负泊松比蜂窝材料抗爆炸特性及优化设计研究

为了深入研究车辆底部防护组件爆炸冲击下的结构响应，提高防护型车辆的抗爆炸冲击性能，建立了某车辆底部防护组件在爆炸冲击下的有限元模型，并进行爆炸冲击台架试验验证了有限元模拟的可靠性；将内凹六边形负泊松比蜂窝材料作为防护组件的夹芯部分，分析负泊松比蜂窝材料在爆炸冲击下的变形模式，并对比了同等质量的其他3种防护组件的抗爆炸冲击性能。结果表明，含有负泊松比蜂窝夹芯的防护组件具有更优的抗爆性能。建立了以内凹六边形负泊松比蜂窝胞元尺寸参数为设计变量的多目标优化问题的数学模型，采用多目标遗传算法获得胞元几何参数的最优方案，有效降低了防护组件基板的最大挠度和最大动能。     

载人空投着陆冲击下不同乘员姿态的损伤影响

针对某军用车辆在1 m高度进行无缓冲平台空投实验,并建立座椅与乘员的模拟模型。利用实验获取的座椅安装点冲击信号作为模拟模型的输入数据,并通过实验结果与模拟结果的对比验证了该模型的可靠性。借鉴航空工程相关研究,提出了一种将各关键损伤指标加以归一化的权重评价指标—加权损伤准则(weighted injury criteria,WIC)。研究了乘员仰卧角度和大小腿夹角两个姿态参数对乘员损伤的影响,并以WIC为优化目标,利用遗传算法完成参数优化工作。研究发现:对乘员小腿运动进行约束能降低乘员整体损伤响应,乘员对抗着陆冲击的最佳姿态为仰卧角47°～56°、大小腿夹角62°～68°。     

基于神经网络的车辆抗冲击防护组件优化

随着军用车辆防护要求的不断提高，抗冲击防护组件设计面临越来越多的挑战。为了提供一种高效科学的研究方法，本文中采用V型结构，并应用径向基函数神经网络近似模型和多目标遗传算法对某型车防护组件进行优化设计。以防护组件变形量与总体质量最小为设计目标，利用灵敏度分析筛选出对防护组件防护性能影响较大的设计因子。以径向基函数神经网络构建实验设计样本的近似模型，然后用多目标遗传算法进行数值优化获得防护组件最优方案。最后通过仿真与实验验证，证明优化方案满足设计要求。研究结果可为今后防护组件开发提供设计思路。     

基于可靠性的车辆防护组件优化

在传统的优化流程中,不考虑设计变量的不确定性将引起设计目标的性能波动,甚至设计失败。为提高军用车辆底部防护能力,针对一种车辆防护组件进行了可靠性优化。在爆炸防护优化中引入多目标可靠性优化,通过实验设计和灵敏度分析筛选设计变量,再构建并选择准确度最高的代理模型,运用多目标遗传算法完成防护组件的可靠性优化。实验和数值模拟结果表明,优化后的防护组件满足防护性和轻量化的要求,且设计的可靠性得到了提升,可为后续防护组件设计生产提供参考。