基于DACO-BP的水下聚能装药峰值超压预测
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.
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
44
TJ65(水中兵器)
辽宁省教育厅科学研究经费项目LG202025
2023-07-12(万方平台首次上网日期,不代表论文的发表时间)
共9页
17-24,102