列车用橡胶减振器的性能关系到列车运行的平稳性和乘员的舒适性。橡胶作为一种典型的超弹性材料,在工程应用中存在较大的不确定性。基于模型确认方法,以橡胶结构件为研究对象,首先对橡胶试样进行了单轴拉伸实验,获得材料的应力-应变曲线,拟合曲线得到Mooney-Rivlin模型的参数,并估计和识别参数的不确定性;然后对试样进行了简单剪切实验,获得频域黏弹性材料模型参数及其不确定性;最后建立了橡胶减振器超弹性-黏弹性模型,通过计算获得了小振幅下橡胶减振系统的动态特性,并对减振结构固定频率下的加速度响应值进行量化分析,验证了橡胶减振器超弹性-黏弹性模型的合理性。

传统结构动力学模型确认方法通常采用单目标优化,存在精度不足和稳定性差等缺点,难以满足实际工程需求。基于此,提出一种采用神经网络作为代理模型,建立以马氏距离和鲁棒性为不确定性量化指标的多目标优化模型,并将NSGA2多目标进化算法用于求解。针对NSGA2存在无法有效识别伪非支配解、计算效率低和解集质量较差等设计缺陷,提出一种基于支配强度的NSGA2改进算法INSGA2-DS。INSGA2-DS将支配强度引入非支配排序,采用新型拥挤距离公式和自适应精英保留策略,以提高收敛效率和解集质量。GARTEUR飞机算例的仿真结果表明,INSGA2-DS求解复杂工程问题时具有更好的收敛性和分布性,而考虑鲁棒性的结构动力学模型确认方法可以获得同时满足多种目标要求的Pareto解集,提高了模型确认的精度和稳定性。