基于改进PSO-RBF的炸药药柱密度预测研究

针对炸药药柱密度检测效率低的问题,提出一种密度预测方法。通过非线性动态调整粒子群优化算法(particle swarm optimization,PSO)的惯性权重,以优化径向基(radial basis function,RBF)网络参数,构建IPSO-RBF网络模型,利用压制工艺参数实现药柱密度预测。实验表明,改进的PSO算法能快速寻出RBF网络参数,同时具有PSO算法和RBF模型的优点,具有较好的收敛速度和预测精度。与传统的RBF网络或未改进惯性权重的PSO-RBF相比,IPSO-RBF的RMSE分别下降了38.6%、42.4%,模型的预测识别精度有较大提高,实现了炸药药柱密度的有效预测。

复杂形状药柱分次预压装药成型新工艺应用

通过对复杂形状药柱分次预压装药成型新工艺进行研究,采用分次加药、多次预压成型工艺技术,控制药柱压制成型过程的受力状态,解决了复杂形状药柱压制过程中容易出现的因药柱密度不均匀、局部密度过高导致整体密度低于指标要求、结合面处易出现掉环和裂纹等问题。

多组分异型药柱分次装药预压成型新工艺应用

采用多次装药、精准填充、分次预压制成型工艺技术,解决了连续化压制工艺技术对多组分异型药柱压制过程中因药柱受力不均匀容易出现的局部密度差异大、药柱分层、端面局部崩落等问题,产品一次交验合格率由传统成型工艺的约85%提高至新工艺的99.6%以上。