[发明专利]一种基于机器学习的超高速碰撞碎片云快速模拟方法

权利要求书

1.一种基于机器学习的超高速碰撞碎片云快速模拟方法，其特征在于：包括以下步骤，

S10、碎片云关键特征提取方法；S20、碎片云快速模拟模型构建方法；S30、模型中碰撞条件施加策略；S40、模型准确性评估方法。

2.根据权利要求1所述的一种基于机器学习的超高速碰撞碎片云快速模拟方法，其特征在于：所述S10、碎片云关键特征提取方法包括，通过分析光滑粒子方法生成的历史结果，将其中按碎片描述的结果文件转换为按空间分布描述的碎片云关键特征文件，通过将可能存在碎片分布的所有空间区域进行结构化网格划分，并在每个六面体网格中统计以下物理量：碎片数目、碎片总质量、碎片在X方向平均速度、碎片在Y方向平均速度、碎片在Z方向平均速度、碎片动量和、碎片动能和，构建按空间分布描述的碎片云关键特征。

3.根据权利要求1所述的一种基于机器学习的超高速碰撞碎片云快速模拟方法，其特征在于：所述S20、碎片云快速模拟模型构建方法包括，该方法基于变分自编码器网络结构构建碎片云快速模拟模型，其中以按空间分布描述的碎片云关键特征作为输入层，以模拟结果和输入层数据的均方差作为损失函数，控制模型优化方向，使得模型输出结果逐渐逼近输入层数据，从而使得碎片云快速模拟模型获得碎片云空间分布特征。

4.根据权利要求1所述的一种基于机器学习的超高速碰撞碎片云快速模拟方法，其特征在于：所述S30、模型中碰撞条件施加策略，该方法将碰撞条件作为附加数据添加到输入层数据中，并通过碎片云快速模拟模型输出预测结果，并将预测结果和输入碰撞条件的均方差添加到损失函数中，以达通过碰撞条件控制碎片云生成的目的，同时，为了提升碰撞条件的控制效果，增加碰撞条件在损失函数中所占的权重，其权重系数等于与对碎片云空间区域进行结构化网格划分时各个方向的网格数目的平均值。

5.根据权利要求1所述的一种基于机器学习的超高速碰撞碎片云快速模拟方法，其特征在于：所述S40、模型准确性评估方法，所述方法通过计算模型训练过程中使用的训练集数据与模型输出结果之间的不同误差标准，综合评估模型的准确性和可靠性，误差标准包括：碎片云总质量误差比例、碎片云质量分布图像的结构相似度、碎片云平均速度分布的图像结构相似度、碎片云沿X轴无量纲化质量对比曲线。