一种弹丸高速冲击挤进阻力快速获取方法技术

本发明专利技术属于弹丸运动分析技术领域，具体涉及一种弹丸高速冲击挤进阻力快速获取方法。该方法以有限元方法进行挤进过程仿真所得结果为样本，利用自适应RBF(径向基函数)神经网络构建代理模型，从而实现不同初始挤进速度下弹丸高速冲击挤进阻力的快速计算。该方法既可以保留数值仿真的完整性和计算精度，又可以大幅缩短整体求解时间，提高科学研究效率和科学性。

A Fast Method for Obtaining the Resistance of High Speed Impact Extrusion of Projectile

【技术实现步骤摘要】
一种弹丸高速冲击挤进阻力快速获取方法
本专利技术属于弹丸运动分析
，具体涉及一种弹丸高速冲击挤进阻力快速获取方法。
技术介绍
弹丸挤进过程是一个瞬态、非线性的动力学过程，弹丸与身管之间的作用机理非常复杂，影响弹丸挤进过程的因素非常多。通常情况下，弹丸挤进过程可描述为：随着弹底压力的增大，弹丸开始运动，以一定的初始速度挤入身管膛内，由于弹带直径比身管内膛的阳线直径略大，故弹带是逐渐挤进膛线的，挤进过程中阻力不断增加，当弹带完全挤进膛线后，阻力达到最大值，此时弹带被磨出沟槽并与膛线吻合，即完成挤进过程。上世纪90年代，俄罗斯的奥波科夫最先对弹丸的挤进过程进行研究，采用炮管挤压弹丸，通过实验观察得到的弹丸滑移线建立平衡方程，近似计算了瞬态接触应力，给出了弹丸挤进阻力的近似计算方法，并较为系统地阐述了弹丸挤进问题求解的数值方法和分析方法。随后，美国的Siewert在研究小口径弹丸挤进过程时，利用准静态试验手段，测得了小口径子弹(M80)的挤进阻力，并指出子弹结构、坡膛锥度及弹管之间的润滑条件等与挤进阻力是非线性关系。近年来，国内相关学者开始从不同方面对弹丸挤进过程进行研究。张喜发、卢兴华等围绕火炮身管内膛线损伤条件下内弹道性能变化规律，针对弹丸挤进压力问题，分析了弹带挤进膛线运动，建立了弹丸挤进压力数学模型，讨论了影响挤进过程的各个因素，说明了各种弹带结构弹丸挤进压力的计算方法。孙河洋等人借助MSC.Patran软件建立弹丸和身管的参数化模型，运用MSC.Dytran软件仿真了弹带挤进坡膛的过程，计算并分析了弹带与坡膛的接触变形。南京理工大学樊黎霞在研究身管的基础上，注意到弹丸挤进过程中膛线压痕的形成和变形过程对弹丸形状有较大影响，进而会影响武器系统的设计精度，随后利用ABAQUS软件，数值模拟了铅芯弹丸的挤进过程。目前，研究弹丸挤进过程及挤进阻力获取方法主要有理论分析法、数值模拟法和试验法。挤进阻力的理论分析模型主要有线性函数模型、分段线性函数模型、内弹道势平衡理论等，这些模型大都以试验数据为依据，通过简单的数据拟合获得挤进阻力与弹丸行程的关系。该模型只能大致反映挤进过程，粗略获得挤进阻力，同时由于理论分析模型往往会引入较多的假设，实验研究表明，假设的瞬时挤进过程所得的分析结果与实际情况有较大差距。数值模拟是现代科学研究不可或缺的技术手段，ANSYS/LS-DYNA是兵器行业进行数值仿真的主要工具，其内置140多种材料动态模型和40多种接触类型，特别适合求解非线性结构的非线性动力冲击问题，同时具有多种壳体、实体单元和多种材料模型，可以精确描述内弹道中弹丸的结构和受力状态，且针对不同的计算场合具有不同的适用算法。但是由于其对复杂问题的计算时间长，对同一问题的不同状态需要多次计算，在工程实际中往往很难接受。试验法是最直接、最有效的获取弹丸挤进阻力的方法，但是由于弹丸挤进过程一般都是毫米量级，对测量设备和测量精度要求较高，而且试验法往往耗费巨大，一般工程项目难以承受。
技术实现思路
(一)要解决的技术问题本专利技术提出一种弹丸高速冲击挤进阻力快速获取方法，以解决弹丸挤进过程数值模拟耗时长的技术问题。(二)技术方案为了解决上述技术问题，本专利技术提出一种弹丸高速冲击挤进阻力快速获取方法，该方法包括如下步骤：步骤1、建立弹丸挤进模型，确定弹丸尺寸、材料，身管坡膛和线膛形式；步骤2、确定弹丸挤进阻力及挤进偏差的计算方法，采用对称罚函数处理不同结构的表面接触问题；步骤3、利用LS-DYNA软件进行数值仿真，对弹丸以不同初始挤进速度和不同挤进行程的状态进行仿真计算，获得建模所需的样本数据；步骤4、选取自适应RBF神经网络代理模型的类型，确定神经网络的层数和神经元个数，采用拉丁超立方方法抽取训练样本和测试样本；步骤5、构建并拟合代理模型，以弹丸初始挤进速度和挤进行程作为输入，以弹丸挤进阻力的变化作为输出，用训练样本建立神经网络代理模型；步骤6、模型验证，用测试样本对所构建的代理模型进行精度验证，结合步骤5进行代理模型的迭代构建和验证，选取训练误差和测试误差最小的模型，保证模型为最优模型；步骤7、根据精度要求对代理模型的预测精度进行判别，若不满足精度要求，则进一步增加样本点数量，并重复步骤3-7，若满足精度要求，则输出该模型；步骤8、输出并保存基于自适应RBF神经网络的弹丸挤进阻力计算的代理模型；步骤9、应用该代理模型计算弹丸在不同初始挤进速度和挤进行程下的挤进阻力变化。进一步地，在步骤1中，弹丸和身管的模型均定义为各向同性材料的Johnson-cook模型，其本构方程为：σ＝[A+Bεn][1+Clnε*][1-T*m]式中，σ为有效应力，A、B、C、m均为试验测得的常数，ε为有效塑性应变，ε*为塑性应变率，n为材料硬化指数，T*+298为材料熔点。进一步地，在步骤4中，为了充分利用样本数据和保证建模精度，用拉丁超立方方法对样本数据进行多次抽样，获得多组训练样本和测试样本。进一步地，在步骤4中，代理模型函数表达式为：其中，x为输入矢量，ω为权系数，φ为基函数，ck为第k个节点的中心，σk为第k个节点的基宽度参数，θ为自适应变量，其维数与设计变量个数相同；基于上述代理模型函数建立代理模型，具体步骤包括：步骤4-1、采用拉丁超立方方法生成样本点并计算其对应的函数值，将样本点分为两部分，一部分用来构建代理模型，另一部分用来校验代理模型的精度；步骤4-2、确定神经元个数、中心及宽度：采用逐步增加神经元个数的方法和k-均值聚类算法确定神经元的个数和中心，神经元宽度由下式确定：σk＝δdk其中，dk为第k个神经元的网络中心与距其最近的网络中心的距离，δ为重叠系数；步骤4-3、确定θ与ω的值：采用基于MATLAB的模式搜索算法进行的优化，将样本点的预测平均误差最小作为优化目标，在优化过程中，每给定一组θ值，则利用最小二乘方法求解ω的值。(三)有益效果本专利技术提出的弹丸高速冲击挤进阻力快速获取方法，以有限元方法进行挤进过程仿真所得结果为样本，利用自适应RBF(径向基函数)神经网络构建代理模型，从而实现不同初始挤进速度下弹丸高速冲击挤进阻力的快速计算。该方法既可以保留数值仿真的完整性和计算精度，又可以大幅缩短整体求解时间，提高科学研究效率和科学性。附图说明图1为LS-DYNA软件的分析流程；图2为RBF神经网络拓扑结构图；图3为本专利技术实施例的基于自适应RBF神经网络代理模型的弹丸冲击挤进阻力计算流程图。具体实施方式为使本专利技术的目的、内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。弹丸挤进过程是弹丸沿身管逐渐运动并挤入坡膛和线膛的过程，该过程涉及到非线性问题的三大方面，包括弹丸材料的大变形大应变及损伤失效等材料非线性问题，弹丸运动过程中的大位移及旋转等几何非线性问题，弹丸与身管坡膛线膛的接触等边界条件非线性问题。要解决和研究以上问题，需结合理论，配合有限元数值模拟方法，借助非线性动力学软件LS-DYNA。本实施例利用LS-DYNA软件进行弹丸挤进过程的数值仿真，获得构建代理模型所需的样本数据。LS-DYNA软件的分析流程如图1所示。自适应RBF神经网络是一种前馈式网络，输入矢量到隐层由径向基函数映射，由隐层到本文档来自技高网...

【技术保护点】
1.一种弹丸高速冲击挤进阻力快速获取方法，其特征在于，所述方法包括如下步骤：步骤1、建立弹丸挤进模型，确定弹丸尺寸、材料，身管坡膛和线膛形式；步骤2、确定弹丸挤进阻力及挤进偏差的计算方法，采用对称罚函数处理不同结构的表面接触问题；步骤3、利用LS‑DYNA软件进行数值仿真，对弹丸以不同初始挤进速度和不同挤进行程的状态进行仿真计算，获得建模所需的样本数据；步骤4、选取自适应RBF神经网络代理模型的类型，确定神经网络的层数和神经元个数，采用拉丁超立方方法抽取训练样本和测试样本；步骤5、构建并拟合代理模型，以弹丸初始挤进速度和挤进行程作为输入，以弹丸挤进阻力的变化作为输出，用训练样本建立神经网络代理模型；步骤6、模型验证，用测试样本对所构建的代理模型进行精度验证，结合步骤5进行代理模型的迭代构建和验证，选取训练误差和测试误差最小的模型，保证模型为最优模型；步骤7、根据精度要求对代理模型的预测精度进行判别，若不满足精度要求，则进一步增加样本点数量，并重复步骤3‑7，若满足精度要求，则输出该模型；步骤8、输出并保存基于自适应RBF神经网络的弹丸挤进阻力计算的代理模型；步骤9、应用该代理模型计算弹丸在不同初始挤进速度和挤进行程下的挤进阻力变化。...

【技术特征摘要】
1.一种弹丸高速冲击挤进阻力快速获取方法，其特征在于，所述方法包括如下步骤：步骤1、建立弹丸挤进模型，确定弹丸尺寸、材料，身管坡膛和线膛形式；步骤2、确定弹丸挤进阻力及挤进偏差的计算方法，采用对称罚函数处理不同结构的表面接触问题；步骤3、利用LS-DYNA软件进行数值仿真，对弹丸以不同初始挤进速度和不同挤进行程的状态进行仿真计算，获得建模所需的样本数据；步骤4、选取自适应RBF神经网络代理模型的类型，确定神经网络的层数和神经元个数，采用拉丁超立方方法抽取训练样本和测试样本；步骤5、构建并拟合代理模型，以弹丸初始挤进速度和挤进行程作为输入，以弹丸挤进阻力的变化作为输出，用训练样本建立神经网络代理模型；步骤6、模型验证，用测试样本对所构建的代理模型进行精度验证，结合步骤5进行代理模型的迭代构建和验证，选取训练误差和测试误差最小的模型，保证模型为最优模型；步骤7、根据精度要求对代理模型的预测精度进行判别，若不满足精度要求，则进一步增加样本点数量，并重复步骤3-7，若满足精度要求，则输出该模型；步骤8、输出并保存基于自适应RBF神经网络的弹丸挤进阻力计算的代理模型；步骤9、应用该代理模型计算弹丸在不同初始挤进速度和挤进行程下的挤进阻力变化。2.如权利要求1所述的方法，其特征在于，在所述步骤1中，所述弹丸和身管的模型均定义为各向同性材料的Johnson-c...

【专利技术属性】
技术研发人员：王亮宽，第五强强，马佳佳，孙耀东，
申请(专利权)人：西北机电工程研究所，
类型：发明
国别省市：陕西,61