一种聚脲复合结构抗爆性能预测模型训练方法及预测方法

本发明涉及抗爆性能预测，具体而言，涉及一种聚脲复合结构抗爆性能预测模型训练方法、预测方法及装置。

背景技术：

1、聚脲材料作为一种新兴的聚合物材料，具有良好的力学性能和耗能特性，并且聚脲材料在高应变率条件具有较高的屈服强度，因其独特的化学结构和物理特性使其成为一种理想的防爆材料，能够有效地减轻爆炸带来的破坏，被广泛应用于航空航天、汽车制造、船舶制造等领域。

2、目前，常规的聚脲材料抗爆性能的测试，通常需要在模拟的试验场景对聚脲复合结构进行抗爆性能评估，从而得到评估结果。但是，试验场景和聚脲复合结构的建立需要消耗大量的时间，无法根据实际需求随时变换不同的试验场景和聚脲复合结构，因此在进行多种实验场景和聚脲复合结构抗爆性能的评估时，往往需要花费大量的时间重新构建实验场景和对应的聚脲复合结构。

技术实现思路

1、本发明解决的问题如何提高聚脲复合结构抗爆性能的评估效率。

2、为解决上述问题，本发明提供一种聚脲复合结构抗爆性能预测模型训练方法、预测方法及装置。

3、第一方面，本发明提供了一种聚脲复合结构抗爆性能预测模型训练方法，包括：

4、获取聚脲复合结构的多组工况参数，其中，所述工况参数包括爆炸数据和对应的聚脲复合结构数据；

5、基于有限元方法，根据所述聚脲复合结构数据构建聚脲复合结构模型，并根据所述爆炸数据对所述聚脲复合结构模型进行爆炸仿真，得到所述聚脲复合结构的所述工况参数对应的破口面积，根据所述工况参数和对应的所述破口面积生成训练数据集；

6、对所述训练数据集中的参数进行修正，根据所述训练数据集得到每个参数类型中的最大参数值和最小参数值，并将所述最大参数减去所述最小参数得到所述参数类型对应的的波动偏差值；

7、将所述训练数据集中的所述参数减去对应的所述最小参数值得到所述参数的参数偏差，并将所述参数偏差除以对应的所述波动偏差值得到参数偏差率；

8、将预设倍数的所述参数偏差率减去1得到所述参数的修正参数值，并根据全部所述修正参数值对所述训练数据集中对应的所述参数进行修正得到修正后的训练数据集；

9、通过所述修正后的训练数据集对初始神经网络模型进行训练，得到训练好的聚脲复合结构抗爆性能预测模型。

10、可选地，所述通过所述修正后的训练数据集对初始神经网络模型进行训练，得到训练好的聚脲复合结构抗爆性能预测模型，包括：

11、将所述修正后的训练数据集中的所述工况参数分别输入所述初始神经网络模型输出对应的预测破口面积，并根据每个所述预测破口面积和对应的破口面积的比较结果更新所述初始神经网络模型的权重；

12、当完成所述训练数据集对所述初始神经网络模型的训练时，根据全部所述预测破口面积和对应的所述破口面积，通过损失函数判断所述初始神经网络模型是否符合要求；

13、若是，则将当前所述初始神经网络模型确定为所述聚脲复合结构抗爆性能预测模型；

14、若否，则重新根据所述修正后的训练数据集对所述初始神经网络模型进行下一轮训练，直到得到所述聚脲复合结构抗爆性能预测模型。

15、可选地，所述根据每个所述预测破口面积和对应的破口面积的比较结果更新所述初始神经网络模型的权重，包括：

16、根据所述预测破口面积和对应的所述破口面积，通过预设的误差关系得到误差值；

17、根据所述误差值、对应的所述破口面积和预设的权重关系更新所述初始神经网络的所述权重。

18、可选地，所述误差关系满足：

19、

20、所述权重关系满足：

21、wt+1＝a×e×yi+wt；

22、其中，e为所述误差值，yi为第i个所述破口面积，为第i个所述预测破口面积，wt+1为更新后的所述权重，wt为所述权重，a为预设学习率。

23、可选地，所述根据全部所述预测破口面积和对应的所述破口面积，通过预设的损失函数判断所述初始神经网络模型是否符合要求，包括：

24、根据全部所述预测破口面积和对应的所述破口面积，通过所述损失函数得到本轮模型训练的损失值；

25、当所述损失值小于或者等于预设的损失阈值时，判断当前的所述初始神经网络模型符合要求；

26、当所述损失值大于所述损失阈值时，判断当前的所述初始神经网络模型不符合要求。

27、可选地，所述损失函数满足：

28、

29、其中，mse为所述损失值，n为所述破口面积的数量，yi为第i个所述破口面积，为第i个所述预测破口面积。

30、可选地，所述爆炸数据包括包爆炸强度和爆炸距离；所述聚脲复合结构数据包括面板尺寸、聚脲涂层厚度、横骨尺寸和纵骨尺寸；所述获取聚脲复合结构水下爆炸的多组工况参数前还包括：

31、根据获取到的多个所述爆炸强度和所述爆炸距离进行排列组合得到多个所述爆炸数据，根据多个所述面板尺寸、所述聚脲涂层厚度、所述横骨尺寸和所述纵骨尺寸进行排列组合得到多个所述聚脲复合结构数据；

32、根据全部所述爆炸数据和所述聚脲复合结构数据进行排列组合得到所述工况参数。

33、本发明的聚脲复合结构抗爆性能预测模型训练方法的有益效果是：最大参数值和最小参数值进行比较计算，得到该参数的参数修正值，从而通过每个及参数对应的参数修正值对训练数据集中的参数进行修正，最后根据修正后的训练数据集进行模型训练，得到训练好的聚脲复合结构抗爆性能预测模型，通过对参数的修正，消除不同类型参数值对模型训练的影响，提高模型训练的收敛速度和精度，使得到的聚脲复合结构抗爆性能预测模型具有更好的预测能力和稳定性，根据训练得到的聚脲复合结构抗爆性能预测模型对不同聚脲复合结构进行准确的爆炸破口面积预测，相较于传统的通过试验获取的破口面积数据，预测模型则可以同时基于多样化的聚脲复合结数据和不同的爆炸场景进行训练和验证，避免了通过实验进行抗爆炸能力评估通常受限于特定的实验条件和环境，从而适用于更广泛的聚脲复合结构的抗爆炸能力预测，同时，避免了因试验消耗的时间和人力，有效地提高了对不同聚脲复合结构抗爆炸能力评估的效率，还可以避免因现场进行爆炸试验而造成的资源浪费和防线隐患。

34、第二方面，本发明提供了一种聚脲复合结构抗爆性能预测方法，包括：

35、获取待处理的聚脲复合结构工况参数；

36、将所述待处理的聚脲复合结构工况参数输入聚脲复合结构抗爆性能预测模型，输出所述待处理的聚脲复合结构工况参数对应的预测破口面积；其中，所述聚脲复合结构抗爆性能预测模型采用如第一方面所述的聚脲复合结构抗爆性能预测模型训练方法训练得到。

37、第三方面，本发明提供了一种聚脲复合结构抗爆性能预测模型训练装置，包括：

38、第一获取模块，用于获取聚脲复合结构爆炸的工况参数，其中，所述工况参数包括爆炸数据和对应的聚脲复合结构数据；

39、仿真模块，用于基于有限元分析软件，根据所述聚脲复合结构数据构建聚脲复合结构模型，并根据所述爆炸数据对所述聚脲复合结构模型进行水下爆炸仿真，得到所述工况参数到对应的所述聚脲复合结构的破口面积，用于将所述工况参数和对应的所述破口面积作为参数生成训练数据组，并根据全部所述训练数据组生成训练数据集；

40、第一修正模块，用于对所述训练数据仅中的参数进行修正，根据所述训练数据集得到每个参数类型中的最大参数值和最小参数值，并将所述最大参数减去所述最小参数得到所述参数类型的波动偏差值；

41、第二修正模块，用于将所述训练数据组中的所述参数减去对应的最小参数值得到所述参数的参数偏差，并将所述参数偏差除以对应的所述波动偏差值得到参数偏差率；

42、第三修正模块，用于将预设倍数的所述参数偏差率减去1得到所述参数的修正参数值，并根据修正参数值对所述训练数据集中对应的参数进行修正得到修正后的训练数据集；

43、训练模块，用于基于损失函数，通过所述修正后的训练数据集对初始神经网络模型进行训练，得到训练好的聚脲复合结构抗爆性能预测模型。

44、第四方面，本发明提供了一种聚脲复合结构抗爆性能预测装置，包括：

45、第二获取模块，用于获取待处理的聚脲复合结构工况参数；

46、预测模块，用于将所述待处理的聚脲复合结构工况参数输入聚脲复合结构抗爆性能预测模型，输出所述待处理的聚脲复合结构工况参数对应的预测破口面积；其中，所述聚脲复合结构抗爆性能预测模型采用如第一方面所述的聚脲复合结构抗爆性能预测模型训练方法训练得到。