基于高速微爆图像的含能材料五爆参数快速定量诊断新方法技术

本发明专利技术涉及一种基于高速微爆图像的含能材料五爆参数快速定量诊断新方法，包括激波和等离子体演化动态过程对含能材料五爆参数

【技术实现步骤摘要】
基于高速微爆图像的含能材料五爆参数快速定量诊断新方法


[0001]本专利技术涉及一种基于激光诱导高速微爆图像对含能材料爆轰性能
(
五爆参数
)
的快速定量诊断方法，属于含能材料爆轰参数预测

。

技术介绍

[0002]在军事领域，武器所装填炸药的爆轰性能直接决定了武器装备的打击毁伤威力
。
因此，为了保证炸药的作功
、
破坏能力达到预期效果，对于每一种炸药，在投入使用之前都需要预先科学合理的评估其爆轰性能，即五爆参数，爆速
、
爆压
、
爆热
、
爆温和爆容
。
国内外炸药性能诊断试验往往将克甚至千克量级的炸药起爆后，采用不同的专用仪器和方法，进行单个性能参数的测试
。
爆速测量常用的方法有导爆索法
、
高速摄影法
、
光纤探针法
、
电探针法等
。
爆压主要通过压阻法
、
水箱法等测定，爆热主要通过弹式量热计来测量
。
爆容通常通过
U 型管真空压力计法
、
压力传感器测得
。
爆温用多光谱辐射测温法和激光干涉测温法等
。
但由于实际的辐射体与黑体偏差较大，标准黑体辐射源温度远低于爆温，且爆炸瞬时发生，爆温存在时间极短，且温度场分布不均，爆温是爆轰参数中技术挑战最大，测量误差最大的一个参数
。
>由此可见，对同一参数，采用不同的装置，测量值从数值到量纲都有跨越数量级的差异
。
后来，各国都提出了标测试方法
。
虽然标准化技术的发展提高了炸药性能参数测量的规范化和相对准确性，但是人为实爆破坏性大，危险性高
。
另外，受炸药的直径效应制约，当装药尺寸减小至某一临界值时，爆轰波并不能稳定传播
。
对于大多数新一代高能量密度材料而言，合成资源有限且价格昂贵，许多潜在的候选高能炸药甚至没有足够的剂量来完成一次宏观实爆
。
[0003]可见，上述方法原理各异，测量结果具有一定的分散性，爆炸测试测试技术近年来一直被研究人员不断完善，但尚未安全可控
、
操作简便
、
又快又准的测试方法和技术
。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种基于激光诱导高速微爆图像对含能材料爆轰性能
(
五爆参数，包括爆速
、
爆压
、
爆容
、
爆热和爆温
)
的快速定量诊断方法，能同步获取五个关键爆轰参数，解决目前爆轰性能测量方法中操作复杂
、
测试条件苛刻等问题
。
[0005]本专利技术的目的是通过以下技术方案实现的
。
[0006]基于高速微爆图像的含能材料五爆参数快速定量诊断新方法，所述方法包括以下步骤：
[0007](1)
选取
t
种已知五爆参数的炸药样品作为一组定标样品，炸药样品均匀涂抹在双面胶的一面，双面胶另一面粘贴在玻璃片上表面，在惰性气体保护气氛下，利用脉冲激光加载冲击的方式对每个定标样品分别进行
n
次测试，利用高能脉冲激光照射材料使其熔化
、
气化，并同步采集激光与含能材料相互作用爆轰时间演化图像，每次测试采集
m
张图片；
[0008]每一次收集的时间演化高速微爆图像有如下特征：
[0009][0010]其中，矩阵表示第
n
次测量中
T
T
时刻下的高速相机所记录的图像，每一个矩阵元代表了该像素点上
r
，
g
，
b
三维数据，图像画幅大小为
W
×
H。
[0011]进一步地，双面胶上含能材料的负载量优选
1.8mg/cm2～
2.8mg/cm2；
[0012]进一步地，高能脉冲激光经过聚焦透镜后的聚焦点优选位于载样玻璃片上表面下方
1mm
～
3mm
处；
[0013]进一步地，优选
t≥8
；
[0014]进一步地，优选
n≥10
；
[0015]进一步地，优选
m≥20
；
[0016]进一步地，优选
128≤w≤960
；
[0017]进一步地，优选
128≤h≤960
；
[0018](2)
图片数据降维：多维图片数据量庞大，信息冗余，因此在分析前将目标彩色图片转化为黑白图片，即将每个像素点的
r
，
g
，
b
三维数据转化为一维灰度值；降维后第
n
次测量中
T
T
时刻下的高速相机所记录的二维图像数据矩阵可以表示为
[0019][0020](3)
图片数据预处理：首先，对同一种样品进行的
n
次测量所得到的不同时刻 T
T
的灰度图像进行灰度线性拉伸，将灰度图像上灰度值超出线性范围的灰度值进行缩放；
[0021]再者，通过主成分分析方法对上述灰度拉伸后的图像进行去噪处理，得到去噪图像
[0022](4)
图像特征提取：首先将上述去噪图像进行分割，每张图像划分成个单元，选取近邻分布的
b*b
个单元重组为一个块
。
在每一个单元中根据像素灰度值分布和梯度变化选取
d
个灰度跃变的数据点作为该单元中的特征值，然后以块作为滑动窗口，以单元的边长作为步长，遍历整张图像，得到一个
c
维特征向量
。
第
i
个样品的第
n
次测量中
T
T
时刻下的特
征向量可以表示为
[0023][0024]进一步地，优选
a≥4
；
[0025]进一步地，优选
b≥2
；
[0026]进一步地，优选
d≥6
；
[0027](5)
模型建立与预测：随机抽取
75
％的样本数据作为训练集，利用
n
次测量得到的特征向量矩阵均值与炸药宏观五爆参数分别建立基于支持向量回归
(SVR)
的训练模型，剩余的
25
％的样本数据作为预测集，来验证模型的准确度及可靠性
。
为保证模型的稳定性和鲁棒性，采用留一交叉验证建立多个模型，选取拟合优度高于
0.98
且预测均方根误差
(RMSE本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于高速微爆图像的含能材料五爆参数快速定量诊断新方法，其特征及所述方法包括以下步骤：
(1)
选取
t
种已知爆压的含能材料作为一组定标样品，取
10mg
～
20mg
含能材料均匀涂抹在长度为
3cm
，宽度为
1.8cm
的双面胶的一面，双面胶另一面粘贴在玻璃片上表面，并用玻璃片将样品压实在双面胶上，将载样玻璃片下表面置于激光诱导爆燃测试系统的样品台上，在开放空间将高能脉冲激光聚焦到含能材料表面，使其熔化
、
气化，产生激光诱导等离子体及激波过程；每一种含能材料进行
n
次测试，并用高速摄像机采集
n
组激光诱导爆燃随时间演化彩色图像，每组有
m
张图片；对每一次收集的
m
张时间演化图像，都有
w
×
h
个像素点，每个像素点上都有
r
，
g
，
b
三维数据；
(2)
图片数据降维：多维图片数据量庞大，信息冗余，因此在分析前，将目标彩色图片转化为黑白图片，即将每个像素点的
r
，
g
，
b
三维数据转化为一维灰度值；
(3)
灰度值线性拉伸：对同一种样品进行的
n
次测量所得到的不同时刻
T
τ
的灰度图像进行灰度线性拉伸，将灰度图像上灰度值超出线性范围的灰度值进行缩放，保证图像的亮度均衡；
(4)
图像去噪：通过主成分分析方法对上述灰度拉伸后的图像进行去噪处理，得到去噪图像
(5)
特征提取：首先将上述去噪图像进行分割，每张图像划分成个单元，选取近邻分布的
b*b
个单元重组为一个块；在每一个单元中根据像素灰度值分布和梯度变化选取
d
个灰度跃变的数据点作为该单元中的特征值，然后以块作为滑动窗口，以单元的边长作为步长，遍历整张图像，得到一个

【专利技术属性】
技术研发人员：刘瑞斌，王宪双，姚裕贵，何雅格，束庆海，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：