原文信息
中文摘要
我们评估了一种自适应优化方法，即贝叶斯优化（BO），用于设计一种重量最小的爆炸反应装甲（ERA），以抵御实验用中口径动能（KE）长杆弹和实验用聚能破甲弹（SC）弹头。我们采用传统的贝叶斯优化法进行优化，并将其与人类专家的传统试错法进行比较。我们还评估了第三种方法，即在人机协作新框架下利用贝叶斯优化法。用于优化的数据是使用数值模拟生成的，这些数值模拟被证明与参考实验具有的合理定性一致。人机协作方法被证明可以在最少的评估次数中确定最优化的爆炸反应装甲设计，优于独立的人工和独立的贝叶斯优化法。从近1800个构型的设计空间中，人机协作方法在10个样本中确定了最小重量的爆炸反应装甲设计。
扫描二维码
查看下载全文
原文链接：
https://doi.org/10.1016/j.dt.2024.05.007
主要结论
采用了三种竞争优化策略来设计重量最小的爆炸反应装甲（ERA），以将实验用中口径动能（KE）长杆弹和PG-7实验用聚能破甲弹（SC）弹头对轧制均质装甲钢（RHA）半无限验证块的穿透力降低至40 mm以下。爆炸反应装甲的设计变量包括：前后飞片的材料和厚度、炸药层的厚度以及相对于两种威胁飞行路径的旋转角度。可用于优化的潜在爆炸反应装甲的设计总数为1792。使用经实验验证的数值模拟进行优化，这些数值模拟已被证明可以提供定性准确的预测，并保持三个实验评估设计相对性能排名。
一名在终端弹道和装甲设计方面拥有13年经验的人类专家应用了试错优化法，该方法代表了ISL和许多其他大型国防研究实验室的最佳实践。第二种优化方法采用自适应贝叶斯优化（BO）法，无需投入人力。第三种优化法采用一种新颖的人机协作框架，称为BO-Muse，使用了具有3年终端弹道经验的不同人员。该人机协作框架（BO-Muse）被证明优于独立人工和独立机器（BO）方法。根据20次贝叶斯优化运行的中值结果，发现与标准贝叶斯优化相比，将人类建议纳入BO-Muse框架可以提高优化的收敛速度。BO-Muse协作方法也被证明比人类专家采用传统试错法的表现更好。与标准贝叶斯优化相比，传统人工方法虽然在最初提高了收敛速度（即更快地找到重量更轻的解决方案），但未能找到真正的系统最优解——找到的最佳解决方案比贝叶斯优化和BO-Muse法确定的解决方案重70%。
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！
