Dynamics analysis of a nonlinear system with Bingham model under stochastic excitation

概率密度函数 非线性系统 流离失所(心理学) 统计物理学 福克-普朗克方程 随机建模 小波 物理 随机过程 磁流变阻尼器 随机微分方程 数学 稳态(化学) 激发 频域 概率分布 数学分析 磁流变液 阻尼器 微分方程 计算机科学 统计 量子力学 心理学 化学 物理化学 人工智能 心理治疗师 热力学
作者
Zijian Kan,Jun Wang,Jianchao Zhang,Zijian Yang,Shaofang Wen
出处
标识
DOI:10.1177/14613484241277371
摘要

This article examines the stochastic response of a system with a Bingham model magneto-rheological damper under random excitation. The application of the stochastic averaging method yielded the averaged stochastic Itô equation. The system’s steady-state response probability density function (PDF) is obtained by solving the corresponding Fokker–Planck–Kolmogorov equation. Theoretical calculations are confirmed through numerical simulation. Additionally, the study produced graphs depicting the steady-state probability density functions for system energy, amplitude, displacement, and velocity, along with time history graphs, joint probability density functions for displacement and velocity, and continuous wavelet coefficient energy distribution graphs. The paper also examines the impacts of viscous damping, Coulomb damping, and noise intensity on the steady-state response from both time-domain and frequency-domain perspectives. The findings indicate that in this stochastic model, when velocities are relatively low, an equivalent increase in Coulomb damping has a more pronounced effect on the steady-state response than viscous damping. These results provide a theoretical basis for understanding and addressing the behavior of Bingham model magnetorheological dampers in nonlinear systems under stochastic excitation.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
uiui完成签到,获得积分10
刚刚
简单的冬瓜完成签到,获得积分10
1秒前
2秒前
2秒前
一一完成签到,获得积分10
3秒前
我是老大应助hr采纳,获得10
3秒前
丘比特应助你好采纳,获得30
3秒前
852应助科研通管家采纳,获得10
4秒前
wanci应助科研通管家采纳,获得10
4秒前
Akim应助科研通管家采纳,获得10
4秒前
搜集达人应助科研通管家采纳,获得10
4秒前
Lucas应助科研通管家采纳,获得10
4秒前
潇洒毛应助科研通管家采纳,获得10
4秒前
Zjin宇发布了新的文献求助10
4秒前
Hello应助科研通管家采纳,获得10
4秒前
4秒前
科研通AI2S应助科研通管家采纳,获得10
4秒前
5秒前
lilili发布了新的文献求助10
5秒前
大气代亦发布了新的文献求助10
7秒前
今后应助xuqiansd采纳,获得10
9秒前
9秒前
9秒前
10秒前
11秒前
11秒前
11秒前
云帆完成签到,获得积分10
12秒前
可靠代丝发布了新的文献求助10
12秒前
13秒前
hsing发布了新的文献求助10
14秒前
14秒前
姚子敏发布了新的文献求助10
14秒前
东东完成签到 ,获得积分10
14秒前
22完成签到,获得积分10
14秒前
july九月完成签到,获得积分10
14秒前
score17完成签到,获得积分10
15秒前
15秒前
孤独的匕发布了新的文献求助10
15秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157989
求助须知:如何正确求助?哪些是违规求助? 2809366
关于积分的说明 7881582
捐赠科研通 2467822
什么是DOI,文献DOI怎么找? 1313728
科研通“疑难数据库(出版商)”最低求助积分说明 630522
版权声明 601943