汽车悬架簧用钢疲劳强度的预测

研究了几控制机一板簧用钢疲劳强度的系统方法。弹簧钢疲劳强度受非金属夹杂物、喷丸、脱碳层、表面精度及因恶劣环境造成的表面腐蚀等因素的影响，这些因素的影响可以用Ｍｕｒａｋａｍｉ等人提出的疲劳强度预测公式来估算，即通过基体的维氏硬度（ＨＶ）、非金属夹杂物投影面积的平方根√ａｒｅａ及应力比Ｒ来预算疲劳强度。喷丸是通过残余应力即应力经和表面精度影响疲劳强度的。脱碳层的硬度较低，即使用喷丸方法也不大可能改变其     

基于磁流变阻尼器的车辆悬架半主动控制研究--间接自适应控制与实验

在分析磁流变阻尼器车辆悬架非线性特性的基础上，设计了一类神经网络间接自适应控制器，并根据系统的低频特性和作动器的快响应，实现了悬架振动的神经网络实时控制。计算机仿真和悬架实验的结果均表明，神经模拟器能够逼近非线性系统，神经控制器能在时域和频哉内以较高的精度控制悬架系统的振动。     

基于泛布尔代数的结构振动控制机理

本文介绍了泛布尔代数的数学模型、公理体系和化简方法 ;针对高层建筑的特点 ,舍弃寻求被控制对象的精确数学模型 ,提出了“基于泛布尔代数的结构振动控制” ,分析了其的逻辑机理 ,建立了基于泛布尔代数的MR阻尼器的半主动控制算法。应用本文提出的控制方针对 12层的高层结构受控地震反应的模拟仿真 ,结果表明其控制简单、灵活、方便 ,能满足这种结构的控制要求。     

车辆自消振分级保护弹性装置的构思与设计

悬架系统结构性能的好坏，直接影响车辆的行驶平稳性能。三级蝶簧的使用，以简单廉价的悬架装置，即可大为改善车辆行驶的平稳性能。     

海洋平台振动控制研究综述

对海洋平台结构振动的控制研究进行了综述。主要介绍了TMD、TLD以及粘弹性阻尼器，并相应地介绍了被动控制、半主动控制和主动控制技术。平台结构的自身减振设计也进行了介绍。最后对海洋平台结构振动控制问题进行了探讨，提出了一些看法。     

车载多层减振平台的主动控制及仿真

为了研究被动悬架车载主动减振平台的低成本控制策略及其减振效果,针对一种新型长宽比较大的多层减振平台,建立了车辆被动悬架与主动减振平台的一体化全系统动力学分析模型。进而,设计了"线性被动、旋转主动"的平台控制策略,并应用MATLAB及ADAMS软件,在三种典型路面激励下,进行了仿真测试。结果表明:采用垂向线性振动的多层被动减振、旋转振动的低成本主动控制策略,被动悬架车载减振平台的减振效果明显,实现了车载减振平台的高性价比设计。     

基于磁流变阻尼器的车辆悬架系统模糊半主动控制

在对磁流变液和磁流变阻尼器的研究基础上 ,以磁流变阻尼器作为半主动控制元件组成模糊半主动悬架系统。运用数值仿真和试验研究等方法对基于磁流变阻尼器的模糊半主动悬架进行了研究。数值仿真和试验结果表明 ,设计的模糊半主动控制算法可对基于磁流变阻尼器的半主动控制悬架实现有效的控制     

基于形状记忆合金的TMD半主动控制

针对建筑结构在随机荷载或风荷载作用下可能发生的频率不确定问题,特别是结构自振频率会随振幅的大小而发生漂移的非线性振动问题,提出性能可靠、构造简单的形状记忆合金SMA-TMD自适应半主动控制系统.从理论上探讨形状记忆合金在变刚度TMD控制装置中的应用,并进行相应的参数设计.同时,在研究随机荷载作用下TMD系统动力特性的基础上,结合短时傅里叶变换(STFT)设计出该系统的自适应半主动控制算法.算例表明,SMA-TMD自适应控制系统能较好地识别结构系统的时频特性,并进行有效的控制,具有性能可靠和自适应能力强等特点.该自适应控制系统较传统的TMD被动控制减震效果更好,鲁棒性更强.     

车辆悬架减震优化设计方法仿真

车辆在不同路况和不同车速等情况下,悬架系统弹性元件受到的冲击大小差异很大,无法形成固定的振动规则,振动剧烈程度与阻尼系数无法关联.传统车辆悬架减振设计方法,采用固定阻尼系数来减少弹性元件的振动,没有考虑不同路况及车速产生的振动剧烈程度不同的问题,减振效果较差.提出一种车辆悬架减震优化有限元设计方法,分析车辆悬架减震器的功能和结构,塑造车辆悬架减震优化模型,采用ANSYS有限元软件中一阶优化方法进行车辆悬架减振优化设计,以悬架减震器阻尼力为优化目标,以减震器阻尼系数为优化设计变量,以静强度和最大减震强度为约束条件,对车辆悬架减震进行有限元优化设计,确保车辆车身振动迅速衰弱,使车身能够很快达到一种稳定状态.实验结果表明,上述方法使车辆减震阻尼力和最大减震强度都优于传统方法,具有较高的稳定性和控制精度.     

改进教与学优化算法的LQR控制器优化设计

为了快速有效地确定线性二次最优控制(linear quadratic regulator,LQR)问题中的加权矩阵Q和R,针对主动悬架LQR控制器权系数设计问题,提出一种改进的教与学优化算法进行LQR优化设计。算法对基本教与学优化算法中的"教"与"学"阶段进行了进一步的改进,同时提出一种"自我学习"策略。通过仿真实验表明,和基本教与学算法、粒子群算法、遗传算法相比,本文算法在对主动悬架LQR控制器优化时,具有收敛速度快,求解精度高和稳定性强等优势。