[發明專利]一種彈丸高速沖擊擠進阻力快速獲取方法

有效

• 申請號: 201811481524.1
• 申請日: 2018-12-05
• 公開（公告）號: CN109697309B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 王亮寬;第五強強;馬佳佳;孫耀東
• 申請（專利權）人: 西北機電工程研究所
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/23;G06N3/0499;G06F111/10;G06F119/14
• 代理公司: 中國兵器工業集團公司專利中心 11011
• 代理人: 祁恒

1.一種彈丸高速沖擊擠進阻力快速獲取方法，其特征在于，所述方法包括如下步驟：

步驟1、建立彈丸擠進模型，確定彈丸尺寸、材料，身管坡膛和線膛形式；

步驟2、確定彈丸擠進阻力及擠進偏差的計算方法，采用對稱罰函數處理不同結構的表面接觸問題；

步驟3、利用LS-DYNA軟件進行數值仿真，對彈丸以不同初始擠進速度和不同擠進行程的狀態進行仿真計算，獲得建模所需的樣本數據；

步驟4、選取自適應RBF神經網絡代理模型的類型，確定神經網絡的層數和神經元個數，采用拉丁超立方方法抽取訓練樣本和測試樣本；其中，代理模型函數表達式為：

其中，x為輸入矢量，ω_ik為權系數，φ_k為基函數，c_k為第k個神經元的中心，σ_k為第k個神經元寬度，θ為自適應變量，其維數與設計變量個數相同，m為隱含層神經元個數，i為輸出層個數；

基于上述代理模型函數建立代理模型，具體步驟包括：

步驟4-1、采用拉丁超立方方法生成樣本點并計算其對應的函數值，將樣本點分為兩部分，一部分用來構建代理模型，另一部分用來校驗代理模型的精度；

步驟4-2、確定神經元個數、中心及寬度：采用逐步增加神經元個數的方法和K-均值聚類算法確定神經元的個數和中心，神經元寬度由下式確定：

σ_k＝δd_k

其中，d_k為第k個神經元的網絡中心與距其最近的網絡中心的距離，δ為重疊系數，c_j為第j個隱藏層的中心；

步驟4-3、確定θ與權系數ω_ik的值：采用基于MATLAB的模式搜索算法進行的優化，將樣本點的預測平均誤差最小作為優化目標，在優化過程中，每給定一組θ值，則利用最小二乘方法求解ω_ik的值；

步驟5、構建并擬合代理模型，以彈丸初始擠進速度和擠進行程作為輸入，以彈丸擠進阻力的變化作為輸出，用訓練樣本建立神經網絡代理模型；

步驟6、模型驗證，用測試樣本對所構建的代理模型進行精度驗證，結合步驟5進行代理模型的迭代構建和驗證，選取訓練誤差和測試誤差最小的模型，保證模型為最優模型；

步驟7、根據精度要求對代理模型的預測精度進行判別，若不滿足精度要求，則進一步增加樣本點數量，并重復步驟3-7，若滿足精度要求，則輸出該模型；

步驟8、輸出并保存基于自適應RBF神經網絡的彈丸擠進阻力計算的代理模型；

步驟9、應用該代理模型計算彈丸在不同初始擠進速度和擠進行程下的擠進阻力變化。

2.如權利要求1所述的方法，其特征在于，在所述步驟1中，所述彈丸和身管的模型均定義為各向同性材料的Johnson-cook模型，其本構方程為：

σ＝[A+Bεⁿ][1+Clnε^*][1-T^*M]

式中，σ為有效應力，A、B、C、M均為試驗測得的常數，ε為有效塑性應變，ε^*為塑性應變率，n為材料硬化指數，T^*+298為材料熔點。

3.如權利要求1所述的方法，其特征在于，在所述步驟4中，為了充分利用樣本數據和保證建模精度，用拉丁超立方方法對樣本數據進行多次抽樣，獲得多組訓練樣本和測試樣本。