为改进整体式多爆炸成型弹丸(Multiple Explosively Formed Projectile,MEFP)战斗部中位于边缘位置处的药型罩口部闭合较差的问题,设计一种沿周向壁厚不同的偏心药型罩。将该药型罩应用于D型装药结构战斗部中,通过理论分析以及数值仿真...
详细信息
为改进整体式多爆炸成型弹丸(Multiple Explosively Formed Projectile,MEFP)战斗部中位于边缘位置处的药型罩口部闭合较差的问题,设计一种沿周向壁厚不同的偏心药型罩。将该药型罩应用于D型装药结构战斗部中,通过理论分析以及数值仿真方法,针对药型罩较厚一侧朝向和偏心距大小对药型罩成型的影响规律进行研究,开展爆炸成型弹丸(Explosively Formed Projectile,EFP)软回收试验。研究结果表明:偏心药型罩较厚侧朝向及偏心距大小对EFP各方向速度基本无影响,对EFP成型效果影响较大;药型罩较厚侧朝向战斗部中心时成型效果最佳;偏心距的大小能够调整药型罩周围微元向中心压合的速度差,改善药型罩口部包合情况;试验中回收到的EFP成型结果与仿真结果吻合度较高;偏心药型罩通过调整药型罩壁厚与爆轰波强度的匹配关系能够改善非对称爆轰下EFP的成型,有效解决D型装药结构MEFP战斗部位于边缘位置处药型罩成型较差的问题,为整体式MEFP战斗部边缘位置处药型罩结构设计提供参考。
针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,BP)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计算结果与激波管爆炸试验结果进行对比,平均相对误差为2.69%。证明激波管数值模型的准确性后,将数值模拟得到的195组激波管测得的峰值压力作为输出层,激波管驱动段TNT的药量、药柱的长径比以及爆炸比例距离作为神经网络的输入层。为了加快神经网络迭代速度和提高预测精度,使用自适应矩估计(adaptive moment estimation,ADAM)算法作为神经网络误差梯度下降的优化算法。结果表明,训练好的神经网络得到的预测结果与模拟值基本吻合,预测结果与数值模拟结果的平均相对误差为3.26%。BP神经网络模型能够反映激波管爆炸的峰值压力与影响因素之间的映射关系,采用BP神经网络模型计算时比数值模拟节约了大量运算时间。
暂无评论