侵彻深度预测方法技术

本申请提供一种侵彻深度预测方法

【技术实现步骤摘要】
侵彻深度预测方法、系统、模型建立方法、介质及设备


[0001]本申请涉及弹丸侵彻深度预测的
，具体而言，涉及一种侵彻深度预测方法
、
系统
、
模型建立方法
、
介质及设备
。

技术介绍

[0002]硬目标侵彻武器是一种利用弹丸末端极高速度所产生的强大动能撞开地表面，钻入地下的精确制导武器，用于攻击地下指挥控制中心
、
机场跑道等坚固目标的主要手段
。
而完成侵彻武器自适应起爆控制硬目标灵巧引信的作用也变得越来越重要
。
硬目标侵彻武器的侵彻引信通过感应和处理侵彻深度
、
侵彻过载和侵彻层数等信息来决定起爆时刻
。
目前国内外在处理侵彻深度预测过程中，对过载数据的规律研究较多，对侵彻过程中其他环境数据的变化规律研究较少
。
[0003]例如，在弹丸半无限硬侵彻混凝土目标的过程中，对弹丸最终侵彻深度进行精确预测是十分重要的一环，对目标的打击毁伤起到决定性作用
。
[0004]目前已有的侵彻深度计算方法均以侵彻过载信号为基础进行研究，但仍存在侵彻引信适应碰靶速度不高
、
存在高速侵彻条件下抗高过载能力不足
、
无法精确识别粘连过载信号导致计层失准
、
对目标不同硬度
、
厚度
、
着速自适应起爆控制能力不足等问题，最终导致侵彻深度不够精确
。

技术实现思路

[0005]本申请实施例的目的在于提供一种侵彻深度预测方法
、
系统
、
模型建立方法
、
介质及设备，其中，基于弹丸温度建立起弹丸侵彻深度预测模型，并基于此弹丸侵彻深度预测模型进行侵彻深度预测，提高了侵彻深度预测准确性
。
[0006]第一方面，提供了一种侵彻深度预测模型建立方法，包括以下步骤：
[0007]S1、
基于弹丸温度场建立包括弹丸和靶体的弹靶模型，进行不同工况的有限元仿真，记录弹丸速度
、
弹丸着靶角度
、
弹丸温度和弹丸侵彻深度；所述弹丸侵彻深度包括
X
方向侵彻深度和
Y
方向侵彻深度；
[0008]S2、
以弹丸温度
、
弹丸速度和弹丸着靶角度为样本特征，以
X
方向侵彻深度和
Y
方向侵彻深度为样本标签，构建起弹丸侵彻数据集；
[0009]S3、
从弹丸侵彻数据集提取全部样本或者预定比例的样本形成训练集；
[0010]S4、
对弹丸侵彻数据集归一化处理以去除量纲；
[0011]S5、
建立
BP
神经网络模型；所述
BP
神经网络模型包括输入层
、
隐藏层和输出层；
[0012]S6、
将训练集输入
BP
神经网络模型中训练，在达到预设终止条件时，停止训练，得到侵彻深度预测模型
。
[0013]在一种可实施的方案中，步骤
S1
中的所有所述工况中，至少包括：
[0014]至少有两个或以上的所述工况具有相同的弹丸着靶角度且具有不同的弹丸速度；
[0015]至少有两个或以上的所述工况具有相同的弹丸速度且具有不同的弹丸着靶角度
。
[0016]在一种可实施的方案中，弹丸着靶角度包括弹丸垂直侵彻靶体的角度和弹丸非垂直侵彻靶体的角度，弹丸垂直侵彻靶体的角度等于
90
°
，弹丸非垂直侵彻靶体的角度小于
90
°
。
[0017]在一种可实施的方案中，在步骤
S3
中，将弹丸侵彻数据集中的样本按照
6:3:1
的比例划分为训练集
、
验证集和测试集
。
[0018]在一种可实施的方案中，步骤
S5
中，隐藏层的数量等于3层，分别为第一隐藏层
、
第二隐藏层和第三隐藏层
。
[0019]在一种可实施的方案中，第一隐藏层包括三个神经元，第二隐藏层包括六个神经元，第三隐藏层包括三个神经元
。
[0020]根据本申请的第二方面，还提供了一种侵彻深度预测方法，包括：
[0021]获取弹丸速度
、
弹丸着靶角度和弹丸温度；
[0022]将弹丸速度
、
弹丸着靶角度和弹丸温度输入侵彻深度预测模型，输出弹丸的侵彻深度；所述侵彻深度预测模型为经前述方案中的侵彻深度预测模型建立方法得到的侵彻深度预测模型
。
[0023]根据本申请的第三方面，还提供了一种侵彻深度预测系统，包括获取模块和预测模块
。
获取模块用于获取弹丸速度
、
弹丸着靶角度和弹丸温度，预测模块用于将弹丸速度
、
弹丸着靶角度和弹丸温度输入侵彻深度预测模型，输出弹丸的侵彻深度；侵彻深度预测模型为经前述方案中的侵彻深度预测模型建立方法得到的侵彻深度预测模型
。
[0024]根据本申请的第四方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现前述方案中的侵彻深度预测模型建立方法和
/
或前述方案中的侵彻深度预测方法
。
[0025]根据本申请的第五方面，还提供了一种电子设备，设备包括存储器和处理器
。
存储器存储有一计算机程序，处理器与所述存储器通信相连，调用计算机程序时执行前述方案中的侵彻深度预测模型建立方法和
/
或前述方案中的侵彻深度预测方法
。
[0026]与现有技术相比，本申请的有益效果至少包括：
[0027]本申请的侵彻深度预测模型建立方法中，建立起通过弹丸温度及弹丸速度
、
弹丸着靶角度来预测弹丸侵彻深度的预测模型，为基于弹丸温度的弹丸侵彻深度的预测提供一种新的可靠的预测基础
。
[0028]弹丸温度是相对稳定的物理性质，在基于本实施例的侵彻深度预测模型建立方法建立的侵彻深度预测模型进行预测时，无需去获取过载信号，可以绕过黏连过载信号带来的缺陷，也可以绕过侵彻引信适应碰靶速度不高
、
存在高速侵彻条件下抗高过载能力不足等缺陷
。
因此，本申请侵彻深度预测模型建立方法建立的侵彻深度预测模型，能够相应的提高后续侵彻深度预测方法的预测准确性
。
附图说明
[0029]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种侵彻深度预测模型建立方法，其特征在于，包括以下步骤：
S1、
基于弹丸温度场建立包括弹丸和靶体的弹靶模型，进行不同工况的有限元仿真，记录弹丸速度
、
弹丸着靶角度
、
弹丸温度和弹丸侵彻深度；所述弹丸侵彻深度包括
X
方向侵彻深度和
Y
方向侵彻深度；
S2、
以弹丸温度
、
弹丸速度和弹丸着靶角度为样本特征，以
X
方向侵彻深度和
Y
方向侵彻深度为样本标签，构建起弹丸侵彻数据集；
S3、
从弹丸侵彻数据集提取全部样本或者预定比例的样本形成训练集；
S4、
对弹丸侵彻数据集归一化处理以去除量纲；
S5、
建立
BP
神经网络模型；所述
BP
神经网络模型包括输入层
、
隐藏层和输出层；
S6、
将训练集输入
BP
神经网络模型中训练，在达到预设终止条件时，停止训练，得到侵彻深度预测模型
。2.
根据权利要求1所述的侵彻深度预测模型建立方法，其特征在于，步骤
S1
中的所有所述工况中，至少包括：至少有两个或以上的所述工况具有相同的弹丸着靶角度且具有不同的弹丸速度；至少有两个或以上的所述工况具有相同的弹丸速度且具有不同的弹丸着靶角度
。3.
根据权利要求2所述的侵彻深度预测模型建立方法，其特征在于，所述弹丸着靶角度包括弹丸垂直侵彻靶体的角度和弹丸非垂直侵彻靶体的角度，所述弹丸垂直侵彻靶体的角度等于
90
°
，所述弹丸非垂直侵彻靶体的角度小于
90
°
。4.
根据权利要求1所述的侵彻深度预测模型建立方法，其特征在于，在步骤...

【专利技术属性】
技术研发人员：张冬梅，常慧珠，薛应芳，李世中，贾保峰，杜东艳，
申请(专利权)人：中北大学，
类型：发明
国别省市：