張進秋， 彭 虎， 孫宜權(quán)， 張 建， 彭志召

(1. 裝甲兵工程學(xué)院裝備試用與培訓(xùn)大隊， 北京 100072； 2. 裝甲兵工程學(xué)院技術(shù)保障工程系， 北京 100072)

磁流變減振器力學(xué)建模研究綜述

張進秋1， 彭 虎2， 孫宜權(quán)1， 張 建1， 彭志召1

(1. 裝甲兵工程學(xué)院裝備試用與培訓(xùn)大隊， 北京 100072； 2. 裝甲兵工程學(xué)院技術(shù)保障工程系， 北京 100072)

根據(jù)磁流變減振器(Magneto-Rheological Damper, MRD)的輸入/輸出特性建立準(zhǔn)確的動力學(xué)模型是實現(xiàn)精確控制的關(guān)鍵手段之一。綜述了當(dāng)前MRD力學(xué)模型研究現(xiàn)狀并對其進行了歸類，分析了各類模型的優(yōu)缺點，歸納了各類模型中存在的問題及改進措施。最后，討論了MRD建模發(fā)展方向，認(rèn)為建模過程中應(yīng)充分考慮電流、頻率、振幅和速度等因素，結(jié)合電流與阻尼力的輸入/輸出關(guān)系及MRD內(nèi)部多物理場耦合特性，建立具有表達式簡潔、控制效果好、模擬精度高且通用性強等優(yōu)點的MRD力學(xué)模型，便于MRD的工程化。

磁流變減振器； 力學(xué)模型； 磁流變液

磁流變減振器(Magneto-Rheological Damper, MRD)具有較大的輸出阻尼力、較寬的阻尼力動態(tài)變化范圍、較快的響應(yīng)速度、較低的能耗且具有“失效-安全”特性，既可作為被動耗能元件，又可作為半主動控制元件，在車輛振動控制等領(lǐng)域得到了廣泛應(yīng)用[1-4]。為了對MRD進行半主動控制，建立較為精確且易于控制的MRD力學(xué)模型是控制器設(shè)計及應(yīng)用的關(guān)鍵手段之一。磁流變液(Magneto-Rheolo-gical Fluid, MRF)的力學(xué)特性受輸入電流、振幅及激勵頻率的影響，發(fā)生流變后的復(fù)雜本構(gòu)關(guān)系及其動態(tài)阻尼力表現(xiàn)出的強非線性增加了MRD力學(xué)模型建立的難度[5-7]。因此，目前還沒有公認(rèn)的MRD力學(xué)計算模型，大多是基于特定MRD、利用試驗得到的數(shù)據(jù)，并采用一定的建模及優(yōu)化方法獲得MRD力學(xué)模型?；诖?，筆者對當(dāng)前國內(nèi)外MRD力學(xué)模型研究現(xiàn)狀進行梳理，分析各個模型的優(yōu)缺點，并對其發(fā)展方向進行闡述，以彌補當(dāng)前的不足，建立性能更為優(yōu)越的MRD力學(xué)模型，為實現(xiàn)MRD的工程化應(yīng)用奠定基礎(chǔ)。

1 方程模型

1.1 簡單方程模型

簡單方程模型出現(xiàn)較早，其結(jié)構(gòu)形式簡單，易于理解和控制應(yīng)用，代表模型有Bingham黏塑性模型及其改進模型[4]、Herschel-Bulkley模型及雙黏度模型[6]等。

1.1.1 Bingham黏塑性模型

1987年，Stanway等[8]首次針對電流變減振器(Electro-Rheological Damper, ERD)力學(xué)模型的建立提出了Bingham黏塑性模型。由于MRD與ERD存在很多相似之處， Shames等[9]將ERD力學(xué)模型用于MRD。Bingham黏塑性模型可用于描述MRF的Bingham黏塑性特性模型[10-11]，也可用于表示MRD阻尼力特性，如圖1所示。

圖1 Bingham黏塑性模型

Bingham黏塑性模型表達式為

(1)

Bingham黏塑性模型簡單，主要描述MRD屈服后的特性，將力學(xué)模型表示成一個摩擦阻尼器和一個線性阻尼器的形式，能較好地反映阻尼力-位移關(guān)系，但不能反映對屈服前的剪切行為、剪切稀化現(xiàn)象及阻尼力-速度關(guān)系，精度較差，因此在實際半主動控制中應(yīng)用較少。周強等[12]通過串聯(lián)一個彈性元件描述MRF低剪切運動時的流變行為，建立修正Bingham模型，但Bingham黏塑性單元的位移難以確定。

1.1.2 Herschel-Bulkley模型

1926年，Herschel和Bulkley發(fā)現(xiàn)MRF在大應(yīng)變率條件下存在剪切稀化現(xiàn)象(Shear Thinning)，并以此為基礎(chǔ)提出了一種描述此現(xiàn)象的黏塑性模型，稱之為Herschel-Bulkley模型[6]。其表達式為

(2)

(3)

式中：μ反映剪切稀化的程度。該模型通過線性方程形式表示剪切稀化過程，避免了Herschel-Bulkley模型繁瑣的指數(shù)計算過程，因而其實用性更強。

1.1.3 非線性滯回雙黏度模型

圖2 非線性滯回雙黏度模型

非線性滯回雙黏度模型表達式為

(4)

式中：

分別為壓縮及拉伸屈服速度。式(4)包括前3個方程組成的正加速度部分和后3個方程組成的負加速度部分[14]。

非線性滯回雙黏度模型考慮了阻尼力-速度非線性滯回因素，與Bingham黏塑性模型相比，其模擬精度更高，但其分段的結(jié)構(gòu)使得高速與低速之間的過渡區(qū)不夠平滑；由于存在剪切稀化現(xiàn)象，導(dǎo)致MRF剪切屈服應(yīng)力與磁場強度關(guān)系依賴實驗數(shù)據(jù)：這些都不利于模型的實際控制使用。

1.1.4 米氏模型

為研究MRD非線性滯回特性，張香成等[15]綜合考慮電流、位移和頻率與阻尼力的關(guān)系，基于米氏方程建立了MRD米氏模型，其表達式為

(5)

1.2 方程組模型

與簡單方程模型相比，方程組模型能更準(zhǔn)確地模擬阻尼力-速度非線性滯回特性，反映MRD模型的本質(zhì)特征，代表模型有Bouc-Wen模型[16]、Spencer現(xiàn)象模型[17]等。

1.2.1 Bouc-Wen模型

非線性滯回雙黏度模型分段不連續(xù)，不能準(zhǔn)確地表示MRD試驗中所表現(xiàn)的光滑阻尼力-速度關(guān)系。Wen[16]提出的Bouc-Wen模型(如圖3所示)可解決上述問題，且對低速條件下的阻尼力-速度滯回模型具有較好的模擬效果。

圖3 Bouc-Wen模型

Bouc-Wen模型的表達式為

(6)

式中：α為由控制系統(tǒng)和MRF決定的系數(shù)；z為滯變位移；c0為MRD運動速度較大時的黏滯阻尼系數(shù)，k0為剛度系數(shù)，二者均為常數(shù)；γ、β、n和A均為模型參數(shù)，通過調(diào)整這些參數(shù)可控制阻尼力-速度曲線的形狀和光滑度。

Bouc-Wen模型易于計算、通用性強且能反映阻尼力-速度滯回現(xiàn)象，因而得到了廣泛應(yīng)用。該模型的缺點為：基于試驗數(shù)據(jù)建立的模型對不同的MRD所得模型存在差異，模型相對復(fù)雜，且不易于工程實用。此外，該模型僅適用于天棚“On-Off”控制，尚不能實現(xiàn)連續(xù)阻尼可調(diào)半主動控制。

在此基礎(chǔ)上，文獻[18-20]作者對Bouc-Wen模型進行了改進，考慮阻尼力、慣性力、剪切稀化效應(yīng)、非線性特性及溫升對MRF性能的影響等因素，但都無法從根本上解決Bouc-Wen模型存在的問題。

1.2.2 Spencer現(xiàn)象模型

為進一步提高Bouc-Wen模型的精度， Spencer等[17]在Bouc-Wen模型基礎(chǔ)上做進一步的修正，提出了Spencer現(xiàn)象模型，如圖4所示。

圖4 Spencer現(xiàn)象模型

Spencer現(xiàn)象模型的表達式為

(7)

式中:k1為蓄能器剛度；x0為k1的初始位移；α、c0、c1與輸入電壓V相關(guān)，可用線性函數(shù)表示為

(8)

其中αa、αb、c0a、c0b、c1a和c1b均為模型參數(shù)。

Spencer現(xiàn)象模型將Bouc-Wen模型與阻尼元件串聯(lián)后再與彈性元件并聯(lián)，可很好地模擬阻尼力-速度滯回特性及阻尼力-位移特性，識別精度較高，適用于閥式MRD，其性能已在Lord公司RD21000型MRD得到證實[21]。Spencer現(xiàn)象模型能較好地描述雙黏度特性及滯回特性，因此許多試驗數(shù)據(jù)的獲取和控制方法的應(yīng)用都基于此模型。但Spencer現(xiàn)象模型表達式非常復(fù)雜，難以用于實際控制系統(tǒng)中。

1.2.3 修正Dahl模型

由于Bouc-Wen模型復(fù)雜，難以用于實際控制系統(tǒng)中，周強等[12]提出了修正Dahl模型，如圖5所示，其原理是用Dahl滯回環(huán)取代Bouc-Wen滯回環(huán)，簡化了微分方程表達式，使模型的實用性更強。

圖5 修正Dahl模型

修正Dahl模型的表達式為

(9)

(10)

其中，c0s及fds分別為零場條件下的黏滯阻尼系數(shù)及黏滯阻尼力，c0d及fdd分別為加電條件下的庫侖阻尼系數(shù)及庫侖阻尼力，u表示模型參數(shù)與電流I的關(guān)系。與Bouc-Wen模型及Spencer現(xiàn)象模型相比，修正Dahl模型的表達式更簡潔，雖然精度稍低，但仍能滿足實際控制需求，有利于磁流變半主動控制的實施。

2 指數(shù)函數(shù)模型

2.1 Sigmoid及其改進模型

MRD的阻尼力-速度為非線性關(guān)系，徐趙東[20]等提出了一種易于程序化且能較好地模擬阻尼力-速度和阻尼力-位移關(guān)系的Sigmoid模型，如圖6所示。

圖6 Sigmoid模型

Sigmoid模型的表達式為

(11)

式中：Fm為最大屈服應(yīng)力，β為指數(shù)系數(shù)，且β>0，二者均為與電流I和振幅X0相關(guān)的函數(shù)；v為MRD活塞運動速度。

為了識別MRD阻尼力-速度滯回模型，李秀領(lǐng)等[22]提出了一種改進Sigmoid函數(shù)模型，該模型表達式簡潔，能夠較為精確地模擬MRD阻尼力-速度、阻尼力-位移的關(guān)系，其表達式為

(12)

式中:cd為黏滯阻尼系數(shù)，可控制阻尼力-速度滯回曲線高速部分的斜率；xd為MRD阻尼力-速度滯回曲線上阻尼力為零時的速度值，可控制其低速滯回寬度；δ為庫侖阻尼力部分速度調(diào)整系數(shù)，控制低速部分斜率。fd、cd、x0及δ均為待定參數(shù)。

該模型結(jié)構(gòu)簡單，對阻尼力-速度和阻尼力-位移曲線均有較高辨識度，但因未考慮激勵頻率和振幅的影響，不能完全適應(yīng)外加載荷可變的條件。

2.2 修正Backlash滯環(huán)模型

針對MRD半主動控制中的非線性建模問題，潘雙夏等[23]提出了一種修正Backlash滯環(huán)模型，其借鑒電磁學(xué)中的磁滯現(xiàn)象，引入動態(tài)Backlash-like模型描述阻尼力-速度滯回現(xiàn)象，考慮電流、頻率、磁流變液屈服后的黏度及充氣壓力等因素，利用Sigmoid函數(shù)修正Backlash滯環(huán)模型，如圖7所示。

圖7 修正Backlash滯環(huán)模型

修正Backlash滯環(huán)模型的表達式為

(13)

式中：Fback為Backlash滯變力；sig(·)=(1-e-βv)/(1+e-βv)，為Sigmoid修正函數(shù)；ks為可控阻尼增益系數(shù)；kgas為與充氣壓力有關(guān)的彈性系數(shù)；F0為與初始氣體壓力有關(guān)的偏置力。利用試驗數(shù)據(jù)辨識該模型參數(shù)，得到的模型預(yù)測誤差小于10%～15%，預(yù)測精度高且可控性好，但其缺點是雙滯回模型的結(jié)構(gòu)增加了參數(shù)辨識和模型求解的難度。

2.3 Gompertz模型

葉蔥蔥[24]考慮外加載荷的激勵頻率和幅值因素，利用增長型的Gompertz非對稱S型曲線函數(shù)描述阻尼力-速度高速和低速非對稱的滯回特性。Gompertz模型表達式為

(14)

Gompertz模型可較好地模擬MRD不同振幅和頻率下的非線性滯回特性，考慮了輸入電流和加載條件的影響，對阻尼力-速度和阻尼力-位移均能較好地辨識，尤其對阻尼力-速度滯回曲線中的低速與高速過渡區(qū)辨識度較高，模型結(jié)構(gòu)簡單，適用于MRD半主動控制。

2.4 組合模型

侯保林等[25]在Bingham本構(gòu)塑性方程基礎(chǔ)上，將MRD阻尼力分解為3部分，組合模型表達式為

(15)

該模型假設(shè)MRD阻尼力分為氣囊力、磁流變黏滯阻尼力和磁場作用產(chǎn)生的阻尼力3部分，將氣囊力表示為活塞位移相關(guān)的線性函數(shù)，磁場阻尼力表示為沒有線性增長的可采用雙曲函數(shù)描述的磁滯環(huán)，通過試驗驗證，該模型可較好地模擬磁流變阻尼力。

2.5 S型滯環(huán)模型

楊禮康等[26]提出了一種S型滯環(huán)模型，該模型根據(jù)非線性Bingham模型及非線性黏塑性模型中存在的活塞相對速度換向時阻尼力無平滑過渡的問題，利用神經(jīng)元S型傳遞函數(shù)性質(zhì)，彌補了Bouc-Wen模型不可用于連續(xù)阻尼可調(diào)半主動控制的不足。其表達式為

(16)

式中：F0為與安裝方式相關(guān)的偏置阻尼力；tansgn(x)為神經(jīng)元S型傳遞函數(shù)，將輸入范圍為(-∞,+∞)映到(-1,+1)；α1為斜率調(diào)節(jié)參數(shù)；α2為與相對加速度方向相關(guān)的平移量調(diào)節(jié)參數(shù)。

S型滯環(huán)模型能較好地反映阻尼力-速度滯環(huán)特性，曲線光滑,易于控制，但該模型參數(shù)識別較復(fù)雜，神經(jīng)網(wǎng)絡(luò)的引入使反向模型求解困難。

3 多項式模型

3.1 一般多項式模型

一般多項式模型將MRD滯回環(huán)曲線分為上、下2部分，分別代表負加速度曲線和正加速度曲線，通過活塞速度對上述曲線分別進行多項式擬合，即可得到MRD一般多項式模型[27-29]，如圖8所示。

圖8 一般多項式模型

一般多項式模型的表達式為

(17)

式中：Fd為MRD阻尼力；v為活塞運動速度；i=0,1,…，n,為擬合次數(shù)；ai為根據(jù)試驗對曲線擬合的多項式系數(shù)；bi、ci由線性數(shù)據(jù)擬合得到；I為輸入電流；n為多項式階數(shù)，決定了擬合精度，取決于試驗和誤差，一般n>5，n越大，精度越高，但越容易出現(xiàn)曲線兩端劇烈振蕩的Runge現(xiàn)象。

Choi等[30]提出了一種能較好地描述MRD前屈服特征及非線性特性，且易推導(dǎo)其逆向動力學(xué)模型的多項式模型，該模型假設(shè)多項式系數(shù)與輸入電流為線性關(guān)系，便于獲得理想阻尼力。文獻[31-34]作者利用MRD試驗數(shù)據(jù)擬合并建立了MRD多項式模型，結(jié)果表明：該模型能較好地反映速度滯回特性，對控制電流求解的逆向性好，易于實現(xiàn)開環(huán)控制。

采用多項式擬合阻尼力-電流模型，將多項式系數(shù)與輸入電流假設(shè)為線性關(guān)系，將MRD阻尼力視為以活塞速度為自變量的一元高階次多項式，表達式簡單，控制直接，不需要確定和識別諸多參數(shù)，但需要高階次才能達到可接受的精度，然而高階次又會出現(xiàn)曲線兩端劇烈振蕩的Runge現(xiàn)象[35-36]。

3.2 分段多項式模型

Choi等[30]認(rèn)為6次以上的多項式模型就可以反映阻尼力-速度滯回特性。但周鐵明[37]在實際應(yīng)用中發(fā)現(xiàn)：6次多項式和9次多項式精度差別較大，后者仍未能滿足精度要求，階次達到12次時能達到較好的擬合效果，但當(dāng)速度絕對值較大時，出現(xiàn)了劇烈振蕩的Runge現(xiàn)象，為解決振蕩問題，提出了改進的3階次分段多項式模型，其表達式為

(18)

式中：ad1、ad2、ad3、au1、au2、au3分別為各段多項式系數(shù)；將阻尼力-速度曲線分為6段，v1、v3為減速時2個轉(zhuǎn)折處的速度值，v2、v4為正加速度時該分支曲線2個轉(zhuǎn)折處的速度值，均為與電流I相關(guān)的函數(shù)。

當(dāng)采用分段多項式方式達到一般多項式模型同等精度時，可降低階次并消除Runge現(xiàn)象，但存在控制不連續(xù)現(xiàn)象，因此在保證精度的同時解決Runge現(xiàn)象，并使控制簡便、連續(xù)是多項式模型需解決的問題。

2.3 復(fù)合多項式模型

一般多項式模型中系數(shù)αi只受電流I影響，無法反映激勵頻率和振幅對模型的影響，從Choi等[30]所建模型可以看出:當(dāng)頻率f和振幅A的乘積稍微變化時，就會出現(xiàn)較大的誤差。姚嘉凌[38]考慮利用bi和ci來反映頻率和振幅的乘積關(guān)系，建立的復(fù)合多項式模型表達式為

(19)

式中：bi=αi(A×f)βi，ci=γi(A×f)δi，其中αi、βi、γi、δi為擬合參數(shù)。

復(fù)合多項式模型加入了頻率及振幅因素，在頻率及振幅改變、輸入電流不同的情況下能較準(zhǔn)確地預(yù)測MRD阻尼力，并可利用阻尼力-電流逆模型實現(xiàn)開環(huán)控制。

4 智能算法模型

智能算法模型利用模糊及神經(jīng)網(wǎng)絡(luò)等智能算法的自學(xué)習(xí)能力，根據(jù)MRD輸出阻尼力與位移、速度、電流的關(guān)系，建立具備反饋優(yōu)化、自學(xué)習(xí)及自適應(yīng)能力的MRD力學(xué)模型[39-41]。

文獻[42-44]作者采用自適應(yīng)神經(jīng)模糊理論(Adaptive Neuro-Fuzzy Inference System, ANFIS)表示特定電壓下MRD輸入/輸出關(guān)系，以及電壓變化條件下阻尼力的輸出等級，提高了辨識精度，誤差不超過3%。文獻[45-49]作者分別采用BP(Back Propogation)神經(jīng)網(wǎng)絡(luò)和RBF(Radical Basis Function)神經(jīng)網(wǎng)絡(luò)對MRD逆向模型進行參數(shù)辨識，利用遺傳算法對參數(shù)進行尋優(yōu)，模擬其非線性特性，結(jié)果表明：優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度和泛化能力得到顯著提升。BP對目標(biāo)電流的預(yù)測誤差超過40%，而RBF預(yù)測誤差不超過5%，同等條件下RBF神經(jīng)網(wǎng)絡(luò)逆向模型能夠更好地預(yù)測MRD所需的控制電流。文獻[50-51]作者利用廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network, GRNN)進行MRD模型的辨識，通過臺架試驗獲得力學(xué)特性數(shù)據(jù)并建立神經(jīng)網(wǎng)絡(luò)正逆模型，結(jié)果表明：與反向傳播神經(jīng)網(wǎng)絡(luò)相比，GRNN模型結(jié)構(gòu)簡單、收斂快速，建立的模型能夠為MRD研究提供參考。姜康等[52]針對MRD現(xiàn)象模型的逆模型建立和PID參數(shù)整定問題，提出了基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(Adaptive Net-workbased Fuzzy Inferense System, ANFIS) 建立的逆向模型和ANFIS-PID控制器，結(jié)果表明：該控制器能有效改善簧載質(zhì)量加速度、懸架動行程和輪胎動變形。

利用模糊的解決非線性時滯問題的特性、神經(jīng)網(wǎng)絡(luò)的反饋預(yù)測性能以及遺傳等優(yōu)化算法的參數(shù)尋優(yōu)能力，能夠建立較為精確的MRD逆向模型，但是需要考慮模糊依賴人為經(jīng)驗、神經(jīng)網(wǎng)絡(luò)抗干擾能力差、學(xué)習(xí)速度慢及易陷入局部極小點等問題。

5 存在的問題及討論

國內(nèi)外學(xué)者對MRD力學(xué)模型的建立有較為深入的研究，取得了一些成果。但MRF流變機理復(fù)雜且具有高度非線性，在工程化應(yīng)用中存在如下問題：

1)實用性方面。給定位移、速度、電流/電壓，在對MRD阻尼力進行正向建模時，有的模型簡單，易于參數(shù)化實現(xiàn)，但并不精確，如Bingham黏塑性模型；有的模型能較好模擬非線性特性，但參數(shù)過多，不便于數(shù)值處理，如Bouc-Wen模型；有的模型較為靈活且具備自學(xué)習(xí)能力，但計算耗時，時滯非常明顯，如神經(jīng)網(wǎng)絡(luò)模型[53-55]。若建立的正向模型不簡潔、精確，則通過逆向模型求所需控制電流/電壓就會更難。

2)輸出阻尼力精度及時滯方面。當(dāng)前所建立的MRD力學(xué)模型多是采用正弦激勵，基于同一減振器不同控制電流/電壓、頻率、振幅、速度條件下得到與速度、位移的關(guān)系，存在2方面問題：(1)MRD性能受溫度、MRF沉降穩(wěn)定性(主要影響導(dǎo)磁性顆粒的體積分?jǐn)?shù))等因素影響較大，許多學(xué)者將其設(shè)為定值，與實際存在較大差別；(2)可變參數(shù)多，同一模型中難以兼顧多重因素的影響，另外，MRD控制本身存在較大的時滯，考慮多因素必定會加大時滯，這對實時控制是不利的，會大大影響MRD的實際控制效果。

3)穩(wěn)定性方面。影響MRD穩(wěn)定性的因素很多，主要分為3類：(1)MRF性能，主要包括導(dǎo)磁性顆粒的形狀、大小及其體積分?jǐn)?shù)等；(2)MRD結(jié)構(gòu)性能，包括磁路設(shè)計、磁場分布不均勻、拉伸及壓縮方向MRF液體體積補償差異，MRF與壁面壓力-黏度作用及材料相變的影響等；(3)外部環(huán)境因素，主要指溫度對MRD的影響。

MRD工作過程涵蓋“磁、流、固、機”等多種物理場作用，除受磁場強度影響外，還受磁場分布、活塞結(jié)構(gòu)和各組件材料等因素的影響。此外，MRD阻尼力受溫度、內(nèi)部壓強、黏度特性以及磁-流-固界面耦合作用影響較大。當(dāng)前的研究多是基于輸入電流/電壓與輸出阻尼力之間宏觀特性的建模，對于其內(nèi)部流場和內(nèi)部黏塑性變化過程的考慮較少。在通過MRD性能試驗獲取其輸入/輸出參數(shù)特性的基礎(chǔ)上，利用ANSYS及ADINA等流體力學(xué)及有限元分析軟件，充分考慮內(nèi)部流場之間的耦合、流變過程及相互影響關(guān)系，建立表達式簡潔且便于數(shù)值處理，能很好描述MRD低速條件下非線性滯回特性，參數(shù)易辨識且易于實際控制的MRD力學(xué)模型，將有利于MRD的工程化應(yīng)用。此外，建模時考慮磁流變特性、拉伸和壓縮條件下的液體流動與活塞及缸壁之間的關(guān)系、MRF剪切屈服強度及沉降穩(wěn)定性能等因素也值得進一步研究和探討。

[1] 周麗，張志成.基于磁流變阻尼器的結(jié)構(gòu)振動優(yōu)化控制[J].振動工程學(xué)報,2003,16(1):109-113.

[2] 何亞東.基于智能理論的建筑結(jié)構(gòu)系統(tǒng)辨識、半主動控制及控制優(yōu)化研究[D].天津：天津大學(xué),2001.

[3] Zhang Z C,Zhou L.Neural Network Emulation of Inverse Dynamics for a Magneto-rheological Damper[J].J of Struct Eng,2002,128(2):231-239.

[4] 瞿偉廉，秦順全，涂建維，等.武漢天興洲公鐵兩用斜拉橋主梁和橋塔縱向列車制動響應(yīng)智能控制的理論與關(guān)鍵技術(shù)[J].土木工程學(xué)報，2010,43(8):63-72.

[5] Hong S S,Wereley N M,Choi Y S,et al.Analytical and Experimental Validation of a Nondimensional Bingham Model for Mixed-mode Magnetorheological Dampers[J].Journal of Sound and Vibration,2008,312(3):399-417.

[6] Bossis G,Lemaire E,Volkova,H,et al.Yield Stress in Magneto-rheological and Electro-rheological Fluids:a Comparison between Microscopic and Macroscopic Structural Models [J].Journal of Rheology,1997,41(3):687-704.

[7] Wereley N M,Pang L,Kamath G M.Idealized Hysteresis Modeling of Electro-rheological and Magneto-rheological Damper[J].Journal of Intelligent Material Systems and Structures,1998,9(8):642-649.

[8] Stanway R,Sposton J L,Stevens N G.Non-linear Modeling of an Electro-rheological Vibration Damper[J].Journal of Electrostatics,1987,20(2):167-184.

[9] Shames I H,Cozzarelli F A.Elastic and Inelastic Stress Analysis[M].Englewood Cliffs:Prentice Hall,1992:120-122.

[10] Dyke S J,Spencer B F,Sain M K.Modeling and Control of Magneto-rheological Damper for Seismic Response Reduction[J].Journal of Smart Materials and Structures,1996,5(5):565-575.

[11] Lam H F,Liao W H.Semiactive Control of Automotive Suspension Systems with Magneto-rheological Dampers[J].International Journal of Vehicle Design,2003,33:50-75.

[12] 周強，瞿偉廉.磁流變阻尼器的兩種力學(xué)模型和試驗驗證[J].地震工程與工程振動，2002,22 (4):144-150.

[13] 翁建生.基于磁流變阻尼器的車輛懸架系統(tǒng)半主動控制[D].南京：南京航空航天大學(xué),2001.

[14] Pang L,Kamath G M.Wereley N M.Dynamic Characterization and Analysis of Magneto-rheological Dampers Behavior[C]∥DAV ISLP.Proceedings of SPIE International Society Option Engineering.USA:Washington SPIE,1998,3327:284-302.

[15] 張香成，徐趙東，王紹安，等.磁流變阻尼器的米氏模型及試驗驗證[J].工程力學(xué)，2013,30(3):251-255.

[16] Wen Y K.Method of Random Vibration of Hysteretic Systems[J].Journal of Engineering Mechanics Division,1976,102(2):249-263.

[17] Spencer B F,Dyke S J,Sain M K,et al.Phenomenological Model of a Magneto-rheological Damper[J].Journal of Engineering Mechanics，1997,123(3):230-238.

[18] Yan G G.Large Scale Magneto-rheological Fluid Damper for Vibration Mitigation Modeling Testing and Control[D].Notre Dame:University of Notre Dame,2001.

[19] Jansen L M,Dyke S J.Semi-active Control Strategies for MR Dampers Comparative Study[J].Journal of Engineering Mecha-nics,2000,126(8):795-803.

[20] 徐趙東，李愛群.磁流變阻尼器帶質(zhì)量元素的溫度唯象模型[J].工程力學(xué)，2005,22(2):144-148.

[21] Barber D E,Faulk J L.Rheological Changes in LORD MR Fluids Resulting from Use in Damper Devices[C]∥Proceedings of 13th International Conference on Electro-rheological Fluids and Magneto-rheological Suspensions.Turkey:Ankara SPIE,2012:136-141.

[22] 李秀領(lǐng)，李宏男.磁流變阻尼器的雙sigmoid模型及試驗驗證[J].振動工程學(xué)報，2006,19(2):168-172.

[23] 潘雙夏，張偉謙，王維銳，等.基于修正Backlash滯環(huán)的磁流變減振器建模[J].工程設(shè)計學(xué)報，2010,17(4):258-262.

[24] 葉蔥蔥.磁流變阻尼器性能的力學(xué)模型[D].天津：天津大學(xué)，2009.

[25] 侯保林，王靈，Goncalves F D.一種磁流變阻尼器非參數(shù)模型[J].南京理工大學(xué)學(xué)報，2005,29(5):560-564.

[26] 楊禮康，潘雙夏，王維銳，等.磁流變減振器滯環(huán)特性試驗與建模方法[J].機械工程學(xué)報,2006,42 (11):137-143.

[27] Maciejewski I,Modeling and Control of Semi-active Seat Suspension with Magneto-rheological Damper[J].Vibrations in Physical Systems,2010,24(2):541-547.

[28] Metered H,Bonello P， Oyadiji S O.The Experimental Identification of Magneto-rheological Dampers and Evaluation of their Controllers[J].Mechanical Systems and Signal Processing,2010,24:976-994.

[29] Peng G R,Li W H,Du H,et al.Modeling and Identifying the Parameters of a Magneto-rheological Damper with a Force-lag Phenomenon[J].Applied Mathematical Modeling,2014,38(15):3763-3773.

[30] Choi S B,Lee S K.A Hysteresis Model for the Field-dependent Damping Force of a Magneto-rheological Damper[J].Journal of Sound and Vibration，2001,245(2) :375-383.

[31] 姚嘉凌，鄭加強，高維杰，等.多項式模型磁流變減振器半主動懸架滑?？刂芠J].系統(tǒng)仿真學(xué)報，2009,21(8):2400-2404.

[32] 段敏，石晶，蘇海華.汽車磁流變減振器的設(shè)計及多項式模型的研究[J].機械設(shè)計與制造，2011,11:36-38.

[33] 蘇海華.汽車半主動懸架磁流變減振器力學(xué)模型的研究[D].錦州：遼寧工業(yè)大學(xué)，2011.

[34] 夏奇.汽車磁流變半主動懸架控制方法研究[D].重慶：重慶大學(xué)，2012.

[35] 江洪，劉如奎.磁流變半主動空氣懸架混合天地棚控制策略研究[J].科學(xué)技術(shù)與工程，2014,14(28):135-138.

[36] 樊登柱，張凱，董應(yīng)超.基于Labview 的磁流變阻尼器多項式模型的建立[J].拖拉機與農(nóng)用運輸車，2015,42(6):36-39.

[37] 周鐵明.磁流變阻尼器的改進多項式模型及驗證[J].振動與沖擊，2014,33(7):221-226.

[38] 姚嘉凌.車輛磁流變半主動懸架系統(tǒng)理論和試驗研究[D].南京：南京林業(yè)大學(xué)，2009.

[39] Truong D Q,Ahn K K.Identification and Application of Black-box Model for a Self-sensing Damping System Using a Magneto-rheological Fluid Damper[J].Sensors and Actuators:A,2010,161:305-321.

[40] 涂建維，瞿偉廉，鄒承明.MR智能阻尼器試驗研究及徑向基網(wǎng)絡(luò)模型[J].武漢理工大學(xué)學(xué)報，2003,25(1):43-46.

[41] 張澤旭.神經(jīng)網(wǎng)絡(luò)控制與MATLAB仿真[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社,2011.

[42] 高梅，王長征.ANFIS技術(shù)實現(xiàn)磁流變阻尼器的逆向建模及其應(yīng)用[J].振動與沖擊，2008,27(3):140-142.

[43] 鄭玲，周忠永.基于自適應(yīng)神經(jīng)模糊的磁流變阻尼器非參數(shù)化建模[J].振動與沖擊，2011,30(10):25-29.

[44] 潘公宇，楊海，徐騰躍，等.磁流變液阻尼器試驗與建模研究[J].振動與沖擊，2015,34(6):36-40.

[45] 王修勇，宋璨，陳政清，等.磁流變阻尼器的性能試驗與神經(jīng)網(wǎng)絡(luò)建模[J].振動與沖擊，2009,28(4):42-46.

[46] 徐健忠，王洪飛.基于神經(jīng)網(wǎng)絡(luò)的磁流變阻尼器逆控制研究[J].機電工程，2009,26(3):87-89.

[47] 廖英英，劉永強，劉金喜.磁流變阻尼器的神經(jīng)網(wǎng)絡(luò)建模及在半主動控制中的應(yīng)用[J].北京交通大學(xué)學(xué)報，2011,35(6):67-71.

[48] 王春花.唐眾.車輛主動懸架的BD神經(jīng)網(wǎng)絡(luò)自適應(yīng)PD控制[J].計算機仿真，2009,26(5)：274-277.

[49] 廖英英，劉永強，楊紹普，等.磁流變阻尼器逆向模型的建模、優(yōu)化與仿真[J].振動、測試與診斷，2013,33(4):701-705.

[50] 王戡，鄭玲，劉非.基于廣義回歸神經(jīng)網(wǎng)絡(luò)的磁流變減振器模型辨識[J].汽車工程，2013,35(7):619-634.

[51] 張自偉，鄭玲，鄧召學(xué)，等.基于磁流變懸置的整車建模與振動控制的研究[J].汽車工程，2014,36(10):1267-1273.

[52] 姜康，張騰，馮忠祥.半主動磁流變阻尼器懸架的一種ANFIS-PID控制策略[J].組合機床與自動化加工技術(shù),2016,4(4):80-82.

[53] 張進秋，滕濤，黃大山，等.基于神經(jīng)網(wǎng)絡(luò)的磁流變減振器力學(xué)模型研究[J].中北大學(xué)學(xué)報(自然科學(xué)版)，2015，36 (1):51-55.

[54] 要會娟，浮潔，張麗香.基于神經(jīng)網(wǎng)絡(luò)的磁流變阻尼器逆向模型辨識研究[J].計算機仿真，2015,32(12):408-412.

[55] Zareh S H,Abbasi M,Mahdavi H,et al.Semi-active Vibration Control of an eleven Degrees of Freedom Suspension System Using Neuro Inverse Model of Magneto-rheological Dampers[J].Journal of Mechanical Science and Technology,2012,26(8):2459-2467.

(責(zé)任編輯: 尚菲菲)

Review on Mechanical Modeling of Magneto-rheological Damper

ZHANG Jin-qiu1, PENG Hu2, SUN Yi-quan1, ZHANG Jian1, PENG Zhi-zhao1

(1. Brigade of Equipment Trial and Training, Academy of Armored Force Engineering, Beijing 100072, China; 2. Department of Technical Support Engineering, Academy of Armored Force Engineering, Beijing 100072, China)

According to the input and output characteristics of Magneto-Rheological Damper (MRD), building accurate dynamic model is one of the key factors to realize accurate control. This paper summarizes the current research status of MRD mechanical model and classifies it, analyzes the advantages and disadvantages of each model, concludes the problems and improvement measures in each model. Finally, it discusses the development direction of MRD modeling, and fully considers the factors of current, frequency, amplitude and velocity in the process of model building. Combining the input-output relationship between current and damper force with multi physical field coupling feature in the MRD, the MRD mechanical model is built with simple formula, good control effect, high simulation precision and versatility, which is applicable to the MRD engineering.

Magneto-Rheological Damper(MRD); mechanical model; magneto-rheological fluid

2016-09-20

張進秋(1963-)，男，教授，博士。

TB535

：ADOI：10.3969/j.issn.1672-1497.2016.06.007

1672-1497(2016)06-0031-08