基于机器学习方法的HTPB推进剂力学性能预测研究

固体推进剂中AP颗粒的级配不同会导致力学性能相差巨大,为了探究AP颗粒的粒度值和质量分数对端羟基聚丁二烯(HTPB)推进剂力学性能的影响规律,采用机器学习的方法对推进剂的力学性能进行仿真预测,降低了实验成本并提高了预测效率。首先,对不同级配的HTPB推进剂进行拉伸试验,得到不同温度下抗拉强度和伸长率;其次,以拉伸试验结果为样本进行机器学习,分别构建了反向传播(Back Propagation,BP)神经网络、粒子群算法优化的反向传播(Particle Swarm Optimization Back Propagation,PSOBP)神经网络和遗传算法优化的反向传播(Genetic Algorithms Back Propagation,GABP)神经网络对推进剂的力学性能进行预测。结果表明,力学性能与颗粒级配的内在关系较为复杂,并非简单的线性关系。PSOBP和GABP可以用于预测不同级配下HTPB推进剂力学性能,并且GABP神经网络可以更好地预测推进剂的力学性能变化。

人促甲状腺激素受体A亚单位蛋白在昆虫细胞体系中的分泌性表达

目的拟构建昆虫细胞分泌表达体系,在草地夜蛾卵巢细胞分泌性促甲状腺激素受体(thyroid stimulating hormone receptor,TSHR)A亚单位蛋白。方法将TSHR A亚单位蛋白(22-289)和绿色荧光蛋白(green fluorescence protein,GFP)基因连接到质粒,并通过转化、蓝白斑筛选获得重组杆粒,将其转染入sf9昆虫细胞收获重组杆状病毒,扩增并测定滴度。最终通过蛋白印迹实验鉴定重组蛋白的表达并优化表达条件。结果在蛋白表达体系的构建过程中,PCR鉴定和测序均证实了重组质粒和重组杆粒序列的正确性。将重组杆粒转染入细胞后观察到病毒出芽迹象,空斑实验鉴定P1代病毒的滴度为2×10^(7) pfu/m。蛋白印迹显示重组蛋白分子质量为55 ku,主要在培养基中。蛋白表达的最佳感染复数(multiplicity of infection,MOI)为1,最佳感染时程为72 h。结论本研究构建了TSHR A亚单位的昆虫细胞杆状病毒表达体系,该体系能够外泌性表达分子质量为55 ku左右的蛋白TSHR 22-289,且蛋白能够成功的糖基化修饰。该系统为其工业化平台的建设及生产提供前期基础,也针对日后TSHR蛋白的研究和Graves病的病因预防提供了有用的工具。

HEDM推进剂的非线性粘弹损伤本构及其细观损伤演化研究

为了研究新型高能推进剂力学性能,开展了以聚叠氮缩水甘油醚(GAP)为基体,高能固体颗粒为氧化剂的HEDM推进剂非线性粘弹损伤本构研究工作。首先,基于粘弹性本构理论,设定HEDM推进剂的细观损伤分布满足Weibull分布函数,推导其非线性损伤本构的表达形式;其次,对HEDM推进剂进行应力松弛实验以及单轴拉伸实验,获得其非线性本构的相关材料参数,构建了HEDM推进剂的非线性本构关系;最后,建立了HEDM推进剂的RVE模型,引入内聚力法则对HEDM推进剂的细观损伤演化进行模拟分析,并验证仿真曲线以及理论本构曲线的准确性。研究表明,HEDM推进剂是一种典型的粘弹性材料,其应力应变曲线呈现明显的双折线形式,构建的非线性本构能较好地描述HEDM推进剂的力学性能,同时HEDM推进剂的细观损伤首先从颗粒的“脱湿”开始,之后基体微裂纹扩展,最终推进剂失效断裂。