基于BP神经网络仿真MR阻尼器逆动力性能

MR阻尼器的力学模型都是以电压为已知量,来求阻尼器的出力。而在结构控制中,通常是由控制算法先求出需要的控制力,由此控制力反推出相应的电压,从而控制阻尼器的输入电压来使其产生需要的力。由于MR阻尼器是一种强非线性半主动控制装置,由阻尼器的阻尼力反推其输入电压是一个复杂而困难的问题。本文利用神经网络强大的学习、非线性拟合等功能来模拟其逆动力性能,解决由力反推输入电压的难题。结果证明,神经网络可以很好的仿真MR阻尼器的逆动力性能。