Научная статья на тему 'Изучение влияния свойств наноструктурированных соединений титана на эксплуатационные параметры энергонасыщенных систем с использованием нейросетевых технологий'

Изучение влияния свойств наноструктурированных соединений титана на эксплуатационные параметры энергонасыщенных систем с использованием нейросетевых технологий Текст научной статьи по специальности «Химические технологии»

CC BY
85
22
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
КОМПЬЮТЕРНАЯ МОДЕЛЬ / СМЕСЕВЫЕ ВЗРЫВЧАТЫЕ ВЕЩЕСТВА / ЭКСПЛУАТАЦИОННЫЕ ПАРАМЕТРЫ / ПРИКЛАДНОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ / СОMРUTЕR MОDЕL / MIХЕD ЕХРLОSIVЕS / ОРЕRАTIОNАL РАRАMЕTЕRS / АРРLIСАTIОN SОFTWАRЕ

Аннотация научной статьи по химическим технологиям, автор научной работы — Мухутдинов А. Р., Ефимов М. Г., Клявлина Л. Р., Кулагин А. А.

В представленной работе показана возможность использования универсальных вычислительных способностей программного средства на основе искусственных нейронных сетей (ИНС) для аппроксимирования функций, полученных по малому количеству опытных данных.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по химическим технологиям , автор научной работы — Мухутдинов А. Р., Ефимов М. Г., Клявлина Л. Р., Кулагин А. А.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Изучение влияния свойств наноструктурированных соединений титана на эксплуатационные параметры энергонасыщенных систем с использованием нейросетевых технологий»

УДК 543.4:5.44.2

А. Р. Мухутдинов, М. Г. Ефимов, Л. Р. Клявлина, А. А. Кулагин

ИЗУЧЕНИЕ ВЛИЯНИЯ СВОЙСТВ НАНОСТРУКТУРИРОВАННЫХ СОЕДИНЕНИЙ ТИТАНА

НА ЭКСПЛУАТАЦИОННЫЕ ПАРАМЕТРЫ ЭНЕРГОНАСЫЩЕННЫХ СИСТЕМ

С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ

Ключевые слова: компьютерная модель, смесевые взрывчатые вещества, эксплуатационные параметры, прикладное

программное обеспечение.

В представленной работе показана возможность использования универсальных вычислительных способностей программного средства на основе искусственных нейронных сетей (ИНС) для аппроксимирования функций, полученных по малому количеству опытных данных.

Kеywоrds: сотрМег mоdеl, miхеd ехрlоsivеs, орегаИопа1 раrаmеtеrs, аррИсаИоп sоftwаrе.

In the presented work the possibility of use of universal computing abilities of a software on the basis of the artificial neural networks (ANN) for approximation of the functions obtained by the small number of skilled data is shown.

Введение

Известно, что обороноспособность нашей страны зависит от перспективных исследования смесевых взрывчатых веществ (СВВ), имеющих в своем составе новейшие компоненты. Увеличение эффективности боеприпасов и средств поражения за счет увеличения фугасного и метательного действия взрыва новых СВВ является важной задачей. Но ограниченное количество новых компонентов (по массе) и натурных опытов с ними замедляет создание мощных СВВ. Кроме того экспериментальное измерение характеристик детонации СВВ является небезопасным и дорогостоящим [1-5]. В связи с этим, использование современных информационных технологий для создания нейросетевых моделей процесса детонации мощных СВВ по малому количеству экспериментальных данных с целью точного прогнозирования давления детонации является актуальной задачей, имеющей научный и практический интерес.

Объекты исследований

Целью представленной работы является разработка и исследование нейросетевой модели, а также ее использование для выявления зависимостей влияния вида добавок СВВ на давление детонации.

Основным объектом исследований является процесс детонации мощных СВВ, а его определяющим эксплуатационным параметром -давление детонации, от которого зависит эффективность работы изделия (фугасное, метательное действие взрыва).

Таблица 1 - База знаний для нейросетевого моделирования

Результат моделирования (давление детонации) зависит от следующих характеристик: содержание окфола и добавки, тип и структура добавки, высота и плотность шашки, время распространения детонации по ней, скорость детонации и массовая скорость продуктов взрыва. В исследованиях в качестве добавок (и) использовался титан в виде: порошка (1), наноструктурированного гидрида (2) и дейтерида (3).

По экспериментальным данным (12 опытов, [1]) создавалась база знаний (таблица) в среде МБ Ехсе1, которая делилась на обучающую (9 примеров) выборку и тестирующую (3 примера) выборку. Для обучения входными параметрами являлись: содержание окфола (Сок, %) и добавки (Сд, %), тип и структура добавки (и), высота (А, мм) и плотность (р, г/см3) шашки, время распространения детонации по шашке (*, мкс), скорость детонации (О, м/с), массовая скорость продуктов взрыва (и, м/с).

Выходным параметром является давление детонации (Р, ГПа). Он зависит от входных параметров. После этого происходило обучение и тестирование нейронной сети. В данной программной среде применялся процесс обучения «с учителем».

В ходе работы выполнялись:

- разработка базы знаний;

- разработка нейросетевой модели процесса детонации;

- выбор оптимальной модели и проведение вычислительного эксперимента;

- анализ полученных результатов.

№ Сок, % Сд, % n h, мм р, г/см3 t, мкс D, м/с U, м/с Р, ГПа

1 100 0 0 20,4 1,71 2,44 8370 1880 26,9

2 100 0 0 19,9 1,76 2,32 8580 1940 29,3

- - - - - - - - - -

11 80 20 3 20,2 1,97 2,52 8030 1880 29,7

12 80 20 3 20,5 1,95 2,44 8390 1990 32,5

Обсуждение результатов исследований

С использованием разработанной базы знаний определена архитектура ИНС (сеть с прямым распространением сигнала) и оптимальная ее структура [(общее количество скрытых слоев - 3 и количество нейронов в слоях соответственно: 50; 90), функция активации (сигмоидная функция) и метод оптимизации (модифицированный Партан-метод)]. В соответствии с количеством входных и выходных параметров, определено количество нейронов в первом слое - 8, в последнем - 1. Общее число шагов обучения методом

«модифицированный РагТап» составило 30 шагов для выборки из 12 экспериментов.

В связи с этим, после обучения ИНС порядок значимости параметров по влиянию на давление детонации будет следующим (по убыванию): и - массовая скорость продуктов взрыва, (м/с); £ - время распространения детонации по шашке, (мкс);

Сок - содержание окфола, (%); п - тип и структура добавки; р - плотность шашки, (г/см3); Б - скорость детонации, (м/с); СД - содержание добавки, (%); h - высота шашки, (мм).

В ходе определения значимости влияния входных параметров на выходные было выявлено, что массовая скорость продуктов взрыва оказывает максимальное значение на изменение давления детонации. Также высокий уровень значимости параметров по влиянию на изменение давления детонации имеет время распространения детонации по шашке, а также содержание окфола и тип добавки. Показатели значимости определяют дальнейший ход исследования, поэтому рассматривалось влияние массовой скорости продуктов взрыва и влияние времени распространения детонации по шашке на давление детонации. Для построения зависимостей и проведения сравнительного анализа нейросетевой модели, ряд входных параметров принималось постоянным: содержание окфола и добавки, тип и структура добавки; высота и плотность шашки; скорость детонации, а изменяли значение массовой скорости продуктов взрыва (рис. 1 в диапазоне 1840...2030м/с) и времени распространения детонации по шашке (рис. 2 в диапазоне 2,32.2,5 мкс).

Из графиков Р=f(U) и Р=Д0 видно, что характер у всех четырех зависимостей для разных видов добавок одинаковый (рис. 1 и 2). На основании вычислительного эксперимента с помощью разработанной нейросетевой модели установлено что, наличие добавки 3 (наноструктурированный дейтерид титана) в СВВ приводит к увеличению значения давления детонации на 10^11%, что согласуется с литературными данными.

Рис. 1 - Зависимость давления детонации от массовой скорости продуктов взрыва для СВВ:

1 - с добавкой дейтерида титана (3);

2 - с добавкой гидрида титана (2);

3 - с добавкой порошка титана (1);

4 - без добавок (0);

▲ , ■, •, ♦ - экспериментальные точки, которые соответствуют виду добавки соответственно 0, 1, 2 и 3

Рис. 2 - Зависимость давления детонации от времени распространения детонации по шашке для СВВ:

1 - с добавкой дейтерида титана (3);

2 - с добавкой гидрида титана (2);

3 - с добавкой порошка титана (1);

4 - без добавок (0);

▲ , ■, •, ♦ - экспериментальные точки, которые соответствуют виду добавки соответственно 0, 1, 2 и 3

Выводы

Исследована и показана возможность нейросетевого моделирования процесса детонации СВВ. Наглядно показан прогноз выходного параметра, в данном случае давления детонации СВВ, на заранее обученной сети (относительная ошибка составила 2,5%) с помощью базы знаний. Проведен сравнительный анализ полученных зависимостей.

Вычислительный эксперимент с разработанной нейросетевой моделью показал, что введение в состав СВВ 20% порошка титана в виде наноструктурированного дейтерида приводит к увеличению значения давления детонации на 10^11%.

Литература

1. Акинин Н.И., Матвеев А.А., Трунин В.В. и др. Чувствительность к удару и параметры детонации смесей окфола с наноструктурированными соединениями титана // Взрывное дело. 2013. №110/67. С. 139-146.

2. Воскобойников Н.М., Котмин А.А., Воскобойникова Н.Ф. Влияние инертных добавок на скорость метания пластин смесевыми взрывчатыми веществами // Физика горения и взрыва. 1982. Т.18. №6. С.108-Ш.

3. Гогуля М.Ф., Махов М.Н., Долгобородов А.Ю. и др. Механическая чувствительность и параметры детонации

алюминизированных взрывчатых веществ // Физика горения и взрыва. - 2004. №4.

4. Давыдов В.Ю., Козмерчук В.В., Мурышев Е.Ю. и др. Влияние добавок порошкообразного алюминия на энергию ВВ, передаваемую в осевом и радиальном направлениях // Физика горения и взрыва. - 1988. - 24 №3.

5. Давыдов В.Ю., Гришкин А.М., Мурышев Е.Ю. Влияние газодинамических условий на степень реализации энергии вторичных реакций в метательное действие взрывчатых веществ // Физика горения и взрыва. - 1993. - 29 №2.

© А. Р. Мухутдинов - д-р техн. наук, проф. КНИТУ, muhutdmоv@rаmЫеr.ru; М. Г. Ефимов - аспирант кафедры "Технологии твердых химических веществ" КНИТУ, jеrо[email protected]; Л. Р. Клявлина - студент той же кафедры КНИТУ; А. А. Кулагин - студент той же кафедры КНИТУ.

© А. ^ Mukhutdinоv - Dосtоr оf Sсiеnсе, рго£ КИЯТИ, muhutdmоv@rаmЫеr.ru; М. & ЕЯтоу - Grаduаtе Studеnt оf Ше Dераrtmеnt "ТесЬпо^^у sоlid Летка1 substаnсеs" КИЯТИ, jеrо[email protected]; К ^ ЮуауЦпа - studеnt thе sаmе Dераrtmеnt КИЯТИ; А. А. Ки^т - studеnt Ше sаmе Dераrtmеnt КШТИ.

i Надоели баннеры? Вы всегда можете отключить рекламу.