Yöntem makalesi

Uyarlanabilir damper kontrolü geliştirme için yüksek kaliteli manyetorheolojik sıvı modellemesi kullanan akıllı mobilite artırma

DOI:

10.3791/68567

⸱

27 Haziran 2025

 ,  , 
1School of Vehicle and Mobility, Tsinghua University

Bu makalede

Özet

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

Bu protokol, yüksek kaliteli manyetörolojik sıvı modellemesi, optimize edilmiş sıvı hazırlama ve uyarlanabilir termal kompanzasyon kontrol algoritmalarını birleştiren sıcaklık kompanzasyonlu manyetörolojik (MR) damper kontrol sisteminin geliştirilmesini detaylandırır. Metodoloji, elektrikli araçların konforunu önemli ölçüde artırmak için otomotiv süspansiyonlarına uygulanabilir.

Özet

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

Hassasiyet, yüksek kuvvet çıkışı ve hızlı adaptasyon sağlayabilen gelişmiş süspansiyon sistemleri gerektiren yüksek performanslı elektrikli araçların (EV'ler) yükselişiyle birlikte, manyetörolojik (MR) amortisörler, hızlı tepkili süspansiyon kontrolü elde etmek için kritik öneme sahiptir. Bununla birlikte, sıcaklık hassasiyetleri, aşırı koşullar altında güvenilirliği sınırlar. Bu protokol, bu zorluğun üstesinden gelmek için sistematik bir yaklaşım sunmaktadır. Yüksek performanslı bir MR sıvısı, aşınma önleyici maddeler ve antioksidanlar içeren termal olarak kararlı bir taşıyıcı sıvı içinde dağılmış karbonil demir parçacıkları kullanılarak sentezlenir. Bu çalışmada, bi-plastik Bingham modeline üstün bir alternatif olarak düşünülebilecek bir Üstel Doğrusal Karma Analiz (ELMA) modeli ve parametre tanımlama yöntemi önerilmektedir. ELMA çerçevesi, akım izleme doğruluğunu %3,98 ve kuvvet izleme doğruluğunu %7,75 (tepe: %19,92) artıran sıcaklık kompanzasyon algoritmaları ile MR damperlerini de kapsayacak şekilde genişletilmiştir. Ortak CarSim/Simulink simülasyonları, sıcaklık kompanzasyonlu Sky-hook ve Mixed SH-ADD algoritmalarının D Sınıfı yollarda dikey ivme varyansını %11,97 ve tepe eğim oranını %41,78 azalttığını göstermektedir. Bu protokol, MR akışkan fiziği ile uyarlanabilir damper kontrolü arasında köprü kurar ve aşırı termal ortamlarda EV süspansiyon sistemlerini geliştirmek için tekrarlanabilir bir iş akışı sunar.

Giriş

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

Son yıllarda yüksek performanslı elektrikli araçların (EV'ler) hızlı gelişimi, insan toplumuna daha fazla kolaylık getirmenin yanı sıra geleneksel araçlar için yeni zorluklar ve fırsatlar getirdi. Örneğin, daha duyarlı ve hassas güç aktarma organlarına1 ve hassasiyet, yüksek kuvvet çıkışı ve hızlı adaptasyon sağlayabilen gelişmiş süspansiyon sistemlerine ihtiyaç duyarlar. Manyetolojik (MR) sönümleyiciler, manyetik alan 2,3,4,5,6 varlığında reolojik özelliklerini (öncelikle viskozite ve akma gerilimi) hızlı ve geri dönüşümlü olarak değiştiren akıllı bir malzeme olan manyetolojik sıvıları kullanarak bu gereksinimleri karşılamak için idealdir . Bu kontrol edilebilir değişiklik, manyetorezistif damperin sönümleme kuvvetini hassas bir şekilde düzenlemesini sağlar. Bununla birlikte, bu potansiyelden yararlanmak, özellikle otomotiv uygulamalarının tipik çalışma koşulları altında (örneğin, sıcaklık aralığı -30 °C ila +80 °C arasında olabilir) tutarlı, öngörülebilir performansı korumak büyük bir zorluk olmaya devam ettiğinden, doğru modelleme gerektirir.

Manyetorolojik sönümleyiciler (MRD'ler) üzerine yapılan mevcut araştırmalar, manyetörolojik sıvı (MRF) reolojik veri analiziyoluyla dinamik davranışları sistematik olarak karakterize etmede dikkate değer sınırlamalar sergilemektedir 4,6,7,8,9,10,11,12,13,14,15,16, 17,18,19. Önemli parametrik modelleme çabaları belgelenmiş olsa da, bunlar ağırlıklı olarak pratik mühendislik tasarım uygulamalarından ziyade kontrol algoritması geliştirmeye hizmet eder 17,18,19. Ayrıca, mevcut modelleme paradigmaları sıklıkla, çeşitli operasyonel koşullar ve cihaz konfigürasyonları arasında genelleştirilebilirliklerini kısıtlayan aşırı basitleştirilmiş varsayımlar kullanır 20,21,22,23,24,25,26,27.

Bu nedenle, zorlu uygulamalar için üç temel yenilikle bu pratik sınırlamaların üstesinden gelmeyi amaçlayan entegre bir yaklaşım sunuyoruz: tipik otomotiv sıcaklık aralıklarında termal kararlılığı iyileştirmek için MR sıvı formülasyonunu optimize etmek, yeni bir Üstel Doğrusal Karıştırma Analizi (ELMA) modeli önermek ve farklı koşullar altında davranışları yakalayabilen parametre tanımlama metodolojisi ve sağlam sıcaklık için sıcaklık kompanzasyon algoritmaları geliştirmek Gerçek zamanlı MRD kontrolü için kompanzasyon algoritmaları. Amaç, özellikle termal değişimleri ele alarak güvenilir MRD çalışmasını mümkün kılan bir metodoloji sağlamaktır. Yaklaşım, birleşik akışkan kararlılığı optimizasyonu, gelişmiş doğruluk için gelişmiş modelleme ve sıcaklık kompanzasyonlu kontrol yoluyla avantajlar sağlar. Reolojik deneyler, ELMA modelinin doğruluğunu doğrularken, araç dinamiği simülasyonları, sıcaklık kompanzasyon stratejisinin farklı sıcaklıklarda süspansiyon performansını iyileştirmedeki etkinliğini gösterir ve böylece elektrikli araçlar gibi uygulamalar için MR damperlerinin uygulanabilirliğini artırır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

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

1. Özel düşük yoğunluklu MR sıvılarının sentezi

  1. Aşağıdaki malzemeleri edinin: baz yağ PAO162 ve katkı maddeleri: Organik bentonit, propilen karbonat, yüzey aktif madde ve karbonil demir tozu.
  2. Karışımı hazırlamak için aşağıda açıklanan adımları izleyin.
    1. PAO162'yi (MRF1 için) 500 mL paslanmaz çelik bir kaba yerleştirin. Kabı 50 °C'lik bir su banyosuna daldırın ve 10 dakika boyunca dengeleyin.
    2. Baz yağa organik bentonit ekleyin ve mekanik bir karıştırıcı (örneğin, IKA RW 20) kullanarak 600 rpm'de 20 dakika karıştırın. Propilen karbonat (PC) ekleyin ve 600 rpm'de 10 dakika karıştırın. Yüzey aktif madde T154A ekleyin ve 600 rpm'de 5 dakika karıştırın.
    3. Karışıma yavaş yavaş CIP-SQ ekleyin. Karıştırma hızını 1.500 rpm'ye yükseltin ve 1 saat karıştırın. Karıştırma boyunca 50 ± 2 °C'yi korumak için sıcaklığı izleyin. Deney düzeneği Şekil 1'de gösterilmiştir.

2. ELMA model geliştirme

  1. ELMA model formülasyonu için, şu şekilde ifade edilen ELMA denklemini tanımlayın:
    figure-protocol-1
    burada: figure-protocol-2 = Kayma gerilimi (Pa), figure-protocol-3 = Dinamik akma gerilimi (Pa), figure-protocol-4 = Plastik viskozite (Pa·s), figure-protocol-5 = ELMA gerilmesi, doğrusal olmayan sapma büyüklüğünü (Pa) figure-protocol-6 ölçer, = Üstel bozunma sabiti (s), kritik kesme hızı (figure-protocol-7) ile ters orantılıdır.
  2. Temel model özelliklerini tanımlayın. Yüksek kesme hızlarında (figure-protocol-8), ELMA'yı Bingham modeline (figure-protocol-9) basitleştirin. Düşük kayma hızlarında, doğrusal davranıştan sapmaları yakalayan doğrusal olmayan terimi (figure-protocol-10) tanımlayın. Statik akma gerilimini şu şekilde figure-protocol-11tanımlayın: .
  3. Veri hazırlama ve ağırlıklandırma için kesme hızı test protokolünü kullanın.
    1. Bir reometre kullanarak logaritmik kayma hızı taramaları (figure-protocol-12) gerçekleştirin. Her büyüklük sırası için 20 veri noktası elde edin.
    2. Bir ağırlıklandırma stratejisi kullanın ve tahmin edilen bir değer (figure-protocol-13) ekleyerek kayma hızı listesini genişletin.
    3. Aşağıdaki denklemi kullanarak kesme hızı mesafelerini hesaplayın:
      figure-protocol-14
    4. Aşağıdaki denklemi kullanarak ağırlıkları normalleştirin:
      figure-protocol-15
      ortalama mesafe nerede figure-protocol-16.
  4. Aşağıdaki parametre tanımlama algoritmasını kullanın (Şekil 2).
    1. Parametre uzayının doğrusallaştırılması için, ELMA denklemini matris biçiminde aşağıdaki gibi yeniden yazın:
      figure-protocol-17
      burada: figure-protocol-18 = Ölçülen kesme geriliminin sütun vektörü, figure-protocol-19 = Kesme hızı verilerinin doğrusal olmayan bir operatör tarafından eşlenmesiyle oluşturulan matris, figure-protocol-20 = Parametre matrisi figure-protocol-21.
    2. Aşağıdaki denklemi kullanmayı çözmek için figure-protocol-22 ağırlıklı en küçük kareler çözümünü kullanın:
      figure-protocol-23
      burada figure-protocol-24 çapraz bir ağırlık matrisi figure-protocol-25.
    3. b için doğrusal olmayan optimizasyon gerçekleştirin. b'yi küçük bir değerle başlatın (örneğin, figure-protocol-26). Artık normu en aza indirmek için MATLAB'ın lsqnonlin çözücüsünü kullanın:
      figure-protocol-27
      Yakınsama (tolerans: figure-protocol-28) veya maksimum yineleme (ör. 1000) olana kadar yineleyin.
  5. Aşağıdaki doğrulama ölçümlerini kullanın.
    1. Hata nicelemesi için, hataların karesi toplamı (SSE) denklemini, Ortalama Karekök Hata Kökü (RMSE) denklemini ve kullanın. R-kare (R2) denklemi aşağıda verildiği gibidir.
      figure-protocol-29
      figure-protocol-30
      figure-protocol-31
  6. İş akışını aşağıda açıklandığı gibi uygulayın.
    1. Veri toplama için, kontrollü sıcaklıklar (örn. 40 °C, 70 °C) ve manyetik alanlar (0-1.07 T) altında reolojik testler yapın. Kayma gerilimi (figure-protocol-32) ve kesme hızı (figure-protocol-33) verilerini MATLAB'a aktarın.
    2. Ağırlıklandırma ve doğrusallaştırma için, adım 2.3'te açıklanan tartım şemasını uygulayın. İlk figure-protocol-34kullanarak matris oluşturunfigure-protocol-35. Ağırlıklı en küçük kareler kullanarak parametre figure-protocol-36 optimizasyonu gerçekleştirin ve doğrusal olmayan en küçük kareler kullanarak b'yi optimize edin.
    3. Doğrulama için model tahminlerini deneysel verilerle karşılaştırın. Doğruluğu değerlendirmek için RMSE'yi hesaplayın.

                          

3. Sıcaklık kompanzasyonlu damper kontrol uygulaması

  1. Sıcaklığa bağlı ELMA modeli geliştirme
    1. Termal etkilerin deneysel karakterizasyonu için bir damper test düzeneği oluşturun. Elektro-hidrolik servo makineye özel bir MR damperi (strok: 75 mm, piston çapı: 50 mm) monte edin. Gerçek zamanlı sıcaklık izleme için damper yüzeyine bir termokupl takın. Damperi sıcaklık kontrollü bir odaya (-30 °C ila 80 °C) kapatın.
    2. Termal döngü gerçekleştirin. Her sıcaklık için (-30 °C, -20 °C, -10 °C,...,80 °C), genlik: 40 mm ve frekans: 2.085 Hz'de sinüzoidal uyarma uygulayın. Uyarma akımlarında sönümleme kuvvetini ölçün: 0 A, 1 A, 2 A, 3 A. Veri almadan önce sıcaklık stabilizasyonu için 60 dakika bekleyin. Deney düzeneği Şekil 3'te gösterilmiştir.
    3. ELMA modelinin mevcut bağımlılık ile parametreleştirilmesi için aşağıdaki denklemi kullanın:
      figure-protocol-37
      burada: figure-protocol-38 (dinamik akma gerilmesi); figure-protocol-39 (akma sonrası sönümleme katsayısı);  figure-protocol-40 (doğrusal olmayan sapma büyüklüğü); figure-protocol-41 (üstel bozunma sabiti).
    4. İkinci dereceden uydurma, uyum parametreleri figure-protocol-42vb. için en küçük kareler optimizasyonunu kullanan deneysel verilere.
  2. Sıcaklık kompanzasyon faktörü tasarımı
    1. Aşağıdaki gibi sıcaklığa bağlı bir üstel düzeltme faktörü figure-protocol-43 tanıtın
      figure-protocol-44
      Burada figure-protocol-45 = 25 °C'de akma sonrası sönümleme katsayısı, figure-protocol-46 = Ampirik sabitler.
    2. Değiştirilmiş akma sonrası sönümleme katsayısını belirlemek için, sıcaklık etkileri için sönümleme katsayısını ayarlayın ve ELMA modelini sırasıyla aşağıdaki iki denklemi kullanarak termal düzeltmeyi içerecek şekilde güncelleyin.
      figure-protocol-47
      figure-protocol-48
      Denklemlerin genişletilmiş şekli şöyledir:
      figure-protocol-49
  3. Gerçek zamanlı akım kontrolü için ters model (Şekil 4).
    1. Basitleştirilmiş Bingham benzeri bir model yapmak için, gerçek zamanlı kontrol için doğrusal olmayan sapma terimini aşağıdaki gibi ihmal edin.
      figure-protocol-50
      Değiştirilmiş genişletilmiş form şu şekildedir:
      figure-protocol-51
    2. Akım hesaplaması için, ikinci dereceden denklemi şu şekilde figure-protocol-52çözün:
      figure-protocol-53
      katsayılarla:
      figure-protocol-54
      figure-protocol-55
      figure-protocol-56
    3. Akım kenetleme için, öğesine kısıtlamalar figure-protocol-57uygulayın.
  4. Simülasyon ve Doğrulama
    1. Kontrol yüzeyi üretimi için, şu girişlerle akım takibi yapın: İstenen kuvvet (), piston hızı (figure-protocol-58figure-protocol-59), sıcaklık (figure-protocol-60) ve çıkış: Akım komutu (figure-protocol-61). Girişlerle kuvvet takibi yapın: Akım komutu (), piston hızı (figure-protocol-62figure-protocol-63), sıcaklık (figure-protocol-64) ve çıkış: MRD kuvveti (figure-protocol-65).
    2. Doğrulama metrikleri için, mevcut izleme doğruluğunu gerçekleştirin ve telafi edilmemiş modele göre iyileştirmeyi hesaplayın (örneğin, 80 °C'de ortalama %3,98). Kuvvet izleme doğruluğunu gerçekleştirin ve kompanzasyonsuz modele göre iyileştirmeyi hesaplayın (örneğin, 80 °C'de ortalama %7,75).
    3. Araç süspansiyon göstergesi sıcaklık dengeleme etkisini değerlendirin. Korelasyonun simülasyonu için tipik çeyrek süspansiyonu (Şekil 5) kullanın. Kompanzasyon kontrollü Sky-hook grubu, D Sınıfı yollarda 1.2504'ten 1.1007'ye enerjide bir azalma gösterir ve kompanzasyon kontrollü Karma SH-ADD grubu, D Sınıfı yollarda 1.0565'ten 0.9428'e bir enerji düşüşü gösterir. Kompanzasyondan sonra, Sky-hook grubunun tepe perde oranının mutlak değeri 6.2775'ten 4.0287'ye düştü ve Karışık SH-ADD grubu 6.2776'dan 3.6551'e düştü.
  5. Uygulama iş akışı
    1. Termal karakterizasyon için, sıcaklıklarda (-30 °C ila 80 °C) damper testleri yapın. Parametre uydurma için kuvvet-hız verilerini dışa aktarın.
    2. Model parametrelendirmesi için, MATLAB'ın lsqcurvefit'ini kullanarak ELMA model parametrelerini (figure-protocol-66vb.) sığdırın. Doğrusal olmayan regresyon yoluyla sabitleri (figure-protocol-67) belirleyinfigure-protocol-68.
    3. Ters model dağıtımı için, modeli akım kenetleme için doygunluk bloklarıyla Simulink'te uygulayın.
    4. Doğrulama için izleme doğruluğunu kontrol edin (Şekil 6 ve Şekil 7). Telafi edilmiş ve edilmemiş araç süspansiyon sistemi tepkilerini karşılaştırın (Şekil 8 ve Şekil 9).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

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

Bu protokolde sunulan sıcaklık kompanzasyon stratejisi esas olarak manyetorolojik damperlere odaklanır ve kompanzasyon kontrolü, bir dizi akım, hız ve sıcaklık bağımlılığı üzerinden damper seviyesinde yapılan kapsamlı testlerden belirlenir. Bununla birlikte, Şekil 10'da gösterilen görüntüyü elde etmek için manyetörolojik sıvı ile ilgili sıcaklık deneylerini de yaptık, sıcaklık 0 °C'den yüksek olduğunda, sıfır alan verim stresi ve plastik viskozitenin sıcaklık...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

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

Protokol, birbiriyle ilişkili üç yenilik aracılığıyla manyetolojik (MR) sönümleyicilerin sıcaklık hassasiyetini ele almak için yapılandırılmış bir yaklaşım sağlar: optimize edilmiş manyetorolojik sıvı sentezi, üstel doğrusal karıştırma analizi (ELMA) modellemesi ve uyarlanabilir sıcaklık kompanzasyon algoritmaları. Anahtar adımlar, partikül birikimini en aza indirmek için kontrollü bir sıcaklıkta (50 ± 2 °C) sıralı katkı maddeleri ilavesi ile manyetorolojik sıvının gradyan bazlı homojeni...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

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

Yazarların bu yazıda açıklanan ürünlerle ilgili hiçbir mali çıkarı yoktur ve ifşa edecek başka bir şeyleri yoktur.

Teşekkürler

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

Bu çalışma Çin Ulusal Doğa Bilimleri Vakfı tarafından desteklenmiştir [hibe numaraları 51761135124, 11672148, 52003142, 51775293]; ve Araç NVH ve Güvenlik Teknolojisi Devlet Anahtar Laboratuvarı [Hibe numarası NVHSKI-202106]

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
hava kompresörüDynairDA5002CS
Karbonil Demir TozuBASFCIP-SQ
Elektro-hidrolik servo yorulma test cihazıDOCERPWS-1000
MATLABMathworks R2022b
Organik bentonitELEMENTIS-Poli-alfa-olefin
INEOSPAO162
Propilen karbonatMACKLINPC
ReometreAnton PaarMCR702 
Yüzey aktif maddeJinzhou XinxingT154A
sıcaklık kontrol platformuPeltierH-PTD200

Kaynaklar

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

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Manyetoreolojik S n mleyicilerMR Ak kan ModellemeS cakl k Kompanzasyonustel Do rusal Karma AnalizS spansiyon SistemleriElektrikli Ara larSky Hook AlgoritmasKuvvet zlemeCarSim Simulink
Video yakında

İlgili makaleler