一种基于物理信息神经网络的磁流变阻尼器建模方法

本发明属于智能阻尼器建模技术领域，公开了一种基于物理信息神经网络的磁流变阻尼器建模方法，包括如下步骤：初始化物理信息神经网络；向所述物理信息神经网络中引入物理约束，得到磁流变阻尼器预测模型；获取磁流变阻尼器的实验数据，通过所述实验数据与损失函数联合训练所述磁流变阻尼器预测模型；获取训练好的磁流变阻尼器预测模型的模型参数，利用自适应优化算法进行模型参数更新。综上，本发明以物理信息神经网络为基础架构，通过引入电磁方程、热传导方程和屈服应力方程等物理约束，提高模型的物理一致性、数据效率优化及在线自适应能力，进而灵活适用于磁流变阻尼器的高精度动态控制。