Page 213 - 《爆炸与冲击》2026年第6期
P. 213

第 46 卷             闫凯波，等： 基于机器学习的新型多胞梯度结构设计与优化                                  第 6 期

                   表  11  为优化前后    CMGHT   各组件的吸能对比结果，因结构参数存在差异，直接对比各组件吸收能
               量无法直观体现优化后结构的吸能优势，故本文进一步分析了各组件吸收能量在                                      CMGHT   总吸能中的
               占比。由表中数据可见，优化后结构外管的吸能占比显著提升，而优化前结构的外管吸能能力未得到充
               分发挥。造成该现象的核心原因是，优化前外管梯度厚度分布与肋板厚度的参数组合并非最优，导致结
               构力-位移曲线的梯度上升效果不佳、载荷波动明显（见图                          4），而优化后     CMGHT   的力-位移曲线梯度上
               升特性更优，载荷变化更为平缓（见图                11）。表   12  进一步给出了优化前后          CMGHT   核心吸能指标的对比
               结果，优化后      CMGHT  的  E 提升    22%，   F  提升  270%，   η  提升  53%。核心吸能指标的大幅改善，充分验证
                                       a
                                      s
               了本文所采用的多目标优化方法的有效性，该方法可切实提升                            CMGHT   的综合耐撞性能。

                                             表 11    CMGHT  优化前后各组件吸能对比
                       Table 11    Comparison of energy absorption of each component before and after CMGHT optimization
                 对照组      外管吸能/kJ      占比/%     肋板吸能/kJ     占比/%      外管-肋板相互作用耗能/kJ        占比/%     E a /kJ
                 优化前         0.59       23.6       1.80      72.0            0.11            4.4     2.50
                 优化后         3.25       35.1       5.61      60.7            0.39            4.2     9.25



                                      表 12    CMGHT  基础模型与优化后   CMGHT  的耐撞性能对比
                    Table 12    Comparison of the crashworthiness performances between original CMGHT and optimized CMGHT
                        对照组                    E sa /(J·g )             η/%                   F/kN
                                                   −1
                        优化前                     10.96                   57.41                  35.7
                        优化后                     13.33                   87.59                 132.1


                4    结 论

                   本研究融合多胞、波纹与功能梯度设计理念，提出了                       CMGHT   的集成设计方法，主要结论如下。
                   (1) 构建了不同类型多胞管的有限元模型并开展数值模拟。结果显示，CMGHT                                 的吸收能量、比吸
               能、平均压缩力和压缩力效率，与相同壁厚的                    HT  相比分别提升       390%、76%、395%、46%，与      MHT  相比，
               分别提升    121%、58%、121%、97%，与      CMHT  相比，分别提升       7%、7%、8%、33%，同时       CMGHT   的初始峰
               值压缩力相比      CMHT   降低  18%。CMGHT     相较于其他吸能结构具有更优异的吸能特性。
                   (2) 以  CMGHT  的肋板与外管几何参数为设计变量，采用全因子试验设计生成                           540  个样本点；随后构
               建  CPO-SVR  代  理  模  型  ， 以  几  何  参  数  为  输  入  、 耐  撞  性  能  为  输  出  。  结  果  表  明  ， 该  代  理  模  型  能  准  确  预  测
               CMGHT  的吸能特性，为后续结构优化提供可靠基础。
                   (3) 将训练完成的      CPO-SVR  代理模型与      MOCOA   结合，对   CMGHT   进行多目标优化，最终得到最优
               特征参数。与优化前的           CMGHT   基础模型相比，优化后结构的比吸能提升                   22%、压缩力效率提升          53%、
               平均压缩力提升       270%，综合耐撞性能显著改善。


               参考文献：
               [1]   朱擎, 李述涛, 陈叶青, 等. 细长薄壁弹冲击下高强钢-混凝土复合结构的厚度极限计算模型 [J]. 爆炸与冲击, 2026. DOI:
                    10.11883/bzycj-2025-0023.
                    ZHU  Q,  LI  S  T,  CHEN  Y  Q,  et  al.  Calculation  model  for  the  thickness  limit  of  high-strength  steel-concrete  composite
                    structures under the impact of slender thin-walled projectiles [J]. Explosion and Shock Waves, 2026. DOI: 10.11883/bzycj-
                    2025-0023.
               [2]   LIU W Y, LIN Z Q, WANG N L, et al. Dynamic performances of thin-walled tubes with star-shaped cross section under axial
                    impact [J]. Thin-Walled Structures, 2016, 100: 25–37. DOI: 10.1016/j.tws.2015.11.016.
               [3]   RONG Y, LIU J X, LUO W, et al. Effects of geometric configurations of corrugated cores on the local impact and planar


                                                         061442-14
   208   209   210   211   212   213   214   215   216