方法論記事

適応ダンパー制御開発のための高忠実度磁性流体モデリングによるスマートモビリティブースト

DOI：

10.3791/68567

⸱

2025年6月27日

 ,  , 
1School of Vehicle and Mobility, Tsinghua University

この記事について

サマリー

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

このプロトコルでは、忠実度の高い磁性流体モデリング、最適化された流体調製、適応型熱補償制御アルゴリズムを組み合わせた、温度補償型磁気粘性流体(MR)ダンパー制御システムの開発について詳しく説明します。この方法論は、電気自動車の快適性を大幅に向上させるために、自動車のサスペンションに適用することができます。

要約

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

高性能電気自動車(EV)の台頭により、高精度、高出力、迅速な適応性を実現できる高度なサスペンションシステムが求められるため、MR(磁性流体)ダンパーは、迅速な応答性を持つサスペンション制御を実現するために重要となっています。ただし、その温度感度は、極端な条件下での信頼性を制限します。このプロトコルは、この課題に対処するための体系的なアプローチを示しています。耐熱性に優れた担体液にカルボニル鉄粒子を分散させ、耐摩耗性剤や酸化防止剤を配合した高性能MR液を合成します。私たちは、指数線形混合解析(ELMA)モデルとそのパラメータ同定方法を提案します。これは、バイプラスチックビンガムモデルの優れた代替手段と見なすことができます。ELMAフレームワークはMRダンパーに拡張され、温度補償アルゴリズムにより電流追従精度が3.98%、力追従精度が7.75%向上します(ピーク:19.92%)。CarSim と Simulink の共同シミュレーションでは、温度補償された Sky-hook アルゴリズムと Mixed SH-ADD アルゴリズムにより、クラス D 路面での垂直方向の加速度分散が 11.97% 減少し、ピーク ピッチ レートが 41.78% 減少することが示されています。このプロトコルは、MR流体物理学と適応型ダンパー制御を橋渡しし、極端な熱環境でEVサスペンションシステムを強化するための複製可能なワークフローを提供します。

概要

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

近年の高性能電気自動車(EV)の急速な発展により、人間社会は利便性を増すとともに、従来の自動車に新たな課題と機会をもたらしています。例えば、より応答性が高く精密なパワートレイン1や、高精度で高出力、迅速な適応性を実現できる高度なサスペンションシステムが必要です。磁性流体(MR)ダンパーは、磁界の存在下でレオロジー特性(主に粘度と降伏応力)を迅速かつ可逆的に変化するスマート材料である磁性流体を利用して、これらの要件を満たすのに理想的です2,3,4,5,6 .この制御可能な変更により、磁気抵抗ダンパーは減衰力を正確に調整することができます。しかし、この可能性を引き出すには、特に自動車アプリケーションの一般的な動作条件(たとえば、温度範囲が-30°Cから+80°C)で一貫した予測可能な性能を維持することが依然として大きな課題であるため、正確なモデリングが必要です。

磁性流体ダンパー(MRD)に関する既存の研究は、磁性流体(MRF)レオロジーデータ解析による動的挙動の体系的な特性評価において顕著な限界を示しています4,6,7,8,9,10,11,12,13,14,15,16、17、18、19。パラメトリックモデリングの多大な努力が文書化されているが、これらは主に、実用的なエンジニアリング設計アプリケーション17,18,19ではなく、制御アルゴリズムの開発に役立つ。さらに、現在のモデリングパラダイムは、多様な運用条件やデバイス構成20、21、22、23、24、25、26、27にわたって一般化可能性を制限する過度に単純化された仮定を頻繁に採用しています。

したがって、要求の厳しいアプリケーション向けの3つの主要なイノベーションを通じて、これらの実用的な制限を克服することを目的とした統合アプローチを提示します:MR流体の配合を最適化して一般的な自動車温度範囲での熱安定性を向上させること、さまざまな条件下での挙動をキャプチャできる新しい指数線形混合分析(ELMA)モデルとパラメータ同定方法論の提案、および堅牢な温度の温度補償アルゴリズムの開発リアルタイムMRD制御のための補償アルゴリズム。目標は、信頼性の高いMRD動作を可能にする方法論を提供することであり、特に熱変動に対処することです。このアプローチには、統一された流体安定性の最適化、精度を向上させるための高度なモデリング、温度補償された制御という利点があります。レオロジー実験ではELMAモデルの精度が検証され、ビークルダイナミクスシミュレーションでは、温度補償戦略がさまざまな温度でのサスペンション性能を向上させる効果があることが実証されており、電気自動車などのアプリケーションにおけるMRダンパーの実行可能性が向上しています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

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

1. カスタム低密度MR流体の合成

  1. 次の材料を入手してください:基油PAO162と添加剤:有機ベントナイト、炭酸プロピレン、界面活性剤、カルボニル鉄粉。
  2. ミックスを準備するには、以下で説明する手順に従います。
    1. PAO162(MRF1用)を500mLのステンレス製容器に入れます。容器を50°Cのウォーターバスに浸し、10分間平衡化します。
    2. ベースオイルに有機ベントナイトを加え、機械式攪拌機(IKA RW 20など)を使用して600rpmで20分間撹拌します。プロピレンカーボネート(PC)を加え、600rpmで10分間撹拌します。界面活性剤T154Aを加え、600rpmで5分間撹拌します。
    3. 混合物にCIP-SQを徐々に加えます。攪拌速度を1,500rpmに上げ、1時間混合します。混合中は50°C±2°Cを維持するために温度を監視します。実験のセットアップを 図1に示します。

2. ELMAモデル開発

  1. ELMAモデルの定式化では、次のように表されるELMA方程式を定義します。
    figure-protocol-1
    ここで、figure-protocol-2 = せん断応力(Pa)、figure-protocol-3 = 動的降伏応力(Pa)、figure-protocol-4 = 塑性粘度(Pa・s)、figure-protocol-5 = ELMA 応力、非線形偏差の大きさ(Pa)の定量化)、 figure-protocol-6 = 臨界せん断速度(figure-protocol-7)に反比例する指数関数的減衰定数(s)。
  2. 主要なモデル特徴を定義します。高いせん断速度 (figure-protocol-8) では、ELMA をビンガム モデル (figure-protocol-9) に単純化します。低いせん断速度で、線形挙動からの偏差を捕捉する非線形項 (figure-protocol-10) を定義します。静的降伏応力を figure-protocol-11 として定義します。
  3. データの準備と重み付けには、せん断速度試験プロトコルを使用します。
    1. レオメータを使用して対数せん断速度スイープ(figure-protocol-12)を実行します。各桁ごとに 20 個のデータ ポイントを取得します。
    2. 重み付け方法を使用し、外挿された値(figure-protocol-13)を追加してせん断速度リストを拡張します。
    3. 次の式を使用して、せん断速度間距離を計算します。
      figure-protocol-14
    4. 次の式を使用して重みを正規化します。
      figure-protocol-15
      ここで、 figure-protocol-16は平均距離です。
  4. 次のパラメータ識別アルゴリズムを使用します(図2)。
    1. パラメータ空間の線形化を行うには、ELMA 方程式を行列形式で次のように書き直します。
      figure-protocol-17
      ここで、 figure-protocol-18 = 測定されたせん断応力の列ベクトル、 figure-protocol-19 = 非線形演算子によるせん断速度データのマッピングによって生成されたマトリックス、figure-protocol-20 = パラメータ マトリックス figure-protocol-21。
    2. 加重最小二乗法の解を使用して、次の式を使用してfigure-protocol-22を解きます。
      figure-protocol-23
      ここで、figure-protocol-24 は figure-protocol-25重みの対角行列です。
    3. b の非線形最適化を実行します。b を小さな値 (figure-protocol-26 など) で初期化します。MATLAB の lsqnonlin ソルバーを使用して、残差ノルムを最小化します。
      figure-protocol-27
      収束(許容範囲: figure-protocol-28)または最大反復回数(例:1000)まで反復します。
  5. 次の検証メトリクスを使用します。
    1. 誤差の定量化には、二乗誤差和 (SSE) 式、二乗平均平方根誤差 (RMSE) 式、および .以下に示すR二乗(R2)方程式。
      figure-protocol-29
      figure-protocol-30
      figure-protocol-31
  6. 以下で説明するようにワークフローを実装します。
    1. データ取得には、制御された温度(例:40°C、70°C)および磁界(0-1.07T)でレオロジー試験を実施します。せん断応力 (figure-protocol-32) とせん断速度 (figure-protocol-33) のデータを MATLAB にエクスポートします。
    2. 重み付けと線形化には、ステップ 2.3 で説明した計量スキームを適用します。初期figure-protocol-34を使用して行列figure-protocol-35組み立てます。重み付き最小二乗法を使用して for figure-protocol-36 を解くことでパラメーターの最適化を実行し、非線形最小二乗法を使用して b を最適化します。
    3. 検証のために、モデルの予測を実験データと比較します。RMSE を計算して精度を評価します。

                          

3. 温度補償型ダンパー制御の実装

  1. 温度依存性ELMAモデルの開発
    1. 熱効果の実験的特性評価のためには、ダンパー試験のセットアップを確立します。カスタムMRダンパー(ストローク75mm、ピストン径50mm)を電油サーボマシンに取り付けます。ダンパー表面に熱電対を取り付けて、リアルタイムの温度監視を実現します。ダンパーを温度制御されたチャンバー(-30°C〜80°C)に閉じ込めます。
    2. サーマルサイクリングを実行します。各温度(-30 °C、-20 °C、-10 °C,...,80 °C)に対して、振幅:40 mm、周波数:2.085 Hzで正弦波加振を加えます。励起電流:0 A、1 A、2 A、3 Aでの減衰力を測定します。データ取得前に温度が安定するまで60分待ちます。実験のセットアップを 図3に示します。
    3. 電流依存性を持つ ELMA モデルのパラメーター化には、次の式を使用します。
      figure-protocol-37
      ここで、 figure-protocol-38(動的降伏応力)、 figure-protocol-39(降伏後の減衰係数)。 figure-protocol-40(非線形偏差の大きさ) figure-protocol-41(指数関数的減衰定数)。
    4. 二次近似の場合、最小二乗最適化を使用して、パラメータ figure-protocol-42などを実験データに適合させます。
  2. 温度補償係数の設計
    1. 次のように figure-protocol-43、温度依存の指数補正係数を導入します
      figure-protocol-44
      ここで、figure-protocol-45 = 25°Cでの降伏後減衰係数、 figure-protocol-46 = 経験定数。
    2. 修正された降伏後の減衰係数を決定するには、温度効果の減衰係数を調整し、次の 2 つの式をそれぞれ使用して ELMA モデルを更新して熱補正を含めます。
      figure-protocol-47
      figure-protocol-48
      方程式の拡張形式は次のとおりです
      figure-protocol-49
  3. リアルタイム電流制御の逆モデル(図4)。
    1. 簡略化されたビンガムのようなモデルを作成するには、次のようにリアルタイム制御の非線形偏差項を無視します。
      figure-protocol-50
      変更された拡張形式は次のとおりです
      figure-protocol-51
    2. 現在の計算では、次の 2 次方程式を解 figure-protocol-52。
      figure-protocol-53
      係数付き:
      figure-protocol-54
      figure-protocol-55
      figure-protocol-56
    3. 現在のクランプの場合は、 figure-protocol-57に制約を適用します。
  4. シミュレーションと検証
    1. 制御面の生成には、入力:所望の力(figure-protocol-58)、ピストン速度(figure-protocol-59)、温度(figure-protocol-60)、出力:電流コマンド(figure-protocol-61)を使用して電流トラッキングを実行します。入力:電流コマンド(figure-protocol-62)、ピストン速度(figure-protocol-63)、温度(figure-protocol-64)、出力:MRD力(figure-protocol-65)を使用して力の追跡を実行します。
    2. 検証メトリクスについては、電流トラッキング精度を実行し、補償されていないモデルに対する改善度を計算します(例:80°Cで平均3.98%)。フォーストラッキングの精度を実行し、補正されていないモデルに対する改善度を計算します(例:80°Cで平均7.75%)。
    3. 車両のサスペンションインジケーターの温度補償効果を評価します。相関のシミュレーションには、一般的なクォーターサスペンション(図5)を使用します。補償制御付きのスカイフックグループは、クラスDの道路で1.2504から1.1007にエネルギーの減少を示し、補償制御付きの混合SH-ADDグループは、クラスDの道路で1.0565から0.9428へのエネルギーの減少を示しています。補償後、Sky-hook グループのピーク ピッチ レートの絶対値は 6.2775 から 4.0287 に減少し、Mixed SH-ADD グループは 6.2776 から 3.6551 に減少しました。
  5. 実装ワークフロー
    1. 熱特性評価のために、温度(-30°Cから80°C)にわたってダンパーテストを実施します。パラメータフィッティングのための力-速度データをエクスポートします。
    2. モデルのパラメーター化には、MATLAB の lsqcurvefit を使用して ELMA モデルのパラメーター (figure-protocol-66など) を近似します。非線形回帰によるfigure-protocol-67定数 (figure-protocol-68) を決定します。
    3. 逆モデル展開の場合は、電流クランプの飽和ブロックを使用して Simulink でモデルを実装します。
    4. 検証のために、トラッキングの精度を確認します(図6 および 図7)。補償された車両サスペンションシステムの応答と補償されていない車両のサスペンションシステムの応答を比較します(図8 および 図9)。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

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

このプロトコルで提示される温度補償戦略は、主に磁性流体ダンパーに焦点を当てており、補償制御は、電流、速度、および温度依存性の範囲にわたるダンパーレベルでの包括的なテストから決定されます。しかし、磁性流体関連の温度実験も行って図 10に示す画像を取得し、温度が0°Cよりも高い場合、ゼロ磁場降伏応力と温度による塑性粘度の変化則は基本的に同じであり、ゼロ磁場降伏応力が粘度に与える影響は小さいことがわかります。磁性流体のゼロ磁場降伏応力は、チキソトロピー剤ネットワークや固体粒子など、さまざまな要因の影響を受け、その温度効果のメカニズムとモデリングは複雑であるため、この論文では、広い温度範囲にわたる磁性流体の塑性粘度に対する温度影響のみを研究しています。このプロトコルを使用して得られた結果は、提案された磁気流体(MR)ダンパーシステムの提案された指数線形混合解析(ELMA)モデルの特定と温度補償制御戦略の有効性を検証しています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

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

このプロトコルは、最適化された磁性流体合成、指数線形混合解析(ELMA)モデリング、適応型温度補償アルゴリズムという3つの相互に関連するイノベーションを通じて、磁性流体(MR)ダンパーの温度感度に対処するための構造化されたアプローチを提供します。主なステップには、磁性流体のグラジエントベースの均質化と、制御された温度(50 ± 2 °C)での添加剤の順次添加による粒子の堆積を最小限に抑えることが含まれます。元のパラメータ空間は、非線形マッピング演算子を使用して線形化され、最適化されるパラメータ空間の次元が減少し、パラメータ識別が局所最適に捕捉される可能性が減少し、非線形パラメータ b を決定するだけで、グローバル最適パラメータのセットを取得できますこれにより、非線形最小二乗法によってコスト関数が最小化されます。補償制御には指数関数的な熱補正係数が提案されており、これにより正確な電流追跡と力追跡が可能になり、車両のサスペンションの快適性指数がさらに最適化されます。

このプロトコルは、モデリングと温度...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

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

著者らは、この原稿に記載されている製品に金銭的な利害関係はなく、他に開示するものはありません。

謝辞

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

この研究は、中国国家自然科学基金会[助成金番号51761135124、11672148、52003142、51775293]の支援を受けました。および車両NVHおよび安全技術の州重点研究所[認可番号NVHSKI-202106]

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
エアコンプレッサーダイナイルDA5002CS
カルボニル 鉄粉BASFCIP-SQ
電気油圧式サーボ疲労試験機DOCERPWS-1000
MATLABMathworksR2022b
有機ベントナイト
INEOSPAO162
炭酸プロピレンMACKLINPC
レオメータアントンパール社 MCR702 
界面活性剤錦州XinxingT154A
温度制御プラットフォームペルチェH-PTD200
ELEMENTIS-Poly-α-olefin

参考文献

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

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

MR CarSim Simulink
動画は近日公開

関連記事