基于粒子群算法和最小二乘法的磁流变阻尼器Bouc-Wen模型参数辨识方法

发布时间：2022-01-07 01:55

　　在磁流变阻尼器阻尼特性试验的基础上,提出一种粒子群算法和非线性最小二乘法相结合的方法,对磁流变阻尼器Bouc-Wen模型进行参数识别;分析辨识获得的各参数与电流的关系,借助曲线拟合工具箱对其函数关系进行拟合;同时利用Simulink工具箱搭建磁流变阻尼器Bouc-Wen仿真模型,并选取不同电流和其他幅值及频率下的正弦信号进行仿真对比分析。结果表明:相比利用粒子群算法辨识的参数进行仿真计算的结果,粒子群算法结合非线性最小二乘法得到的精确度更高;不同电流与其他正弦信号组合工况下的仿真数据和试验数据能够很好吻合,验证了参数辨识结果的通用性及准确性。 

【文章来源】：磁性材料及器件. 2020,51(05)CSCD

【文章页数】：7 页

【部分图文】：

磁流变阻尼器实物照片

磁流变阻尼器阻尼特性试验系统

磁流变阻尼器阻尼特性试验曲线：(a) F-x;(b) F-v

【参考文献】：
期刊论文
[1]UKF算法在磁流变阻尼器参数识别中的应用[J]. 肖志荣,张正唯.  科技通报. 2019(03)
[2]一种磁流变阻尼器模型参数识别新方法[J]. 刘永强,杨绍普,廖英英.  机械工程学报. 2018(06)
[3]基于Matlab磁流变阻尼器Bouc-Wen模型的参数识别[J]. 李耀刚,陈盟,龙海洋,琚立颖.  机床与液压. 2018(05)
[4]基于蚁群优化算法的MR阻尼器模型的参数识别[J]. 肖志荣,张正唯.  浙江科技学院学报. 2018(01)
[5]磁流变阻尼器双曲正切模型参数辨识方法[J]. 胡海刚,胡敏,陈跃华,唐杨捷.  船舶工程. 2017(05)
[6]磁流变减振器力学建模研究综述[J]. 张进秋,彭虎,孙宜权,张建,彭志召.  装甲兵工程学院学报. 2016(06)
[7]MRD模型参数识别及其在振动控制中的应用[J]. 廖英英,刘永强,刘金喜,杨绍普.  振动.测试与诊断. 2012(02)
[8]磁流变阻尼器动力学模型的研究现状[J]. 李占卫,李治军.  机械制造与自动化. 2012(01)
[9]基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识[J]. 刘永强,杨绍普,廖英英,张耕宁.  振动与冲击. 2011(07)



本文编号：3573578