[发明专利]一种基于神经网络的防弹衣结构梯度缓冲层设计方法

权利要求书

1.一种基于神经网络的防弹衣结构梯度缓冲层设计方法，其特征在于，包括以下步骤：

步骤S1、为防弹衣结构设定N层等厚度PBDMS-EVA材料构成的缓冲层，以及由X层纤维材料构成的防弹层，其中，PBDMS-EVA材料的种类为M类，每个种类PBDMS-EVA材料的材料特性由PBDMS和EVA的配比所决定；

步骤S2、依次测定不同种类PBDMS-EVA材料的基本力学性能，通过改变加载速率获得不同应变速率下不同种类PBDMS-EVA材料的性能表现，并利用显示动力软件LS-DYNA对防弹衣结构的防弹性能利用数值仿真模型进行数值仿真计算，其中，所述数值仿真模型包括弹体、防弹层、缓冲层和表征人体组织的背衬材料，且防弹层和缓冲层的材料模型参数与实际测量值一致，以及数值仿真计算结果需与实弹试验进行校验比对，以确保数值仿真模型的高保真度，所述防弹性能的表征数值包括背衬材料上的凹陷深度、缓冲层背部区域的峰值压力，以及防弹层、缓冲层和背衬材料的冲击能量吸收量；

步骤S3、对N层等厚度PBDMS-EVA材料进行全排列组合得到M^N个缓冲层梯度组合，根据缓冲层的层数N确定所需要的数值仿真个数，以保证仿真用数据量的充足性和全面性，选取至少10*N个缓冲层梯度组合的防弹性能数值仿真结果，并基于缓冲层梯度组合和防弹性能数值仿真结果整合形成样本数据集用于训练人工神经网络模型；

步骤S4、通过人工神经网络模型基于样本数据集进行模型训练得到表征缓冲层梯度组合和防弹性能映射关系的防弹性能预测模型，并利用防弹性能预测模型依次对每个缓冲层梯度组合进行防弹性能预测，以及基于防弹性能预测结果在M^N个缓冲层梯度组合中筛选出表征防弹性能最佳的缓冲层梯度组合以用于设计出防护性能最佳的防弹衣结构。

2.根据权利要求1所述的一种基于神经网络的防弹衣结构梯度缓冲层设计方法，其特征在于：所述利用数值仿真模型进行数值仿真计算，包括：

数值仿真模型中的子弹、防弹层、缓冲层，以及背衬材料均使用实体单元进行建模并基于拉格朗日算法实现大变形计算，其中，数值仿真模型中子弹、防弹层、缓冲层，以及背衬材料的几何尺寸、边界条件，和初始状态与实际工况保持一致，以为与弹道靶实验进行直接比对；

材料仿真模型的选择应由各部件所使用的材料特性决定，针对子弹、防弹材料、缓冲材料，和背衬材料所具有的特征，分别采用“Johnson-Cook”金属材料本构模型、“CompositeMaterial”复合材料本构模型，“LowDensityFoam”泡沫材料本构模型，以及“Cowper-Symonds”弹塑性材料本构模型；

基于数值仿真模型和材料仿真模型的整体对称性，对1/4区域进行数值模拟以保证计算精度和计算效率的兼顾；数值模拟完成后，通过凹陷中心点处的位移-时程曲线获得稳定后的最大变形量作为背衬材料的凹陷深度，通过设置接触压力感知单元直接获得缓冲层背部区域的峰值压力及压力分布，以及通过数值仿真软件直接输出防弹层、缓冲层和背衬材料的冲击能量吸收量，以得到数值仿真计算结果。

3.根据权利要求2所述的一种基于神经网络的防弹衣结构梯度缓冲层设计方法，其特征在于：所述数值仿真计算结果需与实弹试验进行校验比对，包括：

在实弹实验中测量出背衬材料的凹陷深度、缓冲层背部区域的峰值压力以及防弹层、缓冲层和背衬材料的冲击能量吸收量与数值仿真计算结果中的背衬材料的凹陷深度、缓冲层背部区域的峰值压力以及防弹层、缓冲层和背衬材料的冲击能量吸收量进行对应项比较，以获得数值仿真模型的模拟精度；

通过对数值仿真模型中子弹冲击区域的网格模型进行细化以及设置合理的接触刚度，以提高数值仿真模型的模拟精度来确保数值仿真模型的高保真度。