System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及发射药,尤其涉及发射药燃烧性能的计算,具体涉及一种针对压伸发射药,能够实现在考虑压伸工艺参数下发射药燃烧性能的计算。
技术介绍
1、发射药是武器发射的能源物质,广泛应用于枪炮等身管武器,具有成本低、用量大、使用范围广等特点,在现代兵器中占有重要的地位。根据制备工艺,分为成球、压伸两大成型方法,粒装、管状、片状及多层等发射药主要采用的压伸成型工艺。现有的发射药燃烧性能计算方法主要是基于配方组分,采用气体裂解法或经验系数法进行计算,未考虑工艺工序对产品的影响,实际情况下,不同的工艺决定了产品的形状、密度、孔隙率、化学成分的分布及均匀性等与燃烧性能相关的参数,因此,开展工艺参数对发射药燃烧性能影响的计算具有重大的意义。现有的发射药燃烧性能计算方法主要存在以下问题:未考虑不同工艺工序对产品的影响,尤其是成型阶段的工艺,实际情况下,不同的工艺决定了产品的形状、密度、孔隙率、化学成分的分布及均匀性等与燃烧性能相关的参数,使得在相同配方下,无法预估不同工艺参数下的燃烧性能参数。因此,现有计算方法无法较好的获得考虑压伸工艺参数下的发射药燃烧性能的计算。
2、从目前检索的技术资料中,尚未见具有能够考虑压伸工艺参数下的发射药燃烧性能的计算方法。
技术实现思路
1、为了解决现有技术存在的问题,本专利技术提供一种基于机器学习的压伸发射药燃烧性能计算方法。
2、本专利技术提供的计算方法,步骤如下:
3、(1)发射药配方组成采用mi、wi表示,i=1、2、3.
4、(2)发射药胶化及成型工艺参数采用gpj、vpj表示,j=1、2、3......,gpj为每一道工序,vpj为每一道工序对应的参数值,j为工序的数量,为正整数;
5、(3)发射药样品性能采用npk、xpk表示,k=1、2、3......,npk为每一个性能,xpk为每一个性能对应的参数值,k为性能的数量,为正整数,k为1时为燃速,k为2时为压强指数;
6、(4)发射药配方组成系数为p1,发射药工艺参数系数为g1,配方工艺相关系数为
7、(5)对发射药配方组成参数进行修正,wi=wi×p1;
8、(6)对发射药工艺参数进行修正,vpj=vpj×g1;
9、(7)逻辑函数采用x为输入的参数;
10、(8)输出的参数值矩阵y=f(ω·x),ω为关联权重的矩阵,x为输入参数的矩阵,x包括配方组成参数、工艺参数及样品性能参数;
11、(9)系统误差y′j1为对应输出的真实参数值,j1=1、2、3......,m为输出参数的个数;
12、(10)设有n个输入节点、p个隐藏层节点和m个输出层节点,进行关联权重计算;
13、(11)输入层与隐藏层之间连接的p×n个关联权重
14、(12)隐藏层与输出层之间连接的m×p个关联权重
15、(13)隐藏层节点的p个阈值
16、(14)输出层节点的m个阈值
17、(15)计算隐藏层与输出层的关联权重变化
18、
19、η为机器认知效率;
20、(16)计算输入层与隐藏层的关联权重变化
21、
22、(17)计算新的关联权重
23、
24、(18)重复步骤(8)-步骤(17),使得ey数值最小;
25、(19)计算得到样品性能为xpk、jpk=yk,jpk为每一个性能对应的计算参数值;
26、(20)配方工艺相关系数min表示对应的每一个性能的误差的最小值;
27、(21)总误差为max表示对应的每一个性能的误差的最大值,若wc>ks,p1=y1×g1,g1=p1/y1,ks为误差计算的调节系数;
28、(22)若wc≤ks,p1=y1×g1;
29、(23)重复步骤(4)-步骤(22),若wc≤ko,ko为目标误差,停止计算,输出jpk。
30、因此,基于压伸发射药的配方组成及工艺制备过程,采用配方组成参数、胶化成型参数及样品性能参数相互关联的计算方法,配方工艺相关系数及关联权重的算法,由系统误差及总误差对计算过程进行循环调节,能够获得较符合压伸发射药实际制备过程的燃烧特性参数,进而计算得到较准确的发射药燃速及压强指数。
31、本专利技术提供的一种基于机器学习的压伸发射药燃烧性能计算方法,与现有技术相比,有益效果体现在以下几个方面:
32、(1)通过对发射药最关键的胶化及压伸工艺进行数值建模的方法,实现了与发射药燃烧性能计算的有机耦合,能够实现发射药胶化和压伸工艺参数对燃烧性能的影响,更符合发射药的实际制备情况。与现有技术相比,实现了发射药工艺参数对燃烧性能的影响,解决了在发射药配方相同、工艺条件不同下,发射药燃烧性能的精确预估问题,为发射药的配方设计及工艺优化提供了技术手段,填补了现有技术空白。
33、(2)采用配方工艺相关系数及关联权重相结合的计算方法,能够针对发射药不同的工艺参数,在较大范围内调节发射药的燃烧性能计算精度,更符合实际发射药制备过程中工艺参数变化较大的特征。与现有技术相比,能够更精确的对发射药燃烧性能计算过程进行循环调节,加速关联权重计算的收敛,提高计算效率和计算精度。
34、(3)采用系统误差和总误差相结合的计算方法,能够更好的实现工艺参数对燃烧性能的影响参数的寻优求解,确保在复杂的工艺参数下,获得较准确的计算结果。与现有技术相比,适用范围更广,能够在复杂的工艺条件下通过循环控制获得较优的计算结果。
35、因此,本专利技术解决了含有工艺参数的发射药燃烧性能的精确计算问题,提供了一种基于机器学习的压伸发射药燃烧性能计算的技术手段。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的压伸发射药燃烧性能计算方法,其特征在于步骤如下:
2.根据权利要求1所述的步骤(20),其特征在于,能够计算得到每一个性能的误差,选取其中的最小值,进而对配方工艺相关系数进行修正。
【技术特征摘要】
1.一种基于机器学习的压伸发射药燃烧性能计算方法,其特征在于步骤如下:
2.根据权利要求1所述的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。