门铰链子系统确定方法、装置、电子设备及存储介质

本发明涉及家电，尤其涉及一种门铰链子系统确定方法、装置、电子设备及存储介质。

背景技术：

1、在传统的研发模式下，家电（例如洗碗机、冰箱、烤箱等）的门体铰链优化的方向，主要是凭借工程师的经验，或者是通过试验试错的方法，寻找满足要求的门铰链子系统。

2、然而，通过经验或者试验试错的方式，一般需要通过多次手板或者多次修模，才能挑选出优化的设计方案。由于没有理论性的指导，试错中经常存在无效的验证方案。上述两种方式需要经历比较长的周期，且研发成本较高。

技术实现思路

1、本发明旨在至少解决相关技术中存在的技术问题之一。为此，本发明提出一种门铰链子系统确定方法，可以实现门铰链子系统设计的自动优化，从而显著提高设计效率并降低成本。

2、本发明还提出一种门铰链子系统确定装置。

3、本发明还提出一种电子设备、非暂态计算机可读存储介质以及计算机程序产品。

4、根据本发明第一方面实施例的门铰链子系统确定方法，包括：

5、基于jaya算法和目标网络模型，确定目标结果；

6、基于所述目标结果确定目标门铰链子系统；

7、其中，所述目标网络模型是基于多个随机样本对初始网络模型进行训练得到的；

8、每个随机样本包括多个形状设计参数，以及随机样本对应的门铰链子系统的最大应力值；门铰链子系统由多个形状设计参数确定，每个形状设计参数由一个形状设计变量及其对应的系数确定，一个形状设计变量是基于一种门铰链子系统的特征参数确定的；所述目标结果包括最大应力值的最小值，以及与所述最小值对应的各形状设计参数。

9、本发明提供的门铰链子系统确定方法，通过采用随机样本对网络模型进行训练，可以使得网络模型学习到门铰链子系统与形状设计参数及最大应力值的对应关系，从而为门铰链子系统的设计提供理论依据。通过采用jaya算法与网络模型结合的方式确定门铰链子系统，可以实现门铰链子系统设计的自动优化，从而显著提高设计效率并降低成本。

10、根据本发明的一个实施例，所述基于jaya算法和目标网络模型，确定目标结果，包括：

11、基于所述最大应力值确定所述jaya算法的目标函数，并基于所述形状设计参数确定jaya算法的初始种群；

12、基于所述初始种群、所述目标函数以及所述目标网络模型执行迭代操作，直至迭代次数达到最大进化代数，并从最后一次迭代操作确定的种群中确定所述目标结果。

13、根据本发明的一个实施例，所述迭代操作包括：

14、基于所述目标网络模型和所述目标函数确定当前种群中个体的最优解和最差解；

15、基于jaya算法的迭代公式、所述最优解和最差解更新所述当前种群中每一个个体；

16、确定目标个体更新后的解小于目标个体更新前的解，将更新后的目标个体保留到下一代种群中；

17、确定目标个体更新后的解大于或等于目标个体更新前的解，将更新前的目标个体保留到下一代种群中。

18、本发明提供的门铰链子系统确定方法，通过采用jaya算法与目标网络模型确定门铰链子系统的设计方案，一方面可以快速实现门铰链子系统设计方案的快速优化，从而显著提高设计效率。另一方面还可以保证门铰链子系统设计方案的优化结果，从而提高门铰链子系统设计的精确性。

19、根据本发明的一个实施例，所述目标网络模型是通过如下方式训练的：

20、重复执行训练操作直至满足预设条件，并将满足预设条件的初始网络模型作为所述目标网络模型；

21、所述训练操作包括：

22、将当前随机样本的多个形状设计参数输入至所述初始网络模型，得到所述初始网络模型输出的第一最大应力值；

23、确定所述第一最大应力值与所述当前随机样本的最大应力值的误差大于误差阈值，根据所述误差更新所述初始网络模型；

24、所述预设条件包括：

25、所述误差小于或等于所述误差阈值。

26、根据本发明的一个实施例，所述初始网络模型为resnet网络模型；

27、所述resnet网络模型包括依次连接的输入层、卷积层、第一池化层、多个残差模块、第二池化层、dropout层、全连接层以及输出层；

28、所述多个残差模块包括串联的至少一个第一残差模块以及至少一个第二残差模块；

29、其中，第二残差模块的卷积层的卷积核数是与其连接的上一个第一残差模块的卷积层的卷积核数的两倍，且各残差模块满足以下至少一项：

30、不对输入数据进行下采样；

31、采用大于1的小尺寸卷积核。

32、本发明提供的门铰链子系统确定方法，通过针对性地对resnet网络模型的结构进行调整，可以使得resnet网络模型更好应用于门铰链子系统的设计，从而提高了门铰链子系统的设计效率。

33、根据本发明的一个实施例，所述方法还包括：

34、对各形状设计参数进行分层抽样，得到所述多个随机样本；

35、其中，随机样本对应的门铰链子系统的最大应力值，是门铰链子系统仿真模型基于所述多个形状设计参数确定的。

36、根据本发明的一个实施例，所述门铰链子系统用于家电。

37、根据本发明第二方面实施例的门铰链子系统确定装置，包括：

38、训练模块，用于基于多个随机样本对初始网络模型进行训练，得到目标网络模型；

39、优化模块，用于基于jaya算法和目标网络模型，确定目标结果；

40、确定模块，用于基于所述目标结果确定目标门铰链子系统；

41、其中，每个随机样本包括多个形状设计参数，以及随机样本对应的门铰链子系统的最大应力值；门铰链子系统由多个形状设计参数确定，每个形状设计参数由一个形状设计变量及其对应的系数确定，一个形状设计变量是基于一种门铰链子系统的特征参数确定的；所述目标结果包括最大应力值的最小值，以及与所述最小值对应的各形状设计参数。

42、本发明提供的门铰链子系统确定装置，通过采用随机样本对网络模型进行训练，可以使得网络模型学习到门铰链子系统与形状设计参数及最大应力值的对应关系，从而为门铰链子系统的设计提供理论依据。通过采用jaya算法与网络模型结合的方式确定门铰链子系统，可以实现门铰链子系统设计的自动优化，从而显著提高设计效率并降低成本。

43、根据本发明第三方面实施例的电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面实施例的门铰链子系统确定方法。

44、根据本发明第四方面实施例的非暂态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第一方面实施例的门铰链子系统确定方法。

45、根据本发明第五方面实施例的计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面实施例的门铰链子系统确定方法。

46、本发明实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

47、可以使得网络模型学习到门铰链子系统与形状设计参数及最大应力值的对应关系，从而为门铰链子系统的设计提供理论依据。通过采用jaya算法与网络模型结合的方式确定门铰链子系统，可以实现门铰链子系统设计的自动优化，从而显著提高设计效率并降低成本。

48、进一步地，通过采用jaya算法与目标网络模型确定门铰链子系统的设计方案，一方面可以快速实现门铰链子系统设计方案的快速优化，从而显著提高设计效率。另一方面还可以保证门铰链子系统设计方案的优化结果，从而提高门铰链子系统设计的精确性。

49、更进一步的，通过针对性地对resnet网络模型的结构进行调整，可以使得resnet网络模型更好应用于门铰链子系统的设计，从而提高了门铰链子系统的设计效率。

50、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。