基于广义回归神经网络的磁流变减振器模型辨识研究

【摘要】：在振动控制领域,磁流变减振器是一种非常有前景的智能控制装置。通过对自制轮式装甲车磁流变减振器的台架试验,研究了在不同电流输入下减振器的示功特性和速度特性。针对磁流变减振器输入输出的强非线性关系,提出利用广义回归神经网络(GRNN)的非线性映射能力进行磁流变减振器的正逆模型辨识,并与反向传播神经网络(BPNN)模型辨识方法进行比较。研究结果表明,基于GRNN的磁流变减振器正逆模型的辨识精度优于BPNN,能准确地预测磁流变减振器的阻尼力和控制电流。GRNN具有结构简单、收敛速度快、所需样本量少等优点,可推广到正模型未知的磁流变减振器进行建模与控制。