论文部分内容阅读
磁流变阻尼器作为一种性能优良的半主动控制器件,近年来斜拉索桥上已经展开了应用。然而磁流变阻尼器减振控制技术远未成熟,还有许多问题需要解决。斜拉索在实际振动过程中其外界激励条件不断在发生变化,但现有的许多磁流变阻尼器动力学模型是在单一激励下参数识别得到的,没有考虑变化激励条件的影响,预测精度不够高,在实际应用中结果不理想。因此,有必要研究激励性质对磁流变阻尼器的影响,建立更加精确的磁流变阻尼器动力学模型。针对该问题本文做了以下研究:(1)本文选用MR-60型号自制磁流变阻尼器在低频率、高振幅激励条件下进行磁流变阻尼器动力学实验。实验主要研究两方面内容:(1)电流对磁流变阻尼器动力学性能的影响。(2)激励性质对磁流变阻尼器动力学性能的影响。从实验结果发现,随着电流增大输出阻尼力逐渐增大,在1.25A达到饱和。激励振幅、激励频率对磁流变阻尼器力学特性存在明显的影响,这些影响主要表现在滞环部分。频率、振幅对磁流变阻尼器力学性能的影响可以简化为研究激励速度幅值对磁流变阻尼器力学性能的影响。(2)在磁流变阻尼器动力学实验的基础上,利用MATLAB数学软件建立了考虑激励性质影响的磁流变阻尼器参数化模型。论文对双曲正切模型及扩展的双曲正切模型进行参数识别,并用SIMULINK工具箱进行仿真验证。从仿真结果可知,双曲正切模型没有考虑激励性质的影响,当激励条件变化时,双曲正切模型预测结果不理想;扩展双曲正切模型虽然考虑了激励性质的影响,但受磁流变阻尼器结构、拟合方法等影响预测结果也不理想;研究发现,采用单一的遗传算法无法精确、快速的识别上述参数模型,论文提出采用遗传算法结合最小二乘算法的方法对上述模型进行参数识别,从结果看,该方法能够提高识别精度、缩短识别时间。(3)针对上述参数模型预测精度低、参数识别困难等问题,利用MATLAB中BP神经网络工具箱,建立了考虑激励性质影响的BP神经网络预测模型。从模型预测结果可知,BP神经网络预测模型能够很好的跟踪磁流变阻尼器输出阻尼力,且模型没有复杂的计算过程、也不需要进行参数识别,建模难度小,该模型有一定的工程应用价值。(4)对双曲正切模型、扩展双曲正切模型、BP神经网络预测模型从模型精度、模型复杂度两方面进行对比分析。从对比结果可以发现,BP神经网络预测模型的误差平均为3.777%、双曲正切模型其误差平均为16.4919%、扩展双曲正切模型误差平均为29.6178%。综合比较,BP神经网络预测模型建立难度最低,效率最高,满足实验要求,对磁流阻尼器的工程应用提供一定的指导意义。