技术领域
[0001] 本发明涉及运动控制技术领域，特别是涉及一种基于力矩反馈的变电站端子排紧固工具控制方法和系统。
相关背景技术
[0002] 为保证电力系统的安全运行，对变电站开展的检修工作至关重要，而通过对变电站二次系统预试各环节的用时统计，端子排紧固工作耗时最长，然而现有的紧固工具在具体应用时，由于缺乏统一的端子紧固力度标准及力矩反馈，使得其无法适应不同的螺纹类型并评估紧固进度，极大的降低了工作效率。
[0003] 由此可见，解决如何提高现有端子排紧固工具的工作效率问题，已经成为本领域技术人员所要亟待解决的技术问题。
具体实施方式
[0057] 下面结合附图和实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0058] 在本申请描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0059] 在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
[0060] 在本申请的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
[0061] 在一实施例中，如图1所示，本发明第一方面提供一种基于力矩反馈的变电站端子排紧固工具控制方法，应用于双刀头紧固工具，所述双刀头紧固工具中双刀头对应的双轴独立驱动；所述双刀头紧固工具中各所述刀头与对应刀柄的连接处设置有电动模块；所述电动模块包括电机，以使对应刀头由自身电机进行独立驱动；所述电动模块还用于反馈对应刀头的力矩数据。
[0062] 具体的，本发明考虑到变电站内端子排具有不同的间距，为此所采用的双刀头紧固工具具备双轴间距可调节的特性；为实现紧固工具的电动功能，在双刀头紧固工具的各刀头与其对应刀柄连接处加装含有电机的电动模块，使得各刀头由各自对应的独立的电机进行驱动，以实现对任意刀头进行运动控制。另外，为更好的实现紧固工具的双头同时紧固，在电动模块中设置力矩反馈单元以实现变速寻齿；其中，力矩反馈单元用于实时监测紧固过程中的力矩变化，在每个紧固刀头上安装力矩传感器，将紧固过程中的力矩数据实时反馈给电动模块的控制器，使控制器根据力矩数据的变化调整电机的转速和转向，进而使紧固刀头能够更准确地找到并适应紧固件的齿形，同时为评估双道具的协同性以及工作进程奠定基础。进一步地，根据变电站内主要的端子排类型，设计紧固工具的标准化双头刀具形成双刀头紧固工具，其主要的刀头间距分别为1.5cm、2.5cm、4.5cm。
[0063] 本发明通过双轴间距可调节和刀具间距的定制化以此适应于不同端子排类型，并通过双轴独立驱动和力矩反馈的方式，实现对双刀具的更好控制，提高工作效率。
[0064] 所述方法包括：
[0065] S1、获取变电站端子排内多种直径螺纹在若干种紧固任务中的历史力矩数据并筛选，以建立多种紧固任务及多种直径螺纹下的端子排紧固力度标准；
[0066] 在一实施例中，步骤S1包括：
[0067] 获取变电站端子排内多种直径螺纹在若干种紧固任务中所需的历史力矩数据，以构建历史力矩集合；具体的，本发明为适应不同端子排类型以及螺丝强度带来的差异，针对端子紧固工作中的不同直径螺纹，通过采用对应的双刀头紧固工具进行测试，设置不同的力矩值对螺纹进行拧紧，并对不同直径螺纹与对应双刀头紧固工具在多种任务中的力矩数据进行采样收集，得到历史力矩集合。
[0068] 从所述历史力矩集合中选取在若干种紧固任务中拧紧程度满足紧固任务进度需求，并满足成功率阈值的最小历史力矩数据，以建立多种直径螺纹下的端子排紧固力度标准；
[0069] 所述最小历史力矩数据通过下式选取：
[0070]
[0071] 式中，Ρi为历史力矩集合； 为成功率阈值；nh为在若干种紧固任务中拧紧程度满足第h种紧固任务进度需求的数量，h＝1、2、3；Ni,j为第i种型号直径螺纹采用j值的历史力矩数据的数量。
[0072] 其中，h＝1时，适用于拧紧时不突出孔外的无头螺钉和不能用刀口宽度大于螺钉根部直径的螺丝刀拧紧的其他螺钉；h＝2时，适用于用螺丝刀拧紧的螺钉和螺母；h＝3时，适用于不可用螺丝刀拧紧的螺钉和螺母。本发明通过从历史力矩集合中选取在紧固任务中拧紧程度满足紧固任务进度需求，进而记录其在不同力矩下的成功率，对满足成功率阈值的组合进行划分集合，并从中选出满足成功率阈值的最小力矩，以此建立统一端子排紧固力度标准，即基于不同的螺纹类型以及紧固任务需求设置对应的拧紧力矩，制定了相应的端子紧固力度标准，以便于实现标准化统一作业。
[0073] S2、根据所述端子排紧固力度标准控制所述双刀头紧固工具对目标螺纹进行紧固，得到力矩变化数据，并将所述力矩变化数据和所述目标螺纹作为样本数据对神经网络模型进行训练，得到用于识别紧固任务进度的多层感知器；
[0074] 具体的，根据端子排紧固力度标准选用合适的拧紧力矩对所选的目标类型螺纹进行拧紧，通过力矩反馈记录其在拧紧过程中的力矩变化信息，同时记录工作进程(即螺栓拧紧程度)，以此进行大量测试并采集对应的样本，需要注意的是，目标螺纹的类型并不限制为一种，可以是多种，以丰富样本数据。
[0075] 在一实施例中，所述将所述力矩变化数据和所述目标螺纹作为样本数据对神经网络模型进行训练，得到用于识别紧固任务进度的多层感知器，包括：
[0076] 在训练过程，将所述力矩变化数据以及所述目标螺纹的紧固任务进度进行前向传播和反向传播，以更新所述神经网络模型的权重和偏置，得到训练后的神经网络模型；
[0077] 在验证过程，引入模糊规则调节所述训练后的神经网络模型的超参数，并通过调参后的神经网络模型重复所述训练过程和所述验证过程，直至达到预设重复次数，输出用于识别紧固任务进度的多层感知器。
[0078] 具体的，本发明为了寻找样本中力矩变化数据、螺纹类型以及紧固任务进度的关系，通过多任务深度学习策略进行训练，神经网络模型训练过程如图2所示，其主要采用引入了人工神经网络架构的多层感知器(MLP)方法，MLP由输入层、多个隐藏层以及输出层组成，通过输入层接收输入数据，隐藏层通过学习特征表示，输出层产生最终的结果，隐藏层和输出层的每个神经元都具有激活函数，用于引入非线性映射。在训练过程中，该神经网络模型将样本数据中的力矩变化数据作为训练输入，将螺纹型号和紧固任务进度作为输出，利用MLP方法中的前向传播和反向传播进行不断更新各层连接的权重和偏置，得到训练后的神经网络模型；在验证过程中，引入模糊规则调节去调节训练后的神经网络模型中的学习率、批量大小以及隐藏层数量，以避免过拟合和欠拟合，并通过调参后的神经网络模型重复训练过程和验证过程，直至达到预设重复次数，得到多层感知器。
[0079] 本发明通过多任务深度学习策略得到的多层感知器主要包括：通过训练分类模型的方式，根据力矩变化数据辨别螺纹型号的分类功能，以及通过训练回归模型的方式，根据力矩变化数据监测紧固任务进度的回归功能。本发明结合深度学习策略，利用力矩反馈的变化信息判断不同的螺纹类型以及分析工作进程，以实现在工作过程中调节合适的拧紧力矩以及实时监督任务进程，以提高双刀头紧固工具的工作效率。
[0080] 在一实施例中，所述引入模糊规则调节所述训练后的神经网络模型的超参数，包括：
[0081] 将所述训练过程的训练误差和所述验证过程的验证误差作为输入参数，并将所述输入参数转换为模糊集合，计算每个输入参数在所述模糊集合中的参数隶属度；
[0082] 设置模糊逻辑的决策规则，并通过所述决策规则对所述模糊集合和所述参数隶属度进行Mamdani推理，得到输出模糊集合及对应的集合隶属度；
[0083] 通过重心法对所述输出模糊集合及对应的集合隶属度进行去模糊化，得到调节超参数，以通过所述调节超参数对所述训练后的神经网络模型进行参数调节。
[0084] 具体的，本发明采集模型训练过程中的训练误差和验证过程中的验证误差以作为输入参数，误差可用损失值表示，并将输入参数划分为多个模糊集合(低、较低、中、较高、高)，定义训练误差和验证误差的变化范围，使用隶属函数(如高斯函数、梯形函数等)计算每个输入参数在不同模糊集合中的隶属度；基于历史任务需求及其对应的力矩数据设置模糊逻辑的“如果‑那么”决策规则，如“如果训练误差高且验证误差高，则调节超参数以减小过拟合”，并使用Mamdani推理方法，根据输入参数的隶属度和定义的模糊规则，计算输出模糊集合及其对应的隶属度；采用重心法将输出模糊集合转换为一个具体的数值，即得到一个或多个用于调节神经网络模型超参数的数值，并将去模糊化得到的具体数值应用到MLP模型的参数中以训练MLP模型并评估其性能；根据模型性能，进一步调整模糊规则和模糊集合，以优化参数调节过程。
[0085] 本发明根据实时的训练误差和验证误差动态调整超参数，提高了模型调整的灵活性和适应性；通过模糊逻辑处理输入参数的不确定性，使得系统在面对复杂和不确定的环境时更加鲁棒；通过动态调节超参数，有助于避免过拟合或欠拟合，提高模型的泛化能力和整体性能；整个调节过程自动化，减少了人工干预，提高了效率，并且具有一定的智能化水平。
[0086] S3、基于所述端子排紧固力度标准构建所述双刀头紧固工具双轴间的运动约束并求解，得到双轴转动速度；
[0087] 具体的，考虑到双刀具独立驱动需要具备协同性，本发明基于端子排紧固力度标准，针对紧固任务过程中配合的双刀头紧固工具，结合不同螺纹导程和螺纹长度，构建双轴之间的运动约束，进而求解出预设的双轴转动速度，并对其进行预设以确保在无扰动下可以同时拧紧螺栓。为此构建运动约束，其通过下式表示：
[0088]
[0089]
[0090] 式中，Ω为运动约束；T1,T2分别为两个刀头完成对应紧固任务所需的时间；ω为约束变量，以限制T1,T2的关系；D1,D2分别为两个刀头在对应紧固任务中螺纹的移动进程；P1,P2分别为两个刀头在对应紧固任务中螺纹的导程；NRPS1,NRPS2分别为两个刀头在对应紧固任务中的转动速度。
[0091] 根据T1＝T2求解运动约束，即可得到双刀头紧固工具的双刀头对应双轴各自的预设转动速度。本发明通过构建双刀头紧固工具双轴间的运动约束，并基于该运动约束评估双轴的协同性，以提升紧固工具及的工作效率。
[0092] S4、获取目标紧固任务以及所述双刀头紧固工具执行所述目标紧固任务时的实时力矩数据，并将所述实时力矩数据输入至所述多层感知器进行处理，得到实时紧固任务进度；
[0093] 具体的，确定并获取紧固任务的具体要求，如紧固位置、紧固对象、目标扭矩值、紧固顺序等，并通过安装在双刀头紧固工具上的传感器实时采集紧固过程中的力矩数据；对实时力矩数据进行清洗，去除噪声和异常值，以及标准化或归一化处理，以提高多层感知器的处理效率；在实际紧固任务执行过程中，将实时力矩数据输入到训练好的多层感知器模型中进行处理，以输出实时紧固任务进度。
[0094] S5、通过所述实时紧固任务进度对所述运动约束进行评估，并根据评估结果控制所述双刀头紧固工具中的双刀头以所述双轴转动速度或改进速度运行，以实现对所述变电站端子排的紧固任务；所述改进速度为通过基于多种群协同进化的多目标优化算法优化后的S型加减速；
[0095] 在一实施例中，步骤S5包括：
[0096] 在所述实时紧固任务进度满足所述运动约束时，控制所述双刀头紧固工具中的双刀头以所述双轴转动速度运行；
[0097] 在所述实时紧固任务进度不满足所述运动约束时，控制所述双刀头紧固工具中的双刀头以所述改进速度运行；
[0098] 其中，所述改进速度通过下式表示：
[0099]
[0100] 式中，a(t)为期望加速度；am为加速度阈值；ts和ta为时间变化节点。
[0101] 具体的，双刀头紧固工具速度调节过程如图3所示，在实际紧固过程中，双刀头紧固工具的双刀头初始速度即为双轴转动速度，为避免由于误差和扰动导致双轴难以协同工作，为此利用力矩实时变化信息去检测双轴的紧固任务进度，以评估运动约束是否满足，若实时紧固任务进度满足运动约束，则控制双刀头紧固工具继续采用对运行约束求解得到的双轴转动速度运行，以进行目标紧固工作；若实时紧固任务进度不满足运动约束，则认定双刀头紧固工具难以做到双轴协同工作，为此需要对电动模块中较慢速的电机进行提速调节，即控制双刀头紧固工具采用改进速度运行，以进行目标紧固工作。
[0102] 本发明通过实时评估紧固任务进度与运动约束的关系，以动态调整双刀头的运行速度，当任务进度不满足约束时，切换到改进速度运行，有助于避免潜在的冲突或错误，确保紧固任务能够顺利进行，进而提高紧固任务的灵活性和适应性，更有效地利用时间和资源，以提高工作效率；同时，能够实时评估任务进度并作出相应调整，有助于提升紧固任务的安全性，减少因操作不当或设备故障导致的潜在风险。
[0103] 在一实施例中，所述通过基于多种群协同进化的多目标优化算法优化后的S型加减速，包括：
[0104] 将所述运动约束作为所述多目标优化算法的约束条件，并构建所述多目标优化算法的评价函数；
[0105] 将所述时间变化节点和所述加速度阈值作为优化变量，并将第一多目标优化算法、第二多目标优化算法和第三多目标优化算法进行组合以对所述评价函数进行求解，得到非支配解集；
[0106] 基于所述目标紧固任务，从所述非支配解集中选取目标时间变化节点和目标加速度阈值对S型加减速公式进行优化，得到所述改进速度。
[0107] 具体的，本发明为使双刀头紧固工具中的双刀头最终能同时紧固，采用多种群协同进化的多目标优化算法去调整时间变化节点与加速度阈值，以对S型加减速的速度指令的相关参数进行求解，并基于改进速度公式中的时间变化节点与加速度阈值构建多目标优化算法的评价函数，通过下式表示：
[0108]
[0109] 式中，J1,J2,J3是多目标优化函数，分别为提速所需时间，最大加速度对电机扭矩的影响以及提高角速度的最大值；M(am)为电机在达到加速度阈值时的力矩；M0为电机在未提速前的力矩；w0为电机的预设角速度。
[0110] 同时将运动约束Ω作为多目标优化函数的约束条件，将时间变化节点与加速度阈值作为优化变量，将三种不同的多目标优化算法进行组合以用于多目标优化，可采用基于遗传算法的多目标优化算法(NSGA‑II)、粒子群多目标优化算法(MOPSO)以及基于分解的差分进化多目标优化算法(MOEA‑DE)算法等，只要是多目标优化算法即可，在此不限定具体的算法类型。接着利用组合后的多目标优化算法对评价函数进行求解，得到非支配解集，并基于目标紧固任务的具体要求(如精度、速度、稳定性等)，从非支配解集中选取最合适的时间变化节点和加速度阈值代入S型加减速公式中，对其进行优化，得到改进后的速度曲线，该曲线应能够更好地满足目标紧固任务的需求。本发明通过多目标优化算法的组合使用，能够综合考虑多个优化目标，从而得到更加全面和优秀的解决方案，进一步提高了双刀头紧固工具的工作效率。
[0111] 在一实施例中，所述将第一多目标优化算法、第二多目标优化算法和第三多目标优化算法进行组合以对所述评价函数进行求解，得到非支配解集，包括：
[0112] 设置初始化参数以生成初始种群，将所述初始种群均匀随机划分为三个子种群，并分别分配给所述第一多目标优化算法、所述第二多目标优化算法和所述第三多目标优化算法以进行迭代，生成对应的三个子代解集；
[0113] 将所述子种群和所述子代解集进行合并及非支配排序，从中筛选解以对所述子种群进行更新，并根据子代存活率调整子种群比例；
[0114] 基于更新后的子种群迭代执行子代解集求解步骤以及非支配排序步骤，直至达到预设迭代次数，并输出最终得到的非支配解集。
[0115] 具体的，组合算法(以NSGA‑II、MOPSO以及MOEA‑DE算法为例)对评价函数的求解过程包括：
[0116] 步骤1：设置必要的初始化参数，如种群大小、迭代次数、子种群比例等，并根据这些参数生成一个初始种群Q，该种群包含多个候选解，将该种群均匀随机划分为三个子种群Q1、Q2、Q3，并分别分配给NSGA‑II、MOPSO以及MOEA‑DE算法；
[0117] 步骤2：利用这三种优化算法进行迭代(具体迭代过程在此不做论述)，生成对应子代解集Of1,Of2,Of3，每个解集包含多个经过优化后的候选解；
[0118] 步骤3：将子种群和三个子代解集进行合并，形成一个更大的解集，并对合并后的解集进行非支配排序，以区分不同优劣程度的解；根据非支配排序的结果，筛选出一部分优秀的解来更新子种群，并根据子代存活率(即优秀解在子种群中的比例)调整子种群的比例，以保持多样性；其中，子种群的比例调整通过下式进行：
[0119]
[0120] 式中，Q'x为调整后的子种群数量；Qx为子种群数量；Qmin、Qmax分别为子种群数量最小、大值；Rate(Ofx)为第x个子代解集在非支配排序后的存活率；μmin、μmax分别为存活率最小、大阈值，如果小于最小阈值，则为该算法随机分配至少Qmin数量的子种群，如果大于最大阈值，则为该算法随机分配至多Qmax数量的子种群；λ为各算法对应种群数量在迭代前后的调整因子；
[0121] 步骤4：判断是否达到预设迭代次数，如果达到，则输出非支配解集；如果未达到，将调整后的子种群数量重新分配给NSGA‑II、MOPSO以及MOEA‑DE算法，并重新进入步骤2中进行迭代求解，直至结束。
[0122] 本发明通过将初始种群划分为多个子种群，并分别应用不同的多目标优化算法，可以更有效地探索解空间，增加找到全局最优解的可能性，所采用的并行处理策略可以加速收敛过程，减少计算时间；而非支配排序和子代存活率的调整有助于保持解集的多样性，避免早熟收敛，通过动态调整子种群比例，可以进一步平衡探索和利用之间的关系；同时利用基于多种群协同进化的多目标优化算法和S型加减速的速度指令实现对速度的优化调整，以提高双轴的协同性，进一步保证紧固工具的工作效率。
[0123] 本申请实施例中基于如何提高现有端子排紧固工具的工作效率的问题，设计了一种应用于双刀头紧固工具的基于力矩反馈的变电站端子排紧固工具控制方法，所述双刀头紧固工具中双刀头对应的双轴独立驱动；其实现了获取变电站端子排内多种直径螺纹在若干种紧固任务中的历史力矩数据并筛选，以建立多种紧固任务及多种直径螺纹下的端子排紧固力度标准；根据所述端子排紧固力度标准控制所述双刀头紧固工具对目标螺纹进行紧固，得到力矩变化数据，并将所述力矩变化数据和所述目标螺纹作为样本数据对神经网络模型进行训练，得到用于识别紧固任务进度的多层感知器；基于所述端子排紧固力度标准构建所述双刀头紧固工具双轴间的运动约束并求解，得到双轴转动速度；获取目标紧固任务以及所述双刀头紧固工具执行所述目标紧固任务时的实时力矩数据，并将所述实时力矩数据输入至所述多层感知器进行处理，得到实时紧固任务进度；通过所述实时紧固任务进度对所述运动约束进行评估，并根据评估结果控制所述双刀头紧固工具中的双刀头以所述双轴转动速度或改进速度运行，以实现对所述变电站端子排的紧固任务；所述改进速度为通过基于多种群协同进化的多目标优化算法优化后的S型加减速的技术方案；有效提高了现有端子排紧固工具的工作效率。
[0124] 需要说明的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。
[0125] 在另一实施例中，如图4所示，本发明第二方面提供一种基于力矩反馈的变电站端子排紧固工具控制系统，应用于双刀头紧固工具，所述双刀头紧固工具中双刀头对应的双轴独立驱动；所述系统包括：
[0126] 标准建立模块10，用于获取变电站端子排内多种直径螺纹在若干种紧固任务中的历史力矩数据并筛选，以建立多种紧固任务及多种直径螺纹下的端子排紧固力度标准；
[0127] 模型训练模块20，用于根据所述端子排紧固力度标准控制所述双刀头紧固工具对目标螺纹进行紧固，得到力矩变化数据，并将所述力矩变化数据和所述目标螺纹作为样本数据对神经网络模型进行训练，得到用于识别紧固任务进度的多层感知器；
[0128] 约束求解模块30，用于基于所述端子排紧固力度标准构建所述双刀头紧固工具双轴间的运动约束并求解，得到双轴转动速度；
[0129] 进度获取模块40，用于获取目标紧固任务以及所述双刀头紧固工具执行所述目标紧固任务时的实时力矩数据，并将所述实时力矩数据输入至所述多层感知器进行处理，得到实时紧固任务进度；
[0130] 速度控制模块50，用于通过所述实时紧固任务进度对所述运动约束进行评估，并根据评估结果控制所述双刀头紧固工具中的双刀头以所述双轴转动速度或改进速度运行，以实现对所述变电站端子排的紧固任务；所述改进速度为通过基于多种群协同进化的多目标优化算法优化后的S型加减速。
[0131] 需要说明的是，上述一种基于力矩反馈的变电站端子排紧固工具控制系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。关于一种基于力矩反馈的变电站端子排紧固工具控制系统的具体限定参见上文中对于一种基于力矩反馈的变电站端子排紧固工具控制方法的限定，二者具有相同的功能和作用，在此不再赘述。
[0132] 综上，本发明涉及运动控制技术领域，公开了一种基于力矩反馈的变电站端子排紧固工具控制方法和系统，应用于双刀头紧固工具，其中双刀头对应的双轴独立驱动；基于不同的螺纹类型以及紧固任务需求设置对应的拧紧力矩，以制定相应的端子紧固力度标准，并在测试过程中结合深度学习策略，基于端子紧固力度标准利用力矩反馈的变化信息，以通过训练得到可分析紧固任务进程的多层感知器；基于端子排紧固力度标准构建双刀头紧固工具的双轴紧固的运动约束，并基于该运动约束评估双轴的协同性，进而利用基于多种群协同进化的多目标优化算法和S型加减速的速度指令实现对速度的优化调整，以提高双刀头紧固工具双轴的协同性，进一步提高紧固工具的工作效率。
[0133] 本说明书中的各个实施例均采用递进的方式描述，各个实施例直接相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要说明的是，上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0134] 以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。
