汽车磁流变半主动悬架的模糊PID控制研究

为了解决传统的被动悬架阻尼参数不可调节,汽车的乘坐舒适性和操纵稳定性难以改善的问题.提出使用磁流变阻尼器代替被动阻尼器,通过将磁流变阻尼器基于BP神经网络的逆向模型与模糊PID控制器形成闭环反馈来实现对汽车悬架的半主动控制.通过仿真实验和数据分析得到,基于磁流变阻尼器的模糊PID控制的半主动悬架系统的车身垂直加速度、悬架动挠度和轮胎动载荷的均方根植明显比被动悬架的均方根值小.结果表明:该方法可以有效地提高汽车的乘坐舒适性和操作稳定性,改善悬架系统的性能.     

考虑时滞的磁流变半主动悬架控制

为改善车辆的舒适性,对考虑时滞的磁流变半主动悬架控制进行研究。首先根据鲁棒控制理论设计出能够获得悬架期望控制力的H_∞控制律,然后建立能够反映期望控制力与控制电压关系的逆模型,实现主动控制到半主动控制转变。在控制策略中,针对控制系统存在的时滞问题,分别设计时滞独立和时滞依赖两个稳定性条件下的控制律;针对磁流变阻尼器难以建立解析形式的逆模型问题,采用BP神经网络建立期望控制力与控制电压关系。最后,开展半主动悬架控制性能验证。结果表明:时滞独立条件下悬架控制性能较保守,但稳定性高;时滞依赖条件下悬架控制性能优于时滞独立条件,但时滞边界对控制性能影响较大。     

磁流变阻尼器被动隔震振动台试验研究

目的检验磁流变阻尼器应用于结构被动隔震控制下的减震效果．方法对1：4缩尺比例的结构模型进行橡胶垫与磁流变阻尼器联合控制下的振动台试验，试验采用对磁流变阻尼器施加零电压和最大电压控制。来模拟结构在阻尼器被动摩擦阻尼和被动粘滞阻尼两种控制方式下。隔震上部结构和隔震层的的动力响应．结果应用磁流变阻尼器对结构进行的两种被动控制，均能起到很好的减震效果．其中被动摩擦控制可对隔震结构在大震下的隔震层位移起到限位作用；被动粘滞阻尼控制可对隔震结构小震下上部结构的加速度反应进行很好的控制．结论采用橡胶垫联合磁流变阻尼器对结构进行被动隔震控制，控制方法简便易行，控制效果良好．     

建筑结构利用磁流变阻尼器振动控制技术的研究进展

近年来,人们对磁流变阻尼器进行了大量研究的结果表明它是一种比较理想的半主动控制装置.本文从磁流变液的特点,磁流变液体的力学模型,半主动控制策略及工程应用等几个方面阐述了其发展过程,并指出磁流变阻尼器存在的问题及发展前景.     

基于MR阻尼器的控制力矩陀螺振动抑制方法研究

针对控制力矩陀螺引起的微振动问题,研究了基于磁流变阻尼器的控制方法。在磁流变阻尼器结构设计的基础上,建立了磁流变阻尼器的动力学模型,提出磁流变阻尼器的半主动控制算法。根据磁流变阻尼器对磁场的要求设计了磁路结构,在Maxwell中完成磁力线和磁感应强度的有限元分析,对系统的振动抑制效果进行了模型仿真。根据所提出的半主动控制算法及基于控制力矩陀螺平台的系统运动方程,在扰动源的激励下通过simulink进行仿真,并搭建了磁流变阻尼器振动实验平台测试其振动抑制效果。仿真及实验测试结果表明,所设计的磁流变阻尼器有效地实现了对控制力矩陀螺微振动的抑制目的。     

粘滞阻尼器与磁流变弹性体阻尼器对高层工业厂房混合控制振动台试验研究

为研究粘滞阻尼器和磁流变弹性体阻尼器的混合结构控制对大偏心高层钢结构化工厂房的减震效果,将12个粘滞阻尼器安装在设备四周,12个磁流变弹性体阻尼器以层间支撑形式安装在钢框架结构中,分别对无控结构、粘滞阻尼器的单一控制结构以及粘滞阻尼器和磁流变弹性体阻尼器的混合控制结构进行八度罕遇Eicentro波、TAFT波、人工波(峰值为400 cm/s2)作用下的振动台试验。通过对结构响应的对比分析,结果表明:粘滞阻尼器的单一控制对设备的减震效果很好,对钢框架结构的减震效果很小;而两种阻尼器的混合控制对钢框架和设备都起到了很好的控制效果,并且两种阻尼器的混合控制优于单一阻尼器控制。     

基于SimMechanics的含磁流变阻尼器单自由度系统动态性能分析

磁流变阻尼器具有响应快、动态性能好的特点.利用Matlab/SimMechanics工具箱对含磁流变阻尼器的单自由度系统建模,并比较使用线性阻尼器和使用磁流变阻尼器对系统的动态性能的影响.发现使用磁流变阻尼器对阻尼系统的动态性能有显著的改善.     

磁流变阻尼器及其研究进展

磁流变阻尼器是应用磁流变体在强磁场下的快速可逆流变特性而制造的一种新型半主动控制装置。本文介绍了磁流变液的组成以及材料特点,即连续性、可逆性、频率响应时间短;从设计磁流变阻尼器的角度,阐述了磁流变阻尼器的构造特点、力学模型以及半主动控制方法;最后介绍了磁流变阻尼器的工程应用,总结了目前其存在的问题及今后发展的方向。     

旋转式磁流变阻尼器用于卷料张力模糊控制

为减小收、放卷料时的张力波动,提出用一种新型旋转式磁流变阻尼器作为控制元件的解决方案.确定了该阻尼器的结构,建立了阻尼器的阻尼力矩模型.模型仿真表明:阻尼力矩随电流增大呈指数规律增加,电流较小时近似为线性关系,而在电流大于5A时饱和;阻尼力矩与转轴角速度成正比.提出采用模糊逻辑方法对阻尼器的阻尼力矩进行控制,从而控制张力波动.确定了相应的模糊输入和输出变量,得出模糊控制规则.仿真结果表明:旋转式磁流变阻尼器应用于张力的模糊控制,能够降低张力波动的幅值.     

磁流变阻尼器无模型前馈/反馈复合控制

为了实现磁流变（MR）阻尼器高可靠性和高精度的阻尼力跟踪控制,克服基于逆向动力学模型的前馈控制易受模型误差和外界干扰影响的问题,提出结构简单、实现容易的无模型前馈/反馈复合控制(MFFFFBC)方法. 利用磁流变液减振器阻尼力连续可调的特点,将磁流变阻尼器控制器前一时刻的控制量进行采样保持作为前馈控制器,以避免建立复杂的磁流变阻尼器逆向动力学模型. 利用期望阻尼力与实际阻尼力之间的跟踪误差信号构建反馈控制器对前馈控制量进行实时修正,利用饱和函数对控制电压进行限幅,以避免控制电压高频振荡. 试验结果表明,在MFFFFBC控制下输出电压连续光滑变化,与经典的基于Heaviside阶跃函数的控制相比,采用本研究所提出的控制策略,黏性阻尼力和摩擦阻尼力的跟踪误差分别减小了21.98%和26.64%.     

MR智能阻尼器试验研究及径向基网络模型

制作了MR智能阻尼器，并在不同的位移，速度和电流输入情况下，对自制的MR智能阻尼器进行了性能试验研究，建立了MR智能阻尼器的径向基函数网络模型。结果表明：神经网络模型能精确的描述阻尼器正向和逆向工作特性，并且对液体沉降、液体磁响应时间、蓄能器刚度等因素的影响也能很好的解决。     

基于遗传BP神经网络的磁流变悬置模型辨识

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。     

人工神经网络在结构建模上的应用

对于结构控制，首先必须建立系统模型，而结构系统是非线性的、时变的，很难用常规方法来建模，运用学习速率自调整BP误差逆传播网络对两种结构进行了建模，其一是预测结构地震响应， 其二是建立MR阻尼器的理论模型。预测与仿真结果表明BP误差逆传播网络对建立非线性结构的模型十分有效。     

Modeling of Magneto-Rheological Damper with Neural Network

With the revival of magnetorheological technology research in the 1980＇s, its application in vehicles is increasingly focused on vibration suppression. Based on the importance of magnetorheological damper modeling, nonparametric modeling with neural network, which is a promising development in semi-active online control of vehicles with MR suspension, has been carried out in this study. A two layer neural network with 7 neurons in a hidden layer and 3 inputs and 1 output was established to simulate the behavior of MR damper at different excitation currents. In the neural network modeling, the damping force is a function of displacement, velocity and the applied current. A MR damper for vehicles is fabricated and tested by MTS; the data acquired are utilized for neural network training and validation. The application and validation show that the predicted forces of the neural network match well with the forces tested with a small variance, which demonstrates the effectiveness and precision of neural network modeling.     

基于串并行卷积门阀循环神经网络的短文本特征提取与分类

针对短文本数据特征少、提供信息有限,以及传统卷积神经网络（convolutional neural network,CNN）和循环神经网络（recurrent neural network,RNN）对短文本特征表示不充分的问题,提出基于串并行卷积门阀循环神经网络的文本分类模型,处理句子特征表示与短文本分类。该网络在卷积层中去除池化操作,保留文本数据的时序结构和位置信息,以串并行的卷积结构提取词语的多元特征组合,并提取局部上下文信息作为RNN的输入;以门阀循环单元（gated recurrent unit,GRU）作为RNN的组成结构,利用文本的时序信息生成句子的向量表示,输入带有附加边缘距离的分类器中,引导网络学习出具有区分性的特征,实现短文本的分类。实验中采用TREC、MR、Subj短文本分类数据集进行测试,对网络超参数选择和卷积层结构对分类准确率的影响进行仿真分析,并与常见的文本分类模型进行了对比实验。实验结果表明：去掉池化操作、采用较小的卷积核进行串并行卷积,能够提升文本数据在多元特征表示下的分类准确率。相较于相同参数规模的GRU模型,所提出模型的分类准确率在3个数据集中分别提升了2.00%、1.23%、1.08%;相较于相同参数规模的CNN模型,所提出模型的分类准确率在3个数据集中分别提升了1.60%、1.57%、0.80%。与Text-CNN、G-Dropout、F-Dropout等常见模型相比,所提出模型的分类准确率也保持最优。因此,实验表明所提出模型可改善分类准确率,可实际应用于短文本分类场景。     

磁流变阻尼器智能基础隔震系统的模糊控制

将新型控制装置磁流变阻尼器应用于基础隔震结构,设计了符合磁流变阻尼器特点的模糊控制器,根据隔震层位移和加速度决定控制电压的大小.3层隔震结构的仿真结果表明,模糊控制技术有利于发挥磁流变阻尼器的性能,模糊控制方案的减震效果优于被动控制方案.     

基于不同神经网络模型的冷凝器两相换热量的研究

在混合工质下利用4种神经网络模型(反馈神经网络模型(BP)、遗传神经网络模型(GA - BP)、极限学习机网络模型(ELM)和递归神经网络模型(RNN))预测了板式换热器的换热量(含相变换热).结果显示:热源温度为30、40、50 ℃时,GA - BP神经网络模型的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均小于其他3种神经网络模型,且与实际值接近.该结果表明,GA - BP神经网络模型比其他3种神经网络模型更适用于预测板式冷凝器的换热量(含相变换热).     

设置磁流变阻尼器的结构地震响应分析

研究了弹塑性系统的恢复力数学模型及磁流变阻尼器的力学模型,对设置和未设置磁流变阻尼器的3层框架结构进行了仿真分析.结果表明,在地震作用下,磁流变阻尼器可以减小结构水平位移,且安置在不同位置,抗震效果也不同.