基于人工神经网络的低速冲击下弹道黏土混合数值建模
数值分析
2023-02-27 v1 数值分析
摘要
Roma Plastilina No. 1黏土已被广泛用作防弹衣中的保守边界条件，即扮演人体的角色。有趣的是，该边界条件对防弹衣弹道性能的影响难以辨别。此外，应通过测量变形黏土中的压痕来表征背面变形，这对于确定枪击的致死性十分重要。因此，若干研究聚焦于不仅对防弹衣而且对黏土背衬材料进行建模。尽管为开发合适的数值模型做出了各种尝试，但确定能够捕捉黏土高应变率行为的适当物理参数仍具挑战性。在本研究中，我们使用人工神经网络（ANN）预测黏土中的压痕深度，并采用逆跟踪方法确定基于有限元法（FEM）的模型所需的最优材料参数。我们的ANN-FEM混合模型成功优化了高应变率材料参数，无需任何独立的力学试验。所提出的新模型在相关冲击案例中达到了超过98%的高预测精度。
引用
@article{arxiv.2205.14893,
title = {Hybrid Numerical Modeling of Ballistic Clay under Low-Speed Impact using Artificial Neural Networks},
author = {YeonSu Kim and Yoon A Kim and Seo Hwee Park and YunHo Kim},
journal= {arXiv preprint arXiv:2205.14893},
year = {2023}
}