[發明專利]一種基于人工神經網絡算法的輻射溫度反演方法

在審

• 申請號: 202010146537.4
• 申請日: 2020-03-05
• 公開（公告）號: CN111370080A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 賀芝宇;郭爾夫;裴文兵;黃秀光;賈果;張帆;董佳欽;舒樺;王琛
• 申請（專利權）人: 中國工程物理研究院上海激光等離子體研究所
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06N3/04
• 代理公司: 上海智力專利商標事務所(普通合伙) 31105
• 代理人: 周濤

本發明公開了一種基于人工神經網絡算法的輻射溫度反演方法,具體包括以下步驟：構建人工神經網絡模型；利用一維激光靶耦合流體程序模擬生成樣本數據集；對樣本數據集進行預處理；利用預處理后的樣本數據對人工神經網絡模型進行訓練，得到最優人工神經網絡模型；對樣品材料進行沖擊波實驗，獲得樣品材料受沖擊后的靶背發光圖像，根據靶背發光圖像利用最優人工神經網絡模型得到樣品材料的輻射卸載溫度演化。本發明利用人工神經網絡反演金屬沖擊加載下的輻射溫度，是一種推算沖擊加載下金屬沖擊輻射溫度的新方法，對于高壓狀態方程理論建模具有重要意義。

技術領域

本發明涉及沖擊輻射溫度研究技術領域，特別是涉及一種基于人工神經網絡算法的輻射溫度反演方法。

背景技術

材料的狀態方程(EOS)定義了平衡系統下狀態量之間的函數關系，通常將溫度等熱力學變量與密度、壓力和內能等力學變量聯系起來。極端條件下材料的狀態方程對天體物理、慣性約束聚變、高能量密度物理和基礎材料等研究領域十分重要。沖擊波通常被用于高壓下材料狀態方程的研究。在狀態方程的所有物理量中，溫度是表征物質熱力學狀態最重要的物理量之一，理論狀態方程模型對超高壓下的溫度非常敏感。因此，實驗中測量受沖擊材料的沖擊輻射溫度對于表征該材料的狀態方程是非常有價值的。

然而，由于極端條件下溫度本身的復雜性和對儀器的高要求，精確測量沖擊輻射溫度還非常困難。基于高功率激光或氣炮等沖擊加載下的光學高溫計(SOP)測溫法已被廣泛應用于瞬時沖擊輻射溫度測量實驗。該方法通過測量沖擊波陣面處高密度壓縮層的輻射光譜，利用普朗克黑體輻射公式計算壓縮層的溫度。對于透明材料，測量時沖擊壓縮層的輻射可以通過未受沖擊的材料透射出來而被探測到。對于不透明材料，如金屬，其光學不透明性使得無法通過實驗圖像來確定材料內部溫度如何演變。另外，在靶背發射率未知的情況下，很難測量靶背表面輻射溫度，記錄到的是沖擊波突出靶背后靶背表面的發光。一些學者早就提出在靶材料后面加窗口來測量其表面溫度，另有學者提出直接建立所測輻射亮度與實際溫度之間的關系模型。然而，目前還沒有一種通用而精確的方法來測量不透明材料的沖擊輻射溫度，更不用說推算沖擊輻射溫度隨時間演化的過程了，而這些對于理論狀態方程的建模都是非常重要的。

機器學習是實現金屬沖擊輻射溫度反演的一種可能途徑。機器學習是一門對計算機進行編程以便從數據中學習的科學。在過去的十年中，人工神經網絡作為機器學習的一個分支，在圖像識別、智能機器人、自動控制、預測等領域取得了長足的進展，表現出良好的智能特性。人工神經網絡強大的映射能力也使其在物理學中得到了廣泛的應用，如質子照相中磁場的反演、從宇宙微波背景中分離天體物理信號、在線粒子檢測、通過動態電子散射來反演三維物體勢以及多物理耦合問題中探索隱藏物理規律等。

基于人工神經網絡的強泛化能力和學習能力，有必要尋找一種基于人工神經網絡算法的輻射溫度反演方法，它屬于一種非機理的計算模型，特別適合解決諸如極端條件下復雜物理量推算等影響因素多樣、機制復雜、難以直接精確測量的問題；而各種優化算法，如遺傳算法、粒子群算法等的興起也克服了人工神經網絡計算收斂速度慢、容易陷入局部最小等缺點。因此，該方法有望從另一個角度解決金屬等不透明材料極端條件下沖擊輻射溫度難以準確測量的難點，為理論狀態方程模型參數的驗證提供新路徑。

發明內容

本發明的目的是克服現有上述現有技術的不足，設計出一種基于人工神經網絡算法的輻射溫度反演方法。

為達到上述目的，本發明所采用的技術方案是：

一種基于人工神經網絡算法的輻射溫度反演方法具體包括以下步驟：

S1，構建人工神經網絡模型；

S2，利用一維激光靶耦合流體程序模擬生成樣本數據集；

S3，對樣本數據集進行預處理；

S4，利用預處理后的樣本數據對人工神經網絡模型進行訓練，得到最優人工神經網絡模型；