基于遗传算法表征MR E器件的力学特性
固体火箭发动机存在三种主要的振动来源:固体发动机燃烧室的不稳定工作引起的机械振动、喷流和气动噪声的声振以及发动机本身动力特性变化引起的振动环境等.由于固体火箭发动机的振动频率随着不同工况变化,因此怎样实时削弱发动机的振动是当前研究的难题.磁流变弹性体(magnetorheological elastomers,MRE)的弹性模量可以随着磁场强度变化迅速可逆,因而磁流变弹性体隔振器可能是理想的固体火箭发动机智能控制装置.为了表征MR E隔振器的力学特性,该文主要针对在压剪混合模式下的MR E隔振器的动态力学行为进行仿真建模,模拟MR E隔振器在不同磁场和电流下的力-位移滞回曲线.在理论分析和实验测试的基础上得到MR E隔振器的参数模型,运用遗传算法对Bouc-Wen模型参数进行识别,建立Bouc-Wen有参模型,运用遗传算法优化的BP神经网络对MR E的动态力学行为进行仿真建模,并将实验结果与仿真结果的规律进行对比,验证了两种模型的正确性.在此基础上对两种模型的仿真结果进行比较,最终得出遗传算法优化的BP神经网络模型识别精度高,能很好地表征MR E的力学特性,对于研究磁流变弹性体的动态力学行为具有重要意义,同时也为固体火箭发动机的振动控制应用提供了理论依据.
滞回曲线、表征、Bouc-Wen模型、遗传算法、BP神经网络
42
TB381(工程材料学)
国家自然科学基金项目51709248
2021-03-02（万方平台首次上网日期，不代表论文的发表时间）
共8页
43-50
