基于BP神经网络的多环槽磁流变减振器动力学模型辨识

    0 引言

    磁流变减振器是基于磁流变液的可控特性的一种新型减振器,其工作原理是在外加磁场的作用下,磁流变液中随机分布的磁化颗粒的磁化运动方向大致平行于磁场方向,磁化运动使微粒首尾相连,形成链状结构或复杂的网状结构,从而使磁流变液的流变特性发生变化,进而使减振器阻尼通道两端的压力差发生变化,达到改变阻尼力的目的。

    研究磁流变减振器的力学性能,探讨磁流变减振器的控制问题无疑能够加深对磁流变减振器的认识,为磁流变减振器在飞机起落架上的应用作前期理论支持和参考,具有非常重要的意义。

    1 磁流变减振器的结构

    中国民航大学自行设计的多环槽磁流变减振器如图1所示,它是一种混合工作模式(压差模式和剪切模式的组合)的磁流变减振器,采用弹簧为承载元件,活塞两端有若干矩形齿状环行槽,并采用双出杆形式。活塞杆在缸体内作往复直线运动,利用通电线圈产生的磁场来控制磁流变液的动力黏度和屈服应力,实现阻尼力控制。

    2 磁流变减震器的力学模型

    目前常用的几种磁流变减振器的力学模型, Bing-ham模型、改进的Bingham粘性弹性-塑性模型、Bouc-Wen模型和Spencer模型[1~4]等。Bingham模型,虽然简单易于分析,但是不能描述磁流变阻尼器的前屈服特征,即双粘性特征、滞后特性和剪切变稀现象。双粘性模型和双粘性滞后模型比较复杂,且不光滑,所以不常用,但是实验研究表明,剪切应力与剪切应变率成非线性关系,即磁流变液有剪切变稀现象,测试的屈服应力与磁场强度的关系,其准确性依赖于实验数据的准确性,而磁场强度又是电流的函数,而且磁场强度存在磁饱和特性,所以最后控制输入与输出的数据(电流与阻尼力)采用实验的结果是否准确,很难评定。改进的Bouc-Wen模型参数太多,不利于计算。

    神经网络具有很强的非线性映射能力,尤其适用于描述复杂非线性系统。目前,控制中常用的神经网络为多层前馈误差反传网络(BP网络)。BP网络本质是静态的,但通过加入时间延迟环节可使其具有动态系统的特性,并能逼近真实系统的输入输出关系。神经网络的最大特点是具有记忆和信息存储的能力,它本身就是一个非线性连续时间动力学系,因此其对非线性系统有较好的辨识能力。

    磁流变减振器是非线性系统,通常在进行结构分析时,需要对结构进行简化或线性化处理,因此理论上计算的十分准确的控制量,在实际中并不能达到满意的控制效果。基于以上原因,可以利用神经网络对结构的动力特性进行辨识,这样就避免了对结构进行理论建模的麻烦。