基于BP神经网络的多环槽磁流变减振器动力学模型辨识

合集下载

磁流变阻尼器动力学模型参数识别

磁流变阻尼器动力学模型参数识别

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。

基于BP神经网络与遗传算法的减振器优化设计_柳建容

基于BP神经网络与遗传算法的减振器优化设计_柳建容

第 30 卷
设计参数难以与系统频率实现全局性映像的难题 , 达到了优化目标。 1 1. 1 系统组成要求与总体设计思路 系统组成与要求
该系统由模拟盒和 4 个减振器组成, 模拟盒外 形尺寸为 150 mm × 120 mm × 90 mm 外壁分别开有 圆形与方形槽, 仿真盒质量约为 4. 5 kg, 形状不完全 质心不在箱体的几何中心。 减振器初步设计 对称, 形状如图 1 所示。系统中减振器的布置方式采用在 两相对平面内的对角线交叉布置, 并使空间对角线 的交点与模拟盒质心重合, 保证同一平面内的安装 [4 ] 点距质心距离相等, 以避免振动耦合化 。
[6 ]

第8 期
柳建容等: 基于 BP 神经网络与遗传算法的减振器优化设计
1269
减振器与模拟盒的连接利用 MPC 多点约束装 配方程。其目的是将减振器与模拟盒中不连续、 自 由度 不 协 调 的 单 元 网 格 联 系 起 来。 通 过 / COM, CONTACT PAIR CREATIONSTART 命 令 进 行 多 点 约束定义。减振系统有限元模型如图 4 所示。这个 过程必须注意, 在模拟盒当中创立的局部坐标系的 坐标轴方向一定要与减振器中的全局坐标系坐标轴 一致, 这样减振器的装配方向才能保证 。
对普通橡胶存在载荷方向与弹性位移一致且不 发生角位移的 3 个相互正交的轴线方向, 这 3 个轴
[5 ] 线称为橡胶的弹性主轴 。 为保证系统中抖频、 抖 幅的输出精度, 要求系统在减振器弹性主轴方向上
的非回转振动的固有频率基本一致, 并实现在低于 18 Hz 时的低频减振效果。 1. 2 总体设计思路 1 ) 根据经典橡胶理论根据经典橡胶理论初步
Abstract : The equality of stiffness in three directions of the system means that the nonrotational vibration's inherent frequency of the three elastic axis is almost the same,which is the main goal of rubber absorber structure optimization design. By considering the factors of damping,stiffness,and boundary conditions etc,the finite element simulative model was established by using ANSYS software. With the help of the data generated by finite element analysis,orthogonal training sample data sheet was created; BP( Back Propagation) neural network was successfully trained; and the nonlinear mapping function from design variables to system frequence was constructed. Aiming at the equality of stiffness in three direction of the system,the neural network model was optimized through the genetic algorithm. Finally,the best absorber design parameters was obtained. Key words: equality of stiffness in three directions; simulative model; finite element analysis; neural network; genetic algorithm 在日常生活、 生产及军事等各个领域中, 振动现 象无处不在, 复杂的动力学环境对设备的安全可靠 工作产生了巨大威胁, 特别是一些电子设备为了避 免外加振动对其自身造成的损伤及精度的影响 , 这 些设备常采用外加固技术, 如减振、 缓冲技术。在减 振、 缓冲设计中广泛采用了各种类型的减振器 。 随着有限元理论的成熟和计算机技术的快速发 展, 神经网络和遗传算法在结构优化设计中得到越来 1 ~ 3] 越广泛的运用。文献[ 运用神经网络和遗传算 法分别对液压机上梁轻量化和刚度、 车身骨架结构及 , 塔机结构进行了优化设计 并取得了不错的结果。 传统的橡胶计算公式很难准确反映复杂系统的 振动特性, 在优化中只能利用应力、 位移的一阶或二 阶导数进行近似结构优化, 而且随着设计变量的增 加, 近似分析精度急剧下降。 以实验为基础结合有 限元模拟分析得到的数据为样本, 利用 BP 神经网 络和遗传算法对其进行优化, 很好地解决了多结构

一种基于BP神经网络的橡胶减振器性能预测及选型方法[发明专利]

一种基于BP神经网络的橡胶减振器性能预测及选型方法[发明专利]

(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

基于MATLAB的BP神经网络实现减振器缺陷产品自动识别

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

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

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

基于BP神经网络的多环槽磁流变减振器动力学模型辨识

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

基于遗传BP神经网络的磁流变悬置模型辨识

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。

基于BP神经网络的减振器示功图识别方法

基于BP神经网络的减振器示功图识别方法
( . h j n neS okA sre C . t. D qn 1 2 9, hn ; 1 Z e a gMe r h c bob r o,Ld, e ig3 3 1 C ia i
2 Is tt o e iua n ier g Z e a gU ies yo e h ooy a ghu3 0 3 ,C ia . ntue f hc l E gn ei , hj n nv r t f c n l ,H n zo 0 2 hn ) i V r n i i T g 1
作为 B 神经 网络 的训 练算法 ; P 进行 了示功 图 自动判别实验 , 对示功 图复 原和压缩阻力作 出了评 判 。研究结果表 明 , 经过训 练的 B P 神经 网络能够对减振器示 功图进行 判别 , 其判别结果与本领域 技术人 员判断结果基本一致 。 关键词 :减振器 ; 示功 图; P B 神经 网络 ; 识别方法 中图分类号 : 4 31T 1 3T 8 U 6 .; P 8 ; H 9 文献标志码 : A 文章编号 :0 14 5 ( 02 0 — 9 9 0 10 — 5 12 1 )8 0 2 — 3
车行 驶 舒适 性 和 高速 行 驶 安 全 性 具 有 重 要 作 用 。减 振 器 制 造 企业 必 须 采用 示 功 机对 产 品进行 10 0%覆 盖
面的性能检测 , 以决定其是否能够装车实用 n 。减振 器 性 能 检 钡 主要 通 过 示 功 图来 判 断 其 是 否 合 格 0 。。
B e r l n t r s d t d n i h n i ao ig a s e tb ih d b a s o t b P n u a ewok u e o ie t y te i d c t r d a r ms wa s l e y me n f Ma l .Ba e n d s r t i g t e t n i n f a s a s d o ic ei n h e s e a d z l
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

D3 8 KO T Q 6

卜 -

≥ _ } —
} —— — — — . — — —— 一 —
D3 8K1 0 0 8 0D3 8K36 0T6 0 0 M 3 0

>_ 卜—— < _ 卜——_H 仃
T6 M 3 0

D3 8 K0 0
1 磁流 变减振 器 的结构
析 时 , 要对结 构进 行简 化或 线性 化处理 , 需 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 。基于 以上 原 因 , 以利 用 神经 网络 对结 可
wi l i g go v sb s d o e r ln t r t mut- n r o e a e n BP n u m ewo k h ir aa ’
T A Jn ,HE J n,Z h—ig I N ig u HU S i n x
( 中国民航大学 航 空工程学院 ,天津

I 1 1

q 卜 —— > _ — _ 卜 ≤_ — 卜 —— n — _
< _ —一 卜—

8 K 1 o 30 8 0D
I 占
军队长期 以来直升机飞行员培训成功过高的问题。
3 8 K0 T6 0 D3 8K-8 0D3 K- 6 0 31 0 1 0 08 3 0 T6 M
B P神 经 网络 对所设 计 的减振 器进行 正模 型和 逆 模 型 辩识 , 免 了对 结构 进 行 理论 建模 的复 杂性 与 不精 确 避
性, 达到 了很好 的辨 识效 果 。
关键 词 : P神 经 网络 ; 流 变减震 器 ; 识 B 磁 辨 中图分 类号 :H17 文献 标识 码 : 文章 编号 :0 0 5 (0 0)60 3 -4 T 3 B 10 48 8 2 1 0 -0 90
21 0 0年第 6期
液压与 气动
3 9
基于 B P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
T e d n mi s mo e l g p r mee d n i c to ft e M R a e h y a c d l n a a t r i e t i a in o i f h d mp r
变化 , 而使减 振器 阻尼 通道 两端 的压 力差发 生 变化 , 进
基金项 目: 中央 高校基 本科研 业务 费资 助 ( X 2 9 0 6 ; Z H 0 B ) 中国民航大学校基金资助 ( 7d 1 ) 0 q lS 作者简介 : 田静 (9 2 ) 女 , 宁兴城 人 , 17 一 , 辽 副教授 , 士 , 博 主 要从事液压技术方面的教学和科研工作 。
3 3 ) 0 0

要 : 流 变减振 器的输入 输 出具有很 强的非 线性 关 系 , 常在进 行 结 构 分析 时 , 磁 通 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 , 实 际 中并 不 能 达 到 满 意的 控 制 效 果 。该 文采 用 在
0 引言
达到 改变 阻尼力 的 目的 。
磁 流 变减振 器是 基于磁 流 变液 的可控 特性 的一 种 新型减 振器 , 其工 作原 理是 在外 加磁 场 的作 用 下 , 流 磁
收稿 E期 :0 91-9 t 2 0 —22
变液中随机分布的磁化颗粒 的磁化运动方向大致平行 于磁场方向, 磁化运动使微粒首尾相连 , 形成链状结构 或 复杂 的 网状 结构 , 而 使 磁 流 变液 的流 变 特 性 发 生 从


卜— — — —— — —— —— —— — — —— — —— —— — ——
)— — — _ — —一 —
图 7 初 始 化旋 转 回 零 程 序
[ ] G / 8 . —9 , 3 B T76 1 3 液压气动 图形符号 [ ] s.
液 压 与 气动
研 究磁 流变减 振 器 的力 学 性 能 , 讨磁 流 变减 振 探
D3 8K- 8 0 D3 T6 M 3 0 1 0 08 K0 1
≥. 卜— <_ _ 卜— _
X2
卜 _ _

T8

K20
社 ,90 19 .
[ ] 成 大 先 . 械 设 计 手 册 [ . 京 : 学 工 业 出 版 2 机 M] 北 化
社 ,0 2 20 .
- --- - -
1卜——_ > < _ 卜— 源自 {=— VK MO 0— Q 23I D 0
D3 K0 T6 M 31 08
参 考文献 :
卜 — _ _
卜_ _—— — ——
[ ] 雷 天 觉 . 压 工 程 手 册 [ . 京 : 械 工 业 出 版 1 液 M] 北 机
21 0 0年 第 6期
磁 流变减 振器 是 非线 性 系统 , 常 在 进行 结 构 分 通
器 的控 制问题 无疑 能 够 加深 对 磁 流 变 减振 器 的认 识 , 为磁流 变减振 器在 飞机起 落架 上 的应用 作前期 理论 支 持 和参 考 , 具有 非常 重要 的意 义 。

DF LT D3 0 0 D3 2 0 EDⅣ D3 2 K6 3 9 9 4 D3 4 O .9 9 9 0 M M3 O S
4 总 结
传统的位移控制多采用步进 电机或伺服电机来完
成 , 用液压 缸及 液 压 马达 来 实 现位 置控 制 则 相 对较 而 少, 本次 设计 采用 P C技术 及 比例 阀来 实现 精 确 的位 L 移及 速度 控制 , 本 达 到 的 了控 制 要 求 。运 行效 果 良 基 好 , 以很好 模拟直 升 机 的各 种空 中动 作 , 功解 决 了 可 成
相关文档
最新文档