申请/专利权人：中国电子科技集团公司第十五研究所

申请日：2024-03-13

公开（公告）日：2024-04-16

公开（公告）号：CN117892637A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;F42B35/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于联合网络模型的靶板击穿厚度预测方法及装置，其中方法包括：获取不同种类穿甲弹穿透不同材质靶板过程的多条相关数据；生成网络模型及判别网络模型组成第一网络模型，对所述第一网络模型进行训练，其中生成网络模型基于训练集中的样本数据生成若干生成样本；训练后的判别网络模型的第一卷积层的参数共享给CNN网络模型的首层卷积层；基于训练集中的样本数据、生成样本以及基于相关数据确定的靶板击穿厚度的影响指标对CNN网络模型进行训练，得到训练完毕的CNN网络模型；获取待预测靶板击穿厚度的相关数据，所述训练完毕的CNN网络模型基于所述相关数据预测靶板击穿厚度。本方法提高预测的准确性和实用性。

主权项：1.一种基于联合网络模型的靶板击穿厚度预测方法，其特征在于，所述方法包括如下步骤：步骤S1：获取不同种类穿甲弹穿透不同材质靶板过程的多条相关数据，每条所述相关数据包括穿甲弹的弹丸质量、弹丸直径、入射角度、靶板的屈服极限、效力系数以及击穿速度，并基于所述相关数据做归一化处理，根据归一化处理后的数据生成训练集及测试集；步骤S2：生成网络模型及判别网络模型组成第一网络模型，所述生成网络模型用于基于所述训练集中的样本数据，生成若干生成样本；所述判别网络模型将所述训练集中的样本数据及所述生成样本作为第一输入数据，对所述第一输入数据提取特征，输出所述第一输入数据为真实样本的概率；对所述第一网络模型进行训练；步骤S3：训练后的判别网络模型的第一卷积层的参数共享给CNN网络模型的首层卷积层；基于所述训练集中的样本数据、所述生成样本以及基于相关数据确定的靶板击穿厚度的影响指标对所述CNN网络模型进行训练，得到训练完毕的CNN网络模型，所述CNN网络模型用于预测靶板击穿厚度；所述第一网络模型为WGAN网络模型，WGAN网络模型与CNN网络模型组成联合网络模型；步骤S4：获取待预测靶板击穿厚度的相关数据，所述训练完毕的CNN网络模型基于所述相关数据预测靶板击穿厚度。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第十五研究所 一种基于联合网络模型的靶板击穿厚度预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD