磁流变弹性体减震器测试与力学建模

TB535.1; 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...

Full description

Saved in:
Bibliographic Details
Published in振动、测试与诊断 Vol. 43; no. 5; pp. 995 - 1000
Main Authors 刘强, 徐凯, 占晓明, 郑涛
Format Journal Article
LanguageChinese
Published 中国海洋大学工程学院 青岛,266100 01.10.2023
浙江华东测绘与工程安全技术有限公司 杭州,310014%中国海洋大学工程学院 青岛,266100%浙江华东测绘与工程安全技术有限公司 杭州,310014
Subjects
磁流变弹性体减震器
思维进化算法
BP神经网络
力学建模
Online AccessGet full text
ISSN1004-6801
DOI10.16450/j.cnki.issn.1004-6801.2023.05.022

Cover

More Information
Summary:TB535.1; 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.
ISSN:1004-6801
DOI:10.16450/j.cnki.issn.1004-6801.2023.05.022