基于径向基函数神经网络的高聚物粘结炸药切削表面粗糙度预测研究

doi:10.3969/j.issn.1000-1093.2014.02.010

兵工学报 ›› 2014, Vol. 35 ›› Issue (2): 200-206.doi: 10.3969/j.issn.1000-1093.2014.02.010

基于径向基函数神经网络的高聚物粘结炸药切削表面粗糙度预测研究

唐贤进，张丘，邹刚，吴松，刘维，尹锐

(中国工程物理研究院化工材料研究所，四川绵阳 621900)

收稿日期:2012-11-28 修回日期:2012-11-28 上线日期:2014-03-25
作者简介:唐贤进（1986—），男，研究实习员
基金资助:
中国工程物理研究院基金项目（2009A0203010）；中国工程物理研究院化工材料研究所所长基金项目（626010939）

Prediction Research on Cutting Surface Roughness of PBX Based on RBF Neural Network

TANG Xian-jin, ZHANG Qiu, ZOU Gang, WU Song, LIU Wei, YIN Rui

(Institute of Chemical Materials, China Academy of Engineering Physics, Mianyang 621900, Sichuan, China)

Received:2012-11-28 Revised:2012-11-28 Online:2014-03-25

摘要/Abstract

摘要： 高聚物粘结炸药（PBX）的切削表面质量是影响炸药部件甚至是武器性能的重要因素。通过对PBX炸药切削表面三维轮廓的观察和分析，发现其切削表面形貌由于材料、工艺和工况等多因素作用而产生不确定崩落现象，导致对切削表面进行二维轮廓算术平均偏差与三维轮廓算术平均偏差的计算值最大相差32%. 基于此，综合考虑多因素影响，利用RBF人工神经网络构建了炸药切削表面粗糙度预测模型。通过网络训练和验证表明，该模型基本能够反映PBX炸药切削表面成形的基本规律，并且预测值与实际值误差不超过3%.

关键词: 机械制造工艺与设备, 高聚物粘结炸药, 表面形貌, 粗糙度, 神经网络

Abstract: The surface quality of polymer-bonded-explosive（PBX）is a key factor to influence the explosive components and the weapons. An avalanche phenomenon, which is created by material, process and operating condition, on the cutting surface of PBX is observed by analyzing the cutting surface 3D-contour of PBX, which causes the difference between 2D arithmetical mean deviation of the profile and 3D arithmetical mean deviation of the profile to be 32%. Hence, a prediction model which consideres the multiple factors is established with the RBF neural network. The training and test of the prediction model illustrates that the model could reflect the regularity of cutting process, and the predicted error is within 2%.

Key words: manufacturing process and equipment, polymer-bonded-explosive, surface topography, roughness, neural network

中图分类号:

TP183

唐贤进，张丘，邹刚，吴松，刘维，尹锐. 基于径向基函数神经网络的高聚物粘结炸药切削表面粗糙度预测研究[J]. 兵工学报, 2014, 35(2): 200-206.

TANG Xian-jin, ZHANG Qiu, ZOU Gang, WU Song, LIU Wei, YIN Rui. Prediction Research on Cutting Surface Roughness of PBX Based on RBF Neural Network[J]. Acta Armamentarii, 2014, 35(2): 200-206.

参考文献

［1］张丘，黄交虎，尹锐，等．高聚物粘结炸药切削表面的细观形貌与形成机理[J]．兵工学报，2010，31(10)：1337-1340.
ZHANG Qiu, HUANG Jiao-hu, YIN Rui, et al. Micro-appearance and formation mechanisms of PBX cutting surface[J]. Acta Armamentarii, 2010,31(10)：1337-1340. (in Chinese)
[2］罗景润．PBX的损伤、断裂及本构关系研究[D]．绵阳：中国工程物理研究院，2001．
LUO Jing-run. Study on damage, fracture and constitutive relation of PBX[D]. Mianyan: China Academy of Engineering Physics, 2001.(in Chinese)
[3］ Baer M R．Modeling heterogeneous energetic materials at the mesoscale[J]．Thermochinica Acta，2002，384：351-367．
[4］ Proud W G，Palmer S J P，Field J E，et al．AFM studies of PBX systems[J]．Thermochinica Acta，2002，384(1/2)：245-251．
[5］李明，张珏，李敬明，等．高聚物粘结炸药压缩破坏的细观力学实验研究[J]．含能材料，2005，13(2)：79-84．
LI Ming, ZHANG Yu, LI Jing-ming, et al. Experimental investigation to the damage localization of PBX mechanical failure at mesoscale[J]. Energetic Materials, 2005,13(2)：79-84. (in Chinese)
[6］唐维，李明，黄交虎，等．PBX车削表面的细观形貌与粗糙度研究[J]．含能材料，2009，17（1）：59-62．
TANG Wei, LI Ming, HUANG Jiao-hu, et al. Study on turning surface micro-morphology and roughness of PBX parts[J].Chinese Journal of Energetic Materials, 2009,17(1)：59-62.(in Chinese)
[7］师汉民，陈吉红，阎兴，等．人工神经网络及其在机械工程领域中的应用[J]．中国机械工程，1997，8（2）：5-10．
SHI Han-min, CHEN Ji-hong, YAN Xing, et al. Artificial neural network and its application in the field of mechanical engineering[J]. China Mechanical Engineering, 1997,8(2)：5-10. (in Chinese)
[8］李晓梅，丁宁，朱喜林．表面粗糙度模糊神经网络在线辨识模型[J]．机械工程学报，2007，43（3）：212-217．
LI Xiao-mei, DING Ning, ZHU Xi-lin, et al. On-line identification model of surface roughness based on fuzzy-neural nnetwork[J]. Chinese Journal of Mechanical Engineering, 2007,43(3)：212-217. (in Chinese)
[9］张毅，杨建国．基于灰色神经网络的机床热误差建模[J]．上海交通大学学报，2011，45(11)：1581-1586．
ZHANG Yi, YANG Jian-guo. Grey neural network modeling for machine tool thermal error[J]. Journal of Shanghai Jiaotong University, 2011,45(11)：1581-1586.(in Chinese)
[10］梁华琼，周旭辉，唐常良，等．HMX钢模压制的微观结构演变研究[J]．含能材料，2008，16（2）：188-190．
LIANG Hua-qiong, ZHOU Xu-hui, TANG Chang-liang, et al. Microstructural evolution of HMX during pressing[J]. Chinese Journal of Energetic Materials, 2008,16(2)：188-190. (in Chinese)
[11］ Skaf Z，Wang H， Guo L．Fault tolerant control based on stochastic distribution via RBF neural networks[J]．Journal of Systems Engineering and Electronics，2011，22（1）：63-69．
[12］刘岗．精密车削表面粗糙度预测及切削参数优化研究[D]．秦皇岛：燕山大学，2009．
LIU Gang. Predication for surface roughness and optimization of cutting parameters in precision turning[D].Qinhuangdao: Yanshan University, 2009.(in Chinese)

[1]	刘扬, 秦国华, 吴竹溪, 娄维达, 赖晓春. 基于工件振动和刀具结构的周铣表面形貌分析与预测[J]. 兵工学报, 2023, 44(7): 2132-2146.
[2]	杜凯, 焦黎, 颜培, 余建杭, 王玉彬, 仇天阳, 王西彬. 淬硬超高强度钢45CrNiMoVA硬车削加工性研究[J]. 兵工学报, 2023, 44(3): 773-782.
[3]	王蔚, 沈杰, 刘伟军, 邢飞, 张凯, 李强, 于兴福. 激光清洗中振镜扫描速度对7075铝合金表面质量和摩擦特性的影响[J]. 兵工学报, 2023, 44(10): 2995-3005.
[4]	董永亨，李淑娟，张倩，李鹏阳，李旗，贾祯，李言. 基于铣削系统动力学响应的球头铣刀铣削表面形貌建模[J]. 兵工学报, 2022, 43(8): 1977-1989.
[5]	刘纯，欧卓成，段卓平，黄风雷. 动态加载下高聚物粘结炸药中椭圆孔洞坍塌引起的热点温度及其半经验解析表达[J]. 兵工学报, 2022, 43(1): 57-68.
[6]	白志玲，段卓平，黄风雷. 高聚物粘结炸药冲击起爆统计热点反应速率模型[J]. 兵工学报, 2021, 42(11): 2379-2387.
[7]	秦金凤，赵雪，钱华，芮久后. 高致密球形黑索今晶体结构对高聚物粘结炸药安全性能的影响[J]. 兵工学报, 2020, 41(3): 481-487.
[8]	魏强，黄西成，陈刚，陈鹏万. 高聚物粘结炸药动态损伤破坏的数值刻画[J]. 兵工学报, 2019, 40(7): 1381-1389.
[9]	计时鸣，邱文彬，曾晰，郗枫飞，邱磊，郑倩倩，石梦. 软固结磨粒群微观力学特性分析与试验研究[J]. 兵工学报, 2019, 40(5): 1068-1076.
[10]	安蓓，李淑娟，郝政，赵雯，王嘉宾，梁列. 硬脆材料切割过程中基于线锯速度的切割力自适应控制[J]. 兵工学报, 2019, 40(2): 412-419.
[11]	江禹安，皮钧，杨光，姜涛，沈志煌. 超声椭圆振动切削轨迹变化对表面形貌的影响[J]. 兵工学报, 2019, 40(10): 2170-2176.
[12]	李潘，郝志明，刘永平，甄文强. 基于近场动力学非普通状态理论的高聚物粘结炸药损伤破坏模拟研究[J]. 兵工学报, 2018, 39(5): 893-900.
[13]	李俊烨，周曾炜，张心明，周立宾. 固体与液体两相磨粒流抛光异形曲面的质量控制因素研究[J]. 兵工学报, 2018, 39(4): 772-779.
[14]	沈超，周克栋，陆野，乔自平. 某大口径机枪内膛损伤对弹头挤进过程的影响研究[J]. 兵工学报, 2018, 39(12): 2320-2329.
[15]	欧亚鹏，闫石，焦清介，郭学永，孙亚伦. 浇注高聚物粘结炸药的粘结剂体系设计及其应用研究[J]. 兵工学报, 2018, 39(1): 63-70.

基于径向基函数神经网络的高聚物粘结炸药切削表面粗糙度预测研究

Prediction Research on Cutting Surface Roughness of PBX Based on RBF Neural Network

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价