基于人工神经网络的炸药性能研究

赵倩，刘玉存，袁俊明

（中北大学化工与环境学院，山西，中国，030051）

摘要： 为了解人工神经网络方法在炸药性能预测的应用及发展，分析总结了BP神经网络在炸药性能预测方面的应用。选取合适的参考量作为输入，建立BP网络学习样本、训练样本，构建网络，训练并优化网络，调整隐含层节点数和迭代次数，使得预测误差处于可接受范围。通过对炸药的装药密度、爆热、爆速以及撞击感度等性能的研究，认为人工神经网络会对炸药更多的性能进行精确的预测，有重要参考价值。

关键字：人工神经网络；BP神经网络；炸药性能；预测

中图分类号：TQ560.6 文献标识码：A

The Research of Explosive Performances Based on Artificial Neural Network

Zhao-Qian，Liu-Yucun，Yuan-Junming

(School of Chemical Engineering and Environment, North University of China, Taiyuan 030051, China)

Abstract：To learn the application and development of the prediction explosive performance based on the artificial neural network method, this paper has analyzed the applications of BP neural network in explosive performance prediction. To make the prediction error in the acceptable range, Selecting the suitable amount of reference as input, and then building BP network the learning sample and the training sample, setting up a network, training and optimizing the network, adjusting the number of hidden nodes and iteration times. Artificial neural network of explosives will be more accurate prediction of performance, and have important reference value through learning the explosive charge density, blasting heat, blasting speed and the impact resistance sensitivity.

Key word: Artificial neural network; BP neural network; Explosive performance; Prediction

前言

人工神经网络（Artificial Neural Network，简称 ANN订阅方式：
①在线订阅（推荐）：www.sdchem.net.cn
②邮局订阅：邮发代号24-109

投稿方式：
①在线投稿（推荐）：www.sdchem.net.cn
　　作者只需要简单注册获得用户名和密码后，就可随时进行投稿、查稿，全程跟踪稿件的发表过程，使您的论文发表更加方便、快捷、透明、高效。
②邮箱投稿：sdhgtg@163.com sdhg@sdchem.net
　　若“在线投稿”不成功，可使用邮箱投稿，投稿邮件主题：第一作者名字/稿件题目。
投稿时请注意以下事项：
　　①文前应有中英文“题目”、“作者姓名”、“单位”、“邮编”、“摘要”、“关键词”；
　　②作者简介包括：姓名、出生年、性别、民族、籍贯或出生地、工作单位、职务或职称、学位、研究方向；
　　③论文末应附“参考文献”，执行国标GB/T7714-2005标准，“参考文献”序号应与论文中出现的顺序相符；
　　④注明作者的联系方式，包括电话、E-mail、详细的通讯地址、邮编，以便联系并邮寄杂志。
　　 　

联系电话：0531-86399196     传真：0531-86399186
欢迎投稿   答复快捷   发表迅速

                                                                                  山东化工稿件修改细则