遗传算法工具箱识别(GA)Bouc-Wen模型参数辨识-识别

合集下载

遗传算法遗传算法

遗传算法遗传算法
11
(5)遗传算法在解空间进行高效启发式搜索,而非盲 目地穷举或完全随机搜索;
(6)遗传算法对于待寻优的函数基本无限制,它既不 要求函数连续,也不要求函数可微,既可以是数学解 析式所表示的显函数,又可以是映射矩阵甚至是神经 网络的隐函数,因而应用范围较广;
(7)遗传算法具有并行计算的特点,因而可通过大规 模并行计算来提高计算速度,适合大规模复杂问题的 优化。
26
(4)基本遗传算法的运行参数 有下述4个运行参数需要提前设定:
M:群体大小,即群体中所含个体的数量,一般取为 20~100; G:遗传算法的终止进化代数,一般取为100~500; Pc:交叉概率,一般取为0.4~0.99;
Pm:变异概率,一般取为0.0001~0.1。
27
10.4.2 遗传算法的应用步骤
遗传算法简称GA(Genetic Algorithms)是1962年 由美国Michigan大学的Holland教授提出的模拟自然 界遗传机制和生物进化论而成的一种并行随机搜索最 优化方法。
遗传算法是以达尔文的自然选择学说为基础发展起 来的。自然选择学说包括以下三个方面:
1
(1)遗传:这是生物的普遍特征,亲代把生物信息交 给子代,子代总是和亲代具有相同或相似的性状。生 物有了这个特征,物种才能稳定存在。
18
(3)生产调度问题 在很多情况下,采用建立数学模型的方法难以对生
产调度问题进行精确求解。在现实生产中多采用一些 经验进行调度。遗传算法是解决复杂调度问题的有效 工具,在单件生产车间调度、流水线生产车间调度、 生产规划、任务分配等方面遗传算法都得到了有效的 应用。
19
(4)自动控制。 在自动控制领域中有很多与优化相关的问题需要求
10

基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识

基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识

w r ba e y uig g nt lo tm ( A) bsd o c a i lcaatr t x e me t o a e. eeo ti d b s e e c a rh G n n i gi ae n mehnc h rc i i ep r ns fa MR d mpr a e sc i
( R M R V B T )0 0— 0 ) S O G ( Ju 2 1 0 1 支持项 目 收稿 日期 : 0 0 0 — 0 修改稿收到 日期 : 1 — 5— 4 21— 3 3 2 0 0 2 0
第 一作者 刘永强 男 , 博士生 ,9 3年 1 18 2月生
问题 的遗传算法对模型 的参数进行辨识 , 并确定 了 , c, 三个参数与电流指令间的函数关系和其余 5 。k 。 个参
摘 要 :在除试验数据外无任何先验知识的条件下如何识别 Bu— n oc We 模型的参数是一个亟待解决的问题。在对
磁流变 阻尼器进行力学特性试 验的基础上 , 用遗 传算法 对磁流 变阻尼 器 Bu — n模 型进 行参数 辨识 , 采 ocWe 并采 用缩 小参
数取值 范围的方 法逐 渐提高遗传算 法的识别精度 。通过分析参数值 与电流间的特征曲线 , 曲线拟合 的方法 确定 它们 采用
( 一 )+0 0
() 1
N __ / I 0 ×R 盟

其 中 , 回变 量 z由 滞
下 式决 定
号 = s ( ) Ai 2 n 。共 进 行 了 5组试 验 , 别 为 : = 分 A
5mm、 0 5 H , /= . z A=1 m、 = . z A=2 m、 0 m - 0 5H , 厂 0m -= . , 厂 0 5HzA=1 l =1H , 0i l m、 zA=1 m、 =1 5 H 。 0 m 厂 . z

遗传算法参数辨识

遗传算法参数辨识

遗传算法参数辨识
遗传算法是一种基于自然遗传和进化原理的优化算法,能够搜索最优解,并通过进化操作不断优化解的质量。

在参数辨识中,遗传算法可以用来辨识模型的各个参数。

具体来说,遗传算法的参数辨识过程可以分为以下几个步骤:
1.编码:将模型的参数表示为遗传算法的基因编码。

这可以通过二进制编码、实数编码等方式实现。

2.初始化种群:随机生成一组初始解,即种群。

每个解都对应一个可能的参数组合。

3.适应度评估:根据模型的输出和实际数据的差异,评估每个解的适应度。

适应度高的解意味着其对应的参数组合更接近实际数据。

4.选择操作:根据适应度评估结果,选择出适应度高的解进行交叉和变异操作。

5.交叉操作:通过两个解的基因部分交换,产生新的解。

6.变异操作:对解的基因进行小幅度修改,以增加解的多样性。

7.终止条件:当达到预设的迭代次数或找到满足要求的解时,算法终止。

在参数辨识中,遗传算法可以用来优化模型的参数,使得模型的输出结果更接近实际数据。

同时,遗传算法具有全局搜索能力,可以避免局部最优解的问题。

但是,遗传算法也存在一些缺点,如计算量大、需要调整参数等。

因此,在使用遗传算法进行参数辨识时,需要根据具体问题选择合适的编码方式、适应度函数、选择策略等参数,并进行充分的测试和验证。

压电执行器的Bouc-Wen模型在线参数辨识

压电执行器的Bouc-Wen模型在线参数辨识

压电执行器的Bouc-Wen模型在线参数辨识朱炜;芮筱亭【期刊名称】《光学精密工程》【年(卷),期】2015(023)001【摘要】现有的定参数Bouc-Wen模型由于无法表征压电执行器迟滞具有的频移和时变性,极易产生较大的模拟误差.为了精确地模拟压电执行器的迟滞特性,本文建立了压电执行器的Bouc-Wen模型,并采用递推最小二乘在线辨识方法来实时辨识Bouc-Wen模型的参数.为了避免出现数据饱和现象,使用限定记忆来限定辨识方法所使用的数据组数.为验证该辨识方法的有效性,建立了相应的实验系统对其进行实验验证.实验结果表明,限定记忆递推最小二乘在线辨识方法能使Bouc-Wen模型也呈现频移和时变特性.以100 Hz的驱动电压为例,其最大绝对模拟误差从1.38 μm 降为0.51 μm.因此,与传统的离线参数辨识方法相比,限定记忆递推最小二乘在线辨识方法能够有效地提高Bouc-Wen模型的模拟精度.【总页数】7页(P110-116)【作者】朱炜;芮筱亭【作者单位】南京理工大学发射动力学研究所,江苏南京210094;南京理工大学发射动力学研究所,江苏南京210094【正文语种】中文【中图分类】TP271;TN384【相关文献】1.基于Bouc-Wen迟滞模型参数辨识的智能悬臂梁自适应控制 [J], 王瑞萍; 张婷2.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 [J], 胡国良;林豪;李刚3.磁流变阻尼器Bouc-Wen模型参数辨识研究 [J], 杨永刚;丁有闯4.基于Bouc-Wen模型的压电执行器的前馈线性化控制器 [J], 王代华;严松林;朱炜5.基于改进PSO的非对称Bouc-Wen模型参数辨识 [J], 陈玲星;苏强;赵新龙因版权原因,仅展示原文概要,查看原文内容请购买。

基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识

基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识

基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识刘永强;杨绍普;廖英英;张耕宁【期刊名称】《振动与冲击》【年(卷),期】2011(030)007【摘要】在除试验数据外无任何先验知识的条件下如何识别Bouc-Wen模型的参数是一个亟待解决的问题.在对磁流变阻尼器进行力学特性试验的基础上,采用遗传算法对磁流变阻尼器Bouc-Wen模型进行参数辨识,并采用缩小参数取值范围的方法逐渐提高遗传算法的识别精度.通过分析参数值与电流间的特征曲线,采用曲线拟合的方法确定它们之间的函数关系,再利用遗传算法得到具体的函数表达式.最后用不同幅值和频率的激励试验数据对识别结果和拟合结果进行了验证.结果表明:利用缩小取值范围的方法得到的Bouc-Wen模型参数识别结果在全局最优解的附近,拟合结果和辨识出的模型均能满足要求.【总页数】5页(P261-265)【作者】刘永强;杨绍普;廖英英;张耕宁【作者单位】石家庄铁道大学,石家庄050043;石家庄铁道大学,石家庄050043;石家庄铁道大学,石家庄050043;石家庄铁道大学,石家庄050043【正文语种】中文【中图分类】TB535.1【相关文献】1.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2.基于Bouc-Wen迟滞模型参数辨识的智能悬臂梁自适应控制 [J], 王瑞萍; 张婷3.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 [J], 胡国良;林豪;李刚4.磁流变阻尼器Bouc-Wen模型参数辨识研究 [J], 杨永刚;丁有闯5.基于改进PSO的非对称Bouc-Wen模型参数辨识 [J], 陈玲星;苏强;赵新龙因版权原因,仅展示原文概要,查看原文内容请购买。

Bouc-Wen模型和反演装置应用在压电传动装置上来补偿非线性磁滞现象

Bouc-Wen模型和反演装置应用在压电传动装置上来补偿非线性磁滞现象

Bouc-Wen模型和反演装置应用在压电传动装置上来补偿非线性磁滞现象摘要——现在提出一个新的方法用来补偿压电陶瓷材料的非线性磁滞现象。

基于反演预算的方法,该方法避免了反演模型用于现有的问题。

因此,补偿易于实施,只要直接模式是可用,就不需要额外的计算。

该补偿技术,对于Bouc-Wen方程组模拟的磁滞现象很有价值实验人员注意——这些来,许多研究人员正在研究微米/ 纳米级压电晶体的非线性迟滞现象。

尽管高分辨率和高速度的材料的磁滞现象受限于准确性,但是如果反馈控制律可以很轻松地提高性能,它们将应用于微米/纳米级和微小型系统方便传感器。

一方面,准确、高带宽传感器不仅昂贵,而且庞大(仪、光学传感器)。

另一方面,可积传感器对噪音高度敏感,并且易碎(应变片)。

传感器、前馈控制技术已被使用。

这些技术代表了包含在一个整合的观点,但现有的方法很难实现复杂的计算和运行。

在本文中有三个明确的目标:(1)在微米/纳米级实现高性能的需要(2)避免使用庞大的传感器,(3)需要的是易于计算和控制的技术因此本文的内容关键在于设计一种前馈补偿控制器,并且它方便计算和操作。

当然,即使我们提出一个应用对应到具体的压电驱动器,提出的方法同样适用于其他的Bouc-Wen的表达建模系统。

关键词——磁滞现象补偿、Bouc-Wen模型、反演的方案、压电传动装置一介绍压电材料,尤其是PZT材料,在微米/纳米级的发展研究很有价值。

这是由于压电陶瓷提供高分辨率,高带宽,低成本,处理简单所致。

不幸的是,压电陶瓷表现出强烈的非线性磁滞现象,最后不得不妥协制动器的精度并且产生不需要的谐波。

反馈控制技术似乎是最好的方式,它能够触及到整体的实质性东西(准确性、重复性、干扰和不确定性影响振动排斥、拒绝,等等)。

(1)(2)然而,反馈给微小系统,如微米/纳米执行机构受限于传感器难以整合,而高带宽和足够精确的传感器过于庞大,并且很难制作和非常昂贵(干涉仪,三角光传感器、cameramicroscopes测量系统,等等)。

遗传算法工具箱识别(GA)Bouc-Wen模型参数辨识-识别

遗传算法工具箱识别(GA)Bouc-Wen模型参数辨识-识别

Bouc-Wen模型因数字处理方便简单而得到较为广泛的应用,力可以表示为:利用遗传算法工具箱(GA)对Bouc-Wen模型进行参数识别。

实验数据来源于对磁流变阻尼器(MR damper)进行性能测试,试验获得的数据包括力F,位移x,采用频率已知,速度和加速度可以由位移求导得出。

参数识别出现程序如下:(文件名:Copy_0_of_BoucWen)function j=myfung(x)y0=[0];yy=y0;tspan=[]';s=[]';v=[]';Ft=[]';rr=max(size(s));%计算数据个数i=1;while(i<rr)&(~isnan(y0(1,1)))&(~(max(abs(y0))>1e5))%%判断是否出现奇异点,具体忘了。

[ty]=ode45(@uubird,[tspan(i),tspan(i+1)],y0,[],v(i),x);%参考论坛的y0=y(end,:);yy=[yy;y0];i=i+1;kk=max(size(y));if kk>150 %微分方程计算,停止是有条件的(具体没去研究),这边设置150次,不管有没有收敛,都停止,不然整个程序运行的实际太久,你也可以改成其他的,慢慢研究break;endendif (i==rr)&(~isnan(yy(1,1)))==1%判断是否出现奇异点(就是NAN),如果没有出现,就是正常的F=x(:,4)*yy(:,1)+x(:,5)*(s-ones(size(s)) *x(:,6))+x(:,7)*v;%x(:,4)代表alpha 5代表k0,6代表s0 7代表c0 位移s就是公式中的xj=sum((F-Ft).*(F-Ft));i=i+1;else i<(rr-1)%出现奇异点(NAN)j=1e10;%因为出现奇异值,所以随便给一个目标函数值(这个要足够大),目的是排除这组优化值(也就是这个种群不要)i=rr;endfunction dy=uubird(t,y,v,x)dy=-x(:,1)*abs(v)*y*abs(y)-x(:,2)*(v)*y^2+x(:,3)*v;% 1r 2beita 3A 取n=2运行结果拟合效果对比程序(文件名BoucWenjianyan247):clccleardatasorce=load('247-0.txt');II=1;a=2000;b=3000; %为了拟合。

基于Bouc-Wen模型辨识结合面动态特性研究

基于Bouc-Wen模型辨识结合面动态特性研究
e l e me n t s ,i t c a n n o t r e l f e c t t h e h y s t e r e s i s n o n l i n e a r c h a r a c t e r i s t i c s o f j o i n t i n t e r f a c e s w i t h s t i c k - s l i p a n d s e p a r a t i o n — s l a p .
L I L i n g , C A I A n - j i a n g ,C A I L i . g a n g , R U A N X i a o . g u a n g , Z H A O Y o n g . s h e n g
( 1 .S c h o o l o f Me c h a n i c a l a n d E l e c t r i c a l E n g i n e e r i n g , X i ’ a n U n i v e r s i t y o f A r c h i t e c t u r e T e c h n o l o g y , X i ’ a n 7 1 0 0 5 5 ,C h i n a ;
Ab s t r a c t : T h e d y n a m i c mo d e l o f j o i n t i n t e r f a c e s i s u s u a l l y c h a r a c t e r i z e d w i t h a n u mb e r o f l i n e a r s p i r n g - d a m p i n g
( 1 . 西安建筑科技 大学 机 电工程学 院 , 西安 7 1 0 0 5 5; 1 0 0 1 2 4 )

Bouc-Wen 滞回模型的参数辨识

Bouc-Wen 滞回模型的参数辨识

上海交通大学硕士学位论文Bouc-Wen滞回模型的参数辨识及其在电梯振动建模中的应用姓名:周传勇申请学位级别:硕士专业:机械设计及理论指导教师:李鸿光20080201Bouc-Wen滞回模型的参数辨识及其在电梯振动建模中的应用摘 要电梯导靴是连接轿箱系统与导轨的装置,它能起到导向和隔振减振的作用。

同时,在电梯的运行过程中它又将导轨由于制造或安装所造成的表面不平顺度传递给轿箱系统,从而引起轿箱系统的水平振动。

国内外学者在电梯水平振动的建模和分析中,往往把导靴视为线性弹簧-阻尼元件来建模而忽略了非线性因素。

事实上导靴与导轨之间存在非线性的迟滞摩擦力,本文通过实验的方法,采用Bouc-Wen 滞回模型来建立导靴-导轨非线性摩擦力模型。

Bouc-Wen滞回模型因其微分形式的非线性表达式而使得其参数辨识存在较大的困难,本文利用模型中部分参数的不敏感性,通过数学变换将非线性参数辨识问题转化为线性参数辨识问题,从而使得问题大大简化,参数辨识的效果也能满足要求。

基于以上导靴-导轨间摩擦力模型,本文进而建立了轿箱-导轨耦合水平振动动力学模型,该模型将轿箱系统等效为2自由度的平面运动刚体,将导靴等效为质量-弹簧-阻尼单元,同时考虑了导靴-导轨间的非线性摩擦力,以及导靴靴衬与导轨间接触的不连续性等。

在建立了轿箱-导轨耦合水平振动动力学模型后,利用Matlab/Simulink,建立了相应的仿真模型,开展了几种典型导轨不平顺度激励(弯曲、失调和台阶)下的仿真分析。

研究结果表明,这些分析对于电梯结构优化设计和动力学建模与分析有理论指导意义。

关键词:迟滞,参数辨识,非线性,动力学建模,系统仿真PARAMETER IDENTIFICATION OF BOUC-WENHYSTERESIS MODEL AND ITS APPLICATION IN ELEV ATOR VIBRATION MODELINGABSTRACTElevator guide shoe is used to connect car system and rail. It has the advantage of vibration isolation and vibration absorption. At the same time, in the course of elevator running, it transfers the surface unevenness of rail, which is caused by manufacturing and installing, to car system. So it causes the horizontal vibration of car system. In the modeling and analysis of elevator horizontal vibration, scholars tend to model guide shoe as linear spring-damping component and ignore non-linear factors. In fact, there is non-linear hysteresis friction between guide shoe and rail. This paper adopts Bouc-Wen model to model the non-linear friction between guide shoe and rail through experiment method.It has big difficulties in Bouc-Wen model parameter identification for it’s differential non-linear expression. Through mathematical transform, this paper uses the un-sensitiveness of some parameter of Bouc-Wen model to transfer the non-linear parameter identification problem into linear parameter identification problem. This simplify the problem muchand the effect of parameter identification is also satisfies the requirement.Base on the model of friction force between guide shoe and rail, this paper build horizontal vibration dynamic model of coupled car and rail. This model takes car system as rigid body with two degrees of freedom. This model takes guide shoe as mass-spring-damping component. At the same time, it takes non-linear friction force between guide shoe and rail and the incontinuous contact between guide pad and rail into consideration.After building horizontal vibration dynamic model about coupled car and rail, this paper built relevant simulation model in Matlab/Simulink and carried out several simulation analysis in different rail unevenness excitation (bend, triangular and step). These analysis have guidance and reference significance to structure optimization design and dynamic modeling and analysis of elevator.KEY WORDS:hysteresis,parameter identification, non-linear, dynamic modeling, system simulation上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。

优化算法之遗传算法(GeneticAlgorithm,GA)

优化算法之遗传算法(GeneticAlgorithm,GA)

优化算法之遗传算法(GeneticAlgorithm,GA)⽬录概述遗传算法(Genetic Algorithm, GA) 起源于对⽣物系统所进⾏的计算机模拟研究。

它是模仿⾃然界⽣物进化机制发展起来的 随机全局搜索和优化⽅法,借鉴了达尔⽂的进化论和孟德尔的遗传学说。

其本质是⼀种⾼效、并⾏、全局搜索的⽅法,能在搜索过程中⾃动获取和积累有关搜索空间的知识,并⾃适应地控制搜索过程以求得最佳解。

相关术语基因型(genotype):性状染⾊体的内部表现;表现型(phenotype):染⾊体决定的性状的外部表现,或者说,根据基因型形成的个体的外部表现;个体(individual):指染⾊体带有特征的实体;种群(population):个体的集合,该集合内个体数称为种群的⼤⼩编码(coding):DNA中遗传信息在⼀个长链上按⼀定的模式排列。

遗传编码可看作从表现型到基因型的映射。

解码(decoding):基因型到表现型的映射。

交叉(crossover):两个染⾊体的某⼀相同位置处DNA被切断,前后两串分别交叉组合形成两个新的染⾊体。

也称基因重组或杂交;变异(mutation):复制时可能(很⼩的概率)产⽣某些复制差错,变异产⽣新的染⾊体,表现出新的性状。

进化(evolution):种群逐渐适应⽣存环境,品质不断得到改良。

⽣物的进化是以种群的形式进⾏的。

适应度(fitness):度量某个物种对于⽣存环境的适应程度。

选择(selection):以⼀定的概率从种群中选择若⼲个个体。

⼀般,选择过程是⼀种基于适应度的优胜劣汰的过程。

复制(reproduction):细胞分裂时,遗传物质DNA通过复制⽽转移到新产⽣的细胞中,新细胞就继承了旧细胞的基因。

遗传算法的实现过程遗传算法的实现过程实际上就像⾃然界的进化过程那样。

⾸先寻找⼀种对问题潜在解进⾏“数字化”编码的⽅案,(建⽴表现型和基因型的映射关系)。

然后⽤随机数初始化⼀个种群(那么第⼀批袋⿏就被随意地分散在⼭脉上),种群⾥⾯的个体就是这些数字化的编码。

基于最小二乘法的Bouc-Wen模型参数辨识

基于最小二乘法的Bouc-Wen模型参数辨识

采 样 时 ̄ l t i 的位 移x i i n 迟滞力z i , 由( 1 ) 式两 边对 时 间f 积分, 有:
j z ( f ) = “ ( , ) 一 p r ( f ) I : ( h i d t — Y 1 ( z ( z ( f ) r d t 识码: A
文章编号 : 1 6 7 4 - 0 9 8 X( 2 0 1 3 ) 0 2( c ) - 0 1 5 0 - 0 2
在 工 程 中, 大 量存 在 着迟 滞 的 非 线 性恢 复 力 , 当过 程 具 有 周期 2 最小 二 乘法参 数 辨 识 性 时 就表 现 为 迟 滞 环 , 例如, 系统 中存 在 弹性 与 库 仑 干摩 擦 力, 反 前面 已经提  ̄ l B o u c — We n 模 型中需 辨 识的 参 数 为 、 、 y 、 月 , 为 复加 载 、 卸 载下 的弹 塑 性 材 料 变 形 , 铁 磁 元 件 中的磁 滞 特 性 , 材 料 后 面叙 述 的方便 , 令 向量 { 0 I _ { “ 、 、 y 通过 实验 , 可 以采 集得 到 各
有 参 数的 最 终 取 值 。 这 种 方 法 的 一 个 最 大 不足 就 是 当 假 定 初 值取 值 不好时 , 会 造成 迭 代 过程 收 敛 很慢 甚 至 发散 。 该 文 在 分 析B o u c — We n 模 型 中参 数特 点 的 基础 上 , 采 用数 学 变换 将 BO U C — We n 模型
其 中 ,f 。 为 积 分初 始 点, f , 为积分 终 点 , 简化 后 得到 :
( 2 )
法是 Ho o n W i 2 1 所 采 用的两 步 辨识 方 法 , 即在第一 步 中假 定 部 分参 数 的取值 , 通 过 线 性 最 小二 乘法 辨 识 出其 余 参数 的 取 值 , 第二 步 中 以第一 步 中的 假 定值 和辨 识 值作 为初值 , 进行牛 顿 迭 代 从而 确 定所

Bouc-Wen 滞回模型的参数辨识

Bouc-Wen 滞回模型的参数辨识

上海交通大学硕士学位论文Bouc-Wen滞回模型的参数辨识及其在电梯振动建模中的应用姓名:周传勇申请学位级别:硕士专业:机械设计及理论指导教师:李鸿光20080201Bouc-Wen滞回模型的参数辨识及其在电梯振动建模中的应用摘 要电梯导靴是连接轿箱系统与导轨的装置,它能起到导向和隔振减振的作用。

同时,在电梯的运行过程中它又将导轨由于制造或安装所造成的表面不平顺度传递给轿箱系统,从而引起轿箱系统的水平振动。

国内外学者在电梯水平振动的建模和分析中,往往把导靴视为线性弹簧-阻尼元件来建模而忽略了非线性因素。

事实上导靴与导轨之间存在非线性的迟滞摩擦力,本文通过实验的方法,采用Bouc-Wen 滞回模型来建立导靴-导轨非线性摩擦力模型。

Bouc-Wen滞回模型因其微分形式的非线性表达式而使得其参数辨识存在较大的困难,本文利用模型中部分参数的不敏感性,通过数学变换将非线性参数辨识问题转化为线性参数辨识问题,从而使得问题大大简化,参数辨识的效果也能满足要求。

基于以上导靴-导轨间摩擦力模型,本文进而建立了轿箱-导轨耦合水平振动动力学模型,该模型将轿箱系统等效为2自由度的平面运动刚体,将导靴等效为质量-弹簧-阻尼单元,同时考虑了导靴-导轨间的非线性摩擦力,以及导靴靴衬与导轨间接触的不连续性等。

在建立了轿箱-导轨耦合水平振动动力学模型后,利用Matlab/Simulink,建立了相应的仿真模型,开展了几种典型导轨不平顺度激励(弯曲、失调和台阶)下的仿真分析。

研究结果表明,这些分析对于电梯结构优化设计和动力学建模与分析有理论指导意义。

关键词:迟滞,参数辨识,非线性,动力学建模,系统仿真PARAMETER IDENTIFICATION OF BOUC-WENHYSTERESIS MODEL AND ITS APPLICATION IN ELEV ATOR VIBRATION MODELINGABSTRACTElevator guide shoe is used to connect car system and rail. It has the advantage of vibration isolation and vibration absorption. At the same time, in the course of elevator running, it transfers the surface unevenness of rail, which is caused by manufacturing and installing, to car system. So it causes the horizontal vibration of car system. In the modeling and analysis of elevator horizontal vibration, scholars tend to model guide shoe as linear spring-damping component and ignore non-linear factors. In fact, there is non-linear hysteresis friction between guide shoe and rail. This paper adopts Bouc-Wen model to model the non-linear friction between guide shoe and rail through experiment method.It has big difficulties in Bouc-Wen model parameter identification for it’s differential non-linear expression. Through mathematical transform, this paper uses the un-sensitiveness of some parameter of Bouc-Wen model to transfer the non-linear parameter identification problem into linear parameter identification problem. This simplify the problem muchand the effect of parameter identification is also satisfies the requirement.Base on the model of friction force between guide shoe and rail, this paper build horizontal vibration dynamic model of coupled car and rail. This model takes car system as rigid body with two degrees of freedom. This model takes guide shoe as mass-spring-damping component. At the same time, it takes non-linear friction force between guide shoe and rail and the incontinuous contact between guide pad and rail into consideration.After building horizontal vibration dynamic model about coupled car and rail, this paper built relevant simulation model in Matlab/Simulink and carried out several simulation analysis in different rail unevenness excitation (bend, triangular and step). These analysis have guidance and reference significance to structure optimization design and dynamic modeling and analysis of elevator.KEY WORDS:hysteresis,parameter identification, non-linear, dynamic modeling, system simulation上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。

复合材料板簧的迟滞特性建模与试验研究

复合材料板簧的迟滞特性建模与试验研究

2021年(第43卷)第6期汽车工程Automotive Engineering2021(Vol.43)No.6复合材料板簧的迟滞特性建模与试验研究*刘鹤龙1,史文库1,高蕊2,陈志勇1,陈晃2,孙云龙3(1.吉林大学,汽车仿真与控制国家重点实验室,长春130022;2.中国重汽集团汽车研究总院,济南250100;3.哈尔滨玻璃钢研究院有限公司,哈尔滨150036)[摘要]运用Bouc⁃Wen摩擦学理论建立了复合材料板簧的迟滞特性模型,根据台架试验测得的动态力-位移曲线,利用改进的乌鸦搜索算法(MCSA)进行了模型的参数辨识。

仿真结果与试验结果吻合较好,表明该模型能准确预测复合材料板簧的迟滞特性。

建立考虑复合材料板簧迟滞特性的整车7自由度动力学模型,分析了在随机路面激励下,复合材料板簧迟滞特性对整车动态响应的影响。

结果表明,复合材料板簧的迟滞特性使簧载质量的质心加速度增加,板簧的回复力增大,而悬架的动挠度减小。

该研究为复合材料板簧的整车匹配和精细化动力学建模提供参考。

关键词:复合材料板簧;迟滞特性;平顺性;Bouc⁃Wen模型;乌鸦搜索算法Modeling and Experimental Study on Hysteresis Characteristic ofComposite Leaf SpringsLiu Helong1,Shi Wenku1,Gao Rui2,Chen Zhiyong1,Chen Huang2&Sun Yunlong31.Jilin University,State Key Laboratory of Automotive Simulation and Control,Changchun130022;2.Automotive Research Institute of China National Heavy Duty Truck Group Co.,Ltd.,Jinan250100;3.Harbin FRP Institute Co.,Ltd.,Harbin150036[Abstract]Bouc⁃Wen tribology theory is applied to the setting up of the hysteresis characteristic model of composite leaf springs,and according to the dynamic force⁃displacement curves obtained by bench test,the model parameters are identified by using the modified crow search algorithm(MCSA).The simulation results well agree with the test ones,showing that the model can accurately predict the hysteresis characteristic of composite leaf spring.A seven DOF vehicle dynamic model is established with consideration of the hysteresis characteristic of com⁃posite leaf spring,and the influence of the hysteresis characteristic of composite leaf springs on the dynamic re⁃sponse of vehicle under random road excitation is analyzed.The results indicate that the hysteresis characteristic of composite leaf spring increases the mass⁃center acceleration of sprung mass and the restoring force of leaf spring,and reduces the dynamic deflection of suspension.This study provides a reference for the vehicle matching and the refined dynamic modeling of composite leaf springs.Keywords:composite leaf spring;hysteresis characteristic;ride comfort;Bouc⁃Wen model;crow search algorithm前言随着能源短缺的问题日益凸显和新能源汽车对续航里程的要求逐渐提高,汽车轻量化技术的发展得到了广泛的关注。

基于Matlab磁流变阻尼器Bouc-Wen模型的参数识别

基于Matlab磁流变阻尼器Bouc-Wen模型的参数识别
termine the controlled damping parameters(CDP),functional relationships between some pa rameteቤተ መጻሕፍቲ ባይዱ a nd applied current were deter—
mined by using the method of linear fitting.Finally built in consider ing CDP Bouc—W en simulation model,made simulation with exper- iment data in different amplitudes and frequencies,the simulation results were compared wit h exper imenta l va lues.It is shown t h at t h e simulation result ̄ are consistent with t he test results, and the model identified can meet the need of parametem in engineering applications.
Keywords: Bouc—W en model;Simulink Design Optimization;Magnetorheologica l damper;Pa rameter identif ication
0 前 言 磁 流 变 阻 尼 器 (Magneto.rheological Damper,
李耀 刚 ,陈盟 ,龙海 洋 ,琚 立颖
(华北 理 工大 学机 械 工程 学 院 ,河 北唐 山 063009)

基于最小二乘法的Bouc-Wen模型参数辨识

基于最小二乘法的Bouc-Wen模型参数辨识

基于最小二乘法的Bouc-Wen模型参数辨识摘要:Bouc-Wen模型是工程中应用比较广泛的一种迟滞模型,能够产生一系列不同的光滑滞回曲线,但在实际应用中,因其数学表述上的复杂和参数物理意义不明确而使得其参数辨识存在一定的难度。

文中提出一种基于最小二乘法原理的参数辨识方法,它根据系统的输入和输出直接辨识模型中的待定参数,通过在电梯导靴摩擦力建模中的应用表明该方法辨识精度较高,具有较好的实际应用价值。

关键词:Bouc-Wen模型迟滞参数辨识最小二乘法在工程中,大量存在着迟滞的非线性恢复力,当过程具有周期性时就表现为迟滞环,例如,系统中存在弹性与库仑干摩擦力,反复加载、卸载下的弹塑性材料变形,铁磁元件中的磁滞特性,材料内部阻尼性质等都会出现滞回特性。

描述滞回特性的模型有很多,而Bouc-Wen模型[1]因其光滑的滞回特性和较强的通用性而得到广泛的应用。

目前对Bouc-Wen模型参数辨识比较有代表性的方法是Hoon W[2]所采用的两步辨识方法,即在第一步中假定部分参数的取值,通过线性最小二乘法辨识出其余参数的取值,第二步中以第一步中的假定值和辨识值作为初值,进行牛顿迭代从而确定所有参数的最终取值。

这种方法的一个最大不足就是当假定初值取值不好时,会造成迭代过程收敛很慢甚至发散。

该文在分析Bouc-Wen模型中参数特点的基础上,采用数学变换将Bouc-Wen模型表达式转变为关于参数的线性表达式,然后提出了一种基于线性最小二乘法原理的参数辨识方法。

1 Bouc-Wen迟滞非线性模型Bouc-Wen模型的非线性迟滞力z由以下微分方程决定:其中x(t)是迟滞环节两端相对位移变形量,z(t)为光滑迟滞恢复力。

图(1)是一正弦位移激励下的Bouc-Wen滞回曲线。

滞回曲线的大小和形状由参数α、β、γ控制,曲线的光滑程度由决定。

通过适当选取α、β、γ、n可以得到不同的滞回曲线。

图(1)中,OPA代表刚开始从原始位置出发到达到最大正向位移期间迟滞力和位移的关系,A和C两点分别为正向最大位移点和反向最大位移点,ABC代表反向运动时迟滞摩擦力与位移的关系,CDA 则代表了正向运动时的迟滞摩擦力与位移的关系,正反运动分别在A 点和C点改变方向,于是在周期位移激励下便会形成封闭回线即滞回曲线。

基于Bouc-Wen本构对桥墩滞回参数识别的研究

基于Bouc-Wen本构对桥墩滞回参数识别的研究

基于Bouc-Wen本构对桥墩滞回参数识别的研究桥梁抗震设计主要分两个思路:减隔震抗震设计和延性抗震设计。

减隔震装置能够通过自身耗能,保护结构,更换方便,成本较低;对于高墩等减隔震装置效果不明显的非常规桥梁结构,延性抗震体系依然能收到很好的效果;对于支座处易产生反方向力,基层土不稳定或者是软土层地区,采用减隔震抗震体系效果不明显,延性抗震体系效果较好。

延性体系中极为重要的一个环节就是研究墩柱的耗能性能。

以某四跨混凝土连续梁桥中跨桥墩为原型,本文建立Opensees数值计算模型,并按照1:2.5的比例浇筑混凝土桥墩,做低周往复试验。

以Bouc-Wen本构为参数识别的基础,通过对桥墩滞回特性的研究来描述桥梁的抗震性能。

本文研究重点如下:(1)基于原有对结构滞回特性研究的片面性,本文引用光滑恢复力本构模型。

以Opensees有限元软件为数值模拟平台,从桥梁延性抗震设计的角度分析结构抗震性能。

引入Bouc-Wen本构模型,分析该本构各个控制参数的取值对整个滞回环所带来的影响,进而分析各参数在滞回曲线形状控制中的作用。

整个过程通过在有限元分析软件Opensees中通过控制其他参数不变,改变其中一个参数的办法来分析其变化过程。

(2)应用Opensees有限元软件建立某四跨钢筋混凝土连续梁桥模型,选择中间墩柱部分做低周往复试验,绘制出中间跨墩柱的墩顶力-位移曲线。

再基于Bouc-Wen本构模型,采用遗传算法识别出原有力-位移滞回曲线的滞回特性参数。

将所识别的参数带入原有数值模型中,得到新的识别曲线,把两曲线放置于同一图幅中,对比两滞回环吻合度。

(3)结构滞回特性是结构自身本质属性,不因外界荷载产生改变。

本文改变加载制度,同样得到低周往复试验分析曲线。

再将规则一下曲线的参数识别结果带入规则二加载条件下,得到新的识别曲线,再把识别曲线与初始曲线放同一图幅试比较,再次比较滞回环的吻合度。

(4)对物理试验中桥墩做低周往复,分别取出其弹性阶段、峰值阶段、承载力下降阶段以及破坏阶段,并识别各阶段滞回参数,分析各个参数在滞回曲线中的影响。

Bouc-Wen模型参数识别的非线性自适应遗传算法和试验验证

Bouc-Wen模型参数识别的非线性自适应遗传算法和试验验证

Bouc-Wen模型参数识别的非线性自适应遗传算法和试验验

章红梅;胡帆;段元锋
【期刊名称】《工程力学》
【年(卷),期】2022(39)6
【摘要】Bouc-Wen模型是一种可表征结构及构件在往复荷载作用下的刚度退化、强度退化等的一种多功能非线性光滑滞回模型,可广泛应用于各类结构滞回行为的
描述。

Bouc-Wen模型参数是决定结构构件滞回模型力学特征的关键,由于该模型
参数众多且物理意义不明确,往往只能从滞回数据得到近似解。

为适应该类模型参
数高效识别的需求,该研究提出了一种非线性自适应遗传算法,并通过4片不同配筋和加载条件的RC剪力墙的低周反复加载试验对Bouc-Wen模型参数识别的效果
进行了验证。

模型参数识别得到的滞回曲线和算法效率与标准遗传算法识别的结果以及实验数据进行了对比,结果表明:所提出的方法显著提升了Bouc-Wen模型的识别精度与效率。

该文所提出的方法可用来进行结构滞回模型的识别并用所识别的模型进行结构的非线性行为模拟。

【总页数】11页(P191-201)
【作者】章红梅;胡帆;段元锋
【作者单位】浙江大学建筑工程学院
【正文语种】中文
【中图分类】TU318
【相关文献】
1.基于遗传算法的钢筋混凝土剪力墙Bouc-Wen模型参数识别
2.基于遗传算法的磁流变阻尼器Bouc-Wen模型参数辨识
3.约束UKF初始参数对Bouc-Wen模型参数识别的影响
4.约束UKF初始参数对Bouc-Wen模型参数识别的影响
5.自适应多层复形遗传算法在钛合金动态本构模型参数识别中的应用
因版权原因,仅展示原文概要,查看原文内容请购买。

数学建模-遗传算法(GA)

数学建模-遗传算法(GA)

实战演练
我方有一个基地,经度和纬度为(70,40)。 假设我方飞机的速度为1000 公里/小时。 我方派一架飞机从基地出发,侦察完敌方所 有目标,再返回原来的基地。在敌方每一目 标点的侦察时间不计,求该架飞机所花费的 时间(假设我方飞机巡航时间可以充分长)。
目的:使遗传算法具有局部的随机搜索能力 还可以可维持群体多样性
GA框图
产生初始群体

输出结果并结束
是否满足停止准则

计算个体适应度值
比例选择运算
单点交叉运算
基本位突变运算
产生新一代群体
遗传算法的特点
(1)群体搜索,易于并行化处理; (2)不是盲目穷举,而是启发式搜索; (3)适应度函数不受连续、可微等条件的约
遗传算法(GA)
GA简介:
它是一类借鉴生物界自然选 择和自然遗传机制的随机化 搜索算法,是一种具有全局 优化性能、通用性强、且适 合于并行处理的算法。
遗传算法的搜索机制
遗传算法模拟自然选择和自然遗传过程中发生 的繁殖、交叉和基因突变现象,在每次迭代中 都保留一组候选解,并按某种指标从解群中选 取较优的个体,利用遗传算子(选择、交叉和突 变)对这些个体进行组合,产生新一代的候选解 群,重复此过程,直到满足某种收敛指标为止。
束,适用范围很广。
遗传算法的本质
遗传算法本质上是对染色体模式所进行 的一系列运算,即通过选择算子将当前 种群中的优良模式遗传到下一代种群中, 利用交叉算子进行模式重组,利用突变 算子进行模式突变。通过这些遗传操作, 模式逐步向较好的方向进化,最终得到 问题的最优解。
算法的改进
遗传算法改进,首先将变异操作从交叉操作 中分离出来,使其成为独立的并列于交叉的 寻优操作,在具体遗传操作中பைடு நூலகம்混沌与遗传 操作联系在一起,在交叉操作中,以“门当 户对”原则进行个体的配对,利用混沌序列 确定交叉点,实行强度最弱的单点交叉,以 确保算法收敛精度,削弱和避免寻优抖振问 题;在变异操作中,利用混沌序列对染色体 中多个基因进行变异,以避免算法早熟。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Bouc-Wen模型因数字处理方便简单而得到较为广泛的应用,力可以表示为:
利用遗传算法工具箱(GA)对Bouc-Wen模型进行参数识别。

实验数据来源于对磁流变阻尼器(MR damper)进行性能测试,试验获得的数据包括力F,位移x,采用频率已知,速度和加速度可以由位移求导得出。

参数识别出现程序如下:(文件名:Copy_0_of_BoucWen)
function j=myfung(x)
y0=[0];
yy=y0;
tspan=[]';
s=[]';
v=[]';
Ft=[]';
rr=max(size(s));%计算数据个数
i=1;
while (i<rr)&(~isnan(y0(1,1)))&(~(max(abs(y0))>1e5))%%判断是否出现奇异点,具体忘了。

[t y]=ode45(@uubird,[tspan(i),tspan(i+1)],y0,[],v(i),x);%参考论坛的
y0=y(end,:);
yy=[yy;y0];
i=i+1;
kk=max(size(y));
if kk>150 %微分方程计算,停止是有条件的(具体没去研究),这边设置150次,不管有没有收敛,都停止,不然整个程序运行的实际太久,你也可以改成其他的,慢慢研究
break;
end
end
if (i==rr)&(~isnan(yy(1,1)))==1%判断是否出现奇异点(就是NAN),如果没有出现,就是正常的
F=x(:,4)*yy(:,1)+x(:,5)*(s-ones(size(s))*x(:,6))+x(:,7)*v;%x(:,4)代表alpha 5代表k0,6代表s0 7代表c0 位移s就是公式中的x
j=sum((F-Ft).*(F-Ft));
i=i+1;
else i<(rr-1)%出现奇异点(NAN)
j=1e10;%因为出现奇异值,所以随便给一个目标函数值(这个要足够大),目的是排除这组优化值(也就是这个种群不要)
i=rr;
end
function dy=uubird(t,y,v,x)
dy=-x(:,1)*abs(v)*y*abs(y)-x(:,2)*(v)*y^2+x(:,3)*v;% 1r 2beita 3A 取n=2
运行结果
拟合效果对比程序(文件名BoucWenjianyan247):
clc
clear
datasorce=load('247-0.txt');
II=1;
a=2000;
b=3000; %为了拟合。

datasorce=datasorce(a:b,:);%去一个周期进行对比
s=datasorce(:,1)*0.7857-0.027860;%位移换算(你不用管)
Ft=datasorce(:,4)*1000/3.44; %力换算
sa=(max(s)-min(s))/2-max(s);
s=s+sa;
sFt=(max(Ft)-min(Ft))/2-max(Ft);
Ft=Ft+sFt;
for i=1:(b-a+1)
A(i)=i*0.001;
end
T=A';
p=polyfit(T,s(:),10);%拟合,用于求解
y10=polyval(p,T);
syms x
y= p(1)*x^10 + p(2)*x^9 +p(3)*x^8 + p(4)*x^7 + p(5)*x^6 + p(6)*x^5 + p(7)*x^4 + p(8)*x^3 +p(9)*x^2 + p(10)*x +p(11);
f=diff(y);
ac=diff(y,2);
for i=1:(b-a+1)
x=i*0.001;
v(i)=eval(f);
acc(i)=eval(ac);
vm(i)=(v(i)*v(i)-s(i)*acc(i))^0.5;
I(i)=0;
end
v=v';
T=T';
y0=[0];
yy=y0;
rr=max(size(s));
tspan=0:0.001:(rr-1)*0.001;
i=1;
x=[0.764 -0.7651 2.291 3.108 4.994 2.163925 3.002] ;%%参数识别出出来的结果
while (i<rr)
[t y]=ode45(@uubird,[tspan(i),tspan(i+1)],y0,[],v(i),x);
y0=y(end,:);
yy=[yy;y0];
i=i+1;
end
F=x(:,4)*yy(:,1)+x(:,5)*(s-ones(size(s))*x(:,6))+x(:,7)*v;%4alpha 5k0 6x0 7c0
s=s(100:2:800,:);
v=v(100:2:800,:);
F=F(100:2:800,:);
Ft=Ft(100:2:800,:);
figure(1),plot(v,Ft,'k',v,F,'r--'),hold on
figure(2),plot(s,Ft,'k',s,F,'r--'),hold on
实线是试验测得的结果。

[attach]188480[/attach][attach]188480[/attach][attach]188480[/attach]如果觉得效果不够好,可以增加迭代次数。

相关文档
最新文档