基于蚁群优化算法的MR阻尼器模型的参数识别

2018-01-27肖志荣张正唯

浙江科技学院学报 2018年1期

肖志荣，张正唯

(浙江科技学院土木与建筑工程学院，杭州 310023)

磁流变(magnetorheological, MR)阻尼器是一种半主动控制装置，由于其出力大、结构形式简单、响应速度快及阻尼力连续可调的特征[1]，已经广泛应用于建筑、车辆及桥梁的振动控制中[2-4]。为了能较好地描述MR阻尼器的滞回特性，需要对其模型参数进行识别。但由于MR阻尼器是一种高度非线性的系统，这就给参数识别带来了一定的难度。目前，对MR阻尼器Bouc -Wen模型参数识别的研究有很多。Shen、Jansen等[5-6]认为Bouc -Wen模型中部分参数与电流之间存在一定的函数关系，并利用普通优化算法对模型进行参数识别。但是这种算法在识别多参数变量时的局限性较大，使得最终的识别精度低。Priya、Spencer等[7-10]提出了运用非线性最小二乘法对Bouc -Wen模型中的未知参数进行识别，但是识别精度也不高。本研究运用的蚁群优化算法是一种自组织算法，它主要采用正反馈调节机制保证算法能够不断收敛，强化了种群中的优良个体，同时信息素的不断挥发也增加了种群的多样性，因此蚁群优化算法具有全局寻优能力和鲁棒性强等特点。目前，该算法用于一些模型和参数区间反问题等参数优化[11-13]。由于蚁群优化算法中有多种参数变量，其组合影响着模型识别的精确程度，因此，本研究通过对网格划分蚁群算法的参数逐个分析，找到参数的最佳组合，从而提高模型参数的识别精度。