-
公开(公告)号：CN118821605A
公开(公告)日：2024-10-22
申请号：CN202410934269.0
申请日：2024-07-12
Applicant: 北京理工大学
IPC: G06F30/27 , G06N3/045 , G06N3/0475 , G06N3/08 , G06F17/15
Abstract: 本发明公开了本发明涉及一种基于物理信息神经网络的CHON型炸药爆炸冲击波参量预测方法，属于爆炸毁伤技术领域。本发明基于试验验证的仿真模型生成不同炸药的爆炸冲击波超压‑时间曲线，提取获得不同比例距离的超压峰值、冲击波到达时间、正压作用时间、冲击波衰减系数，形成炸药自由场爆炸的爆炸冲击波威力场数据集，建立物理信息神经网络，通过输入炸药的比例距离、初始比内能，输出超压峰值、冲击波到达时间、正压作用时间、冲击波衰减系数，进而构建超压与时间的函数，获得不同炸药在不同比例距离的超压‑时间曲线，该模型可以准确数据集范围内和数据集范围外的数据，具有较好的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN110458436A
公开(公告)日：2019-11-15
申请号：CN201910714787.0
申请日：2019-08-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种火工品可靠性指标的小样本验证方法，只需使用火工品的感度分布均值就能验证火工品的可靠性指标，克服了目前需要根据均值和标准差进行可靠度评估的不足。利用感度分布均值将工作刺激量下的试验样本量等效转换为低刺激量下的试验样本量，在保持置信水平不变的前提下实现了用较少的样本量验证火工品可靠性的方法。采用本方法，可使可靠度指标为0.999的火工品可靠性评估所需样本量降低至经典统计方法所需样本量的1/10以下，大大降低试验费用。综合了计量法和计数法的试验信息，在保持置信水平不变的前提下，大幅度地降低了试验样本量，减少推断误差，提高了可靠度评估结果的准确性。
-
公开(公告)号：CN110458436B
公开(公告)日：2022-02-01
申请号：CN201910714787.0
申请日：2019-08-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种火工品可靠性指标的小样本验证方法，只需使用火工品的感度分布均值就能验证火工品的可靠性指标，克服了目前需要根据均值和标准差进行可靠度评估的不足。利用感度分布均值将工作刺激量下的试验样本量等效转换为低刺激量下的试验样本量，在保持置信水平不变的前提下实现了用较少的样本量验证火工品可靠性的方法。采用本方法，可使可靠度指标为0.999的火工品可靠性评估所需样本量降低至经典统计方法所需样本量的1/10以下，大大降低试验费用。综合了计量法和计数法的试验信息，在保持置信水平不变的前提下，大幅度地降低了试验样本量，减少推断误差，提高了可靠度评估结果的准确性。
-
公开(公告)号：CN118536075A
公开(公告)日：2024-08-23
申请号：CN202410324452.9
申请日：2024-03-21
Applicant: 北京理工大学
IPC: G06F18/27 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了本发明涉及一种炸药近地爆炸冲击波超压峰值预测方法，属于爆炸毁伤技术领域。本发明基于生成式对抗神经网络对试验数据进行扩展，形成炸药近地爆炸的数据集，建立基于物理信息的神经网络，通过物理先验对数据特征进行预处理，同时将包含超压对比例距离的一阶偏导和二阶偏导的物理信息约束嵌入到损失函数中，从而指导模型训练的具体学习过程，通过在损失函数中引入物理损失项，训练后的模型可以准确预测炸药近地爆炸的地面反射波超压，同时该模型可以准确数据集范围外的数据，具有较好的泛化能力，提高了模型的普适性。
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
