多孔泡沫金属磁流变液阻尼器的神经网络建模

作为半主动控制器件的磁流变液阻尼器，为将其应用于受控系统，对多孔泡沫金属磁流变液阻尼器建立合理的滞回模型，对于深入理解阻尼器特性具有极其重要的意义，同时也是将其应用于结构振动控制系统集成的重要前提。自磁流变液阻尼器技术发展以来，目前已经有许多关于磁流变液阻尼器的建模研究，主要可分为两类：参数化模型和非参数化模型。在参数化模型中最具代表性的是Bingham 模型和Bouc-Wen 模型，而后基于这两种模型又提出了许多力学模型。Bingham 模型虽然简单、便于分析，但却不能够准确描述磁流变液阻尼器的非线性动态特性。非线性Bouc-Wen 模型虽然能够很好地模拟磁流变液阻尼器的滞后特性，但由于该模型中参数过多（多达14 个以上待定参数），很难将其应用于实际控制器的应用。

基于参数化模型的不足，出现了以多项式模型和神经网络模型为代表的非参数化模型。根据不同的加速度方向，S.B.Choi 等将磁流变液阻尼器的滞回环分为正负两部分，虽然能很好地拟合高于五阶时的阻尼力滞回特性，但存在建模精度不高的缺点。神经网络是一种模仿动物的神经网络特征的数学模型，根据系统复杂度调节网络内各节点之间的连接关系，可以分布式并行处理信息。神经网络有自学习、自组织、联想和记忆及并行处理的特点，已应用于许多领域。(www.xing528.com)

基于以上分析，本节结合多孔泡沫金属磁流变液阻尼器的实验数据，采用神经网络的方法对多孔泡沫金属磁流变液阻尼器的模型进行建模。