空气中爆炸冲击波超压峰值的预测

严国建,周明安,余 轮,周晓光

(国防科学技术大学, 湖南长沙 410072)

空气中爆炸冲击波超压峰值的预测

严国建,周明安,余 轮,周晓光

(国防科学技术大学, 湖南长沙 410072)

选用 TNT炸药,利用 ANSYS仿真软件模拟和神经网络技术预测空气中不同距离爆炸冲击波超压峰值,揭示其衰减变化规律,并与经验公式计算结果相互比对误差,发现仿真模拟和神经网络的结论值与实验测量值更加接近。

爆炸冲击波;超压峰值;ANSYS;仿真模拟;神经网络

冲击波峰值超压表示冲击波瞬间作用的量,炸药爆炸过程中冲击波的传播是一个极为复杂的问题,峰值超压是描述空气冲击波强弱的参数之一,其变化规律也受冲击波传播影响表现得复杂[1]。简单的采用经验公式计算超压峰值不能较全面、真实反映爆炸过程的冲击波变化规律,而且结果较真实情况仍有较大误差。

仿真模拟是真实过程或系统在整个时间内运行的模仿,用数学公式或逻辑关系的假设构造成模型,用这种模型试验以取得相应系统行为的某些结果[2]。利用显式算法快速求解短时间、大变形、动态、大变形静准态问题和复杂的多重非线性接触碰撞问题,并通过结果分析计算出爆炸冲击波超压峰值和水平距离的非线性关系。

人工神经网络是一种模范动物神经网络行为特征,进行分布式并行信息处理的算法数学模型,具有自适应、自组织和实时学习的特点以及非线性、非局限性、非常定性和非凸性的特征[3]。基于大量样本信息,利用计算机对神经网络权值反复训练,减小网络输出误差,映射爆炸冲击波超压峰值和水平距离的非线性关系,采用训练好的权值预测不同距离的冲击波超压峰值可以较为真实的反应结果。

1 爆炸冲击波超压峰值预测和仿真模拟

1.1 空气介质中爆炸冲击波的传播规律和实验

爆炸冲击波通常是球面传播的,冲击波后面紧跟着膨胀的爆炸产物,当爆炸产物膨胀到极限体积后,空气冲击波尾部与爆炸产物邻接的界面处压力降到大气压 P0,而爆炸产物由于惯性继续膨胀,即过度膨胀,直到惯性消失,从而导致冲击波尾部产生负压区。当爆炸产物停止膨胀而往回运动时,形成冲击波脱离爆炸产物独自向前运动的分界面。此时冲击波得不到别的能量补给,同时自身能量不断损耗,使冲击波各种参数下降,这种下降是连续传递的[4],也就是空气中爆炸冲击波的传播过程规律。

本文选用试验样品为 TNT药柱 7.5 kg,长径比为 (1～1.2):1。TNT药柱为铸装,密度为 1.58 g/cm3,在 3.5,5,7,9.5和 12 m 5组不同水平距离处测量冲击波超压峰值 (△p),如表1所示[5]。

表1 冲击波超压峰值的测量值[5]

1.2 仿真模拟

数值模型由炸药和空气两部分组成,均采用欧拉网格建模,单元使用多物质 ALE算法,炸药空气和材料间耦合算法。由于是条形装药,在中心线起爆条件下,不考虑端部效应时,可以将模型简化成平面对称问题。数值模型采用 cm-g-us单位制。本算例采用 ANSYS/LS-DYNA8.1进行模拟,通过选取模型节点,分别确定距离模型 3.5,5,7,9.5和 12 m 5个点的位置,输出 5点的压力时程曲线。

根据超压曲线,不同距离的超压峰值见表2。

1.3 神经网络预测

本文采用 BP神经网络结构,构建三层网络,虽然爆炸冲击波超压峰值影响受装药量的大小、形状和水平距离等因素变化,但是在本文的实验中,试验样品除测量点的水平距离不同外,其它因素均不变,所以可以将输入层设为一层,即为测量点到 TNT炸药水平距离。输出层是超压峰值,所以输出层也设为一层,即为爆炸冲击波的超压峰值。根据神经网络隐层设计经验公式[3],设计隐含层节点数为 3个。综合以上设计神经网络,采用优化的 BP算法[3],利用Visual Basic 6.0编程软件编程对神经网络权值进行训练,如图1所示,最终利用训练好的权值预测3.5,5,7,9.5和 12 m 5种情况下的超压峰值。

表2 仿真模拟超压峰值结果

通过 10000次运算后的到得权值见图2,并利用权值预测不同条件的超压峰值,如表3所示。

2 经验公式计算超压峰值

目前,研究者主要用冲击波压力、超压峰值、冲量、持续时间等冲击波参数来描述 TNT爆炸产生的入射冲击波的传播规律,本文主要研究超压峰值,并采用 Henrych给出的空气中冲击波峰值超压计算方法和Brode的 TNT爆炸冲击波峰值超压计算方法计算获得不同距离的超压峰值。冲击波的各种参数常通过比例距离来表达,比例距离的定义方法为:

式中,R为测点与爆心之间的距离,m;W为等效TNT药量 ,kg。

图1 权值训练软件

图2 调整后权值

表3 神经网络预测超压峰值结果

Henrych(1979)给出的空气中冲击波峰值超压的表达式为[6]:

Brode(1955)认为 TNT爆炸冲击波峰值超压可用下式确定:

由式 (2)、式 (3),5组条件的计算结果见表4。

3 结 论

本文采用 ANSYS/LS-DYNA8.1仿真模拟爆炸过程的冲击波变化和神经网络 (BP算法)预测分别在 3.5,5,7,9.5和 12 m距离上的超压峰值;此外,

表4 经验公式计算得超压峰值结果

还利用 2种经验公式分别计算获得这 5个距离的超压峰值,其计算结果和试验测量的平均值见表5。

表5 不同方法计算结果

通过结果对比,发现仿真模拟和神经网络的结论值与实验测量值更加接近,而仿真模拟的结论值较试验测量偏大,神经网络预测值较试验测量值偏小;在 7 m时的实验测量值与仿真模拟结论值接近,其它距离上的试验测量值与神经网络预测值接近。可以得出利用仿真模拟和神经网络 2种方法较传统的经验公式计算得的空气中爆炸冲击波超压峰更接近真实情况,如果利用仿真模拟和神经网络的结论数据重新融合,可以得到更加符合真实情况的结论。

[1] 叶序双.爆炸作用基础 [R].南京:南京工程兵工程学院,2004.

[2] 时党勇,李裕春,张胜民.基于 ANSYS/LS-DYNA8.1进行显式动力分析[M].北京:清华大学出版社,2005.

[3] 施 彦,韩力群,廉小亲.神经网络设计方法与实例分析[M].北京:北京邮电大学出版社,2009.

[4] 张广福,刘玉存,王建华.爆炸冲击波无限空气领域传播的数值模拟研究[J].山西化工,2009,(29):43-46.

[5] 王建灵,郭 炜,冯晓军.TNT、PBX和 Hexel空中爆炸冲击波参数的实验研究[J].火炸药学报,2008,(31):42-44.

[6] 亨利奇.爆炸动力学及其应用[M].熊建国.北京:科学出版社,1987.

2011-07-06)

严国建 (1988-),男,学士,主要从事军事爆破及爆破工程方面的研究。