[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

说明书

本发明涉及计算机相关技术领域，尤其涉及一种基于机器学习的超高速碰撞碎片云快速模拟方法，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。该发明通过特征工程方法，提取碎片云分布特征；然后基于变分自编码器网络结构建立碎片云快速模拟模型，并将碎片云分布特征和碰撞参数作为输入数据；同时设计损失函数，指导神经网络的层次性结构实现输入数据与输出数据之间的复杂函数逼近，进而建立碰撞参数与高维度的碎片云分布特征之间的非线性关系；为了评估所获得碎片云快速生成模型的准确性，建立了模型误差评估方法，通过计算模型输出结果与模型训练数据之间的多种误差标准。

技术领域

本发明涉及计算机相关技术领域，尤其涉及一种基于机器学习的超高速碰撞碎片云快速模拟方法。

背景技术

碎片云是指超高速碰撞过程中，弹丸在一定碰撞参数下，高速碰撞靶板后，破碎的弹丸和靶板碎片所形成的，由碎块、熔化物、汽化物所组成的高速运动物质，宏观上形如云团；所谓碎片云模型，是指描述弹丸超高速碰撞靶板所产生的碎片云的数学物理模型；碰撞参数是指碰撞前弹丸和靶材的相关参数，包括：弹丸入射速度、弹丸入射角度、弹丸与靶材碰撞坐标、弹丸和靶板的材质与形状等；碎片云分布特征包括：

质量分布：指碎片云中的材料质量在空间中的分布，以质量的空间密度表示；

速度分布：指碎片云上任意点的速度在空间中的分布；

碎片云中的碎片尺寸特性：指碎片的平均尺寸、尺寸分布等；

由于理论尚未成熟，超高速碰撞产生碎片云问题主要采取实验与数值模拟两种方法作为定量研究手段；超高速碰撞实验需要使用大型实现装置，而碰撞实验成本较高，同时实验准备、数据采集和结果处理都需要较长时间，所以单次实验所需时间通常以天为单位；因此数值模拟方法，以其成本低廉的优势，作为实验方法的一种有效补充而广泛使用；光滑粒子方法(SPH，SmoothedParticleHydrodynamics)，作为一种无网格方法，采用数量众多离散粒子从几何上离散弹丸和靶板，因此可以模拟物体的大变形和破碎现象，此方法常用于超高速碰撞模拟；但是光滑粒子方法也需要循环遍历离散粒子，执行大量数值计算，同时伴随所使用离散粒子数目的增加，计算时间也呈指数增加；通常，单个工况的超高速碰撞模拟所需时间以小时为单位；在工程和实验设计中，常常需要快速探视多个指定碰撞参数下的碎片云分布特征，而实验和数值模拟方法都存在时间周期长的问题。

发明内容

本发明的目的在于提供一种基于机器学习的超高速碰撞碎片云快速模拟方法，以解决上述背景技术中提出的现有的工程和实验设计中，常常需要快速探视多个指定碰撞参数下的碎片云分布特征，而实验和数值模拟方法都存在时间周期长的问题。

为了实现以上目的，本发明采用的技术方案为：一种基于机器学习的超高速碰撞碎片云快速模拟方法，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。

进一步的，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。

进一步的，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。