-
题名人工神经网络在弹体侵彻混凝土深度中的应用
被引量：7
- 1
-
-
作者
李建光
李永池
王玉岚
-
机构
中国科学技术大学
宁波工程学院
-
出处
《中国工程科学》
2007年第8期77-81,共5页
-
基金
国家自然科学基金(10272097)
-
文摘
针对弹体对混凝土材料侵彻深度问题,通过量纲分析和神经网络理论,建立了弹体侵彻深度h网络输出量与弹体长度l_p、弹的长径比l_p/d、弹体形状系数ψ、弹体与混凝土的比强度σ_(yt)/σ_(yp)、弹体与混凝土的密度比ρ_p/ρ_t等13个网络输入量之间的非线性映射关系。并采用RBF网络模型,通过Forrestal等文献的试验样本对网络模型训练,获得了弹体对混凝土材料侵彻深度的网络模型,输出结果满意。
-
关键词
神经网络
量纲分析
侵彻混凝土深度
非线性映射关系
RBF网络
-
Keywords
neural networks
dimensional analysis
penetration depth of projectiles into concrete
nonlinear mapping relation
RBF neural networks
-
分类号
O385
[理学—流体力学]
-
-
题名基于机器学习的混凝土侵彻深度预测模型
被引量：3
- 2
-
-
作者
李萌
武海军
董恒
任光
张鹏
黄风雷
-
机构
北京理工大学爆炸科学与技术国家重点实验室
航空工业洪都
-
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2023年第12期3771-3782,共12页
-
基金
国家自然科学基金青年科学基金项目(12202067)
爆炸科学与技术国家重点实验室基金青年科学基金项目(QNKT22-03)。
-
文摘
针对侵彻试验数据少且离散性较大导致预测侵彻深度的机器学习模型精度不高的问题,在收集大量侵彻试验数据的基础上,通过线性插值和添加高斯噪声等数据增强方法扩展侵彻数据,增大可用数据数量。采用遗传算法和贪心算法优化多层感知器、径向基神经网络、支持向量回归和极限梯度提升树4种常用机器学习模型的超参数,实现基于机器学习的混凝土侵彻深度预测。采用灵敏度分析方法分析侵彻深度对各弹靶参数的敏感程度。研究结果表明:采用线性插值和添加高斯噪声的方法可以有效地缓解数据不足的问题;采用数据增强后,多层感知器、径向基神经网络和极限梯度提升树的精度分别提高了2.49%、0.99%、0.74%和0.72%;弹体直径、着靶速度、弹体质量是对侵彻深度影响最大的参数;最优混凝土侵彻深度预测机器学习模型的平均误差为8.28%,该模型精度优于常用的侵彻深度预测经验公式。
-
关键词
混凝土侵彻深度
机器学习
神经网络
数据增强
灵敏度分析
-
Keywords
penetration depth of concrete
machine learning
neural network
data augmentation
sensitivity analysis
-
分类号
O385
[理学—流体力学]
-
