1.一种改进的磁流变阻尼器逆向建模方法，其特征在于：包括以下步骤：步骤S1：确定ANFIS的结构，并准备训练数据；

步骤S2：利用基于现象模型的磁流变阻尼器正向模型计算阻尼力，并将阻尼器的位移、速度和阻尼力作为ANFIS的输入；

步骤S3：为了提高解的质量和搜索效率，对乌鸦搜索算法进行改进；

步骤S4：采用改进的乌鸦搜索算法对ANFIS的训练算法进行改进，得到最优的ANFIS逆向模型，使其输出精确的预测控制电压 ；

步骤S5：以步骤S4的预测控制电压 作为磁流变阻尼器正向模型的输入，使其输出预测阻尼力 ；

步骤S3具体为，在原始算法的基础上，对乌鸦搜索算法作了如下两点改进：一、为了进一步增加种群的多样性，从而防止搜索陷入局部最优解，在算法中引入变异操作；随机选取若干个连续编码进行倒序；

二、为防止算法产生大量无效解，在更新过程中实时判断解的可行性；

所述改进的乌鸦搜索算法的求解迭代策略具体如下所示：其中，是迭代次数； ， 是种群大小； 是乌鸦i的位置， 是乌鸦 的食物藏匿记忆位置； 和 是[0,1]范围内均布的随机数； 和 分别是意识概率和变异操作概率；

该求解迭代策略的原则是：乌鸦 欲去往它的食物藏匿处 ；当  时，乌鸦 没有意识到自己被乌鸦i跟踪，于是乌鸦i将成功地趋近 ；然后判断新产生的 的每个编码是否在规定数值范围内，如果否，则令该编码保持原值；当 时，乌鸦 意识到被跟踪，于是它将引导乌鸦i飞往其它任意方向，从而可以保护其食物不被窃取；当时，则 将发生反转变异；

步骤S4具体包括以下步骤：

步骤S41：将ANFIS参数变量的选择问题转化为基于改进的乌鸦搜索算法的优化问题；

步骤S42：利用改进的乌鸦搜索算法和最小二乘法相结合的混合训练算法优化ANFIS的隶属函数参数和模糊规则参数，并不断进行迭代，直至满足预设的收敛条件，得到最优的ANFIS逆向模型；

步骤S43：采用步骤S42得到的最优的ANFIS逆向模型输出精确的预测控制电压 。

2.根据权利要求1所述的一种改进的磁流变阻尼器逆向建模方法，其特征在于：步骤S1中，确定ANFIS的结构具体为：选择ANFIS的输入参量及其数量、输入参量的隶属函数的类型及其数量，从而确定待优化的隶属函数参数和模糊规则参数的数量；其中，每个输入参量的隶属函数的类型为钟型，为了避免由于训练时间大幅增加而导致的计算失效，每个输入参量的隶属函数的数量为3。

3.根据权利要求1所述的一种改进的磁流变阻尼器逆向建模方法，其特征在于：步骤S1中，准备训练数据具体为：以Matlab的Simulink为平台，采用具有特定幅值和频率的限宽高斯白噪声信号生成位移信号和目标控制电压，并通过对位移信号进行差分获得速度信号；

为了对高斯白噪声信号进行降噪，同时为了防止由于速度突变而导致的模型错误，采用包括数字Butterworth低通滤波器、比例放大器以及饱和器在内的工具对信号进行数据预处理。

4.根据权利要求1所述的一种改进的磁流变阻尼器逆向建模方法，其特征在于：步骤S2中，所述ANFIS是一个三输入单输出的系统，其中将位移 、速度 和目标控制电压作为正向模型的输入，使其输出目标阻尼力 ，然后将 、 、 和作为训练数据的四个组成要素。

5.根据权利要求1所述的一种改进的磁流变阻尼器逆向建模方法，其特征在于：第一点改进具体为：在改进的乌鸦搜索算法中引入了变异操作，即随机选取若干个连续编码进行倒序：

此处， 是待变异的编码段；是变异操作； 是变异长度，它是从1到lmut中选出的随机数，其中lmut是编码的最大许可变异长度； 是变异的起始位置，它是从1到 中选出的随机数，其中 是编码段的长度。

6.根据权利要求1所述的一种改进的磁流变阻尼器逆向建模方法，其特征在于：第二点改进具体为：为了保证解的有效性并提高搜索效率，需要在生成新的解时，判断其是否有编码超出预定的取值范围，如果是，则令该编码保持原值，否则采用新的编码值。