专利交易市场

本发明公开了一种半主动磁流变智能调谐减振装置，包括一个筒体，在筒体的中心设有一个质量块，在所述的筒体内的前、后、左、右四个方向上各设有一个工作缸，所述的质量块通过刚性杆与前、后工作缸或者左、右工作缸相连；每个所述的工作缸被隔板分成三个独立的腔体，其中中间腔体为阻尼腔，两边腔体为旁腔；在所述旁腔内设有连接工作缸和隔板的弹簧，在所述的阻尼腔体内填充有磁流变液，且在阻尼腔内设有一个活塞，每个活塞的两端各连接一个活塞杆，每个活塞杆穿过对应的旁腔后与一个滑块相连，且相邻工作缸的两个相邻活塞杆连接同一个滑块；所述的滑块安装在滑轨上；在所述的活塞上缠绕有通电线圈，所述的通电线圈与感应控制装置连接。

一种基于高斯过程回归模型的磁流变减振器建模方法，包括以下步骤：步骤1：基于磁流变减振器力学特性测试的数据采集和预处理；步骤2：确定磁流变减振器高斯过程回归先验分布；步骤3：计算高斯过程回归模型的后验均值与后验协方差；步骤4：磁流变减振器高斯过程回归模型评估；步骤5：超参数优化计算；步骤6：磁流变减振器高斯过程回归模型的最终评估与应用。本发明在保证模型精度的前提下，克服以神经网络模型为代表的非参数化模型在面对大规模数据集时，可能引发的计算资源不足和训练时间成本增加等问题；同时，针对训练数据中噪声干扰可能导致模型过拟合问题，提出一种具有抑制噪声干扰功效的核函数，以提高模型的建模精度。

本发明提供了一种基于COA的磁流变减振器BP神经网络力学模型及应用方法，获取不同频率工况下试验得到的磁流变减振器的多组7维时序特征数据作为训练数据；基于BP神经网络和训练数据构建基础力学模型，采用改进小龙虾算法和训练数据迭代更新基础力学模型的权值和阈值直到满足更新条件得到磁流变减振器BP神经网络力学模型，最终得到的磁流变减振器BP神经网络力学模型可适应于磁流变减振器以准确预测当前时刻的阻尼力。

本方案提供了基于模糊综合评价法的磁流变减振器力学模型评价方法，包括：S1:确定指标；S2：确定二级指标的客观权重；S3：基于二级指标的客观权重以及原始样本数据值计算一级指标综合评分；S4：基于层次分析法确定一级指标的主观权重，并基于主观权重加权一级指标综合评分得到磁流变减振器力学模型的量化评分，将模糊综合评价法与层次分析法耦合体系应用于磁流变减振器力学模型的评价，以解决现有评价方法在系统性和客观性方面的不足。