Page 111 - 《爆炸与冲击》2026年第4期

第 46 卷 李般若，等： 基于GNN的爆炸压力时空分布预测模型 第 4 期

220 1.00
200
0.95
180
160 0.90
σ/kPa 140 R 2 0.85
120
0.80
100
80 0.75
60
0.70
0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80
Time step Time step
图 9 压力场 σ 和 R 随时间步的变化
2
2
Fig. 9 Variations of σ and R of pressure field with time step
GNN 模型与其他机器学习模型相比，最大的优势是对爆炸过程全时间、全空间的模拟。图 10 展示了
3D 视 角 下 GNN 模 型 的 预 测 结 果 与 通 过 blastFoam 进 行 CFD 计 算 的 结 果 对 比 ， 分 别 选 取 0.075 ms
（时间步 30）、0.100 ms（时间步 40）和 0.125 ms（时间步 50）的结果进行展示。可见，预测结果中各个时刻
的压力场分布与 blastFoam 计算的结果具有较高的一致性。

0.075 ms 0.100 ms 0.125 ms

z z z
CFD

y y y
x x x

z z z
GNN

y y y
x x x

10 20 30 40 50 2 4 6 8 10 1 2 3 4 5 6 7 8
Pressure/MPa Pressure/MPa Pressure/MPa
图 10 自由场爆炸的 3D 空间压力云图对比
Fig. 10 Comparison of pressure contours in 3D space of free-field explosion

为了更直观地观察空间内部压力的发展过程，图 11 展示了炸药所在平面（x=0 m）上的压力场分布
对比。选取 0.050 ms（时间步 20）、0.075 ms（时间步 30）、0.100 ms（时间步 40）和 0.125 ms（时间步 50）的
结果进行展示。可见，GNN 模型的预测结果准确地表达了爆炸产生的超压波阵面扩散、压力随时间快
速衰减以及在边界的完全透射过程。
为了对比 GNN 模型在时间维度上的准确性，选取了 3 个特征测点，并对其超压进行了全时间步的
监测，如图 12 所示。这些测点均与炸药位于同一高度，与爆炸中心的距离分别为 0.2、0.3 和 0.4 m。3 个
特征测点的峰值压力预测误差分别为 6.49%、11.20% 和 7.29%。可见，GNN 模型对各测点的超压峰值均
能较准确地预测。此外，图 12 中在爆距为 0.3 m 的测点处，于第 15 时间步（0.037 5 ms）产生了第 1 个由
爆炸冲击波造成的超压峰值，于第 28 时间步（0.070 ms）产生了第 2 个由爆轰产物造成的超压峰值；同样

044201-10