Page 97 - 《爆炸与冲击》2026年第2期

第 46 卷 彭江舟，等： 城市建筑外爆威力场与毁伤效应数智仿真模型及应用 第 2 期

部位。本节重点呈现了地面和迎爆面的毁伤等级分布，具体如图 19 所示。通过数值仿真和模型的预测
结果，将这两个关键区域投影到了 p-i 空间中，根据其所落入的区域预测该爆炸载荷作用下结构可能发
生的损伤程度等级。图 19 直观显示了不同爆炸场景下建筑全局单元的潜在损害程度。通过基于数值模
拟和 GNN 预测毁伤程度投影图的对比分析可知，两者的毁伤等级划分基本一致，验证了本文提出的模
型能够准确预测建筑结构的毁伤程度。

No damage Particle damage Moderate damage Severe damage Total damage
OpenFOAM OpenFOAM

GNN GNN

(a) Ground (b) Front blast surface of building

图 19 毁伤等级划分结果
Fig. 19 Damage classification results
3 结 论

(1) 提出的图神经网络模型展现了对非均匀分布的网格数据的强大学习能力，有效解决了爆炸场景
数据分布复杂、特征尺度差异大的训练难题。在训练过程中，本文采用了学习率衰减策略和分布式训练
策略，使得模型能够在两天内完成全数据集的训练任务。
(2) 以三维数值模拟为基准，模型在单体建筑爆炸场景中峰值超压场、峰值冲量场以及冲击波抵达
时间场的预测平均均方根误差均小于 0.97%；在复杂几何建筑和多体建筑测试中也表现出良好的泛化能
力。与传统的数值模拟相比，预测模型的速度提高 3～4 个数量级。
(3) 采用城市虚拟化技术构建实际城市场景进一步测试了模型的性能。结果表明，模型不仅能够实
现秒级城市区域建筑外爆事件的预测，而且其预测的峰值超压分布、冲量分布峰值和冲击波到达时间分
布的均方根误差分别为 1.09%、1.30% 和 1.51%。
(4) 基于模型的预测结果，不仅可重构建筑表面任意位置的超压时程曲线，还能结合 p-i 曲线对建筑
全局毁伤等级进行评估。基于模型的曲线重构结果和毁伤评估结果与基准值高度吻合，验证了该模型
的有效性和准确性。

参考文献：
[1] 殷文骏, 程帅, 刘文祥, 等. 远场爆炸冲击波作用下高层建筑上部结构动态响应试验研究 [J]. 兵工学报, 2024, 45(11):
4039–4051. DOI: 10.12382/bgxb.2023.0960.
YIN W J, CHENG S, LIU W X, et al. Experimental study on dynamic response of upper structure of high-rise building under
far-field explosion shock wave loading [J]. Acta Armamentarii, 2024, 45(11): 4039–4051. DOI: 10.12382/bgxb.2023.0960.
[2] 王明涛, 程月华, 吴昊. 柱形装药空中爆炸冲击波荷载研究 [J]. 爆炸与冲击, 2024, 44(4): 043201. DOI: 10.11883/bzycj-
2023-0197.
WANG M T, CHENG Y H, WU H. Study on blast loadings of cylindrical charges air explosion [J]. Explosion and Shock
Waves, 2024, 44(4): 043201. DOI: 10.11883/bzycj-2023-0197.
[3] 童晓. 爆炸场冲击波压力测量及数据处理方法研究 [D]. 南京: 南京理工大学, 2015.
TONG X. Research on shock wave pressure measurement and data processing method in explosion field [D]. Nanjing:

022202-14