文章详情
| 稿件标题： | 基于改进神经网络的玻璃纤维增强复合材料防弹性能预测模型研究 |
| 稿件作者： | 曹佳佳1，牛波2，张明锦1 |
| DOI： | 10.11809/bqzbgcxb2023.07.022 |
| 科学编辑： | 岳光 博士（中北大学） |
| 栏目名称： | 基础理论与应用研究 |
| 关键词： | BPNN；玻璃纤维增强复合材料；防弹性能；烟花算法 |
| 文章摘要： | 玻璃纤维增强复合材料是一种在兵器防护领域较为常用的材料，其防弹性能是评价材料特性最重要的指标之一。传统材料防弹性能的评估方法为人工实验对比数据，存在着工作量大、实验方法复杂且成本较高，检测效率低等缺陷，且评估结果容易产生较大偏差。BP神经网络（back propagation neural network，BPNN）能够通过训练自主学习规则，减少输出误差。针对传统材料性能评估方法存在的问题，研究提出了采用BPNN对玻璃纤维增强复合材料的防弹性能进行预测，减少工作量，提高材料防弹性能评估效率。针对BPNN中存在的缺陷，研究采用烟花算法（fireworks algorithm，FWA）对其权值和阈值进行优化。最终，基于改进BPNN模型，构建防弹性能预测模型。实验结果显示，FWABPNN模型的预测精度超过了99.5%，而PSOBPNN模型、GABPNN模型、BPNN模型的预测准确率分别为99.00%、98.50%、98.06%。实验结果表明：研究提出的FWABPNN模型能够高效率、高精度地完成玻璃纤维增强复合材料防弹性能预测，对我国兵器装备防护领域的发展有着积极意义，可以缩减材料的性能评估时间，提升材料性能的评估精度，为兵器装备的材料选择提供数据支撑。 |
| 稿件基金： | 青海省科技厅项目（2019ZJ961Q） |
| 引用本文格式： | 曹佳佳，牛波，张明锦.基于改进神经网络的玻璃纤维增强复合材料防弹性能预测模型研究［J］.兵器装备工程学报，2023，44(7)：163-169. CAO Jiajia, NIU Bo, ZHANG Mingjin.Study on the prediction model of bulletproof performance of glass fiber reinforced composites based on improved neural network［J］.Journal of Ordnance Equipment Engineering，2023，44(7)：163-169. |
| 刊期名称： | 2023年07期 |
| 出版时间： | 2023年7月 |
| 上线时间： | 2023年7月28日 |
| 浏览次数： | 1524 |
| 下载次数： | 39 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |