波形整形器优选方法及固体脆性材料恒应变率的测试方法

本发明涉及霍普金森杆实验，具体涉及一种波形整形器优选方法，还涉及一种采用所述波形整形器优选方法获取的波形整形器优选模型实现的固体脆性材料恒应变率的测试方法。

背景技术：

1、霍普金森杆实验已经广泛应用于金属、混凝土、岩石、高分子等材料的动态力学性能研究。然而，常规的分离式霍普金森杆（shpb）不仅难以保证加载过程中的动态应力平衡，在测量诸如混凝土等脆性材料时更是难以满足应变率恒定的前提条件，大大降低了实验结果的有效性和准确性。

2、在固体脆性材料的动态力学性能测试中，半正弦应力波加载可以实现材料的应力均匀性和恒应变率测试。但是传统的霍普金森压杆实验技术采用直接加载的方式，由子弹（撞击杆）产生的加载应力波波形近似为矩形、不满足半正弦应力波波形，并且波头上叠加了一部分高频分量，这一部分高频分量是由于子弹直接碰撞入射杆而引起的。这导致，对于混凝土及岩石之类的固体脆性材料，破坏应变很小，很难保证在试样破坏之前满足应力均匀的要求，如果直接通过子弹撞击入射杆产生应力波，所产生的加载应力波，上升沿较陡，在加载前期一段时间甚至到试样破坏，试样仍可能处于应力不均匀状态。此外，shpb 实验过程中需要进行恒应变率加载，采用子弹直接撞击入射杆难以确保实验结果的有效性与准确性。

3、波形整形技术是解决应力均匀性及恒应变率加载问题的一个有效方法,通过对加载脉冲进行控制：调整脉冲上升沿时间、脉冲持续时间、脉冲的幅值等入射波特征，减小了撞击过程中产生的高频振荡，实现霍普金森杆杆中半正弦应力波，以及实现试样在加载过程中的恒应变率加载。

4、然而，尽管当前学界对于传统气动霍普金森杆波形整形器对入射波形的影响规律已有一定的认知，但对整形器材料、修正的加载应力波彼此之间的映射关系仍然不明，现场试验中，为确保得到较好的半正弦应力波进行加载，往往需要人为手动尝试大量不同整形器进行测试，耗费的人力物力、时间成本巨大。

5、同时，机器学习作为人工智能领域中的一个子集，已逐渐成为解决数据任务的重要方法之一。机器学习算法普遍具有自主识别数据趋势与模式的能力，能够在动态、大容量和复杂的数据环境中处理各种数据，探知数据的潜在模式并进行更进一步的预测，在高维特征的分类和回归问题中都具有巨大的潜力。

6、鉴于此，有必要针对霍普金森杆试验，利用机器学习前沿技术为固体脆性材料动态力学测试提供一种波形整形器优选方法，以简单、快速获取期望加载的半正弦应力波、整形器材料，从而提高测试的时效性、降低测试的试错成本，提高固体脆性材料恒应变率测试的成功率。

技术实现思路

1、为解决现有技术中固体脆性材料动态力学测试中难以确定整形器参数、需要大量试错的问题，本发明提供一种波形整形器优选方法，还提供一种采用所述波形整形器优选方法获取的波形整形器优选模型实现的固体脆性材料恒应变率的测试方法，从而提高测试的时效性、降低测试的试错成本，提高固体脆性材料恒应变率测试的成功率。

2、本发明波形整形器优选方法，用于筛选霍普金森杆试验系统中波形整形器及加载的载荷，所述波形整形器优选方法包括如下步骤：

3、s1：建立霍普金森杆系统三维模型，获取模型文件及命令记录文件，所述霍普金森杆系统三维模型包括撞击件、霍普金森杆的入射杆，设置在所述入射杆靠近所述撞击件一端的波形整形器；

4、s2：基于所述命令记录文件，设置波形整形器参数生成模型，所述波形整形器参数生成模型包含模型参数设置命令、模型计算命令、模型计算结果读取与保存命令；

5、s3：基于所述波形整形器参数生成模型，设置波形整形器的若干种参数组合，所述参数组合包含杨氏模量、屈服强度、载荷三种参数的不同数值组合，计算结果并输出数据，得到不同参数组合下的应力波-时间数据，作为后续机器学习模型的训练数据集；

6、s4：基于所述训练数据集，计算应力波曲线指标与误差，得到规整的数据集文件；

7、s5：构建波形整形器优选模型，采用规整的数据集文件，训练测试，拟合波形整形器参数与应力波波形的多元非线性关系，得到最终的波形整形器优选模型。

8、进一步地，步骤s1中，基于abaqus有限元模拟分析软件进行处理，获取模型文件及命令记录文件的处理方法为：

9、s101：在abaqus软件中创建霍普金森杆系统三维模型的部件，然后设置网格、边界条件、计算参数，保存后在计算机本地目录中自动生成mae格式模型文件；

10、s102：打开mae格式模型文件，设置波形整形器的杨氏模量、屈服强度、载荷，进行模拟计算，保存计算结果，再在abaqus软件中查看应力波结果，并保存数据为csv格式文件；

11、s103：生成自动记录步骤s102操作所对应代码的rpy格式的命令记录文件。

12、进一步地，步骤s2中，所述波形整形器参数生成模型包括两个py格式文件，将打开模型命令、设置参数命令、模拟计算命令、保存结果命令分别写入第一py格式文件中，将打开结果命令和保存数据命令分别写入第二py格式文件中。

13、进一步地，步骤s3中，参数组合的获取方式为：设定波形整形器的杨氏模量、屈服强度与加载装置输出的载荷的取值范围、采样间距及采样次数，并根据设置的三个参数的取值范围、采样间距及采样次数，使用for函数设置三重循环，每轮循环中依序修改上述三个参数中的一种，得到不同参数组合。

14、进一步地，所述训练数据集的获取方法为：

15、s301：获取不同参数组合；

16、s302：开始循环，调用第一py格式文件，根据所在循环中的参数修改文件中对应设定参数、修改文件名称的代码行，并保存文件；

17、s303：调用abaqus软件，并将第一py格式文件传输给abaqus软件，随后每隔设定时间间隔检查是否模拟计算完毕，如果是，执行步骤s304；

18、s304：调用第二py格式文件，读取计算结果文件，并保存应力波数据，遍历所有参数组合后，循环结束。

19、进一步地，步骤s4中，规整的数据集文件获取方法为：

20、s401：提取出文件名中包含的杨氏模量、屈服强度与加载装置输出的载荷三个参数；

21、s402：计算各个参数组合对应的曲线幅值、脉宽、轴线位置三个波形特征；

22、s403：将三个参数、三个波形特征作为一个参数集合，保存在本地csv格式文件中，每个参数集合代表一个样本，拥有六个数据，所述数据集文件为包含所有样本信息的矩阵数据。

23、进一步地，步骤s5中，波形整形器优选模型的构建方法为：

24、s501：选取若干个算法，随机抽取若干个样本对算法进行测试，获取性能有益的算法作为模型算法；

25、s502：基于模型算法构建波形整形器优选模型，然后设定超参数，并进行超参数寻优，得到最终的波形整形器优选模型；

26、s503：将最终的波形整形器优选模型打包封装，得到可移植的模型文件。

27、进一步地，步骤s501中，所述模型算法采用极限梯度提升回归算法，所述波形整形器优选模型的输入参数为：幅值、脉宽、轴线位置，输出参数为：波形整形器的杨氏模量、屈服强度与加载装置输出的载荷。

28、本发明还提供一种采用所述波形整形器优选方法获取的波形整形器优选模型实现的固体脆性材料恒应变率的测试方法，所述测试方法包括如下步骤：

29、步骤一、计算波形整形器材料：将波形特征输入波形整形器优选模型，计算得到对应的整形器材料参数；

30、步骤二、试验：根据波形整形器材料参数，制备波形整形器，并将其安装于试验装置中，测试加载过程中固体脆性材料的动态力学响应；

31、步骤三、分析结果：根据霍普金森杆的电压信号计算得到入射波，进而得到试样的应力、应变、应变率，若材料应变率不恒定，则修改加载应力波，并重复上述步骤，直至得到恒应变率。

32、进一步地，在步骤二中，所述波形整形器的材质为紫铜，制备的紫铜波形整形器的形状为硬币性，其杨氏模量、屈服强度由所述波形整形器优选模型获取。

33、与现有技术相比，本发明利用编程语言与机器学习技术的优势，可以根据试验预期加载应力波获取对应的整形器材料，并将整形器材料应用于分离式霍普金森杆试验系统中，以研究固体脆性材料动态力学测试，为分离式霍普金森杆试验系统提供了专用的固体脆性材料动态力学测试方案，提供加载应力波与波形整形器材料的映射关系，提高恒应变率测试的可行性。本发明主要有以下突出的优势：

34、1、本发明融合编程技术、机器学习技术与数值模拟技术提出了优选波形整形器材料的手段，可以根据试验要求的应力波特征计算对应的波形整形器材料，实现固体脆性材料动态力学测试中加载半正弦应力波，进而实现被测试样应变率恒定，大大降低了传统试验流程中对波形整形器材料反复人工试错的成本，提高了试验效率；

35、2、本发明借由大量模拟数据与机器学习技术，通过依次改变波形整形器参数，研究不同物理参数的波形整形器下的加载应力波波形特征，定量研究了波形整形器材料、载荷与加载应力波的非线性映射关系；

36、3、本发明改进abaqus软件二次开发手段，通过利用abaqus的rpy格式命令记录文件并自动修改，用软件自己生成的代码命令软件，降低abaqus api的学习成本，实现了多种复杂条件下，霍普金森杆试验更为简单、快速、高效的自动化模拟仿真计算。

技术特征：

1.一种波形整形器优选方法，其特征在于：用于筛选霍普金森杆试验系统中波形整形器及加载的载荷，所述波形整形器优选方法包括如下步骤：

2.根据权利要求1所述的波形整形器优选方法，其特征在于：步骤s1中，基于abaqus有限元模拟分析软件进行处理，获取模型文件及命令记录文件的处理方法为：

3.根据权利要求2所述的波形整形器优选方法，其特征在于：步骤s2中，所述波形整形器参数生成模型包括两个py格式文件，将打开模型命令、设置参数命令、模拟计算命令、保存结果命令分别写入第一py格式文件中，将打开结果命令和保存数据命令分别写入第二py格式文件中。

4.根据权利要求3所述的波形整形器优选方法，其特征在于：步骤s3中，参数组合的获取方式为：设定波形整形器的杨氏模量、屈服强度与加载装置输出的载荷的取值范围、采样间距及采样次数，并根据设置的三个参数的取值范围、采样间距及采样次数，使用for函数设置三重循环，每轮循环中依序修改上述三个参数中的一种，得到不同参数组合。

5.根据权利要求4所述的波形整形器优选方法，其特征在于：所述训练数据集的获取方法为：

6.根据权利要求5所述的波形整形器优选方法，其特征在于：步骤s4中，规整的数据集文件获取方法为：

7.根据权利要求6所述的波形整形器优选方法，其特征在于：步骤s5中，波形整形器优选模型的构建方法为：

8.根据权利要求7所述的波形整形器优选方法，其特征在于：步骤s501中，所述模型算法采用极限梯度提升回归算法，所述波形整形器优选模型的输入参数为：幅值、脉宽、轴线位置，输出参数为：波形整形器的杨氏模量、屈服强度与加载装置输出的载荷。

9.一种固体脆性材料恒应变率的测试方法，采用权利要求1-8任一项所述的波形整形器优选方法选择的波形整形器实现，其特征在于，包括如下步骤：

10.根据权利要求9所述的固体脆性材料恒应变率的测试方法，其特征在于：在步骤二中，所述波形整形器的材质为紫铜，制备的紫铜波形整形器的形状为硬币性，其杨氏模量、屈服强度由所述波形整形器优选模型获取。

技术总结
本发明提供一种波形整形器优选方法及固体脆性材料恒应变率的测试方法，属于霍普金森杆试验技术领域。本发明波形整形器优选方法用于筛选霍普金森杆试验系统中波形整形器及加载的载荷，所述波形整形器优选方法包括如下步骤：建立霍普金森杆试验系统三维模型，获取不同波形整形器与不同载荷下的应力波数据；根据波形整形器参数、载荷与应力波参数建立训练数据集，利用训练数据集训练机器学习算法模型，拟合波形整形器参数与应力波波形的多元非线性关系，得到最终的波形整形器优选模型。本发明为分离式霍普金森杆试验系统提供了专用的固体脆性材料动态力学测试方案，大大降低了传统试验流程中对整形器材料反复人工试错的成本，提高了试验效率。

技术研发人员：朱建波,陈泽鑫,谢骋丞
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2024/9/23