[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

说明书

本发明公开了一种基于神经网络的防弹衣结构梯度缓冲层设计方法，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，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；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。本发明使用人工神经网络代替传统以实弹试验或数值模拟为主导的方法，可以快速输出缓冲层的防护表现，大幅缩短了计算成本。

技术领域

本发明涉及防弹衣设计技术领域，具体涉及一种基于神经网络的防弹衣结构梯度缓冲层设计方法。

背景技术

随着军事科技的不断发展，作战士兵的防护需求也正在不断提高。防弹衣作为最常用的人体防护装备，一直以来扮演着保障战士生命安全的角色。如今，防弹性能不再是评价防弹衣的单一指标，保证士兵在遭受攻击后继续作战的能力成为了防弹衣设计中面临的新挑战。

传统的防弹衣由防弹层和缓冲层组成。缓冲层多采用泡沫材料制成，并置于防弹层后方以减轻弹头冲击对人体产生的钝体伤害。其中，EVA(乙烯-醋酸乙烯共聚物)因其出色的缓冲吸能性能以及良好的回弹性和柔韧性被广泛应用在防弹衣的缓冲层中。然而，EVA材料在冲击作用下会发生较大变形，很难对人体形成有效的防护作用。研究表明，将聚硼硅氧烷(PBDMS)与EVA材料进行复合可以显著减小其在冲击效应下的变形。因此，采用PBDMS-EVA复合泡沫材料作为缓冲层是一种提高防弹衣防护性能的新方案。

PBDMS-EVA材料性能与两者之间的混合比例密切相关，不同的配比会产生不同的材料表现。相较于使用单一材料作为缓冲层，利用材料差异性形成的具有梯度性结构可以具备更好的冲击防护性能。不同配比的PBDMS-EVA材料可以形成数种组合形式，对每种组合逐一进行研究是极其困难的。

发明内容

本发明的目的在于提供一种基于神经网络的防弹衣结构梯度缓冲层设计方法，以解决现有技术中不同配比的PBDMS-EVA材料可以形成数种组合形式，对每种组合逐一进行研究是极其困难的的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种基于神经网络的防弹衣结构梯度缓冲层设计方法，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；