En el campo del prensado de productos de armas, la densidad de conformado del producto está estrechamente relacionada con la eficacia de daño del equipo militar, siendo uno de los indicadores importantes de la calidad del conformado por prensado. El proceso de conformado por prensado de gránulos de explosivos presenta características de múltiples variables, incertidumbre en parámetros y dificultad para obtener datos, lo que dificulta que los métodos tradicionales de simulación numérica obtengan con precisión la densidad de conformado del producto. Los métodos basados en datos tampoco pueden predecir con precisión la densidad debido a la fuerte dependencia de los datos. Por lo tanto, se propone un método de predicción de la densidad de conformado de gránulos de explosivos basado en aumento de datos y aprendizaje ensamblado Extreme Gradient Boosting-Multi-Layer Perceptron (XGBoost-MLP). Se utiliza un método de aumento de datos basado en bosques aleatorios para expandir los datos originales y se garantiza que los datos ampliados cumplan con los mecanismos físicos mediante un análisis de consistencia física; se propone un método de aprendizaje ensamblado XGBoost-MLP para construir un modelo de predicción de densidad de conformado de gránulos de explosivos, y se utiliza la validación cruzada K-fold y la estrategia de parada temprana para reforzar el proceso de entrenamiento; se diseñan y llevan a cabo experimentos de conformado por prensado y pruebas de densidad de gránulos de explosivos para validar el método propuesto. Sobre esta base, se realiza un análisis comparativo entre el método propuesto y los métodos XGBoost-MLP, aumento de datos-XGBoost y aumento de datos-MLP. Los resultados de la investigación muestran que el método de aumento de datos basado en bosques aleatorios puede aliviar eficazmente el sobreajuste del modelo causado por la escasez de muestras, superando en cierta medida el problema de las muestras pequeñas en los datos de conformado por prensado; el método propuesto obtuvo los valores más bajos de error absoluto medio, error cuadrático medio y error absoluto medio porcentual, respectivamente 0.0175, 0.000555 y 1.03 %, logrando una predicción de alta precisión de la densidad de conformado por prensado.

prensado;conformado por prensado de gránulos de explosivos;aprendizaje ensamblado Extreme Gradient Boosting-Multi-Layer Perceptron;predicción de densidad