[發明專利]含能物質感度和力學性能及其關系的機器學習估算方法

有效

• 申請號: 202011311694.2
• 申請日: 2020-11-20
• 公開（公告）號: CN112382350B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 蒲雪梅;鄧倩倩;郭延芝;徐濤;劉建
• 申請（專利權）人: 四川大學
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/30;G16C60/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 趙浩竹

1.一種含能物質感度和力學性能及其關系的機器學習估算方法，其特征在于，所述含能物質感度和力學性能及其關系的機器學習估算方法以E-Dragon計算的分子描述符和幾種基本的分子結構信息作為特征，基于人工神經網絡和確定獨立篩選和稀疏運算符方法構建7個硝基含能物質的撞擊感度和體積模量的定量構效關系模型，利用構建的硝基含能物質的撞擊感度和體積模量的定量構效關系模型確定硝基含能物質撞擊感度與力學性能間的關系，以及硝基含能物質撞擊感度與力學性能分別與分子結構間的定量關系；

所述分子描述符計算方法包括：

(1)計算分子描述符：

采用E-Dragon1.0軟件，以SMILES字符串為基礎在線計算了每個分子的1666種分子描述符；從劍橋晶體數據庫CSD中獲得硝基含能化合物的晶體密度，從含能材料分子式C_aH_bO_cN_d中提取出每個物質的C、H、O、N原子數目和分子量；

其中，a、b、c、d分別表示分子中C、H、O、N元素的原子數，M為相對分子質量，單位為g/mol，OB為含能分子的氧平衡，單位為g/g；所述氧平衡數值計算公式為：

(2)使用統計方法約簡描述符的數量，獲得用于構建QSPR模型的所需描述符；

所述篩選后用于構建QSPR模型的特征描述符和目標性質整理為如下4個數據集；

Dataset-1：以體積模量為目標性質獲得14種分子描述符；包含結構描述符、信息指數、邊緣鄰接指數、BCUT描述符、幾何描述符、3D-MoRSE描述符、GETAWAY描述符、原子中心片段、分子性質共9類描述符；

Dataset-2：以撞擊感度為目標性質獲得17種分子描述符，包含2D自相關描述符、幾何描述符、RDF描述符、3D-MoRSE描述符、WHIM描述符、GETAWAY描述符、分子性質共8類描述符；

Dataset-3：撞擊感度與體積模量、晶體密度、氧平衡、分子量、CHON原子數目8種特征；

Dataset-4：將撞擊感度和體積模量共同作為目標性質，對兩次分別篩選出的描述符進行合并去重，獲得26種描述符，包含10類描述符；

所述硝基含能物質的撞擊感度和體積模量的定量構效關系模型構建方法包括：采用Dataset-1、Dataset-2、Dataset-3、Dataset-4作為數據集，將數據集隨機劃分為兩個子集，80％的數據作為訓練集，20％的數據做為測試集；利用SISSO和ANN兩種方法對Dataset-1、Dataset-2、Dataset-3、Dataset-4共4個數據集建模，得到7個硝基含能物質的撞擊感度和體積模量的定量構效關系模型；

所述硝基含能物質的撞擊感度和體積模量的定量構效關系模型分別為：

Model-1：體積模量與對應的14種分子描述符的ANN模型，Dataset-1；

Model-2：撞擊感度與對應的17種分子描述符的ANN模型，Dataset-2；

Model-3：撞擊感度與體積模量、晶體密度、氧平衡、分子量、CHON原子數目共8種特征的ANN模型，Dataset-3；

Model-4：撞擊感度和體積模量與對應的26種分子描述符的ANN模型，Dataset-4；

Model-5：體積模量與14種分子描述符的SISSO模型，Dataset-1；

Model-6：撞擊感度與17種分子描述符的SISSO模型，Dataset-2；

Model-7：撞擊感度與體積模量、晶體密度、氧平衡、分子量、CHON原子數目共8種特征的SISSO模型Dataset-3。