Methodenartikel

Slimme mobiliteitsboost met behulp van high-fidelity magnetorheologische vloeistofmodellering voor de ontwikkeling van adaptieve demperregeling

DOI:

10.3791/68567

⸱

27 juni 2025

 ,  , 
1School of Vehicle and Mobility, Tsinghua University

In dit artikel

Samenvatting

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

Dit protocol beschrijft de ontwikkeling van een temperatuurgecompenseerd magnetorologisch (MR) dempercontrolesysteem dat high-fidelity magnetorheologische vloeistofmodellering, geoptimaliseerde vloeistofbereiding en adaptieve algoritmen voor thermische compensatieregeling combineert. De methodologie kan worden toegepast op ophangingen van auto's om het comfort van elektrische voertuigen aanzienlijk te verbeteren.

Samenvatting

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

Met de opkomst van high-performance elektrische voertuigen (EV's) die geavanceerde ophangingssystemen vereisen die in staat zijn om precisie, hoge krachtafgifte en snel aanpassingsvermogen te leveren, zijn magnetorheologische (MR) dempers van cruciaal belang voor het bereiken van snel reagerende ophangingscontrole. Hun temperatuurgevoeligheid beperkt echter de betrouwbaarheid onder extreme omstandigheden. Dit protocol presenteert een systematische aanpak om deze uitdaging aan te gaan. Een hoogwaardige MR-vloeistof wordt gesynthetiseerd met behulp van carbonylijzerdeeltjes die zijn gedispergeerd in een thermisch stabiele dragervloeistof met antislijtagemiddelen en antioxidanten. We stellen een Exponential Linear Mixed Analysis (ELMA) model en de bijbehorende parameteridentificatiemethode voor, die kan worden beschouwd als een superieur alternatief voor het bi-plastic Bingham-model. Het ELMA-raamwerk is uitgebreid naar MR-dempers, waarbij temperatuurcompensatie-algoritmen de nauwkeurigheid van de stroomtracking met 3,98% en de nauwkeurigheid van de krachttracking met 7,75% verbeteren (piek: 19,92%). Gezamenlijke CarSim/Simulink-simulaties tonen aan dat temperatuurgecompenseerde Sky-hook- en Mixed SH-ADD-algoritmen de verticale acceleratievariantie met 11,97% en de piekhellingsfrequentie met 41,78% verminderen op wegen van klasse D. Dit protocol slaat een brug tussen MR-vloeistoffysica en adaptieve demperregeling en biedt een reproduceerbare workflow voor het verbeteren van EV-ophangingssystemen in extreme thermische omgevingen.

Inleiding

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

De snelle ontwikkeling van high-performance elektrische voertuigen (EV's) in de afgelopen jaren heeft de menselijke samenleving meer gemak gebracht, evenals nieuwe uitdagingen en kansen voor conventionele voertuigen. Ze vereisen bijvoorbeeld responsievere en preciezere aandrijflijnen1 en geavanceerde ophangingssystemen die precisie, hoge krachtoutput en snel aanpassingsvermogen kunnen leveren. Magnetorheologische (MR) dempers zijn bij uitstek geschikt om aan deze eisen te voldoen, door gebruik te maken van magnetorheologische vloeistoffen - een slim materiaal dat snel en omkeerbaar zijn reologische eigenschappen (voornamelijk viscositeit en vloeispanning) verandert in de aanwezigheid van een magnetisch veld 2,3,4,5,6 . Door deze regelbare verandering kan de magnetoresistieve demper de dempingskracht nauwkeurig regelen. Het benutten van dit potentieel vereist echter nauwkeurige modellering, vooral omdat het handhaven van consistente, voorspelbare prestaties onder de typische bedrijfsomstandigheden van autotoepassingen (het temperatuurbereik kan bijvoorbeeld variëren van -30 °C tot +80 °C) een grote uitdaging blijft.

Bestaand onderzoek naar magnetorheologische dempers (MRD's) vertoont opmerkelijke beperkingen bij het systematisch karakteriseren van dynamisch gedrag door middel van magnetorheologische vloeistof (MRF) reologische gegevensanalyse 4,6,7,8,9,10,11,12,13,14,15,16, 17,18,19. Hoewel er substantiële parametrische modelleringsinspanningen zijn gedocumenteerd, dienen deze voornamelijk voor de ontwikkeling van besturingsalgoritmen in plaats van praktische technische ontwerptoepassingen 17,18,19. Bovendien maken de huidige modelleringsparadigma's vaak gebruik van te vereenvoudigde aannames die hun generaliseerbaarheid beperken over verschillende operationele omstandigheden en apparaatconfiguraties 20,21,22,23,24,25,26,27.

Daarom presenteren we een geïntegreerde aanpak die gericht is op het overwinnen van deze praktische beperkingen door middel van drie belangrijke innovaties voor veeleisende toepassingen: het optimaliseren van de MR-vloeistofformulering om de thermische stabiliteit over typische temperatuurbereiken in auto's te verbeteren, het voorstellen van een nieuw Exponential Linear Mixing Analysis (ELMA)-model en parameteridentificatiemethodologie die in staat is om gedrag onder verschillende omstandigheden vast te leggen, en het ontwikkelen van temperatuurcompensatie-algoritmen voor robuuste temperaturen compensatie-algoritmen voor real-time MRD-besturing. Het doel is om een methodologie te bieden die een betrouwbare MRD-werking mogelijk maakt, met name voor thermische variaties. De aanpak biedt voordelen door uniforme optimalisatie van de vloeistofstabiliteit, geavanceerde modellering voor verbeterde nauwkeurigheid en temperatuurgecompenseerde regeling. Reologische experimenten valideren de nauwkeurigheid van het ELMA-model, terwijl voertuigdynamieksimulaties de effectiviteit van de temperatuurcompensatiestrategie aantonen bij het verbeteren van de ophangingsprestaties bij verschillende temperaturen, waardoor de levensvatbaarheid van MR-dempers voor toepassingen zoals elektrische voertuigen wordt verbeterd.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

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

1. Synthese van op maat gemaakte MR-vloeistoffen met lage dichtheid

  1. Verkrijg de volgende materialen: basisolie PAO162 en additieven: organisch bentoniet, propyleencarbonaat, oppervlakteactieve stof en carbonylijzerpoeder.
  2. Volg de onderstaande stappen om de mix te bereiden.
    1. Plaats PAO162 (voor MRF1) in een roestvrijstalen vat van 500 ml. Dompel het vat onder in een waterbad van 50 °C en balanceer gedurende 10 minuten.
    2. Voeg organisch bentoniet toe aan de basisolie en roer 20 minuten op 600 tpm met behulp van een mechanische roerder (bijv. IKA RW 20). Voeg propyleencarbonaat (PC) toe en roer gedurende 10 minuten op 600 tpm. Voeg de oppervlakteactieve stof T154A toe en roer gedurende 5 minuten op 600 tpm.
    3. Voeg geleidelijk CIP-SQ toe aan het mengsel. Verhoog de roersnelheid tot 1.500 tpm en mix gedurende 1 uur. Bewaak de temperatuur om tijdens het mengen 50 ± 2 °C te behouden. De experimentele opstelling is weergegeven in figuur 1.

2. Ontwikkeling van het ELMA-model

  1. Definieer voor de formulering van het ELMA-model de ELMA-vergelijking uitgedrukt als:
    figure-protocol-1
    waarbij: figure-protocol-2 = Schuifspanning (Pa), figure-protocol-3 = Dynamische vloeigrens (Pa), figure-protocol-4 = Plastische viscositeit (Pa·s), figure-protocol-5 = ELMA-spanning, kwantificerende niet-lineaire afwijking (Pa), figure-protocol-6 = Exponentiële vervalconstante (s), omgekeerd evenredig met kritische afschuifsnelheid (figure-protocol-7).
  2. Definieer de belangrijkste modelkenmerken. Bij hoge afschuifsnelheden (figure-protocol-8), vereenvoudigt u ELMA tot het Bingham-model (figure-protocol-9). Definieer bij lage afschuifsnelheden de niet-lineaire term (figure-protocol-10) die afwijkingen van lineair gedrag vastlegt. Definieer statische vloeigrens als figure-protocol-11.
  3. Gebruik voor het voorbereiden en wegen van gegevens het testprotocol voor de afschuifsnelheid.
    1. Voer logaritmische shear rate sweeps (figure-protocol-12) uit met behulp van een reometer. Verkrijg 20 datapunten voor elke orde van grootte.
    2. Gebruik een wegingsstrategie en breid de lijst met afschuifsnelheden uit door een geëxtrapoleerde waarde(figure-protocol-13) toe te voegen.
    3. Bereken de afstanden tussen de afschuifsnelheden met behulp van de volgende vergelijking:
      figure-protocol-14
    4. Normaliseer gewichten met behulp van de volgende vergelijking:
      figure-protocol-15
      Waar figure-protocol-16 is de gemiddelde afstand.
  4. Gebruik het volgende algoritme voor parameteridentificatie (Afbeelding 2).
    1. Voor linearisatie van de parameterruimte herschrijft u de ELMA-vergelijking in matrixvorm als volgt:
      figure-protocol-17
      waarbij: figure-protocol-18 = Kolomvector van gemeten schuifspanning, figure-protocol-19 = De matrix die wordt gegenereerd door de afschuifsnelheidsgegevens in kaart te brengen door een niet-lineaire operator, figure-protocol-20 = Parametermatrix figure-protocol-21.
    2. Gebruik de gewogen kleinste-kwadratenoplossing om op te lossen met figure-protocol-22 behulp van de volgende vergelijking:
      figure-protocol-23
      waar figure-protocol-24 is een diagonale matrix van gewichten figure-protocol-25.
    3. Voer niet-lineaire optimalisatie uit voor b. Initialiseer b met een kleine waarde (bijv. figure-protocol-26). Gebruik de lsqnonlin-solver van MATLAB om de resterende norm te minimaliseren:
      figure-protocol-27
      Herhalen tot convergentie (tolerantie: figure-protocol-28) of maximale iteraties (bijv. 1000).
  5. Gebruik de volgende metrische validatiegegevens.
    1. Gebruik voor het kwantificeren van fouten de som van de gekwadrateerde fouten (SSE), de RMSE-vergelijking (Root Mean Square Error) en . R-kwadraat (R2) vergelijking zoals hieronder gegeven.
      figure-protocol-29
      figure-protocol-30
      figure-protocol-31
  6. Implementeer de workflow zoals hieronder beschreven.
    1. Voer voor het verzamelen van gegevens reologische tests uit onder gecontroleerde temperaturen (bijv. 40 °C, 70 °C) en magnetische velden (0-1,07 T). Exporteer gegevens over schuifspanning (figure-protocol-32) en afschuifsnelheid (figure-protocol-33) naar MATLAB.
    2. Voor weging en linearisatie past u het weegschema toe dat in stap 2.3 wordt beschreven. Construeer figure-protocol-34 matrix met behulp van initiaal figure-protocol-35. Voer parameteroptimalisatie uit door op te lossen voor figure-protocol-36 het gebruik van gewogen kleinste kwadraten en optimaliseer b met behulp van niet-lineaire kleinste kwadraten.
    3. Vergelijk voor validatie modelvoorspellingen met experimentele gegevens. Bereken RMSE om de nauwkeurigheid te beoordelen.

                          

3. Implementatie van temperatuurgecompenseerde demperregeling

  1. Temperatuurafhankelijke ELMA modelontwikkeling
    1. Voor experimentele karakterisering van thermische effecten moet een dempertestopstelling worden opgezet. Monteer een op maat gemaakte MR-demper (slag: 75 mm, zuigerdiameter: 50 mm) op een elektrohydraulische servomachine. Bevestig een thermokoppel aan het demperoppervlak voor real-time temperatuurbewaking. Sluit de klep af in een temperatuurgecontroleerde kamer (-30 °C tot 80 °C).
    2. Voer thermische cycli uit. Pas voor elke temperatuur (-30 °C, -20 °C, -10 °C,...,80 °C) sinusvormige excitatie toe bij amplitude: 40 mm en frequentie: 2.085 Hz. Meet de dempingskracht bij excitatiestromen: 0 A, 1 A, 2 A, 3 A. Wacht 60 minuten voor temperatuurstabilisatie voordat u gegevens verzamelt. De experimentele opstelling is weergegeven in figuur 3.
    3. Gebruik de volgende vergelijking voor parametrisering van het ELMA-model met stroomafhankelijkheid:
      figure-protocol-37
      waarbij: figure-protocol-38 (dynamische vloeigrens); figure-protocol-39 (dempingscoëfficiënt na de opbrengst);  figure-protocol-40 (niet-lineaire afwijking grootte); figure-protocol-41 (exponentiële vervalconstante).
    4. Voor kwadratische aanpassing, pasvormparameters figure-protocol-42, enz., naar experimentele gegevens met behulp van de kleinste kwadratenoptimalisatie.
  2. Ontwerp van temperatuurcompensatiefactor
    1. Introduceer als volgt een temperatuurafhankelijke exponentiële correctiefactor figure-protocol-43
      figure-protocol-44
      Waarbij figure-protocol-45 = dempingscoëfficiënt na de opbrengst bij 25 °C, figure-protocol-46 = empirische constanten.
    2. Om de gewijzigde dempingscoëfficiënt na de opbrengst te bepalen, past u de dempingscoëfficiënt aan voor temperatuureffecten en werkt u het ELMA-model bij om thermische correctie op te nemen met behulp van respectievelijk de volgende twee vergelijkingen.
      figure-protocol-47
      figure-protocol-48
      De uitgebreide vorm van de vergelijkingen is
      figure-protocol-49
  3. Invers model voor real-time stroomregeling (Figuur 4).
    1. Om een vereenvoudigd Bingham-achtig model te maken, verwaarloost u de niet-lineaire afwijkingsterm voor real-time controle als volgt.
      figure-protocol-50
      De gewijzigde uitgebreide vorm is
      figure-protocol-51
    2. Voor de huidige berekening, los de kwadratische vergelijking op voor figure-protocol-52:
      figure-protocol-53
      met coëfficiënten:
      figure-protocol-54
      figure-protocol-55
      figure-protocol-56
    3. Pas voor stroomklemming beperkingen toe op figure-protocol-57.
  4. Simulatie en validatie
    1. Voer voor het genereren van het stuuroppervlak stroomtracking uit met inputs: Gewenste kracht (figure-protocol-58), zuigersnelheid (figure-protocol-59), temperatuur (figure-protocol-60) en output: Stroomcommando (figure-protocol-61). Voer krachtmeting uit met invoer: Stroomcommando (figure-protocol-62), zuigersnelheid (figure-protocol-63), temperatuur (figure-protocol-64) en uitgang: MRD-kracht (figure-protocol-65).
    2. Voer voor validatiestatistieken de nauwkeurigheid van de huidige tracking uit en bereken de verbetering ten opzichte van het niet-gecompenseerde model (bijv. 3,98% gemiddeld bij 80 °C). Voer de nauwkeurigheid van de krachtmeting uit en bereken de verbetering ten opzichte van het niet-gecompenseerde model (bijv. 7,75% gemiddeld bij 80 °C).
    3. Beoordeel het temperatuurcompensatie-effect van de ophangingsindicator van het voertuig. Gebruik de typische kwartiersuspensie (Figuur 5) voor de simulatie van de correlatie. De Sky-hook-groep met compensatieregeling vertoont een vermindering van de energie van 1,2504 naar 1,1007 op wegen van klasse D, en de gemengde SH-ADD-groep met compensatieregeling vertoont een afname van de energie van 1,0565 naar 0,9428 op wegen van klasse D. Na compensatie daalde de absolute waarde van de Sky-hook-groep van de piekpitch-rate van 6.2775 naar 4.0287 en de Mixed SH-ADD-groep daalde van 6.2776 naar 3.6551.
  5. Implementatie workflow
    1. Voor thermische karakterisering voert u dempertests uit bij temperaturen (-30 °C tot 80 °C). Exporteer kracht-snelheidsgegevens voor parameteraanpassing.
    2. Voor modelparametrisering past u de ELMA-modelparameters (figure-protocol-66,enz.) aan met behulp van MATLAB's lsqcurvefit. Bepaal figure-protocol-67 constanten (figure-protocol-68) via niet-lineaire regressie.
    3. Voor de implementatie van inverse modellen implementeert u het model in Simulink met verzadigingsblokken voor stroomklemmen.
    4. Controleer voor validatie de nauwkeurigheid van het volgen (Figuur 6 en Figuur 7). Vergelijk de reacties van het gecompenseerde en niet-gecompenseerde ophangingssysteem van het voertuig (Afbeelding 8 en Afbeelding 9).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

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

De temperatuurcompensatiestrategie die in dit protocol wordt gepresenteerd, is voornamelijk gericht op magnetorheologische dempers, en de compensatieregeling wordt bepaald op basis van uitgebreide tests op demperniveau over een reeks stroom-, snelheids- en temperatuurafhankelijkheden. We hebben echter ook de magnetorheologische vloeistofgerelateerde temperatuurexperimenten gedaan om het beeld te verkrijgen dat wordt weergegeven in fig...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

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

Het protocol biedt een gestructureerde aanpak om de temperatuurgevoeligheid van magnetorheologische (MR) dempers aan te pakken door middel van drie onderling samenhangende innovaties: geoptimaliseerde magnetorheologische vloeistofsynthese, exponentiële lineaire menganalyse (ELMA) modellering en adaptieve temperatuurcompensatie-algoritmen. Belangrijke stappen zijn onder meer op gradiënt gebaseerde homogenisatie van de magnetorheologische vloeistof met sequentiële toevoeging van additieven...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

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

De auteurs hebben geen financiële belangen in de in dit manuscript beschreven producten en hebben verder niets te onthullen.

Dankbetuigingen

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

Dit werk werd ondersteund door de National Natural Science Foundation of China [subsidienummers 51761135124, 11672148, 52003142, 51775293]; en het State Key Laboratory of Vehicle NVH and Safety Technology [Subsidienummer NVHSKI-202106]

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
luchtcompressorDynairDA5002CS
Carbonyl Iron PowderBASFCIP-SQ
Elektro-hydraulische servo vermoeidheidstestmachineDOCERPWS-1000
MATLABMathworksR2022b
Organische bentonietELEMENTIS-
Poly-alpha-olefinINEOSPAO162
PropyleencarbonaatMACKLINPC
ReometerAnton PaarMCR702 
Oppervlakteactieve stofJinzhou XinxingT154A
TemperatuurregelplatformPeltierH-PTD200

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Magnetorheologische dempersmodellering van MR vloeistoftemperatuurcompensatieexponenti le lineaire mixed analyseophangingssystemenelektrische voertuigenSky Hook algoritmekrachtvolgingCarSim Simulink
Video binnenkort beschikbaar

Gerelateerde artikelen