Methodenartikel

Smart Mobility Boosting mit hochpräziser magnetorheologischer Strömungsmodellierung für die Entwicklung adaptiver Dämpferregelungen

DOI:

10.3791/68567

⸱

27. Juni 2025

 ,  , 
1School of Vehicle and Mobility, Tsinghua University

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dieses Protokoll beschreibt die Entwicklung eines temperaturkompensierten magnetorheologischen (MR) Dämpferregelungssystems, das hochpräzise magnetorheologische Fluidmodellierung, optimierte Fluidaufbereitung und adaptive Regelungsalgorithmen für die thermische Kompensation kombiniert. Die Methodik kann auf Aufhängungen von Kraftfahrzeugen angewendet werden, um den Komfort von Elektrofahrzeugen deutlich zu verbessern.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Mit dem Aufkommen von Hochleistungs-Elektrofahrzeugen (EVs), die fortschrittliche Federungssysteme erfordern, die Präzision, hohe Kraftabgabe und schnelle Anpassungsfähigkeit bieten, sind magnetorheologische (MR) Dämpfer entscheidend für eine reaktionsschnelle Federungssteuerung. Ihre Temperaturempfindlichkeit schränkt jedoch die Zuverlässigkeit unter extremen Bedingungen ein. Dieses Protokoll stellt einen systematischen Ansatz dar, um dieser Herausforderung zu begegnen. Eine Hochleistungs-MR-Flüssigkeit wird aus Carbonyleisenpartikeln synthetisiert, die in einer thermisch stabilen Trägerflüssigkeit mit Verschleißschutzmitteln und Antioxidantien dispergiert sind. Wir schlagen ein Modell der exponentiellen linearen gemischten Analyse (ELMA) und dessen Parameteridentifikationsmethode vor, das als überlegene Alternative zum biplastischen Bingham-Modell angesehen werden kann. Das ELMA-Framework wird auf MR-Dämpfer ausgeweitet, wobei Temperaturkompensationsalgorithmen die Genauigkeit der Stromnachführung um 3,98 % und die Genauigkeit der Kraftnachführung um 7,75 % (Spitze: 19,92 %) verbessern. Gemeinsame CarSim/Simulink-Simulationen zeigen, dass temperaturkompensierte Sky-Hook- und Mixed SH-ADD-Algorithmen die vertikale Beschleunigungsvarianz um 11,97 % und die Spitzen-Nickrate um 41,78 % auf Klasse-D-Straßen reduzieren. Dieses Protokoll schlägt eine Brücke zwischen der MR-Strömungsphysik und der adaptiven Dämpferregelung und bietet einen replizierbaren Arbeitsablauf zur Verbesserung von EV-Federungssystemen in extremen thermischen Umgebungen.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die rasante Entwicklung von Hochleistungs-Elektrofahrzeugen (EVs) in den letzten Jahren hat mehr Komfort in die menschliche Gesellschaft gebracht, aber auch neue Herausforderungen und Chancen für konventionelle Fahrzeuge mit sich gebracht. Sie erfordern beispielsweise reaktionsfreudigere und präzisere Antriebsstränge1 und fortschrittliche Federungssysteme, die Präzision, hohe Kraftabgabe und schnelle Anpassungsfähigkeit bieten. Magnetorheologische (MR) Dämpfer sind ideal geeignet, um diese Anforderungen zu erfüllen, indem sie magnetorheologische Flüssigkeiten verwenden - ein intelligentes Material, das seine rheologischen Eigenschaften (hauptsächlich Viskosität und Streckgrenze) in Gegenwart eines Magnetfeldes schnell und reversibel ändert 2,3,4,5,6 . Diese steuerbare Änderung ermöglicht es dem magnetoresistiven Dämpfer, die Dämpfungskraft präzise zu regeln. Die Ausschöpfung dieses Potenzials erfordert jedoch eine genaue Modellierung, zumal die Aufrechterhaltung einer konsistenten, vorhersehbaren Leistung unter den typischen Betriebsbedingungen von Automobilanwendungen (z. B. kann der Temperaturbereich von -30 °C bis +80 °C reichen) eine große Herausforderung darstellt.

Die bestehende Forschung zu magnetorheologischen Dämpfern (MRDs) weist erhebliche Einschränkungen bei der systematischen Charakterisierung dynamischer Verhaltensweisen durch die Analyse rheologischer Daten von magnetorheologischen Flüssigkeiten (MRF)auf 4,6,7,8,9,10,11,12,13,14,15,16, 17,18,19. Obwohl erhebliche Anstrengungen zur parametrischen Modellierung dokumentiert wurden, dienen diese überwiegend der Entwicklung von Regelungsalgorithmen und nicht praktischen technischen Designanwendungen 17,18,19. Darüber hinaus verwenden aktuelle Modellierungsparadigmen häufig stark vereinfachte Annahmen, die ihre Verallgemeinerbarkeit über verschiedene Betriebsbedingungen und Gerätekonfigurationen hinweg einschränken 20,21,22,23,24,25,26,27.

Daher stellen wir einen integrierten Ansatz vor, der darauf abzielt, diese praktischen Einschränkungen durch drei Schlüsselinnovationen für anspruchsvolle Anwendungen zu überwinden: Optimierung der MR-Flüssigkeitsformulierung zur Verbesserung der thermischen Stabilität über typische Temperaturbereiche im Automobilbereich, Vorschlag eines neuen ELMA-Modells (Exponential Linear Mixing Analysis) und einer Parameteridentifikationsmethodik, die in der Lage ist, Verhalten unter verschiedenen Bedingungen zu erfassen, und Entwicklung von Temperaturkompensationsalgorithmen für eine robuste Temperatur Kompensationsalgorithmen für die Echtzeit-MRD-Steuerung. Ziel ist es, eine Methodik bereitzustellen, die einen zuverlässigen MRD-Betrieb ermöglicht und dabei speziell auf thermische Schwankungen eingeht. Der Ansatz bietet Vorteile durch eine einheitliche Optimierung der Strömungsstabilität, eine fortschrittliche Modellierung für eine verbesserte Genauigkeit und eine temperaturkompensierte Regelung. Rheologische Experimente validieren die Genauigkeit des ELMA-Modells, während Fahrdynamiksimulationen die Wirksamkeit der Temperaturkompensationsstrategie bei der Verbesserung der Federungsleistung bei verschiedenen Temperaturen demonstrieren und so die Rentabilität von MR-Dämpfern für Anwendungen wie Elektrofahrzeuge verbessern.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Synthese von kundenspezifischen MR-Flüssigkeiten mit niedriger Dichte

  1. Beziehen Sie die folgenden Materialien: Grundöl PAO162 und Additive: Organisches Bentonit, Propylencarbonat, Tensid und Carbonyleisenpulver.
  2. Um die Mischung zuzubereiten, befolgen Sie die unten beschriebenen Schritte.
    1. PAO162 (für MRF1) in ein 500-ml-Edelstahlgefäß geben. Tauchen Sie das Gefäß in ein 50 °C heißes Wasserbad und balkalibrieren Sie es 10 Minuten lang.
    2. Bio-Bentonit zum Grundöl geben und bei 600 U/min 20 min mit einem mechanischen Rührer (z.B. IKA RW 20) rühren. Propylencarbonat (PC) zugeben und bei 600 U/min 10 min rühren. Tensid T154A zugeben und bei 600 U/min 5 min rühren.
    3. Fügen Sie der Mischung nach und nach CIP-SQ hinzu. Rührgeschwindigkeit auf 1.500 U/min erhöhen und 1 h mixen. Überwachen Sie die Temperatur, um 50 ± 2 °C während des gesamten Mischens zu halten. Der Versuchsaufbau ist in Abbildung 1 dargestellt.

2. Entwicklung des ELMA-Modells

  1. Definieren Sie für die Formulierung des ELMA-Modells die ELMA-Gleichung, die wie folgt ausgedrückt wird:
    figure-protocol-1
    Dabei gilt: figure-protocol-2 = Schubspannung (Pa), figure-protocol-3 = Dynamische Streckgrenze (Pa), figure-protocol-4 = Plastische Viskosität (Pa·s), figure-protocol-5 = ELMA-Spannung, die die Größe der nichtlinearen Abweichung (Pa) figure-protocol-6 quantifiziert, = Exponentiale Zerfallskonstante (s), umgekehrt proportional zur kritischen Scherrate (figure-protocol-7).
  2. Definieren Sie die wichtigsten Modellfunktionen. Bei hohen Scherraten (figure-protocol-8) vereinfachen Sie ELMA auf das Bingham-Modell (figure-protocol-9). Definieren Sie bei niedrigen Scherraten den nichtlinearen Term (figure-protocol-10), der Abweichungen vom linearen Verhalten erfasst. Definieren Sie die statische Streckgrenze als figure-protocol-11.
  3. Verwenden Sie für die Datenaufbereitung und Gewichtung das Protokoll zur Prüfung der Schergeschwindigkeit.
    1. Führen Sie logarithmische Scherraten-Sweeps (figure-protocol-12) mit einem Rheometer durch. Erfassen Sie 20 Datenpunkte für jede Größenordnung.
    2. Verwenden Sie eine Gewichtungsstrategie und erweitern Sie die Liste der Scherraten, indem Sie einen extrapolierten value(figure-protocol-13) hinzufügen.
    3. Berechnen Sie die Abstände zwischen der Scherrate mit der folgenden Gleichung:
      figure-protocol-14
    4. Normalisieren Sie Gewichtungen mit der folgenden Gleichung:
      figure-protocol-15
      wobei figure-protocol-16 die durchschnittliche Entfernung ist.
  4. Verwenden Sie den folgenden Parameteridentifikationsalgorithmus (Abbildung 2).
    1. Für die Linearisierung des Parameterraums schreiben Sie die ELMA-Gleichung in Matrixform wie folgt um:
      figure-protocol-17
      Dabei gilt: figure-protocol-18 = Spaltenvektor der gemessenen Schubspannung, = Die Matrix, figure-protocol-19 die durch die Abbildung der Schergeschwindigkeitsdaten durch einen nichtlinearen Operator erzeugt wird, figure-protocol-20 = Parametermatrix figure-protocol-21.
    2. Verwenden Sie die gewichtete Lösung der kleinsten Quadrate, um die folgende Gleichung zu berechnenfigure-protocol-22:
      figure-protocol-23
      wobei figure-protocol-24 eine diagonale Matrix von Gewichten figure-protocol-25ist.
    3. Führen Sie eine nichtlineare Optimierung für b durch. Initialisieren Sie b mit einem kleinen Wert (z. B figure-protocol-26. ). Verwenden Sie den lsqnonlin-Solver von MATLAB, um die Restnorm zu minimieren:
      figure-protocol-27
      Iterieren Sie bis zur Konvergenz (Toleranz: figure-protocol-28) oder maximalen Iterationen (z. B. 1000).
  5. Verwenden Sie die folgenden Validierungsmetriken.
    1. Verwenden Sie für die Fehlerquantifizierung die Gleichung für die Summe der quadrierten Fehler (SSE), die RMSE-Gleichung (Root Mean Square Error) und . R-Quadrat (R2) Gleichung wie unten angegeben.
      figure-protocol-29
      figure-protocol-30
      figure-protocol-31
  6. Implementieren Sie den Workflow wie unten beschrieben.
    1. Zur Datenerfassung können rheologische Tests unter kontrollierten Temperaturen (z. B. 40 °C, 70 °C) und Magnetfeldern (0-1,07 T) durchgeführt werden. Exportieren Sie Daten zu Schubspannung (figure-protocol-32) und Schubrate (figure-protocol-33) nach MATLAB.
    2. Für die Gewichtung und Linearisierung ist das in Schritt 2.3 beschriebene Wägeschema anzuwenden. Erstellen Sie eine Matrix figure-protocol-34 mit initial figure-protocol-35. Führen Sie eine Parameteroptimierung durch, indem Sie nach gewichteten kleinsten Quadraten auflösenfigure-protocol-36 , und optimieren Sie b mit nichtlinearen kleinsten Quadraten.
    3. Vergleichen Sie zur Validierung Modellvorhersagen mit experimentellen Daten. Berechnen Sie RMSE, um die Genauigkeit zu bewerten.

                          

3. Implementierung einer temperaturkompensierten Klappenregelung

  1. Temperaturabhängige ELMA-Modellentwicklung
    1. Für die experimentelle Charakterisierung thermischer Effekte wird ein Dämpferprüfaufbau aufgebaut. Montieren Sie einen kundenspezifischen MR-Dämpfer (Hub: 75 mm, Kolbendurchmesser: 50 mm) auf einer elektrohydraulischen Servomaschine. Befestigen Sie ein Thermoelement an der Dämpferoberfläche, um die Temperatur in Echtzeit zu überwachen. Die Klappe in einer temperierten Kammer (-30 °C bis 80 °C) einschließen.
    2. Führen Sie thermische Zyklen durch. Für jede Temperatur (-30 °C, -20 °C, -10 °C,...,80 °C) wird eine sinusförmige Erregung bei einer Amplitude von 40 mm und einer Frequenz von 2,085 Hz angewendet. Messen Sie die Dämpfungskraft bei Erregerströmen: 0 A, 1 A, 2 A, 3 A. Lassen Sie 60 Minuten für die Temperaturstabilisierung warten, bevor Sie die Daten erfassen. Der Versuchsaufbau ist in Abbildung 3 dargestellt.
    3. Für die Parametrisierung des ELMA-Modells mit Stromabhängigkeit verwenden Sie die folgende Gleichung:
      figure-protocol-37
      Dabei gilt: figure-protocol-38 (dynamische Streckgrenze); figure-protocol-39 (Dämpfungskoeffizient nach der Streckgrenze);  figure-protocol-40 (nichtlineare Abweichung Größe); figure-protocol-41 (exponentielle Zerfallskonstante).
    4. Für quadratische Anpassung, Anpassungsparameter figure-protocol-42usw. an experimentelle Daten unter Verwendung der Optimierung der kleinsten Quadrate.
  2. Auslegung des Temperaturkompensationsfaktors
    1. Führen Sie einen temperaturabhängigen exponentiellen Korrekturfaktor figure-protocol-43 wie folgt ein
      figure-protocol-44
      Dabei figure-protocol-45 = Dämpfungskoeffizient nach der Streckgrenze bei 25 °C figure-protocol-46 = Empirische Konstanten.
    2. Um den modifizierten Dämpfungskoeffizienten nach der Streckgrenze zu bestimmen, passen Sie den Dämpfungskoeffizienten für Temperatureffekte an und aktualisieren Sie das ELMA-Modell, um die thermische Korrektur unter Verwendung der folgenden beiden Gleichungen einzubeziehen.
      figure-protocol-47
      figure-protocol-48
      Die erweiterte Form der Gleichungen ist
      figure-protocol-49
  3. Inverses Modell für die Echtzeit-Stromregelung (Abbildung 4).
    1. Um ein vereinfachtes Bingham-ähnliches Modell zu erstellen, vernachlässigen Sie den nichtlinearen Abweichungsterm für die Echtzeitsteuerung wie folgt.
      figure-protocol-50
      Das geänderte erweiterte Formular ist
      figure-protocol-51
    2. Lösen Sie für die aktuelle Berechnung die quadratische Gleichung für figure-protocol-52:
      figure-protocol-53
      mit Koeffizienten:
      figure-protocol-54
      figure-protocol-55
      figure-protocol-56
    3. Wenden Sie für die Stromspannung Abhängigkeiten auf figure-protocol-57an.
  4. Simulation und Validierung
    1. Für die Generierung der Steuerfläche führen Sie die Stromverfolgung mit folgenden Eingaben durch: Gewünschte Kraft (figure-protocol-58), Kolbengeschwindigkeit (figure-protocol-59), Temperatur (figure-protocol-60) und Ausgang: Strombefehl (figure-protocol-61). Führen Sie die Kraftverfolgung mit Eingaben durch: Strombefehl (figure-protocol-62), Kolbengeschwindigkeit (figure-protocol-63), Temperatur (figure-protocol-64) und Ausgang: MRD-Kraft (figure-protocol-65).
    2. Führen Sie für Validierungsmetriken die Genauigkeit der Stromverfolgung durch und berechnen Sie die Verbesserung im Vergleich zum unkompensierten Modell (z. B. durchschnittlich 3,98 % bei 80 °C). Führen Sie die Genauigkeit der Kraftverfolgung durch und berechnen Sie die Verbesserung im Vergleich zum unkompensierten Modell (z. B. durchschnittlich 7,75 % bei 80 °C).
    3. Bewerten Sie den Temperaturkompensationseffekt der Fahrzeugaufhängungsanzeige. Verwenden Sie für die Simulation der Korrelation die typische Viertelaussetzung (Abbildung 5). Die Sky-Hook-Gruppe mit Kompensationskontrolle zeigt eine Energiereduzierung von 1,2504 auf 1,1007 auf Klasse-D-Straßen, und die gemischte SH-ADD-Gruppe mit Kompensationskontrolle zeigt eine Energieabnahme von 1,0565 auf 0,9428 auf Klasse-D-Straßen. Nach der Kompensation sank der absolute Wert der Spitzen-Pitch-Rate der Sky-Hook-Gruppe von 6,2775 auf 4,0287 und der der gemischten SH-ADD-Gruppe von 6,2776 auf 3,6551.
  5. Ablauf der Implementierung
    1. Zur thermischen Charakterisierung führen Sie Klappentests bei Temperaturen (-30 °C bis 80 °C) durch. Exportieren Sie Kraft-Geschwindigkeits-Daten für die Parameteranpassung.
    2. Für die Modellparametrisierung passen Sie ELMA-Modellparameter (figure-protocol-66usw.) mit MATLABs lsqcurvefit an. Bestimmen Sie figure-protocol-67 Konstanten (figure-protocol-68) über die nichtlineare Regression.
    3. Für die inverse Modellbereitstellung implementieren Sie das Modell in Simulink mit Sättigungsblöcken für die Stromspannung.
    4. Überprüfen Sie zur Validierung die Genauigkeit der Sendungsverfolgung (Abbildung 6 und Abbildung 7). Vergleichen Sie das Ansprechverhalten des kompensierten und des nicht kompensierten Fahrzeugaufhängungssystems (Abbildung 8 und Abbildung 9).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die in diesem Protokoll vorgestellte Temperaturkompensationsstrategie konzentriert sich hauptsächlich auf magnetorheologische Dämpfer, und die Kompensationsregelung wird durch umfassende Tests auf Klappenebene über einen Bereich von Strom-, Geschwindigkeits- und Temperaturabhängigkeiten bestimmt. Wir haben jedoch auch die magnetorheologischen Flüssigkeits-bezogenen Temperaturexperimente durchgeführt, um das in Abbildung 10 gezeigte Bild zu erhalten, wenn die ...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das Protokoll bietet einen strukturierten Ansatz, um die Temperaturempfindlichkeit von magnetorheologischen (MR) Dämpfern durch drei miteinander verknüpfte Innovationen zu adressieren: optimierte magnetorheologische Flüssigkeitssynthese, exponentielle lineare Mischanalyse (ELMA) und adaptive Temperaturkompensationsalgorithmen. Zu den wichtigsten Schritten gehört die gradientenbasierte Homogenisierung des magnetorheologischen Fluids mit sequentieller Zugabe von Additiven bei einer kontrol...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben keine finanziellen Interessen an den in diesem Manuskript beschriebenen Produkten und haben auch sonst nichts offenzulegen.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Arbeit wurde unterstützt von der National Natural Science Foundation of China [Fördernummern 51761135124, 11672148, 52003142, 51775293]; und das State Key Laboratory of Vehicle NVH and Safety Technology [Fördernummer NVHSKI-202106]

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
LuftkompressorDynairDA5002CS
CarbonyleisenpulverBASFCIP-SQ
Elektrohydraulische Servo-ErmüdungsprüfmaschineDOCERPWS-1000
MATLABMathworksR2022b
Organischer Bentonit
INEOSPAO162
PropylencarbonatMACKLINPC
RheometerAnton PaarMCR702 
TensidJinzhou XinxingT154A
TemperierplattformPeltierH-PTD200
ELEMENTIS-Poly-alpha-olefin

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Deng, L., et al. Design of a Dual-Motor Powertrain with Magnetorheological Planetary Transmission for Electric Vehicles 2024-01-2636. SAE Technical Paper. , (2024).
  2. Seo, Y. P., et al. Searching for a stable high-performance magnetorheological suspension. Adv Mater. 30 (42), 1704769(2018).
  3. Hajalilou, A., Mazlan, S. A., Lavvafi, H., Shameli, K. Field responsive fluids as smart materials. , Springer. (2016).
  4. Gołdasz, J., Sapiński, B. Insight into magnetorheological shock absorbers. , Springer International Publishing. Switzerland. (2015).
  5. Zhu, X., Jing, X., Cheng, L. Magnetorheological fluid dampers: A review on structure design and analysis. J Intelligent Mater Syst Struct. 23 (8), 839-873 (2012).
  6. Yang, G., Spencer, B. Jr, Carlson, J., Sain, M. Large-scale mr fluid dampers: Modeling and dynamic performance considerations. Eng Struct. 24 (3), 309-323 (2002).
  7. Sheikh, H., Van Engelen, N. C., Ruparathna, R. A review of base isolation systems with adaptive characteristics. Structures. 38, 1542-1555 (2022).
  8. Guglielmino, E., Sireteanu, T., Stammers, C. W., Ghita, G., Giuclea, M. Semi-active suspension control: Improved vehicle ride and road friendliness. , Springer Science & Business Media. (2008).
  9. Zhu, Z., Zhang, X. Damping performance optimization of the magnetorheological damper with three parallel channels. Structures. 44, 1962-1973 (2022).
  10. Hadadian, A., Sedaghati, R., Esmailzadeh, E. Design optimization of magnetorheological fluid valves using response surface method. J Intelligent Mater Syst Struct. 25 (11), 1352-1371 (2014).
  11. Kazakov, Y. B., Morozov, N., Nesterov, S. Development of models of the magnetorheological fluid damper. J Magnetism Magnetic Mater. 431, 269-272 (2017).
  12. Bitman, L., Choi, Y. T., Wereley, N. M. Passive damping and isolation. Proc SPIE. 3045, (1997).
  13. Guo, P., Guan, X., Ou, J. Physical modeling and design method of the hysteretic behavior of magnetorheological dampers. J Intelligent Mater Syst Struct. 25 (6), 680-696 (2014).
  14. Guo, S., Yang, S., Pan, C. Dynamic modeling of magnetorheological damper behaviors. J Intelligent Mater Syst Struct. 17 (1), 3-14 (2006).
  15. Wereley, N. M., Pang, L., Kamath, G. M. Idealized hysteresis modeling of electrorheological and magnetorheological dampers. J Intelligent Mater Syst Struc. 9 (8), 642-649 (1998).
  16. Wang, D., Liao, W. Modeling and control of magnetorheological fluid dampers using neural networks. Smart Mater Struct. 14 (1), 111(2004).
  17. Wang, D., Liao, W. H. Magnetorheological fluid dampers: A review of parametric modelling. Smart Mater Struct. 20 (2), 023001(2011).
  18. Xu, Z. D., et al. Force tracking model and experimental verification on a novel magnetorheological damper with combined compensator for stay cables of bridge. Structures. 32, 1971-1985 (2021).
  19. Bui, Q. D., Bai, X. X., Nguyen, Q. H. Dynamic modeling of mr dampers based on quasi-static model and magic formula hysteresis multiplier. Eng Struct. 245, 112855(2021).
  20. Batterbee, D., Sims, N. Active and Passive Smart Structures and Integrated Systems. Proc SPIE. 12043, 360-370 (2008).
  21. Liu, Y., et al. Smart Structures and Materials 2003: Industrial and Commercial Applications of Smart Structures Technologies. Proc SPIE. 5054, 332-340 (2003).
  22. Wilson, N. L., Wereley, N. M., Choi, Y. -T., Hiemenz, G. J., Hu, W. Active and Passive Smart Structures and Integrated Systems 2009. Proc SPIE. 7288, 318-327 (2009).
  23. Priya, C. B., Gopalakrishnan, N. Temperature dependent modelling of magnetorheological (mr) dampers using support vector regression. Smart Mater Struct. 28 (2), 025021(2019).
  24. Choi, S. B. Thermal conductivity and temperature dependency of magnetorheological fluids and application systems-a chronological review. Micromachines. 14 (11), 2096(2023).
  25. Zhu, H., Rui, X., Yang, F., Zhu, W., Jiang, M. Influence of temperature and internal leakage on magnetorheological damper. Int J Mech Syst Dynamics. 4 (4), 487-496 (2024).
  26. Influence of Temperature on the MR Squeeze-Mode Damper. Gołdasz, J., Sapinski, B. Proc 2019 20th Int Carpathian Cont Conf, , 1-6 (2019).
  27. Yu, J., Dong, X., Wang, X., Pan, C., Zhou, Y. Asymmetric dynamic model of temperature-dependent magnetorheological damper and application for semi-active system. Front Mater. 6, 227(2019).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

Magnetorheologische D mpferModellierung von MR Fl ssigkeitenTemperaturkompensationexponentielle lineare GemischmodellanalyseFederungssystemeElektrofahrzeugeSky Hook AlgorithmusKraftregelungCarSim Simulink
Video demnächst verfügbar

Verwandte Artikel