基于BP神经网络的多环槽磁流变减振器动力学模型辨识

磁流变阻尼器动力学模型参数识别邓国红;李长江;杨鄂川;欧健【摘要】针对磁流变阻尼器动力学模型中的未知参数,采用阻尼最小二乘法进行参数识别.推导了剪切阀式磁流变阻尼器的数学模型并进行动力特性仿真,通过仿真结果分析,提出磁流变阻尼器非线性Bingham参数模型,利用阻尼最小二乘法识别出非线性Bingham模型的参数,得到磁流变阻尼器动力模型.通过动力模型仿真验证,结果表明非线性模型可以准确的描述磁流变阻尼器的动力特性,说明阻尼最小二乘法能有效的识别非线性参数模型,为磁流变阻尼器在汽车碰撞缓冲吸能应用方面奠定了基础.【期刊名称】《机械设计与制造》【年(卷),期】2019(000)002【总页数】5页(P42-46)【关键词】非线性动力模型;阻尼最小二乘法;数学模型;参数识别【作者】邓国红;李长江;杨鄂川;欧健【作者单位】重庆理工大学车辆工程学院,重庆 400054;重庆理工大学车辆工程学院,重庆 400054;重庆理工大学机械工程学院,重庆 400054;重庆理工大学车辆工程学院,重庆 400054【正文语种】中文【中图分类】TH16;U4631 引言文献[1]提出具有可变刚度和可变阻尼的缓冲吸能装置，对提高汽车前部吸能结构的吸能特性将有重要意义。

基于磁流变技术[2]研发的磁流变阻尼器具有输出阻力大、阻尼连续可调、动态范围宽、响应速度快等特点，作为一种智能吸能缓冲辅助装置与传统吸能装置相结合，对提高汽车的安全性将有重大意义。

文献[3]对单杆磁流变阻尼器在不同冲击速度下的性能进行了试验，并提出将磁流变阻尼器应用在汽车前部吸能结构中。

文献[4]对磁流变缓冲器在汽车正面碰撞方面的缓冲吸能性能进行了研究。

文献[5]将磁流变缓冲器安装在保险杠和车架横梁之间，通过控制器自适应调节输入励磁线圈的电流，改变汽车碰撞缓冲系统的刚度和阻尼，来降低汽车碰撞过程中对驾乘人员的伤害。

在现有的研究基础上，以汽车碰撞为应用背景，推导磁流变阻尼器的数学模型，对磁流变阻尼器在幅值不同的正弦激励下进行动力特性仿真，根据仿真结果提出磁流变阻尼器非线性Bingham模型，采用阻尼最小二乘法对非线性Bingham模型进行参数识别，通过仿真验证，经过参数识别的模型可以准确的描述磁流变阻尼器的动力特性，说明阻尼最小二乘法能够有效的识别非线性模型的参数。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810791665.7(22)申请日 2018.07.18(71)申请人 西安交通大学地址 710049 陕西省西安市碑林区咸宁西路28号(72)发明人 董龙雷　樊新刚　周嘉明　(74)专利代理机构 西安通大专利代理有限责任公司 61200代理人 高博(51)Int.Cl.G01M 13/00(2019.01)G06N 3/04(2006.01)G06N 3/08(2006.01)(54)发明名称一种基于BP神经网络的橡胶减振器性能预测及选型方法(57)摘要本发明公开了一种基于BP神经网络的橡胶减振器性能预测及选型方法，通过振动试验得到橡胶减振器试件的共振频率和减振效率；以振动试验得到的试验数据为基础，以橡胶减振器的几何特征和邵氏硬度作为BP神经网络的输入，以橡胶减振器的共振频率或者减振效率作为BP神经网络的输出，训练神经网络，得到橡胶减振器的物理参量与减振性能的映射关系；利用神经网络模型，对大量未知减振器进行减振器性能预测，然后对物理变量和减振性能数据进行管理，从减振性能出发选出合适的减振器对应的物理参量，完成选型。

本发明通过减振器的物理特征变量来预测减振器性能参数，只需根据设计振动量从数据库中选出符合要求的减振器；具有可推广性且选型预测效率高。

权利要求书2页 说明书18页 附图3页CN 109186967 A 2019.01.11C N 109186967A1.一种基于BP神经网络的橡胶减振器性能预测及选型方法，其特征在于，通过振动试验得到橡胶减振器试件的共振频率和减振效率；以振动试验得到的试验数据为基础，以橡胶减振器的几何特征和邵氏硬度作为BP神经网络的输入，以橡胶减振器的共振频率或者减振效率作为BP神经网络的输出，训练神经网络，得到橡胶减振器的物理参量与减振性能的映射关系；利用神经网络模型，对减振器进行性能预测，然后对物理变量和减振性能数据进行管理，从减振性能出发选出合适的减振器对应的物理参量，完成选型。

基于MATLAB的BP神经网络实现减振器缺陷产品自动识别任强;谢伟东【摘要】Shock absorber is an important part of automotive suspension,it will direct influence the safety and comfort of a vehicle. Indicator diagram of shock absorber plays an important role in identifying whether it is qualified. At present, shape identification of the indicator diagram of shock absorber depends heavily on experience. The paper trained BP neural networks wilh MATLAB to realize automatic identification the defective products of shock absorber. The study has tremendous market value. [Ch,1 fig.2 tab.9 ref. ]%减振器是汽车悬架的重要组成部分,其性能直接影响整车的安全性和舒适性,减振器示功图是判断减振器是否合格的重要依据.目前,减振器示功图的类型识别都依赖人的经验.文章通过在MATLAB中训练BP神经网络,实现了减振器缺陷产品的自动识别,该研究具有巨大的市场价值.【期刊名称】《轻工机械》【年(卷),期】2012(030)004【总页数】3页(P95-97)【关键词】减振器;示功图;MATLAB;BP神经网络【作者】任强;谢伟东【作者单位】浙江工业大学机械工程学院,浙江杭州310014;浙江工业大学机械工程学院,浙江杭州310014【正文语种】中文【中图分类】TH1730 引言汽车悬架的主要任务是传递作用在车轮与车身之间的力和力矩，并缓解由于不平路面传给车身的冲击载荷，衰减由此引起的承载系统的振动，以保证汽车行驶的平顺性。

基于BP和HBP流变模型的磁流变阻尼器数值模拟与性能分析舒慧杰;胡国良;朱文才;喻理梵;李品烨【期刊名称】《工程设计学报》【年(卷),期】2024(31)3【摘要】针对传统本构模型表达磁流变液的流变特性精度不高的问题,采用MCR302流变仪对磁流变液的流变特性进行测试,获得了不同磁场下剪切应力与剪切速率之间的关系。

利用遗传算法对Bingham-Papanastasiou(BP)模型和Herschel-Bulkley-Papanastasiou(HBP)模型进行参数辨识。

利用辨识结果建立了仿真模型,对磁流变阻尼器的动态特性进行数值模拟。

设计并加工了磁流变阻尼器,搭建了阻尼力测试平台进行阻尼力测试实验,并将实验结果与仿真结果进行对比。

结果表明:HBP模型对磁流变液流变特性的辨识结果与实验结果吻合较好;2个模型对阻尼器动态特性的预测结果相差较大,仅对流速的预测一致性较好;基于HBP模型的阻尼力预测值与实验值较吻合。

所提出的HBP模型表达磁流变液流变特性的精度较高,具有良好的实用价值。

研究结果可以为振动控制领域磁流变阻尼器力学模型的选择提供参考。

【总页数】7页(P402-408)【作者】舒慧杰;胡国良;朱文才;喻理梵;李品烨【作者单位】华东交通大学机电与车辆工程学院【正文语种】中文【中图分类】TH113【相关文献】1.磁流变阻尼器BP神经网络逆向模型的优化2.基于BP神经网络的磁流变阻尼器逆向模型研究3.基于磁场FE和CFD的磁流变阻尼器力学性能分析4.基于DOE及RSM的单线圈磁流变阻尼器优化设计及动力性能分析5.基于最小二乘法和BP神经网络的磁流变阻尼器H-B模型参数辨识方法因版权原因，仅展示原文概要，查看原文内容请购买。

基于BP神经网络的多环槽磁流变减振器动力学模型辨识田静;何军;祝世兴
【期刊名称】《液压与气动》
【年(卷),期】2010(000)006
【摘要】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.
【总页数】4页(P39-42)
【作者】田静;何军;祝世兴
【作者单位】中国民航大学航空工程学院,天津,300300;中国民航大学航空工程学院,天津,300300;中国民航大学航空工程学院,天津,300300
【正文语种】中文
【中图分类】TH137
【相关文献】
1.基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识 [J], 朱红坤;郭蕴华;牟军敏;胡甫才;任文峰
2.基于广义回归神经网络的磁流变减振器模型辨识 [J], 王戡;郑玲;刘非
3.基于粒子群算法的6自由度机械臂动力学模型参数辨识 [J], 禹鑫燚;詹益安;洪学劲峰;欧林林
4.基于BP神经网络实现的B样条插值在系统动力学模型的应用 [J], 王丽琼;王铁骊;楚燕婷
5.基于MATLAB的磁流变减振器模型参数辨识及验证 [J], 周安江;杨礼康;叶万权;杜嘉鑫
因版权原因，仅展示原文概要，查看原文内容请购买。

基于遗传BP神经网络的磁流变悬置模型辨识邓召学;郑玲;郭敏敏;张自伟【期刊名称】《电子科技大学学报》【年(卷),期】2014(000)006【摘要】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。

%Initial weights and thresholds of BP neural network are optimized by using Genetic Algorithm(GA) method to solve its slow convergence speed and local optimum. The defect of BP neural network is thus overcome by the proposed method. The direct and inverse dynamic models for a prototype of Magneto-rheological (MR) mount are identified by using traditional BP neural network and novel GA-BP neural network. The results show that the GA-BP neural network has faster convergence rate and higher precision compared with the traditional BP neural network in the identification of direct and inverse model for MR mount.【总页数】6页(P955-960)【作者】邓召学;郑玲;郭敏敏;张自伟【作者单位】重庆大学机械传动国家重点实验室重庆沙坪坝区 400030;重庆大学机械传动国家重点实验室重庆沙坪坝区 400030;重庆大学机械传动国家重点实验室重庆沙坪坝区 400030;重庆大学机械传动国家重点实验室重庆沙坪坝区400030【正文语种】中文【中图分类】U463.1【相关文献】1.基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识 [J], 刘永强;杨绍普;廖英英;张耕宁2.基于BP神经网络的多环槽磁流变减振器动力学模型辨识 [J], 田静;何军;祝世兴3.基于遗传算法和BP神经网络的组培苗生长模型辨识 [J], 孙燕;马明建4.基于遗传算法的磁流变半主动悬置系统控制器设计 [J], 潘道远;高清振;唐冶5.基于遗传算法的磁流变半主动悬置系统控制器设计 [J], 潘道远;高清振;唐冶因版权原因，仅展示原文概要，查看原文内容请购买。

第 43 卷第 5 期2023 年 10 月振动、测试与诊断Vol. 43 No. 5Oct.2023 Journal of Vibration，Measurement & Diagnosis磁流变弹性体减震器测试与力学建模∗刘强1，2，徐凯1，占晓明2，郑涛2（1.中国海洋大学工程学院　青岛，266100） （2.浙江华东测绘与工程安全技术有限公司　杭州，310014）摘要磁流变弹性体（magnetorheological elastomers，简称MRE）的力学性能呈现复杂的非线性特性，建立MRE减震器的力学模型以表征其动力学特性是进行智能振动控制应用的关键。

针对有参模型参数识别困难、无参模型易陷入局部最优等问题，根据MRE减震器的力学特性试验结果，建立思维进化算法（mind evolution algorithm，简称MEA）优化的BP神经网络模型来描述MRE减震器的力学特性，并对比了参数化建模与非参数化建模的差异性。

研究结果表明：线性K‑C模型仅能描述MRE减震器的线性力学特性；Bouc‑Wen模型能较为准确地表征其中心对称非线性力学特性；MEA‑BP神经网络能准确预测MRE减震器的非线性力学特性。

研究成果为MRE减震器的设计及应用提供了参考。

关键词磁流变弹性体减震器；思维进化算法；BP神经网络；力学建模中图分类号TB535.1引言磁流变弹性体减震器是一类智能半主动减振装置，其刚度和阻尼可以随着施加的磁场大小和方向变化。

MRE可在磁场或非磁场的条件下进行固化，形成各向同性或各向异性的类橡胶聚合物，通过改变MRE周围的磁场强度，可以使内部铁磁颗粒获得运动的偶极矩，实现刚度的可调性。

MRE响应迅速、能耗低，避免了传统磁流变液颗粒沉积、密封问题等缺陷，成为车辆悬架、民用建筑、精密仪器和其他振动控制应用中的首选材料［1‑2］。

为了实现MRE的振动控制应用，建立能准确表征MRE的力学模型十分必要。

磁流变减振装置的动力学参数优化邱涛;周爽;叶小冬【摘要】为将磁流变技术更好地应用在车削减振装置中,提出了磁流变阻尼器主要的动力学模型,研制了基于动力学减振原理的磁流变车削减振装置,建立了该装置的动力学模型.通过受力分析,推导了车床刀架主振系统相对振幅的表达式.由于刚度和阻尼是影响磁流变减振装置特性的两个重要参数,所以采用数值搜索法对动力学模型中的刚度和阻尼参数进行优化,修正了各频段的区间,确定与最佳减振效果相对应的刚度和阻尼.【期刊名称】《农业装备与车辆工程》【年(卷),期】2018(056)010【总页数】4页(P93-95,100)【关键词】磁流变减振装置;动力学模型;参数优化;数值搜索法【作者】邱涛;周爽;叶小冬【作者单位】200093 上海市上海理工大学;200093 上海市上海理工大学;200093 上海市上海理工大学【正文语种】中文【中图分类】TG510 引言在制造业加工中，车削加工一直都是非常重要的加工手段，而车削颤振则是制约车削加工效率、影响生产质量的重要因素之一[1]。

有研究人员采用附加动力吸振装置来抑制振动[2-4],此种加工方法需要建立模型并且准确地计算出吸振器的参数才可以达到减振效果。

也有学者试图改变切削参数[5-7]来控制切削振动,此方法在实施过程中容易降低加工效率。

本文建立了磁流变减振装置的动力学模型，利用数值搜索法对磁流变减振装置的动力学参数进行优化，确定了各频段下最大相对振幅取最小值时的刚度和阻尼，并对各频段的区间进行了优化与调整。

1 磁流变阻尼器动力学模型的分类磁流变（MR）阻尼器动力学模型主要包括两类：参数化动力模型与非参数化动力模型。

参数化模型是利用刚度和阻尼单元的不同组合来模拟阻尼器力学性能，这些参数由相应的模型实验数据产生，基本的参数化模型有：Bingham粘塑性模型、Bingham粘弹-塑性模型、Bouc-Wen模型。

Bingham粘塑性模型能够反映MR 阻尼器的力-位移特性，但不能显示力-速度响应的非线性性能；Bingham粘弹-塑性模型的力-速度曲线与实验结果接近，但是不易于数值处理；Bouc-Wen模型由于其数字上易于处理，所以应用相当广泛。

基于MATLAB的磁流变减振器模型参数辨识及验证周安江;杨礼康;叶万权;杜嘉鑫【摘要】为探讨简单实用的磁流变减振器动力学性能模型,根据磁流变减振器的动力学性能试验结果,基于MATLAB分别针对修正后Bingham模型的系数和修正后Dahl模型的系数进行参数辨识,并用另一组试验数据对辨识结果进行了验证及对比.结果表明,此方法简化了磁流变减振器模型参数辨识,而且还可用于其他非线性动力学模型的参数辨识.%In order to explore the simple and practical dynamic performance model of the magnetorheological damper ,parameters of the modified Bingham model and the modified Dahl model were identified by employing MATLAB ,according to the experimental results of its dynamic performance ,and the identification results were verified and compared with another set of experimental data .The results show that the proposed method has simplified the parameter identification process of magnetorheological damper model , w hich can also be used for parameter identification of other nonlinear dynamic models .【期刊名称】《浙江科技学院学报》【年(卷),期】2018(030)003【总页数】7页(P251-257)【关键词】磁流变减振器;修正的Bingham模型;修正的Dahl模型;参数辨识【作者】周安江;杨礼康;叶万权;杜嘉鑫【作者单位】浙江科技学院机械与能源工程学院,杭州310023;浙江科技学院机械与能源工程学院,杭州310023;浙江科技学院机械与能源工程学院,杭州310023;浙江科技学院机械与能源工程学院,杭州310023【正文语种】中文【中图分类】U463.335.1车辆悬架系统的主要阻尼元件是减振器，其性能对车辆行驶平顺性和操纵稳定性的影响非常直接。

磁流变阻尼器BP神经网络逆向模型的优化
张豪文;郭全民;王言
【期刊名称】《西安工业大学学报》
【年(卷),期】2017(037)012
【摘要】为消除磁流变阻尼器逆向模型输出阻尼力与控制电流和活塞相对位移之间存在的非线性滞回特性以提高泛化程度和控制实时性,利用反向传播(BP)神经网络建立磁流变阻尼器逆向模型,采用遗传算法对神经网络的结构、阈值和权值进行了优化,对预测电流进行了误差分析.将该优化的磁流变阻尼器神经网络逆向模型应用到汽车半主动悬架控制系统中进行仿真,结果表明:与期望电流值相比,优化后 BP 神经网络逆向模型的控制电流预测误差较优化前减小;与优化前相比,采用优化后的逆向模型的悬架的垂向加速度、俯仰角加速度和侧倾角加速度均减小,控制实时性增强.
【总页数】6页(P915-920)
【作者】张豪文;郭全民;王言
【作者单位】西安工业大学电子信息工程学院,西安710021;西安工业大学电子信息工程学院,西安710021;西安工业大学电子信息工程学院,西安710021
【正文语种】中文
【中图分类】TB535.1
【相关文献】
1.磁流变阻尼器逆向模型的建模、优化与仿真 [J], 廖英英;刘永强;杨绍普;赵志宏
2.基于神经网络的磁流变阻尼器逆向模型辨识研究 [J], 要会娟;浮洁;张丽香
3.基于BP神经网络的逆向物流中心选址模型研究 [J], 詹川
4.基于BP神经网络的磁流变阻尼器逆向模型研究 [J], 李欣; 张进秋; 姚军; 彭虎
5.磁流变阻尼器神经网络模型的建立及优化 [J], 王伟江;闫兵;徐防晖;董大伟因版权原因，仅展示原文概要，查看原文内容请购买。