原文信息
中文摘要
成形装药药型罩(SCL)广泛应用于石油开采和国防工业。通过优化药型罩结构来实现更优越的穿甲能力是一项重大挑战,因为这涉及复杂的速率相关过程,包括由爆轰驱动的药型罩塌陷、高速射流拉伸和穿甲行为。本研究提出了一种创新的药型罩结构优化策略,将射流穿甲效能作为主要目标函数。该策略结合了实验验证的有限元方法与机器学习(FEM-ML)。我们提出了一种新的射流穿甲效能指数,该指数通过机器学习从增强的切断速度和射流形状特性中得出,从而有效评估射流的穿甲性能。此外,本文提出了一种基于机器学习优化方法的多模型融合策略,称为XGBOOST-MFO,以在较大的输入空间内优化药型罩结构。通过FEM-ML策略对铜药型罩进行优化,证明了该策略的可行性。最后,该策略还可扩展应用于优化新兴的铬锰铁钴镍高熵合金圆锥药型罩和半球形铜药型罩的结构。因此,该策略可为成形装药药型罩的工程设计提供有益的指导。
扫描二维码
查看下载全文
原文链接:
https://doi.org/10.1016/j.dt.2024.04.006
主要结论
在本文中,提出了用射流穿甲效能反映射流的穿甲性能。随后,结合实验验证的有限元方法与机器学习,提出了成形装药药型罩结构的FEM-ML策略。通过优化铜和铬锰铁钴镍高熵合金的成形装药药型罩结构,验证了该策略的有效性。主要成果如下:
(1) 提出了新的射流穿甲效能指标,并通过实验验证的有限元方法证实了其合理性。该突破源自全面考虑射流能量转换和几何构造,提供了一种设计和优化成形装药药型罩结构的可靠准则。
(2) 提出了多模型融合优化器,融合了10种新兴的元启发智能优化算法。通过对10个公认的函数进行测试,MFO表现出显著优于单一模型优化算法的优化性能和稳定性。
(3) 提出了先进的FEM-ML策略用于成形装药药型罩的优化设计。首先,使用实验数据校准的有限元方法计算了28组不同结构的穿甲深度和射流穿甲效能作为基础。接着,利用XGBOOST-MFO对铜药型罩结构进行全面优化,展示了该策略的高度可行性。最后,确定了铬锰铁钴镍高熵合金圆锥药型罩和半球形铜药型罩在广阔的输入空间内的最优结构,展示了该策略的广泛适用性,为讨论和探索成形装药药型罩结构设计提供了坚实的基础。
论文选图
编辑:陈微,曹文丽
审核:田丽
Defence Technology
往期目录
期刊
简介
《Defence Technology》是由中国兵工学会主办的科技类综合性学术期刊,目前已被SCI、EI、Scopus、中国科技核心期刊数据库、中国引文数据库核心版和瑞典开放获取指南等多家数据库收录,期刊主要发表基础理论、应用科学和工程技术领域高水平原创性学术论文,包括理论研究、数值模拟和实验研究类文章。
添加防务技术DT_小编微信
欢迎添加“防务技术DT_小编”为好友!