具有磁滞补偿的磁流变减振装置的控制系统研究.docxVIP

具有磁滞补偿的磁流变减振装置的控制系统研究

1.引言

1.1研究背景及意义

随着现代工业的发展，对于振动控制的需求越来越迫切。振动不仅会导致结构的疲劳损伤，还会影响设备的精度和稳定性。磁流变减振技术作为一种新型的智能减振方法，具有响应速度快、控制效果好、适应性强等优点，已广泛应用于航空航天、汽车、建筑等领域。然而，磁流变液在磁化过程中存在的磁滞现象会影响减振效果，因此研究具有磁滞补偿的磁流变减振装置控制系统具有重要的理论意义和实用价值。

1.2磁流变减振装置的发展现状

磁流变减振装置的研究起始于20世纪50年代的美国。经过几十年的发展，磁流变减振技术已经取得了显著的成果。目前，国内外学者在磁流变减振装置的结构设计、材料性能、控制策略等方面进行了大量研究，并在实际工程中得到了广泛应用。然而，由于磁滞现象的存在，磁流变减振装置的控制性能仍有待提高。

1.3研究目的与内容

本研究旨在针对磁流变减振装置中存在的磁滞现象，研究具有磁滞补偿的控制系统。主要研究内容包括：分析磁流变液的磁滞特性及其对控制系统的影响；提出有效的磁滞补偿方法；设计磁流变减振装置的控制策略与算法；实现控制系统硬件与软件设计；通过实验验证所研制的具有磁滞补偿的磁流变减振装置控制系统的性能。

2.磁流变减振装置的原理与结构

2.1磁流变液的基本原理

磁流变液（MagnetorheologicalFluid，简称MRFluid）是一种智能材料，其流变特性可以通过外部磁场进行控制。在无磁场作用时，磁流变液表现出牛顿流体的特性，即其粘度不随剪切速率的变化而变化；而在磁场作用下，其粘度可以在毫秒级的时间内迅速变化，从而表现出可控的流变特性。

磁流变液主要由微小的磁性颗粒、载液和稳定剂组成。磁性颗粒通常直径在1到10微米之间，由铁磁性物质如羰基铁粉构成。载液一般为矿物油或硅油，其作用是分散磁性颗粒并在无磁场时提供流体特性。稳定剂则用于防止磁性颗粒的沉淀和团聚，确保磁流变液的长期稳定性。

当磁流变液受到外部磁场作用时，磁性颗粒会在磁场力作用下迅速形成链状结构，从而增加液体的粘度，这一过程称为磁流变效应。通过控制磁场强度，可以实现对磁流变液粘度的调节。

2.2磁流变减振装置的结构特点

磁流变减振装置是利用磁流变液的流变特性设计的一种新型智能减振器。其结构主要包括以下几个部分：

磁流变液室：内部充满磁流变液，是减振作用的核心部分。

磁路系统：由电磁线圈和磁性材料构成，用于产生可控磁场。

振动活塞：在磁流变液室内运动，受到液体的阻尼力影响。

外壳：保护内部结构，同时固定磁路系统和连接其他部件。

磁流变减振装置的结构特点如下：

快速响应性：由于磁流变效应具有快速响应的特性，磁流变减振装置可以在毫秒级时间内调节阻尼力，适应快速变化的振动环境。

可逆可控性：通过改变电磁线圈的电流，可以连续调节磁场的强度，从而实现阻尼力的精确控制。

高适应能力：磁流变减振装置可以在很宽的温度范围内工作，并能够适应不同的振动频率和振幅。

无需外部能源：在无磁场作用下，磁流变液可以保持低粘度状态，不会对系统产生额外阻力，因此不需要持续消耗外部能源。

这些特点使磁流变减振装置在工程振动控制领域具有广泛的应用前景。

3.磁滞补偿方法研究

3.1磁滞现象及其对控制系统的影响

磁滞现象是指在磁性材料中，磁化强度与磁场强度之间非线性的关系，这种关系在磁场的正向和反向变化时并不完全对称。在磁流变减振装置中，这种效应会导致控制系统在磁流变液的响应上出现非线性和不稳定性，影响控制精度和系统的动态性能。

当磁流变液中的微粒受到交变磁场的作用时，微粒排列和磁化强度会发生变化，从而改变液体的粘度。然而，由于磁滞现象，微粒的磁化强度并不能即时跟随磁场变化，导致磁流变液的粘度变化滞后于磁场变化，这种滞后会影响减振效果和控制系统的实时性。

磁滞对控制系统的影响主要包括：

控制精度降低：由于磁滞现象，即使输入相同的控制信号，也可能得到不同的输出，降低系统的控制精度。

非线性特性：磁滞效应使得磁流变液的动态特性呈现非线性，给控制系统设计带来挑战。

系统能耗增加：为了克服磁滞效应，可能需要增大控制电流，从而增加系统的能耗。

3.2磁滞补偿方法的选择与实现

为了克服磁滞效应对磁流变减振装置控制系统的不良影响，必须采用适当的磁滞补偿方法。

在选择磁滞补偿方法时，主要考虑以下因素：

补偿效果：补偿方法应能显著降低磁滞效应的影响。

实时性：补偿算法需要实时运行，以适应快速变化的控制需求。

算法复杂性：算法应尽可能简单，以便在硬件上高效实现。

常用的磁滞补偿方法包括：

**Preisach模型补偿：**该模型通过建立磁滞的非线性数学模型，预测磁滞效应并进行补偿。这种方法适用于描述复杂的磁滞行为，但计算量较大。

神经网络补偿：利用神