磁流变阻尼器神经网络模型的建立及优化

磁流变阻尼器在振动控制中有广阔的应用前景,建立其精确的力学模型是取得良好控制效果的关键因素之一.文中对某磁流变阻尼器进行了动力学性能测试;并通过统计学方法确定了该阻尼器正向、逆向模型的BP神经网络结构;针对传统遗传神经网络(GA-BP)早熟和收敛速度慢的问题,提出一种结合适应度线性变换、自适应交叉和变异概率的改进遗传神经网络(IGA-BP)算法;在此基础上,分别用BP神经网络、GA-BP神经网络和IGA-BP神经网络对阻尼器正向、逆向非参数化模型进行辨识.研究结果表明:文中提出的改进遗传神经网络算法收敛速度更快,模型精度更高,该非参数化模型能更准确地反映磁流变阻尼器的动力学特性.     

基于神经网络的磁流变阻尼器逆控制研究

为了解决阻尼器的非线性问题,设计了一种纯剪切型磁流变阻尼器,并针对其非线性特性,提出了利用径向基函数（RBF）神经网络的非线性映射能力,以建立磁流变阻尼器的逆模型。由已训练的磁流变（MR）阻尼器的逆向神经网络模型和MR阻尼器组成的控制单元,在给定所需控制力的情况下,使MR阻尼器产生相应的阻尼力,实现了MR阻尼器提供连续可调输出力的目的,也使得纯剪切型MR阻尼器在一些需要精确控制的场合能够方便使用。仿真结果表明,神经网络逆控制的方法是有效的、可行的。     

车辆磁流变半主动悬架滑模变结构优化控制

对悬架系统所用磁流变阻尼器进行阻尼特性试验,利用Levenberg-Marquardt优化算法对磁流变可调Sigmoid模型进行参数辨识,运用最小二乘法对辨识的参数进行拟合;基于天棚阻尼系统,设计了四分之一车辆悬架系统滑模控制器;采用极点配置法确定切换面参数,使用饱和函数代替符号函数,缓解滑模控制系统抖振问题,运用模糊控制、RBF神经网络对半主动悬架滑模控制器进行优化;以随机路面激励作为输入,分别对模糊控制、RBF神经网络优化的滑模控制器半主动悬架进行仿真分析.仿真结果表明:该优化算法辨识的可调Sigmoid模型具有良好的控制性能,利用该模型可实现对阻尼力的准确控制,所设计的RBF优化滑模控制器具有比模糊滑模控制器更优异的性能.     

磁流变阻尼器修正的Dahl模型的建立及仿真验证

磁流变阻尼器具有复杂的动态特性,为其建立准确的力学模型有助于更好地研究其振动控制。首先对某款磁流变阻尼器进行振动试验,采集到其力、位移、速度等数据,然后在Simulink中搭建其修正的Dahl模型,并利用Simulink中的参数估计工具进行了参数辨识,最后将辨识出的参数导入模型进行仿真。仿真结果与试验数据吻合度较高,证明所建立的修正的Dahl模型准确,有助于进一步研究磁流变阻尼器的振动控制。     

冲击载荷下磁流变阻尼器动态特性分析及模型参数辨识

对自行设计的长行程磁流变阻尼器进行了冲击试验,测试其在冲击载荷下的动态特性.通过采用非线性最小二乘法对试验数据拟合,得到基于Herschel-Bulkley磁流变液非线性本构特性的平行平板恒流模型能够准确描述,冲击载荷下后坐过程速度下降阶段磁流变阻尼器的动态特性.针对以上模型在高低速时函数表达不同且形式复杂的缺点,采用双曲正切函数描述低速时阻尼力随后坐速度平滑下降的特性,提出一种形式统一、表达简洁的磁流变阻尼器动态模型,并对模型中的参数进行了辨识.利用所提出的磁流变阻尼器动态模型,在Matlab/Simulink中建立磁流变阻尼器冲击后坐仿真平台,并对本次冲击试验进行数值仿真,结果表明仿真曲线与试验曲线吻合较好,证明以上简化模型的正确性.     

基于磁流变阻尼器多项式逆模型的半主动悬架混合H2／H∞鲁棒控制研究

利用多项式模型模拟磁流变阻尼器的环滞特性,根据多项式模型推导了磁流变阻尼器的逆模型。利用混合H2／H∞鲁棒控制算法得到悬架系统所需要的目标阻尼力。将混合H2／H∞鲁棒控制算法和磁流变阻尼器的逆模型接合起来,提出了磁流变阻尼器半主动悬架系统的开环控制策略,并且成功地应用于半主动悬架控制中。     

磁流变阻尼器动力性能测试与建模

建立磁流变阻尼器精确的力学模型是进行磁流变阻尼减振结构反应分析与设计并取得良好振动控制效果的一个重要前提。首先,对一个最大出力为10kN的磁流变阻尼器进行动力性能测试;其次,基于试验结果分别建立该阻尼器的参数化与非参数化动力学模型,并对所建立模型的有效性进行验证;最后,对两种不同建模方式的结果进行对比分析。结果表明,建立的参数化模型——双曲正切滞回模型能够有效地描述磁流变阻尼器的动力特性;非参数化模型——反向传播(back propagation,简称BP)神经网络正向、逆向力学模型具有良好的训练样本拟合度、泛化能力和抗噪性能;在试验数据拟合度上,BP神经网络模型要好于双曲正切滞回模型,但后者阻尼力表达式形式简单,更易于程序化。     

基于模糊理论的磁流变阻尼器控制

该文对多环形槽结构磁流变阻尼器进行理论分析和实验建模,建立了该阻尼器的力学模型.根据实验数据,给出了阻尼力与控制电流之间和阻尼器响应速度的关系,并以此为依据设计出磁流变阻尼器的控制器.由于磁流变阻尼器具有非线性和滞回特性,目前的力学模型还不够精确,该文采用将模糊控制方法对阻尼器进行控制仿真,结果表明其控制效果较好     

基于BP神经网络的多环槽磁流变减振器动力学模型辨识

磁流变减振器的输入输出具有很强的非线性关系,通常在进行结构分析时,需要对结构进行简化或线性化处理,因此理论上计算的十分准确的控制量,在实际中并不能达到满意的控制效果。该文采用BP神经网络对所设计的减振器进行正模型和逆模型辩识,避免了对结构进行理论建模的复杂性与不精确性,达到了很好的辨识效果。     

磁流变阻尼器Bingham力学模型改进及参数辨识

磁流变阻尼器不仅具有阻尼快速响应、良好的温度稳定性、内部结构简单等优势,而且可以通过调节控制电流使阻尼器的出力值连续变化,实现阻尼力可控。由于磁流变阻尼器阻尼特性与内部磁流变液的磁流变效应有关,具体表现非常复杂,现有力学模型目精度不足,无法精确描述磁流变阻尼器的阻尼特性。在磁流变阻尼器力学性能测试基础上,应用分段拟合函数方法同时结合反正切函数模型改进模型,并辨识改进后力学模型中各参数。将改进后的Bingham模型与实际测试出力值进行对比,结果表明改进后的Bingham模型能够很好地解决Bingham力学模型在非线性滞回阶段出力值曲线与实际测试数据不符的问题,改进后模型总体出力值曲线与阻尼器实际出力值基本相同,模型精度大幅提升。此种改进方法为磁流变阻尼器建立高精度力学模型提供参考。