彈丸破片質量與數量分布預測計算軟件重構與再開發*

康震宇,袁書強

(中國兵器科學研究院寧波分院, 浙江寧波 315103)

0 引言

破片分布預測是彈藥領域的一項難題。目前對于彈藥破片的空間分布、速度分布都有相應軟件進行較為準確的預測,而破片的形成與彈體材料性能、微觀組織、炸藥種類、裝藥結構等因素都有關系[1],準確預測彈藥破片質量分布、數量分布難度較高,但對威力預測意義重大。

中國兵器工業集團有限公司第五二研究所(以下簡稱五二研究所)于1986年研發了《彈丸破片質量與數量分布預測計算軟件》(以下簡稱86版軟件),其預測精度達到了國內先進水平。但隨著彈體材料、處理工藝、炸藥及彈藥結構設計的不斷發展,計算機技術的不斷進步,該軟件版本已經不能適應當前彈丸破片質量與數量分布預測的科研生產要求,亟待升級改造。文中闡述了新版軟件的系統架構、工作機理及成效。

1 設計目標

1.1 86版軟件現狀與問題

86版軟件采用傳統面向過程設計,Basic解釋型語言開發。其科學計算、圖形處理能力弱;輸入/輸出(I/O)操作為命令行模式,可視化程度低、操作不便;無存儲機制,實驗參數、過程數據、預測結果無法二次利用。圖1為86版軟件Basic語言源代碼和運行環境。

圖1 86版軟件源代碼及遠行環境

1.2 新版軟件設計目標

在預測能力提升與發展方面,新版軟件采用面向對象設計,從架構上保證系統的通用性、可擴展性;采用Python、Pycharm等先進開發工具與技術,提升科學計算、圖形處理、接口開發等能力,同時為今后機器學習與知識庫建設提供技術支撐。

在易操作、可視化方面,新版軟件采用UI圖形化界面設計及研發工具,實現I/O數據電子化、模板化管理及歷史數據電子歸檔。

2 系統設計與研發技術

2.1 系統設計

采用UML(unified modeling language)[2]進行設計。圖2是新版軟件核心類圖,描述了軟件總體框架與核心類功能。破片分布計算支持多種預測模型,計算處理后得到主報告及3個分報告,使用Excel工具包進行I/O處理。

圖2 新版軟件核心類圖

圖3是新版軟件核心功能交互視圖[3]。破片質量與數量分布預測需要執行主控程序,讀取分析員提供的預測參數Excel文件以及系統內部計算參數配置,然后執行破片分布計算處理,依次計算:

1)計算各單元的質量,前(N-2)個單元的外圓臺體積和內圓臺體積;

2)計算每個單元的炸藥質量、各單元A值;

3)計算每個單元的外錐角、內錐角以及各單元B值;

4)計算每個單元單位長度payman參數和每個單元payman參數;

5)計算每個單元對破片質量分布的貢獻;

6)計算每個單元對破片數量分布的貢獻,計算每個單元在某質量范圍的質量、破片數;

7)計算大于各質量區間的破片質量和數量,其中用Mott方程計算最大破片重量[4]。

圖3 執行系統交互視圖

I/O數據的電子化、模板化管理。采用Excel文件作為I/O接口,通過定制Excel I/O模板,方便分析人員導入預測指標參數,預測分布報告二次處理,以及歷史數字化文檔歸檔與檢索。

2.2 研發技術

采用Python作為主開發語言。Python有免費/開源、自動內存管理、支持面向對象開發、可移植性和可擴展性好、第三方支持庫豐富等諸多優勢[5-6]。同時采用PyCharm IDE作為集成開發平臺,以提高開發效率,方便調試、Project管理、單元測試等項目管理。

圖形用戶界面(GUI)應用開發。使用PyQt中間件作為GUI應用開發工具包,Qt庫是目前最強大的圖形界面開發庫之一,具有優良的跨平臺、面向對象及豐富的API;支持2D/3D圖形渲染,支持OpenGL[7-8]。

2.3 新版軟件可視化執行

1)預測指標參數導入。如圖4所示,分析人員只需按模板格式填寫相關參數,或修改已有模板參數,導入工作由軟件自動完成。

2)破片質量與數量分布預測計算。如圖5所示,在圖形用戶界面GUI中,分析人員通過點擊鼠標即可完成相關預測計算任務。

圖4 預測指標參數導入模板

圖5 破片質量與數量分布預測計算GUI

3)預測結果報告

預測結果分為主報告及3個附件子報告,如圖6～圖9。其中,主報告為“破片質量、數量分布預測結果”；附件1為“破片質量分布情況”；附件2為“破片數量分布情況”；附件3為“各單元諸參數的計算結果”。

圖6 破片質量、數量分布預測結果(主報告)

圖7 破片質量分布情況(附件1)

圖8 破片數量分布情況(附件2)

圖9 各單元諸參數的計算結果(附件3)

3 預測驗證

1)通用性驗證

86版軟件針對彈丸不同型號存在通用版和若干定制版,需要根據情況分別執行不同小版本軟件,給軟件使用和維護帶來諸多不便。新版軟件通過優化設計,將86版軟件各小版本進行了整合,用戶只需簡單選擇預測模型即可在不同預測算法間靈活切換。通過執行各預測模型算法,有效破片數量/質量與歷史實驗結果平均相對誤差小于±3%;殺傷破片數量/質量與歷史實驗結果相對誤差小于±1.9%。

2)準確性驗證

下面以給定材料和裝藥的130加榴彈為例,通過對比新版軟件與實驗數據的破片質量/數量分布情況,來驗證新版軟件的準確性,如表1所示。

表1 新版軟件與實驗數據分布情況對比

4 結論

該軟件的成功開發解決了86版破片預測程序圖形處理能力弱、可視化程度不高、無存儲機制等問題,擴大了預測程序適用范圍,提高了計算精度;通過采用面向對象技術、Python等現代技術,保證了系統的先進性,為后續機器學習、智能預測以及與威力預測程序信息共享開發提供了技術支撐；彌補了傳統商業威力預測軟件破片分布預測誤差過大的問題,具有重要的使用價值。