用于预测侵彻信号先验加速度特征的 SE-MLP 模型
机器学习
2025-12-30 v1
摘要
侵彻过程的准确识别高度依赖于侵彻加速度的先验特征值。然而，这些特征值通常需要通过漫长的仿真周期和昂贵的计算来获取。为克服这一局限性，本文提出了一种多层感知机架构，称为挤压与激励多层感知机（SE-MLP），该架构将通道注意力机制与残差连接相结合，以实现对加速度特征值的快速预测。以不同工况下的物理参数作为输入，该模型输出分层加速度特征，从而建立物理参数与侵彻特性之间的非线性映射。与常规 MLP、XGBoost 和 Transformer 模型的对比实验表明，SE-MLP 取得了更优的预测精度、泛化能力和稳定性。消融研究进一步证实，通道注意力模块和残差结构均对性能提升有显著贡献。数值仿真和量程恢复测试表明，预测与实测的加速度峰值及脉冲宽度之间的差异保持在可接受的工程容差范围内。这些结果验证了所提方法的可行性与工程适用性，并为快速生成侵彻引信的先验特征值提供了实用基础。
引用
@article{arxiv.2512.23131,
title = {SE-MLP Model for Predicting Prior Acceleration Features in Penetration Signals},
author = {Yankang Li and Changsheng Li},
journal= {arXiv preprint arXiv:2512.23131},
year = {2025}
}
备注
23 pages, 10 figures, 6 tables