[0001] 本发明涉及传动装置管理技术领域，具体涉及一种行星齿轮减速装置的能效提升方法。

[0002] 行星齿轮减速装置广泛应用于各种机械设备中，如汽车、风力发电机、工业机器人等，由于其结构紧凑、传动效率高、承载能力强等特点，成为许多复杂机械系统的核心组件。然而，随着能效要求的提高和环保意识的增强，如何进一步提升行星齿轮减速装置的能效，减少能耗成为一个亟待解决的问题。

[0003] 传统的行星齿轮减速装置优化方法主要集中在材料选择、制造工艺和基本的传动参数调整上，面对多个齿轮之间错综复杂的啮合关系，单一齿轮参数的调整往往会影响整个传动系统的性能，导致局部优化而未能实现全局能效提升。

[0009] 本申请提供了一种行星齿轮减速装置的能效提升方法，用于解决现有技术中行星齿轮减速装置中的齿轮啮合参数复杂，单一齿轮的调整往往影响整体性能，导致局部优化无法实现全局能效提升的技术问题。

[0010] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。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获得的所有其他实施例，都属于本申请保护的范围。

[0011] 需要说明的是，本申请的说明书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

[0012] 实施例，如图1所示，本申请提供了一种行星齿轮减速装置的能效提升方法，所述方法包括：P10：获取行星齿轮减速装置的结构设计图纸，解析啮合参数以及传动路径。

[0013] 进一步的，本申请实施例步骤P10还包括：P11：根据所述结构设计图纸，提取啮合参数，所述啮合参数包括齿轮模数、齿形、压力角、齿面曲率、重合度；P12：通过有限元分析工具，拟合所述结构设计图纸、啮合参数以及传感监测数据，构建仿真模型，所述仿真模型用于模拟齿轮啮合的动态传动过程；P13：利用所述仿真模型的传动模拟，模拟解析各齿轮的传动路径。

[0014] 应当理解的是，为了全面且精确地理解行星齿轮减速装置的性能潜力与能耗特性，需要深入分析其结构设计图纸，获取齿轮的啮合参数与传动路径。

[0015] 首先，根据行星齿轮减速装置的结构设计图纸，利用专业的工程软件或手动识别技术，精确提取出影响齿轮啮合性能的关键的啮合参数。所述啮合参数包括但不限于齿轮模数、齿形、压力角、齿面曲率、重合度。其中，齿轮模数是齿轮尺寸的一个重要指标，通常用于确定齿轮的大小和相互啮合的关系，直接影响齿轮的承载能力和传动比。齿形是指齿轮齿的几何形状，直接影响齿轮的传动效率和寿命。压力角是齿轮啮合时产生的力与齿轮接触点的法线之间的夹角，影响传动效率和齿面受力情况。齿面曲率与齿轮的接触状态密切相关，曲率越合理，接触应力分布越均匀，摩擦损耗也越小。重合度指的是在齿轮啮合过程中同时参与接触的齿对数，重合度越高，传动平稳性越好。

[0016] 进一步的，为了更直观地理解所述啮合参数在实际工况下的表现，利用有限元分析工具（如ANSYS、Abaqus等），将结构设计图纸、提取的啮合参数以及可能通过传感监测获得的实际运行数据相结合，构建出高精度的仿真模型。有限元分析（FEA）是一种数值模拟方法，用于分析机械结构的应力、应变和动态行为。所述仿真模型能够模拟齿轮啮合的动态传动过程，包括齿轮间的接触应力变化、传动效率波动以及可能的振动和噪声产生机制。通过拟合齿轮的几何结构和实际工作条件，可以对整个传动系统进行高精度的动态模拟，从而揭示潜在的能量损耗点。

[0017] 进一步的，通过所构建的仿真模型进行传动模拟，详细分析各齿轮在整个传动路径中的受力情况和能量传递过程。通过模拟不同工况下各齿轮的转速、扭矩以及接触应力的变化，获取动力从输入端到输出端的传递路径。传动路径的解析有助于发现哪些齿轮部件可能因为啮合不良、压力角过大或重合度不足而导致能效下降，这一过程不仅验证了结构设计图纸的合理性，还为后续针对传动路径进行能耗分析和优化提供了重要依据。

[0018] P20：基于所述传动路径进行能耗跟踪，获取能耗分布，所述能耗分布包括多个能耗分布节点，各能耗分布节点具有能耗产生位置以及能耗类型、能耗量，并建立所述能耗分布节点与所述啮合参数映射关联。

[0019] 进一步的，本申请实施例步骤P20还包括：P21：建立能耗类型与能耗特征识别匹配关系，所述能耗类型包括摩擦损耗、热损耗、振动损耗；P22：利用所述识别匹配关系对所述传动路径的监测数据进行识别匹配，获得能耗类型，并进行识别位置标识，确定所述能耗类型的分布信息；P23：训练所述能耗类型的损耗量运算模型，基于识别确定的所述能耗类型激活对应能耗类型的损耗量运算模型根据所述监测数据进行运算处理，获得能耗量；P24：确定所述能耗量与所述能耗类型的分布对应关系，整合获得所述能耗分布。

[0020] 可选的，为了深入理解行星齿轮减速装置的能耗特性，基于之前解析的传动路径进行能耗跟踪与分析，以获取能耗的具体分布，并建立能耗与啮合参数之间的映射关联，为后续的能效优化提供关键数据支持。

[0021] 首先，定义三种主要的能耗类型，包括摩擦损耗、热损耗、振动损耗。其中，所述摩擦损耗是由于齿轮在啮合时表面接触产生的摩擦力导致能量损失，是传动系统中的主要能量消耗形式之一。所述热损耗是指齿轮在高速运转时产生的热量会通过传导和对流散失，也是一种常见的能耗类型，尤其在高负荷状态下热损耗尤为明显。所述振动损耗是指由于齿轮传动中的不对称性或啮合不良导致的振动，通过机械振动的形式产生的能量散失。随后，利用专业知识和经验数据，建立这些能耗类型与能耗特征的识别匹配关系，以便能够根据监测到的数据特征快速识别出具体的能耗类型。

[0022] 在建立了能耗类型的匹配关系后，利用监测设备对传动路径中的各个节点进行数据监测。基于所定义的能耗特征匹配关系，对这些监测数据进行自动识别匹配，从而确定各节点的具体能耗类型。同时，标识出每个能耗类型在传动路径中的具体位置，生成能耗类型的分布信息。例如，某个齿轮节点可能会显示出明显的摩擦损耗，而另一个节点则可能以热损耗为主。

[0023] 为了量化各能耗类型的具体损失量，针对不同能耗类型训练专门的损耗量运算模型。这些模型基于物理学原理、统计学方法以及机器学习算法，能够根据监测到的数据（如振动频率、温度梯度、负载变化等）精确计算出各能耗类型的损耗量。在识别出能耗类型后，激活对应的损耗量运算模型，利用实时监测数据对能耗量进行运算处理。例如，摩擦损耗的运算模型会根据接触应力和摩擦系数计算出相应的能量损耗，热损耗的运算模型则会基于温度变化和热传导系数进行能量计算。

[0024] 最后，在获得每个节点的能耗类型及其对应的能耗量后，系统将所有节点的能耗数据进行整合，生成完整的能耗分布图。这张图不仅展示了各能耗类型在传动路径上的具体分布位置，还通过不同的颜色、大小或形状来直观表示各节点的能耗量大小，将各个节点的能耗类型、能耗量和位置进行关联，从而明确各个能耗节点的具体分布情况。这种整合后的能耗分布不仅能够帮助识别出能耗较大的关键部位，还可以为后续优化啮合参数提供依据。

[0025] 进一步的，如图2所示，本申请实施例步骤P21还包括：P21‑1：获取所述摩擦损耗、热损耗、振动损耗的产生机理，确定核心运算参数；
P21‑2：根据所述核心运算参数布设传感器，配置样本数据，利用所述样本数据进行关系拟合，确定能耗类型与核心运算参数的监测数据之间的拟合关系；P21‑3：以所述能耗类型为行元素，以所述核心运算参数为列参数，构建比较矩阵，基于所述比较矩阵进行参数比对，提取强系参数；P21‑4：将所述强系参数作为对应所述能耗类型的识别参数，并基于所述拟合关系确定所述识别参数与所述能耗类型的识别关系；P21‑5：根据所述能耗类型与所述识别参数、核心运算参数以及识别关系的对应性进行参数关系整合，建立所述能耗类型与能耗特征识别匹配关系。

[0026] 具体的，建立能耗类型与能耗特征识别匹配关系的具体过程可以是，首先，深入分析不同能耗类型的产生机理。通过查阅文献资料、实验验证以及专家咨询，明确每种能耗类型的核心运算参数。例如，摩擦损耗通常由齿轮表面接触摩擦力引起，其核心运算参数包括接触应力、表面粗糙度和摩擦系数等。热损耗主要源于齿轮运转过程中产生的热量，核心运算参数包括齿轮的工作温度、转速、传导系数等。振动损耗则由齿轮啮合过程中产生的不平衡振动引起，核心运算参数包括振动频率、加速度和共振频率等。

[0027] 接下来，基于所确定的核心运算参数的需求，在行星齿轮减速装置的关键位置布设高精度的传感器。这些传感器能够实时监测并记录相关的物理量，如温度、振动信号等。传感器的位置和类型需要针对不同能耗类型进行精确配置，例如，温度传感器用于热损耗的监测，加速度传感器用于振动损耗的监测。然后，利用采集到的传感器数据，配置相关的样本数据集，并对这些数据进行关系拟合，以确定能耗类型与核心运算参数之间的拟合关系。这一过程确保监测数据与能耗特征之间有较强的关联性，支持后续的精确识别。

[0028] 为进一步分析和优化参数关系，构建一个以能耗类型为行元素、核心运算参数为列参数的比较矩阵。示例性的，设有n个能耗类型和m个核心运算参数，比较矩阵 A 的元素 表示第i个能耗类型与第j个核心运算参数的关联程度。比较矩阵 A 的公式如下：；
其中， 是第个i能耗类型与第j个核心运算参数的关联值，n为能耗类型的数量，m为核心运算参数的数量。矩阵中的数值表示各能耗类型与不同核心运算参数的关联程度，数值越大表示关联越强。例如，摩擦损耗与摩擦系数的关联值为0.8，而与重合度的关联值仅为0.3，表明摩擦系数对摩擦损耗的影响更大。

[0029] 通过所述比较矩阵，对不同参数之间的权重和影响进行对比分析，识别出与特定能耗类型关联最强的核心运算参数，即强系参数。示例性的，对每一行i，识别出对应的最大值 。记录该最大值所对应的列索引j，即与该能耗类型关联最强的核心运算参数。这些强系参数是在能耗计算中权重较高、影响较大的核心参数，在识别特定能耗类型时具有更高的敏感性和准确性。

[0030] 在确定了强系参数后，将其作为相应能耗类型的识别参数。基于之前的拟合关系，可以进一步确定这些识别参数与能耗类型的识别关系，即通过强系参数的监测值，可以准确预测或识别出某一能耗类型的存在及其强度。这种关系可以是一种数学表达式、逻辑规则或分类模型，能够根据监测到的识别参数值准确判断出当前的能耗类型。例如，若摩擦力与振动频率的强系参数较大，则可以识别出摩擦损耗和振动损耗是该节点的主要能耗类型。

[0031] 最后，整合之前的所有参数关系，结合能耗类型、识别参数、核心运算参数及其对应的识别关系，形成完整的能耗特征识别匹配关系。该匹配关系可以帮助准确定位并识别不同节点的能耗类型，使得系统可以根据传感器数据进行实时的能耗分析和判断。这一过程为后续的能耗优化和系统调优提供了强有力的数据支持。

[0032] 进一步的，本申请实施例步骤P21‑3还包括：P21‑31：所述比较矩阵中的每个元素数值表示能耗类型与核心运算参数的拟合数值系数，根据所述比较矩阵提取差异参数，所述差异参数为能耗类型中存在的一个或一组区别核心运算参数，当所述差异参数与其他能耗类型无交集时，则将所述差异参数作为强系参数，表示差异参数与对应能耗类型具有强识别关系；P21‑32：当所述差异参数与其他能耗类型存在交集时，根据所述比较矩阵的元素数值提取最大值的核心运算参数，将最大值核心运算参数与差异参数进行组合，获得所述强系参数，以使所述强系参数与能耗类型之间具有唯一识别性，且所述能耗类型之间的所述强系参数不相同。

[0033] 应当理解的是，通过深入分析比较矩阵，以精确提取出对能耗类型识别至关重要的强系参数。首先，在所述比较矩阵中，每个元素都代表了一个能耗类型与对应核心运算参数之间的拟合数值系数。这些系数反映了不同参数在识别特定能耗类型时的贡献度和重要性。通过比较矩阵的横向和纵向分析，提取出那些能够显著区分不同能耗类型的差异参数。差异参数是指在某一能耗类型中表现突出，而在其他能耗类型中则相对较弱或不存在的核心运算参数。当一个或多个差异参数与其他能耗类型无交集时，即该差异参数完全独立于其他能耗类型的核心运算参数集时，这些差异参数被视为与该能耗类型具有强识别关系，即它们对该能耗类型有着独特的指示作用。在此情境下，差异参数被直接标识为强系参数，表明这些参数可准确、唯一地识别该能耗类型。

[0034] 然而，在实际应用中，差异参数之间可能存在交集，即某个参数可能在多个能耗类型中都表现出一定的显著性。为了解决这一问题，可进一步分析比较矩阵中的元素数值，特别是那些同时出现在多个能耗类型中的差异参数。在这种情况下，不再单独依赖差异参数作为识别依据，而是根据比较矩阵中的元素数值大小，提取出每个能耗类型中贡献度最大的核心运算参数（即最大值核心运算参数）。随后，将这些最大值核心运算参数与原有的差异参数进行组合，形成新的强系参数集。这样的组合不仅保留了差异参数的独特性，还通过引入最大值核心运算参数增强了识别系统的鲁棒性和准确性。最终获得的强系参数集确保了每个能耗类型都能被唯一且准确地识别出来，且不同能耗类型之间的强系参数互不重叠。

[0035] 例如，如果摩擦损耗和热损耗都涉及温度作为差异参数，那么仅依靠温度无法区分两者。此时，可以从比较矩阵中提取摩擦损耗的摩擦系数作为最大值核心运算参数，将其与温度参数组合，构成摩擦损耗的强系参数组合。这样一来，温度和摩擦系数的组合可以唯一识别摩擦损耗，而其他能耗类型则不具备相同的参数组合。

[0036] P30：根据所述能耗类型、能耗量，以能耗量最小化为目标，按照所述映射关联确定的啮合参数进行参数搜索，获得优化啮合参数，利用所述优化啮合参数对星齿轮减速装置进行参数调整。

[0037] 进一步的，如图3所示，本申请实施例步骤P30还包括：P31：分别建立所述啮合参数与能耗类型的影响关系，集成构建各能耗类型的评价函数，用于评价当前啮合参数造成对应能耗类型的能耗量；P32：获取所述行星齿轮减速装置的各齿轮元件的设置参数及调整约束，搜索各齿轮元件的调整策略路径，所述调整策略路径反映齿轮元件的调整方向及调整范围；P33：利用所述评价函数对所述各齿轮元件的调整策略路径进行全局寻优，搜索各能耗类型能耗总量最小的参数调整策略，获得所述优化啮合参数。

[0038] 应当理解的是，基于能耗类型及其能耗量，通过优化啮合参数来实现行星齿轮减速装置能效的最大化。

[0039] 具体的，首先深入分析啮合参数（如齿数比、模数、压力角等）与不同能耗类型（摩擦损耗、热损耗、振动损耗）之间的复杂影响关系。这些关系描述了不同啮合参数如何影响特定能耗类型的能耗量。例如，较大的压力角可能导致更大的摩擦损耗，而增加重合度则有助于降低振动损耗。通过实验数据、仿真模拟以及理论推导，分别建立这些影响关系的数学模型，并将它们集成到各个能耗类型的评价函数中。这些评价函数能够定量评估在给定啮合参数下，各能耗类型所产生的能耗量。例如，对于摩擦损耗的评价函数，可以结合摩擦系数、接触应力和转速来计算摩擦产生的能量损失。通过这些评价函数，能够系统地评估当前齿轮系统的能耗表现。

[0040] 进一步的，获取行星齿轮减速装置的各齿轮元件的设置参数及相应的调整约束。这些设置参数通常包括齿轮的几何形状、齿宽、齿距、传动比等，而调整约束则包括系统允许的参数调整范围和方向。例如，某些齿轮元件的模数调整可能受到机械结构限制，而其他元件则可能有更多的调整自由度。基于所述设置参数及调整约束，利用多目标优化和约束处理技术，对每个齿轮的设置参数进行多次调整，为每个齿轮元件搜索出可行的多个调整策略路径。所述调整策略路径定义了齿轮元件参数调整的方向（如增加或减少模数）及调整范围，反映了在特定范围内可以实现的优化可能性，可为后续的全局优化提供多个备选的调整策略路径。

[0041] 最后，利用之前构建的能耗类型评价函数，对各个齿轮元件的调整策略路径进行全局寻优。这一过程涉及复杂的优化算法，如遗传算法、粒子群优化等，能够在庞大的参数空间中高效地搜索出最优解或近似最优解。通过不断迭代和比较不同调整策略下的能耗总量，找到使得各能耗类型能耗总量最小的参数调整策略，即优化啮合参数。这些参数不仅能够有效降低行星齿轮减速装置的能耗，还能在一定程度上提高其运行稳定性和使用寿命，实现对行星齿轮减速装置能效的显著提升。

[0042] 进一步的，本申请实施例步骤P33还包括：P33‑1：根据所述各齿轮元件的调整策略路径，建立齿轮元件的搜索空间；P33‑2：
根据所述行星齿轮减速装置的设计结构及运行特征，识别确定啮合齿轮元件，建立所述啮合齿轮元件所述搜索空间的协同优化关系；P33‑3：基于所述协同优化关系从对应多个所述搜索空间中同步提取调整策略组，所述调整策略组满足所述啮合齿轮元件的拟合布设关系；P33‑4：将所述各能耗类型的评价函数进行整合构建综合评价函数，利用所述综合评价函数对随机获取的各齿轮元件的调整策略进行评价，其中随机调整策略中包含所述调整策略组，通过迭代调整策略变异搜索，直到达到迭代目标为止。

[0043] 在本申请一种可能的实施例中，利用所述评价函数对所述各齿轮元件的调整策略路径进行全局寻优的具体过程可以是，首先，根据各个齿轮元件的调整策略路径，构建搜索空间。这个搜索空间包括每个齿轮元件的所有可调整参数值，例如齿轮的尺寸、材质、啮合方式，以及参数选择范围，涵盖了齿轮元件的所有潜在调整可能性。

[0044] 在搜索空间建立后，需要根据行星齿轮减速装置的设计结构和运行特征，识别出需要协同优化的啮合齿轮元件。这些元件的啮合参数（如压力角、重合度、拟合齿数）不仅取决于单个齿轮的属性，还需要考虑两个或多个齿轮的协同工作。例如，啮合参数必须同时满足一组齿轮的匹配关系，包括齿轮的设置距离、啮合角度和齿数比等。在进行优化时，确保这些啮合参数能够为整个齿轮系统的协同工作提供最佳支持。通过这种协同优化关系，可以避免单个齿轮的调整对系统整体性能的负面影响，从而实现全局优化。

[0045] 基于所述协同优化关系，从对应多个齿轮元件的搜索空间中同步提取调整策略组。这个策略组包含了所有啮合齿轮元件的最佳调整策略，确保它们之间的参数设置能够满足拟合布设关系。通过同步提取调整策略组，可以确保各个齿轮元件之间的调整是协调一致的，避免局部优化导致的整体性能下降。

[0046] 接下来，将前述各能耗类型的评价函数整合为一个综合评价函数。综合评价函数可以通过简单地将所有能耗类型的能耗量加和，或者通过设定权值来重点考虑某些能耗类型。例如，如果摩擦损耗在系统中是主要的能耗源，可以为摩擦能耗分配更高的权值，而其他类型的能耗则分配相对较低的权重。综合评价函数的目标是通过平衡不同类型的能耗，实现整体能耗的最小化。

[0047] 在获得综合评价函数后，利用该函数对随机获取的各齿轮元件的调整策略进行评价，其中包括所提取的调整策略组。为了寻找最优解，采用迭代调整策略变异搜索。这一过程可以通过自适应优化算法（如自适应遗传算法）来实现，该算法能够在迭代过程中自动调整搜索策略。自适应优化算法根据当前的迭代结果，自我调整搜索范围和搜索路径，从而提高寻优效率。

[0048] 在每次迭代中，通过变异调整策略，寻找新的潜在优化方案，并利用仿真模型对每次迭代的调整策略进行验证。仿真模型基于齿轮系统的实际运行情况，确保调整策略的可靠性，避免了仅通过理论计算可能出现的偏差。通过这种反复迭代和仿真验证，不断逼近能耗最小化的目标，直到满足预设的迭代目标。最终找到使得综合评价函数达到最优（即各能耗类型能耗总量最小）的调整策略组，即优化啮合参数。这一过程不仅实现了行星齿轮减速装置能效的最大化，还为后续的工程实践提供了有力的技术支撑。

[0049] 进一步的，本申请实施例还包括步骤P30a，步骤P30a还包括：P31a：根据所述齿轮元件的搜索空间，对搜索调整参数进行约束条件相关性分析，确定相关系数，所述约束条件包括成本约束、制造公差约束、材料特性约束；P32a：根据所述相关系数配置所述调整参数的搜索权值，将所述搜索权值添加至优化搜索中。

[0050] 可选的，考虑到齿轮元件在实际应用中可能受到成本、制造公差、材料特性等多种约束条件的限制，通过对齿轮元件的调整参数进行约束条件相关性分析，并为调整参数分配搜索权值，从而在优化算法中平衡各参数的影响。

[0051] 首先，基于每个齿轮元件的搜索空间，对所有潜在的搜索调整参数进行约束条件相关性分析，量化每个参数受到的限制程度。这些约束条件可能来自多个方面，包括成本约束、制造公差约束、材料特性约束。示例性的，利用统计分析和工程知识，分析成本约束如何影响齿轮元件的材料选择和加工精度，制造公差约束如何限制尺寸参数的调整范围，以及材料特性约束如何影响齿轮的耐磨性、热传导性等性能参数，得到每个调整参数与各个约束条件之间的相关系数，这些系数反映了约束条件对调整参数调整的敏感度和限制程度。

[0052] 进一步的，根据所述相关系数的大小，对每个调整参数分配搜索权值。所述搜索权值用于控制优化算法在搜索空间中的探索力度和方向。具体来说，对于受到较多约束（例如成本较高或公差范围有限）的参数，其搜索权值会相应降低，从而减少该参数在整体优化过程中所占的比例，避免因为过度调整而带来负面影响。相反，如果某些参数对能效提升具有显著影响（例如尺寸对摩擦损耗的改善效果明显），可以增加该参数的搜索权值，增强其在优化搜索中的权重。通过调整搜索权值，优化算法能够更加灵活地在多个参数之间进行平衡，确保在满足约束条件的前提下找到最优或近似最优的解决方案。

[0053] 配置好搜索权值后，将这些权值添加到优化搜索算法中。使用配置了搜索权值的优化算法进行搜索时，算法将在满足所有约束条件的前提下，根据权值的大小和方向，更加智能和高效地探索搜索空间，寻找最优或近似最优的解。这一过程不仅提高了优化搜索的针对性和有效性，还确保了最终得到的优化啮合参数能够在实际工程中得到有效应用。这一步骤的引入，不仅增强了优化结果的实用性和可靠性，还为后续的工程实践提供了更加有力的技术支撑。

[0054] 综上所述，本申请实施例至少具有如下技术效果：本申请通过获取行星齿轮减速装置的结构设计图纸，解析啮合参数和传动路径，进行能耗跟踪，识别多个能耗分布节点，并确定能耗产生位置、类型和能耗量，基于能耗分布节点与啮合参数的映射关联，以能耗量最小化为目标进行参数搜索，获得优化啮合参数，对星齿轮减速装置进行参数调整。

[0055] 达到了通过全局参数搜索和优化，寻找能耗最小化的调整策略，从而全面提升减速装置的能效的技术效果。

[0056] 需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0057] 以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

[0058] 本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变形属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变形在内。