛选，有助于快速有效的得到满足要求的电控箱布局方案。

在一实施例中，如图1所示，该电控箱布局方案的生成方法包括如下步骤：

步骤S110，获取电控箱的待铺设范围参数、以及待铺设元器件的三维模型参数；

步骤S120，基于三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，其中，每个个体对应于一布局方案；

步骤S130，根据初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体；

步骤S140，将所述目标个体对应的布局方案作为目标布局方案，并进行解码输出。

本申请的技术方案，在电控箱布局设计中，采用预设的基因编码规则来生成对应于布局方案的个体，形成初始种群，进而基于预先构建的评价函数通过遗传算法筛选满足相应需求的布局，从而可快速有效地得到满足要求的电控箱布局方案。

为便于理解本申请的技术方案，下面以另一实施例对本申请的技术方案进行进一步说明。

基于前文的实施例，在该实施例中，基于三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，具体包括：

根据待铺设范围参数和三维模型参数建立空间坐标系，并进行铺设空间划分，以确定元器件可铺设位置；

该实施例中，空间坐标系的建立是通过三维软件(例如Creo、Revit等)来实现的。具体的，利用三维软件建立电控箱的三维模型，根据电控箱中电气元件安装板上相应的待铺设范围参数、以及根据项目或订单的需求而确认的待铺设元器件数的三维模型特征参数，来建立空间坐标系。进而基于确立的空间坐标系，结合待铺设元器件数量来进行铺设空间划分，从而确定元器件可铺设位置。

之后，对待铺设元器件以及元器件可铺设位置进行编码处理，得到对应的元器件识别编码和位置编码；

基于编码结果，构建数组表示个体的染色体，采用随机抽取的方式将元器件识别编码作为数组元素，生成预定数量的数组，从而得到初始种群中各个个体，其中，数组元素值对应于元器件识别编码，数组索引对应于位置编码。

举例而言，某一个体的染色体表示为P＝[p1,p2,p3…pi…pn]，该数组中数组元素pi的值为元器件识别编码；i对应于位置编码，表示电控箱中某一的元器件可铺设位置，这里n的数值等于待铺设元器件的个数。

这里再对随机抽取的方式进行一下说明，假设共有n个元器件，从n个元器件识别编码构成的集合中随机抽取1个编码放置于p1位置，然后从集合中删除该编码，重复该过程，将n个元件放置完备，就生成了一个个体。重复进行预定次数的个体生成过程，就可得到初始种群中各个个体，或者说实现了初始种群初始化。

这里还需说明的是，本申请中电控箱采用的是模块化式的电气连接方案，元器件间的电气连通因素无需考虑，布局方案主要涉及的是元器件的布局位置。

在得到初始种群后，就可基于初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体。该实施例中，如图2，进行遗传算法求解的具体过程为：

步骤1、将初始种群作为当前种群；

步骤2、根据评价函数对当前种群中各个体进行适应度计算，基于计算结果保留优秀个体，举例而言，将适应度大于预设阀值的个体作为优秀个体，进行保留；

步骤3、判断遗传算法是否收敛，若收敛，则将优秀个体中最优个体作为目标个体，否则执行步骤4；

本实施例中，判断遗传算法是否收敛，具体为：

判断遗传迭代次数是否达到预设次数，若达到预设次数，判断遗传算法收敛，否则判断遗传算法未收敛；或者

判断当前种群中适应度最优个体是否满足预设目标，若满足，判断遗传算法收敛，否则判断遗传算法未收敛。

步骤4、基于优秀个体进行遗传操作，生成新一代种群作为当前种群，并跳转执行步骤2。

一般而言，遗传算法中遗传操作包括选择操作、交叉操作和变异操作。本申请该实施例中，

选择操作具体为：

根据个体的适应度将个体从高到低进行排序，将适应度靠后的预定个数的个体进行舍弃，其中，预定个数根据种群数量中个体确定，换言之，即根据个体的适应度，将适应度最低一个或m个(根据种群数量中个决定)舍弃；

交叉操作具体为：

针对个体对应的数组，将数组中预设个数相邻数组元素构成的子串进行移位。举例而言，某一个体的对应数组为P1＝[p2,p3,p4,....p1,p5]，进行交叉操作后，得到P2＝[p5，p1，p2，p3，p4，...]；

变异操作具体为：

将个体对应的数组中的任一相邻数组元素进行位置交换。举例而言，某一个个体的对应数组为P＝[p2，p3，...，pn]，进行变异操作后，得到的新的个体为＝[p3，p2，...，pn]，即将该个体中前面两个基因进行了位置交换。

此外还需要说明的是，与现有技术相同，上述交叉操作、变异操作的发生都是按一定概率进行的。

遗传算法实现中，评价函数的确认构建是其中重要一环。本申请中评价函数基于布局方案的电气安全性能构建。在实际应用中，可以根据电控箱的应用范围进行电气安全性能参数的选择，如电控箱放置在高温工况下，可以选择元器件的发热系数来确认构建评价函数，如电控箱放置在高精密器件的场合，可以选择元器件的EMC性能系数来确认构建评价函数，并且也可以综合考虑，通过两者的权值来确认构建布局方案的评价函数。基于电控箱设计的工程实践性特点，本申请中评价函数的计算可采用建模仿真的方式来实现。

具体的，该实施例中，应用场景为高温工况，评价函数具体为布局方案的发热量评价函数。

容易理解的是，电气元件的发热量可根据电气元件的电阻和工作回路电路确定，或者采用电气元件分类确认一个发热量值，如接触器的发热就比断路器的大；在对布局方案进行评价时，还需考虑空间布局带来的影响。因此可基于前文提到的电控箱的三维模型，结合具体布局中元器件的发热量值，将相关参数导入到建模仿真软件中，建模仿真热量在电控箱空间内的流向，从而实现该发热量评价函数的计算，得到个体的适应度值。

该实施例中，在经过如图2所示的计算求解过程，得到目标个体后，将目标个体对应的布局方案作为目标布局方案，并进行解码输出，即根据该目标个体所对应的数组，进行与前方编码处理相逆的解码翻译处理，得到用户人工可识别的目标布局方案，

图3为本申请一个实施例提供的电控箱布局方案的生成装置的结构示意图，如图3所示，该生成装置300包括：

获取模块301，用于获取电控箱待铺设范围信息、以及待铺设元器件的三维模型参数；

种群初始化模块302，用于基于三维模型参数和待铺设范围参数，根据预设的基因编码规则生成初始种群中各个个体，其中，每个个体对应于一布局方案；

求解模块303，用于基于初始种群和预先构建的评价函数进行遗传算法求解，计算得到目标个体；

输出模块304，用于将目标个体对应的布局方案作为目标布局方案，并进行解码输出。

关于上述相关实施例中的生成装置300，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图4为本申请一个实施例提供的电子设备的结构示意图，如图4所示，该电子设备400包括：

存储器401，其上存储有可执行程序；

处理器402，用于执行存储器401中的可执行程序，以实现上述方法的步骤。

关于上述实施例中的电子设备400，其处理器402执行存储器401中的程序的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。