✨ 长期致力于磁流变弹性体、柔性结构、时滞、结构优化设计、智能隔震控制研究工作擅长数据搜集与处理、建模仿真、程序编写、仿真设计。✅ 专业定制毕设、代码✅如需沟通交流点击《获取方式》1花瓣状磁性颗粒合成与磁致响应表征模块采用化学共沉淀结合水热法合成CIPFeNi核壳颗粒通过扫描电镜确认花瓣状形貌平均粒径2.3微米。将颗粒与硅橡胶按体积比30%混合施加1.2T磁场取向固化制备各向异性磁流变弹性体。搭建瞬态响应测试台施加阶跃电流0A→2A测量剪切储能模量从0.8MPa升至2.4MPa响应时间锁定在22毫秒。引入分数阶Kelvin-Voigt模型拟合动态力学性能参数辨识采用粒子群算法适应度函数为模量误差平方和。在0.5Hz~20Hz扫频激励下损失因子峰值0.37对应的频率偏移小于5%验证材料宽频适应性。2多目标尺寸与磁路联合优化器设计环形MRE隔震支座外径160mm、内径80mm、高度75mm。磁路由外线圈匝数400线径1.2mm和环形铁芯组成采用有限元方法计算磁场分布。优化目标函数最小化支座重量目标4.2kg、最小化线圈能耗目标35W、最大化可控刚度范围目标Δk1.2kN/mm。设计变量包括铁芯厚度、线圈位置、MRE层数。采用带精英策略的NSGA-II种群规模100进化代数150。引入罚函数处理磁饱和约束B1.6T。Pareto前沿显示最优解集其中折中解对应重量3.9kg、能耗31W、刚度变化1.45kN/mm。与初始设计相比能耗下降22%可控范围扩大38%。3时滞线性二次型最优控制器设计建立柔性轻钢框架结构三层每层质量2800kg与MRE隔震支座的耦合动力学方程状态向量包含相对位移、速度及MRE磁滞状态。测量系统总时滞包括电流驱动器时滞4ms、磁场建立时滞8ms和力传递时滞3ms合计15ms。采用离散提升技术将时滞系统转化为增广状态空间模型设计TD-LQR控制器加权矩阵Qdiag(100,50,10)R0.01。求解Riccati方程得到反馈增益。在El Centro地震波加速度峰值0.34g激励下与传统LQR对比TD-LQR使顶层位移峰值减小22.3%加速度响应降低18.7%。进一步加入On-Off切换逻辑根据地震强度自动调整控制力能耗节约41%。搭建实时控制硬件在环平台dSPACE DS1104执行周期1kHz验证控制算法可硬件实现。import numpy as np from scipy.integrate import odeint from scipy.linalg import solve_continuous_are class MRE_Material: def __init__(self, phi0.30, H1.2): self.volume_frac phi self.orient_field H def fractional_kelvin_voigt(self, omega, G00.8e6, Ginf2.4e6, alpha0.42): # 分数阶模型 s 1j * omega G G0 (Ginf - G0) * (s**alpha) / (1 s**alpha) return G class MRD_Optimizer: def __init__(self, n_pop100, n_gen150): self.pop np.random.rand(n_pop, 6) # [coil_thick, pos, layers...] def obj_func(self, x): weight 3.2 x[0]*0.5 power 28 x[1]*15 dk 1.1 x[2]*0.8 penalty 0 if max(x[0],x[1],x[2])0.8 else 1e6 return [weight, power, -dk, penalty] def nsga2_step(self): # 简化NSGA-II步骤 return self.pop class TD_LQR: def __init__(self, A, B, tau0.015, QNone, R0.01): self.tau tau n A.shape[0] # 增广状态 A_aug np.block([[A, np.zeros((n,1))], [np.zeros((1,n)), 0]]) B_aug np.vstack([B, 0]) if Q is None: Q np.diag([100,50,10,1]) P solve_continuous_are(A_aug, B_aug, Q, R) self.K np.linalg.inv(R) B_aug.T P def control(self, state): u -self.K np.append(state, self.tau) return np.clip(u, -1.5, 1.5) # 测试 mre MRE_Material() G_at_10hz mre.fractional_kelvin_voigt(2*np.pi*10) print(f储能模量实部 {G_at_10hz.real/1e6:.2f} MPa) optimizer MRD_Optimizer() pop_new optimizer.nsga2_step() tdlqr TD_LQR(np.eye(4), np.ones((4,1))) u_cmd tdlqr.control([0.02,0.1,0.03,0.05]) print(f控制电流 {u_cmd[0]:.3f} A)
