论文范文网-权威专业免费论文范文资源下载门户!
当前位置:毕业论文格式范文>专科论文>范文阅读
快捷分类: 阻尼器文献综述 大国重器论文 论文下载器 混频器开题报告 逆变器参考文献 浮头式换热器设计开题报告

关于阻尼器函授毕业论文范文 与基于动态迟滞单元的磁流变阻尼器建模和辨识方面学士学位论文范文

分类:专科论文 原创主题:阻尼器论文 发表时间: 2024-01-14

基于动态迟滞单元的磁流变阻尼器建模和辨识,该文是关于阻尼器论文范文素材和阻尼器和动态迟滞单元和流变相关论文范文资料.

 摘 要:磁流变阻尼器(Magnetorheologicaldamper,简称MR阻尼器)在振动控制方面具有很好的应用前景,但是由于MR阻尼器固有的非线性的迟滞特性会影响控制精度,因此需要对磁流变阻尼器进行建模分析.首先提出了改进的动态迟滞单元(Modifieddynamichysteresisoperator,MDHO),MDHO 能够描述不同的输出幅值;然后在MDHO的基础上提出了MR阻尼器的迟滞模型,在该模型中磁流变阻尼器的输出阻尼力表示为MDHO 的滞变阻尼力与粘滞力两部分;最后利用改进的粒子群算法(Modifiedparticleswarmoptimization,MPSO)进行模型参数辨识.实验结果表明,基于动态迟滞单元的磁流变阻尼器的迟滞模型能够有效模拟MR阻尼器的实际特性.

关键词:磁流变阻尼器;改进动态迟滞单元;迟滞模型;改进粒子群算法

中图分类号:TP20        文献标志码:A       文章编号:1673G3851(2018)03G0195G05

0 引 言

磁流变阻尼器被认为是最具应用前景的振动控制智能驱动器,但是由于本身固有的非线性的迟滞特性限制了它在很多方面的应用.因此要充分利用磁流变阻尼器的低功耗、高阻尼力、响应速度快等优点,需要建立较精确的数学模型.已有研究中模型一般可以分为两大类:参数化模型和非参数化模型.

MR阻尼器的参数化模型是将线性和非线性的弹簧模块、阻尼器以及其他的物理元件集合在一起,基于该类结构的迟滞模型能够模拟磁流变阻尼器非线性的特性[1G6].已有的MR 阻尼器的参数化模型包括:宾汉模型(Bingham model)[1]以及改进的宾汉模型[2]、非线性双粘性模型[3]、非线性滞回模型、BoucGWen模型[4G5]、LuGre模型[6].宾汉模型[1]的结构是将库伦元件和粘塑性模块结合在一起.该模型能够较好地描述MR 阻尼器的位移和阻尼力的关系,已被广泛运用于迟滞的建模中,但是在低速下并不能较好地描述速度和阻尼力的关系.改进的宾汉模型[2]的预测结果与实验结果的差异明显,且数值计算较复杂耗时,不利于工程应用.非线性滞回模型[3]是非线性双粘性模型的改进,由四条线构成的滞环模型,它的局限性在于无法描述阻尼力饱和区域速度和阻尼力的特性.BoucGWen模型[4G5]的粘塑性模块和混合的弹簧结构能够较好反映MR阻尼器的动态特性,因此该模型运用非常广泛,但是模型参数需要进行辨识,参数辨识结果对模型影响很大.LuGre模型[6]是一种基于MR 阻尼器内部磁流变液流动粘滞状态行为的阻尼器模型,利用动静力摩擦较准确地解释了磁流变液的粘性特性,但是该模型的参数确定非常困难.参数化模型是在理想化的假设条件下提出的,可能会造成质量为负值等与实际不符的结果.

非参数化模型是对数据进行分析和训练,从而模拟实际磁流变阻尼器特性的模型.非参数化模型包括神经网络模型[7G8]、模糊模型[9G10]等.Chang等[11]提出了一种多层神经网络微分最优的方法,Wang等[12]提出了一种递归的神经网络模型.以上两种基于神经网络的方法均能够高精度地描述MR阻尼器的特性,但是神经网络的架构和训练过程很复杂.Truong等[9]提出了基于模糊理论的非参数化的黑箱模型,该模型根据映射方式对MR 阻尼器的特性进行了估计;Liem 等[13]提出了基于自调节的模糊机理的非参数化模型.非参数化模型能够较好地描述磁流变阻尼器的动态特性,但是该类模型存在实现过程复杂的缺点.

本文提出了一种基于动态迟滞单元的参数化的磁流变阻尼器迟滞模型.首先改进了动态迟滞单元,增加了调整参数,从而改变迟滞特性的高度和偏移,以适应磁流变阻尼器固有的非线性特性,使得模型具有较好的灵活性;然后利用改进的粒子群算法对模型参数进行辨识.实验结果表明,该模型能精确表达磁流变阻尼器的力G速度特性,适合磁流变阻尼器控制器的设计.

1 改进动态迟滞单元

本文提出了改进的动态迟滞单元(Modifieddynamichysteresisoperator,MDHO),其结构如图1所示.

其中:U 是速度作为模型输入;Φ(U )是迟滞单元的输出;η 是状态参数;ki 是积分系数;k 是死区特性的斜率;x0 是死区宽度;b 是迟滞环的偏置.实际情况中磁流变阻尼器在不同的电流下其阻尼力是不同的,表现为迟滞的幅值不同.为了表达不同幅值的迟滞现象,本文增加了死区宽度x0.

在x0 不同的情况下,当输入U =10?sin(2πt/30),其迟滞环幅值的变化如图2所示.从图2可以看出,当x0=1,2,3时,即随着死区宽度的增加,迟滞环的输出幅值逐渐增大.另外参数k、ki 对迟滞环的影响如图3、图4所示.

Φ(U)为迟滞单元的输出,由图3可以看出,死区的斜率可以改变迟滞环小范围的高度和宽度.由图4 可以看出,积分系数ki 可以改变迟滞环的宽度.

文 献[14]中的动态单元输出幅值是限定的,而实际情况下磁流变阻尼器中不同电流对应不同的输出幅值,不能直接用于磁流变阻尼器的建模.本文与文献[14]所提出的迟滞单元不同,通过改变死区宽度x0 来改变输出的幅值,从而更精确地表达不同电流下的阻尼力G速度的关系.

2 模型结构

本文提出的磁流变阻尼器模型结构如图5所示.磁流变阻尼器的输出阻尼力为改进迟滞单元的滞变阻尼力与粘滞力之和,该模型的数学表达式为:

其中:Φ(U )是改进迟滞单元的滞变阻尼力输出;c0?x是粘滞力输出;x 是位移;F 是阻尼力,为模型输出.

电流和速度均会影响磁流变阻尼器的输出,为了使得模型在变电流的情况下能够适应速度的变化,需要确定模型参数和电流的关系.这样,模型参数x0、ki、k、w、b、c0 可表示为:

其中:x0、ki、k、w、b、c0 分别表示电场为零时的粘滞阻尼力、积分系数、屈服强度、前馈系数、偏置力系数、粘滞阻尼系数;r 是中间变量,与电流i的关系可以用一阶微分方程表示为:

?r=-α(r-pi-q),

从而建立参数x0、ki、k、w、b、c0 与电流i 的联系.因此,模型中有x01、x02、ki1、ki2、k1、k2、w1、w2、b1、b2、c01、c02、α、p、q 共15个参数需要辨识.

3 改进的粒子群算法

粒子群算法中,所有的粒子都被用于寻找最优解,每个粒子寻找最优解的速度跟它当前的位置和全局的位置是相关的,传统的粒子群算法表示为:

其中:Vikg+1、Vkgi 、Xkgi 、N 跟传统粒子群算法中一样,ωmin和ωmax分别表示为权值的最大值和最小值,ωα是中间变量,ω 是权值,ckg1 、ckg2 分别是第kg 个粒子的学习因子,c1min,c2min、c1max,c2max分别表示学习因子的上限和下限,rand1 是0到1之间的随机数.改进的粒子群算法主要有两点优势,首先增加的ωm 作为Vkgi 和ckg1r1(pkgibest-Xkgi )共同的权值,传统粒子群算法中容易陷入局部最优是由于没有对局部最优解取权值,改进的粒子群算法在ckg1r1(pkgibest-Xkgi )中包含pkgibest,pkgibest能够反映局部搜索情况,对其取权值能克服陷入局部最优的问题;另外ckg1 、ckg2 用于保证收敛速度[15],随着搜寻的进行,学习因子随着采样次数的变化而减小,所以改进粒子群算法有更快的收敛速度.

4 实验验证

本实验选用美国Lord公司型号为RDG1005G3的磁流变阻尼器.验证的电流频率为15Hz,粒子个数N=500,学习因子c1 的最大值和最小值分别为c1min=11,c1max=13;c2 的最大值和最小值分别为c2min=14,c2max=19.权值的最大值和最小值分别为ωmin=04,ωmax=09.利用改进的粒子群算法辨识出参数分别为x01=02910,x02=00030,ki1 =149237,ki2 =-01479,b1 =00265,b2 =-00003,c01=00582,c02=00006,k1=124830,k2=01064,w1=06738,w2=00074,Z=-380000,p=-98500,q=120000.实验结果与模型输出的比较如图6所示.图7分别是实际输出和模型输出的比较,图8为建模误差,可以看出,该模型能比较精确的逼近实

际输出,由实验结果可知相对误差均在78%以下,满足控制建模的要求.

5 结 论

本文提出了一种迟滞单元与粘塑性模块结合的磁流变阻尼器模型,将磁流变阻尼器的阻尼力分解成滞变阻尼力与粘滞力之和.改进的迟滞单元通过增加死区宽度来调整输出的幅值,从而更加适应磁流变阻尼器的迟滞特性.运用改进的粒子群算法来辨识模型参数,克服了传统算法容易陷入局部最优和速度慢的缺陷.该模型能精确表达变电流的情况下阻尼力G速度的关系,结构简单,易于分析,便于控制器设计.

参考文献:

[1]HongSR,WereleyN M,ChoiY T,etal.AnalyticalandexperimentalvalidationofanondimensionalBinghammodelformixedGmode magnetorheologicaldampers[J].JournalofSound& Vibration,2008,312(3):399G417.

[2]HuW,WereleyN M.RateGdependentelastoslidemodelformagnetorheologicaldamper[J].JournalofGuidanceControl& Dynamics,2015,31(3):479G489.

[3]YangM G,LiCY,ChenZQ.AnewsimplenonGlinearhysteretic modelfor MR damperand verification ofseiicresponsereductionexperiment[J].EngineeringStructures,2013,52(9):434G445.

[4]DominguezGgonzalezA,STIHARUI,SEDAGHATIR.Practicalhysteresiodelformagnetorheologicaldampers[J].JournalofIntelligentMaterialSystems&Structures,2014,25(8):967G979.

[5]DomiinguezA,SedaghatiR,StiharuI.Modellingthehysteresisphenomenonof magnetorheologicaldampers[J].SmartMaterials&Structures,2004,13(6):1351.

[6]ShiraziFA,MohammadpourJ,GrigoriadisK M,etal.Identificationandcontrolofanmrdamperwithstictioneffectanditsapplicationinstructuralvibrationmitigation[J].IEEETransactionsonControlSystemsTechnology,2012,20(5):1285G1301.

[7]Witters M,SweversJ.BlackGbox modelidentificationforacontinuouslyvariable,electroGhydraulicsemiGactivedamper[J].MechanicalSystems & SignalProcessing,2010,24(1):4G18.

[8]EkkachaiK,TungpimplrutK,NilkhamhangI.ForcecontrolofamagnetorheologicaldamperusinganelementaryhysteresiodelGbasedfeedforwardneuralnetwork[J].SmartMaterials&Structures,2013,22(11):5030.

[9]TruongDQ,AhnKK.NonlinearblackGboxmodelsandforceGsensorlessdampingcontrolfordampingsystemsusingmagnetoGrheologicalfluiddampers[J].Sensors& ActuatorsAPhysical,2011,167(2):556G573.

[10]TruongDQ,AhnK K.IdentificationandapplicationofblackGboxmodelforaselfGsensingdampingsystemusingamagnetoGrheologicalfluiddamper[J].Sensors& ActuatorsAPhysical,2010,161(1/2):305G321.

[11]ChangCC,RoschkeP.Neuralneworkmodelingofamagnetorheologicaldamper[J].JournalofIntelligentMaterialSystems&Structures,1998,9(9):351G358.[12]Wang D H,Liao W H. Modeling and controlof magnetorheologicalfluiddampersusingneuralnetworks[J].SmartMaterials&Structures,2004,14(1):111G126.

[13]Liem D T,Truong D Q,Ahn K K. HysteresiodelingofmagnetoGrheologicaldamperusingselfGtuningLyapunovGbasedfuzzyapproach[J].InternationalJournalofPrecision Engineering & Manufacturing,2015,16(1):31G41.

[14]FriedlandB,GurfilP.Newsimplemodelofdynamichysteresis[J].TransactionsoftheInstituteofMeasurement& Control,2003,25(3):202G216.

[15]KhadhraouiT,KtataS,BenzartiF,etal.FeaturesselectionbasedonmodifiedPSOalgorithmfor2dfacerecognition[C]//InternationalConferenceonComputerGraphics,ImagingandVisualization.IEEE,2016:99G104.

本文评论:这篇文章为一篇适合不知如何写阻尼器和动态迟滞单元和流变方面的阻尼器专业大学硕士和本科毕业论文以及关于阻尼器论文开题报告范文和相关职称论文写作参考文献资料.

参考文献:

1、 智能悬挂系统之磁流变减振器系统 半主动悬架能够根据路况主动改变自身阻尼特性,从而适应各种路况,其取代被动悬架是汽车智能化发展的必然趋势 而利用磁流变液粘度对磁场变化快速响应特性制成的磁流变减振器,因其性能稳定、响应迅速而成为半主动悬.

2、 云计算环境下的业务流动态配置 郭宝军 兰州交通大学博文学院【摘要】 在中国不断发展的社会环境下,人民的生活水平日益提高,越来越重视科学技术的发展 尤其是在各类企业中 当今人们所处的社会环境竞争日益激励,企业所处的商业环境也再不停的.

3、 管好应收账款盘活流 引例P公司是一家老牌的乳品生产企业,旗下酸奶、乳饮料系列产品的市场口碑和销售量都非常不错 在乳品行业激烈的竞争角逐中,P公司不断扩大自己的生产规模和销售规模,应收账款增速也大幅度上涨,长账龄的应收账款.

4、 标准动态 洗衣机新国标正式实施2018 年10 月1 日,新修订的洗衣机产品国家标准GBT 42882018家用和类似用途电动洗衣机正式实施 该标准修改了目前洗衣机容量标称方式,增加了磨损性测试项目,摒弃了原有.

5、 婚俗的流变 人们的婚姻观与婚俗随着时代的发展呈现出不同的样貌,走向多元、独立特约撰稿 柴搭木 实习记者 池卓纯编辑 孙凌宇 rwzkzx126 com婚姻生活是人类社会生活的重要组成部分,也是人类文明进.

6、 齐齐哈尔流人文化和流人典籍述略 收稿日期2016-02-22作者简介祁晓敏(1971—),齐齐哈尔市图书馆研究馆员 本文系黑龙江省社会科学研究年度项目“黑龙江省古籍善本书录编纂研究”的研究成果之一.