来源：期刊VIP网 时间：
作者：王潜龙;张益铭;钱滢宇;王灏森;郭明昊;黄长武;王冉;武毅;
单位：天津大学机械工程学院;北京理工大学宇航学院;南方科技大学计算机科学与工程系;北京理工大学重庆创新中心;
摘要：本文通过使用改进的分离式霍普金森压杆试验系统，开展了聚叠氮缩水甘油醚（GAP）基固体推进剂在低温域-50℃至25℃、宽应变率（2 000～6 000 s~(-1)）条件下的压缩力学行为研究。以获得的应力应变曲线为样本，构建了使用随机梯度下降（SGD），遗传算法（GA）和粒子群算法（PSO）训练的多层感知机（MLP）网络模型和科尔莫戈洛夫-阿诺德（KAN）网络模型，对推进剂的压缩力学性能进行预测。结果表明，GAP基推进剂的非线性力学行为具有温度、应变率相关性。随着温度的降低，推进剂应力历史呈现20℃时的4段式、-30℃的3段式和-50℃的2段式；推进剂屈服阶段弹性模量增大，屈服段逐渐减小，初始段弹性模量增大，且其升高速率随着温度的降低而变快；低温下应变率对推进剂本构关系的影响较常温更为显著；本工作构建的KAN网络相较于MLP网络能够更加准确地预测推进剂的力学性能变化，在内推测试集和外推测试集中对于工程应力的平均预测误差分别为6.02%和2.89%,KAN模型为GAP基高能固体推进剂宽低温域力学行为预测提供了有效的方法。
关键词：GAP基固体推进剂;;低温力学行为;;数据驱动;;多层感知机;;KAN模型
基金资助：国家自然科学基金（U2341288）~~
