磁流变阻尼器是目前结构振动控制中最具有发展潜力的半主动控制装置之一,这种耗能低、响应快的设备由于其优越的性能立刻在土木工程振动控制领域中引起了巨大的浪潮。但是这种装置在应用的过程中由于自身的磁流变效应,而具有高度非线性的特点,这也使得其在半主动控制中的应用极为困难。因此建立一种简单、有效的磁流变阻尼器力学模型是使其在控制过程中保持稳定性和有效性的重要条件。而在力学模型中,未知参数的确定是至关重要的。因此,本文主要针对于磁流变阻尼器力学模型的参数识别做了如下的工作:(1)回顾了目前主要用于参数识别中的方法以及磁流变阻尼器中常见的力学模型。针对于力学模型,分析了常见模型的优缺点。相对于其他的力学模型,Bouc-Wen模型能够较好地描述磁流变阻尼器的阻尼力与位移、速度的特征曲线,并且模型方程中所含有的未知参数的个数及微分方程的个数相对较少,便于程序化。因此本研究选取了Bouc-Wen模型作为了主要的参数识别对象,而Bingham模型和修正的Bouc-Wen模型为辅助的识别对象。(2)提出了将网格划分的蚁群优化算法运用到磁流变阻尼器力学模型的参数识别中。首先介绍了基于网格划分的蚁群优化算法的特点和步骤等方面。同时,分析了蚁群优化算法中参数的选取对识别精度的影响。试验结果发现:蚂蚁个数影响着解向量空间的大小;信息素总量、挥发系数、等分区间参数以及范围变化参数影响着收敛速度以及解的质量;另外各参数不同形式的组合对最终识别的精度影响也较大。因此为了识别的准确性,需要对每种模型下算法中参数的取值进行具体分析。本文主要运用此方法对磁流变阻尼器不同工况下的Bouc-Wen模型、Bingham模型进行了识别。仿真试验证明:此方法对Bingham模型的识别精度最高、Bouc-Wen模型次之。并且从特征曲线上来看,蚁群优化算法在一定程度上能够解决磁流变阻尼器力学模型的参数识别问题。(3)提出了将无迹卡尔曼滤波算法运用到磁流变阻尼器力学模型的参数识别中。首先概述了无迹卡尔曼滤波算法的基本内容和步骤,以及对其在参数识别中的应用做了一些说明。无迹卡尔曼滤波算法相比于扩展卡尔曼滤波算法而言,无需对非线性状态方程进行近似,其采用无迹变换的方式来获取采样点,避免了对雅克比矩阵求导的繁琐程序,并且其所达到的识别精度也较高。本文主要利用此算法对磁流变阻尼器的Bouc-Wen模型、Bingham模型以及修正的Bouc-Wen模型进行了识别。仿真试验结果表明:无迹卡尔曼滤波算法对这三种模型中的参数及力学特征曲线识别精度都很高;所需要的优化时间会随着模型的复杂程度而不同,但是与蚁群优化算法相比,所花费的时间较短。(4)为了说明上述两种算法识别的优劣情况,本文分别从全局和局部两方面对基于网格划分的蚁群优化算法和无迹卡尔曼滤波算法的识别精度进行了比较。比较过程中发现:无迹卡尔曼滤波算法受初始值的影响较大,但是只要确定好优良的初始值,无迹卡尔曼滤波算法的识别效果就非常好;而蚁群优化算法能在较宽的范围进行识别,所识别的参数精度虽不高,但是能够提供一定的参考。故针对于实际过程中参数真值未知的情况,本文提出了将蚁群优化算法和无迹卡尔曼滤波算法联合起来共同识别磁流变阻尼器力学模型中未知参数的方法。该方法首先是采用蚁群优化算法为无迹卡尔曼滤波算法提供可靠的初始值条件,接着再利用无迹卡尔曼滤波算法对模型进行参数识别,最终所识别的参数精度较高。