文件大小：1.57M
摘要：为了满足对爆炸产生的压力荷载进行准确快速预测的需求，本文提出了一项基于图神经网络（Graph Neural Network，GNN）的爆炸压力时空分布预测人工智能模型。利用开源软件blastFoam进行计算流体动力学（Computational Fluid Dynamics，CFD）仿真，并通过网格重映射技术，以空间六面体网格划分为基础，将物理状态信息编写到节点特征中，以此将计算结果转化为标准的图格式数据，并由此分别建立了一个TNT自由场爆炸数据集和一个TNT密闭空间内爆炸数据集。将GNN模型分别在两个数据集的训练集上进行训练，监测模型在测试集上的均方根误差（Root Mean Square Error，RMSE）和决定系数(R2)，并将预测结果与CFD的计算结果进行对比。以上结果均表明，本文提出的人工智能模型针对自由场爆炸和密闭空间爆炸工况均得到了良好的预测效果。该人工智能模型具有在小样本上提取特征能力强、预测速度快、预测效果好、应用场景多样的优势，并且能够实现在三维空间内对爆炸压力场进行时间和空间维度的预测。基于GNN的爆炸压力时空分布预测模型在爆炸荷载的快速预测上具有强大的潜力，对爆炸防护工程、弹药工程和爆破工程具有参考意义。
文章目录
1 引言
2 模型原理
2.1 输入数据结构
2.2 GNN模型
3 数据集构建
3.1 数据来源
3.2 数值模型验证
3.3 数据集介绍
4 模型训练
4.1 自由场TNT炸药爆炸数据集
4.2 正方体密闭空间内的TNT炸药爆炸数据集
5 结论
