-
题名基于DACO-BP的水下聚能装药峰值超压预测
被引量：3
- 1
-
-
作者
刘芳
张峻豪
卢熹
郭策安
-
机构
沈阳理工大学理学院
辽宁省兵器工业智能优化与控制重点实验室
沈阳理工大学自动化与电气工程学院
沈阳理工大学装备工程学院
-
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第6期17-24,102,共9页
-
基金
辽宁省教育厅科学研究经费项目(LG202025)。
-
文摘
为提高水下聚能装药爆炸冲击波参数预测的准确性和稳定性,基于AUTODYN数值仿真软件获取的装药爆炸仿真数据,提出了动态自适应蚁群算法(dynamic adaptive ant colony algorithm,DACO)优化BP(back propagation)神经网络(DACO-BP)的水下聚能装药峰值超压预测模型。采用梅森旋转算法(mersennetwister,MT)对数据进行随机排序,提升模型对不同数据分布的泛化能力。设计信息素纯增长策略和挥发系数双曲线动态自适应调整策略,改善蚁群算法的全局寻优能力和收敛速度。将DACO算法获得的全局最优解映射到BP神经网络的权值和阈值,提高BP神经网络预测的精度和稳定性能。实验结果表明,动态自适应蚁群优化BP神经网络的水下聚能装药峰值超压预测模型具有良好的有效性、稳定性和可信性。
-
关键词
水下聚能装药
峰值超压预测
数值模拟
BP神经网络
梅森旋转算法
蚁群
动态自适应蚁群
-
Keywords
underwater shaped charge
peak overpressure prediction
numerical simulation
BP neural network
Mersenne Twister
ant colony
adaptive dynamic ant colony optimization
-
分类号
TJ65
[兵器科学与技术—武器系统与运用工程]
-
