防暴彈室內爆炸擴散試驗及刺激劑濃度預測*

張延澤，肖凱濤，宋偉偉，秦 健，遲 卉，黃瑞源

(1.南京理工大學 瞬態物理國家重點實驗室，江蘇 210094；2.福州大學 土木學院，福州 350000；3.防化研究院，北京 102205；4.海軍研究院，北京 100161)

鑒于恐怖暴亂活動日顯猖獗，嚴重影響國家的政治穩定和經濟發展，目前反恐防暴已經成為一項嚴峻、迫切、長久、持續的特殊任務。能否確保對室內非法集結及恐怖暴亂形勢進行迅速、有效地控制，并能最大程度上減少人員傷亡，需要警務人員在執行不同級別制亂任務時，使用不同類型的反恐防暴裝備[1-4]。刺激劑防暴彈是反恐防暴中一種常用武器，警務人員在處置突發事件和反恐防暴中，根據特定情況需要，會向室內或者相對密閉的空間內以爆炸式防暴彈形式施放刺激劑，用以震懾控制恐怖暴亂分子。對刺激劑防暴彈室內爆炸擴散的威力效能進行評估能夠為該武器的合理使用提供理論依據。

刺激劑具有達到戰斗濃度的藥劑用量少、癥狀出現和消失快、具有很高的安全比和可用多種彈藥器材釋放等優點[5,6]，早在第一次世界大戰和美越戰爭時已經被廣泛使用。目前國內外學者主要從試驗研究、理論分析和數值模擬三個方面開展刺激劑防暴彈爆炸擴散非致命效能方面的研究。Noh等通過實驗和數值模擬的方法對潔凈室內顆粒物濃度分布進行了研究[7]，結果發現顆粒物濃度與排風量和送風位置有很大關系。Sharon等在室外開展了不同氣象條件下臟彈爆炸煙云實驗[8]，提出了云頂預估模型。Posner等采用CFD方法模擬得到實驗室條件下煙霧的流動受障礙物的影響很大[9]。Shi Guangshan等提出了一種由大孔和基質組成的雙介質概念模型[10]，對瓦斯擴散進行了實驗及數值模擬研究。段中山等對TNT爆炸煙云在大氣中擴散的時空分布進行了試驗及仿真研究[11,12]，得到了煙云擴散形態演變過程和爆炸煙云擴散高度分布模型；謝朝陽等開發了大氣中炸藥爆炸氣溶膠擴散數值計算程序[13]，用于快速預測炸藥爆炸事故引發氣溶膠擴散的濃度分布。程萬影等對空中兩米處的新型控暴器材進行爆炸分散研究[14]，采用隱形示蹤劑和采樣分析的試驗手段，得到了單發彈靜爆后形成的威力幅員和作用時間。王曉華研究了可燃氣體室內的擴散特性[15]，蔣裕平等則對甲醛的室內擴散特性進行了模擬研究[16]；歐陽的華等采用Fluent軟件對催淚劑的室內擴散特性進行了模擬研究[17]。劉志龍等在爆炸室內對短切碳纖維開展了空中爆炸分散試驗[18]，獲得了殼體破裂、云團特征，得出云團參數變化規律及相似律。已有的研究結果表明：目前相關研究主要針對顆粒及氣體擴散，并且對目標物爆炸后云團的形成過程及擴散特性的研究主要集中在室外環境下，而對于刺激劑防暴彈室內爆炸擴散及威力評估的研究較少。由于室內環境與室外環境相比，初始風場及壁面效應對于刺激劑云團的形成及擴散遷移運動的影響很大，將室外環境下的研究成果應用于室內防暴彈的威力評估并不合適。

基于上述問題，開展了室內環境下刺激劑防暴彈爆炸擴散試驗，并通過改變送風口風速實現不同初始流場條件下刺激劑氣溶膠擴散的物理過程。通過室內空間中36個采樣點，測得不同時間不同空間位置的刺激劑濃度。采用Matlab軟件對室內空間中的濃度分布進行三維擬合，分析空間中不同位置的刺激劑濃度隨時間變化的規律，同時定量分析不同送風條件對空間中不同位置刺激劑濃度的影響規律。在此基礎上，以送風速度、時間和空間坐標為輸入，以刺激劑濃度為輸出，采用BP神經網絡方法對試驗數據進行訓練，建立刺激劑濃度預測模型，對一定送風速度范圍條件下刺激劑防暴彈室內爆炸擴散的刺激劑濃度分布進行預測，從而為刺激劑防暴彈藥的有效威力效能評估提供實驗數據和理論依據。

1 爆炸擴散試驗

1.1 試驗場地與測點布局

試驗在某平房(見圖1)內進行，平房尺寸為10.9 m(長)×9.1 m(寬)×3.28 m(高)，在東側墻壁高度2 m處設有3個送風口(見圖2)，西側墻壁下方距地面0.15 m處設置3個回風口。

圖 1 試驗場地 Fig. 1 Experiment site

圖 2 平房內部Fig. 2 Bungalow interior

試驗對空間內的36個點進行了濃度的測定。測點位置：取長度方向的五等分點4個，寬度方向的四等分點3個，高度方向3個(0.5 m、1.5 m、2.5 m)，總測點個數共計4×3×3=36個。測點位置見圖3，并采用如圖4所示方式對同一高度平面內的測點進行編號。見圖3、圖4。

圖 3 測點位置Fig. 3 Measuring locations

圖 4 測點位置平面示意圖Fig. 4 Plan sketch of measuring points

1.2 數據采集及處理

試驗采用電風扇送風，電風扇的轉動頻率采用低中高三檔進行調節，其頻率分別為20 Hz、30 Hz、40 Hz，對應的風速分別為1.0 m/s、1.2 m/s和1.5 m/s。為保證試驗準確性，在相同風速下分別進行了三次重復試驗，經風速儀測得送風口處同一風速下的試驗結果具有較好的重復性。在送風速度為1.0 m/s、1.2 m/s和1.5 m/s條件下分別進行3次重復爆炸擴散試驗，共9組試驗，彈藥均在建筑空間中心高度為1.5 m處爆炸。

測試系統由智能多路氣體采樣器、智能采樣器和空氣動力學粒徑譜儀組成。通過調節采樣器控制流量及采樣時間，采樣器流率為6 L/min，采樣原理為經采樣頭采集刺激劑，通過粒徑譜儀測定氣溶膠顆粒的空氣動力學粒徑，從而給出氣溶膠數量濃度、表面積濃度、體積濃度以及質量濃度隨粒徑的分布情況[3]。

從彈藥燃爆開始計時，分別在30 s、90 s、150 s時刻啟動采樣器進行采集，采樣時間為1 min，取1 min內平均濃度。記爆炸后時間t在30～90 s對應t1，90～150 s對應t2，150～210 s對應t3。試驗結束10 min后，進入試驗區取下采樣頭依次進行去殼、取膜、加液、超聲、沉淀處理，并送至分析實驗室采用液相色譜法進行定量分析[19]。采樣器采集刺激劑時依賴泵吸作用，具有一定的抽吸力，采樣系統具有自動補償功能，經采樣得到的OC濃度即為大氣中該點處的實際濃度值。按(1)式計算出每個采樣點上的平均濃度值。

(1)

式中：c為采樣時間Δt內的平均濃度，mg/m3；gz為采樣頭所采集的刺激劑樣品量，mg；V是采樣體積，m3；Q為采樣器流量，m3/s；Δt為采樣時間，s。

對于同種工況的三組數據進行處理時，采用了格拉布斯法[20-23]，數據處理過程如下。

(2)

(3)

接著計算Gi值

(4)

將Gi值與格拉布斯原則給出的臨界值GP(n)比較，如果計算的Gi值大于臨界值GP(n)，則能判斷該測量數據是異常值，可以剔除。對于三次試驗(n=3)置信概率P=0.95的G0.95(3)=1.153。剔除異常值后，求出均值。

1.3 試驗結果分析

1.3.1 送風速度為1.2 m/s時濃度分布

采用MATLAB軟件，將送風口送風速度為1.2 m/s條件下爆炸濃度擴散試驗各測點數據繪制成三維曲面。采用插值逼近的方法，將三維坐標中的數據離散點采用重調和方程四階偏微分方程近似成光滑曲面，可以近似得到試驗空間中某一高度平面內刺激劑濃度值的大致分布，結合等值線可以分析出濃度分布的規律。圖5給出了送風速度v=1.2 m/s時，彈藥爆炸后不同時間段(t1、t2、t3)的濃度平均值在不同高度(0.5 m、1.5 m、2.5 m)水平面內的分布。圖中x、y為測點在水平面內的坐標；z軸表示濃度值，單位為mg/L；箭頭所示方向表示吹風方向。

圖 5 不同高度測點濃度分布(v=1.2 m/s)Fig. 5 Concentration distribution at different heights(v=1.2 m/s)

在風場的作用下，同一水平面內的12個測點濃度大致呈階梯分布，由上風口到下風口濃度值依次升高，其原因是刺激劑自由擴散的同時受風場影響，上風口處的氣溶膠顆粒在風場作用下向下風口處飄散聚集。從時間上看，這種濃度梯度差隨時間的延長而減小，整體濃度值趨于大致相同。由于墻壁處的壁面效應，使得刺激劑在隨氣流吹散到出風口墻壁處時造成回流并形成渦旋，部分刺激劑氣溶膠顆粒由出風口墻壁處回旋至房間中心，從而使房間內部刺激劑濃度分布隨時間變化越來越均勻。從高度上看，1.5 m高度處各點的濃度值普遍較高，0.5 m高度處的濃度值次之，2.5 m高度處的濃度值最低，這是由于1.5 m高度處是爆炸中心位置，爆炸初始濃度較高。另一方面爆炸后一些較小的刺激劑氣溶膠顆粒相互吸附聚集形成較大的顆粒團，刺激劑氣溶膠顆粒平均空氣動力學直徑為10 μm，受重力作用進行沉降，逐漸向低處聚集并形成較高的濃度。從整體濃度分布趨勢可以發現，室內通風條件下刺激劑防暴彈的爆炸位置靠近送風口且高度在1.5 m以上時能夠發揮較大的震懾威力，警務人員使用防暴彈時，應考慮室內通風系統中的送回風口位置以及投放高度。

1.3.2 高度1.5 m處不同送風條件的濃度分布

選取高度1.5 m處不同風速下的濃度數據探究送風速度的大小對濃度分布規律的影響。

由于測試系統原因，當v=1.0 m/s和v=1.2 m/s時“測點1～3”處采樣器未測出濃度數值，在擬合濃度分布三維曲面時，將該點排除，如圖6中(a)～(c)和(g)～(i)圖中畫紅色“×”的位置所示。可以看出，濃度值呈上風口濃度低于下風口濃度。并且隨著送風速度的增加，這種濃度差有越來越大的趨勢。

圖 6 不同風速下濃度分布(h=1.5 m)Fig. 6 Concentration distribution under different wind speeds (h=1.5 m)

當v=1.0 m/s時，爆炸擴散開始后t1時間內(圖6(a))，上風口濃度略高于下風口。一方面是刺激劑爆炸后形成的氣溶膠初始云團的濃度分布不均勻，另一方面是由于風速過低，風力過小，導致氣溶膠顆粒受風的作用較小，隨著時間的延長，氣溶膠顆粒擴散運動受風場的影響越來越明顯。在t2時段(圖6(b))，水平面內的濃度值分布較為均勻。當t3時(圖6(c))，可以看到，呈下風口濃度值偏高的分布狀態。當v=1.2 m/s時，可以看出，在風場的影響下，刺激劑濃度在水平面內的分布較為均勻。當v=1.5 m/s時，從爆炸擴散前期開始就有下風口的濃度聚集現象，并且濃度梯度差相對較大。這是由于風力過強，氣溶膠顆粒受風場的作用較大，擴散較快，導致水平面內上、下風口處濃度差偏大，濃度最大值為8.19 mg/L，與最小值0.12 mg/L相差67倍。分析送風速度對刺激劑濃度分布的影響，可以看出風速大小對于刺激劑濃度擴散速度影響較大，針對本試驗條件而言，送風速度為1.2 m/s時，刺激劑濃度在空間中分布均勻，沒有產生局部濃度過高或過低的現象。刺激劑濃度過高會對人員造成過度傷害，濃度過低又不能起到控制的作用。刺激劑防暴彈在實際投放時，應考慮使用場景中氣流的影響，必要時增加送風設備以營造適合的流場環境，充分發揮刺激劑防暴彈的威力效能。

1.3.3 風速對刺激劑濃度值的影響

圖7對比了風速為1.0 m/s、1.2 m/s、1.5 m/s時測點的濃度值，高度為0.5 m和1.5 m的各測點濃度值均隨著送風速度的增加而降低。當高度為0.5 m時，三種風速下測點平均濃度分別為2.37 mg/L、2.14 mg/L和1.36 mg/L，可以看出風速對濃度值分布的影響較大。一定范圍內風速越大，房間內流場運動越快，刺激劑氣溶膠向房間外部的擴散運動越劇烈，導致房間內濃度整體水平降低。但對于部分測點，如高度為0.5 m的測點1-1和測點3-3、高度1.5 m的測點3-3、4-2和4-3，其濃度值在v=1.2 m/s時最高。上述測點位置均靠近墻角處，v=1.2 m/s時室內形成渦流場，致使墻角附近處的刺激劑顆粒持續聚集累積，形成較高的濃度。

圖 7 不同風速下測點濃度值(t=t3)Fig. 7 Concentration value of measuring point under different wind speeds(t=t3)

1.3.4 刺激劑濃度值隨時間變化

對于送風速度1.5 m/s的條件下(見圖8)，各測點濃度值隨著時間的延長而降低，濃度分布隨時間變化越來越均勻。高度為2.5 m(圖8(c))的大部分測點在t1、t2、t3時濃度平均分別為2.43 mg/L、1.67 mg/L、1.20 mg/L。測點1-1和測點1-2濃度值隨時間變化較大，測點1-1在t1、t2、t3時段濃度值為其他測點的1.2～3.6倍，測點1-2在三個時段的平均濃度為其他測點的2.2～4.2倍。造成濃度差較大的原因是其位置距出風口較近，在較大風力(v=1.5 m/s)的作用下，刺激劑氣溶膠顆粒向出風口處聚集形成較高的濃度。

圖 8 不同時間段各測點濃度對比(v=1.5 m/s)Fig. 8 Concentration comparison of each measuring point in different time periods(v=1.5 m/s)

為進一步說明刺激劑濃度值隨時間下降快慢受風速的影響，給出了高度1.5 m的測點1-1濃度時程曲線，如圖9(a)所示。在1.0 m/s和1.5 m/s風速下，測點1-1的刺激劑濃度值隨時間變化基本呈線性降低，t1時段到t3時段濃度分別下降了62%和79%，當風速為1.2 m/s，t1到t2時濃度下降了59%，t1到t2時濃度下降只有5.3%，這表明1.2 m/s風速下室內流場在爆炸1.5 min后濃度場較為穩定，刺激劑濃度值緩慢下降。風速1.2 m/s下測點2-2不同高度濃度時程曲線如圖9(b)所示，爆炸后t1時段該點在1.5 m高度處有較高的刺激劑濃度，而高度2.5 m處濃度較低。隨時間推移，三個高度的濃度差逐漸變小，在達到時間t2后濃度均在1.35～3.81 mg/L范圍內變化。可以看出該工況下刺激劑爆炸后可在1.5 m處形成較高的濃度，并且在較長時間內刺激劑濃度維持在2.8 mg/L以上。

圖 9 測點濃度時程曲線Fig. 9 The concentration time history curve of the measuring point

2 BP神經網絡預測

2.1 BP神經網絡簡介

BP神經網絡(Back-ProPagation Neural Network)又稱反向傳播神經網絡[24,25]，通過樣本數據的訓練，不斷修正網絡權值和閾值使誤差函數沿負梯度方向下降，逼近期望輸出。BP神經網絡具有一個或多個隱含層和輸出層，可以對具有有限個不連續點的函數進行逼近從而具備出現線性不可分問題的能力，是目前神經網絡應用中最為廣泛的神經網絡模型之一[26,27]。

BP神經網絡由輸入層、隱含層和輸出層組成，網絡選用S型傳遞函數(式(5))，通過反傳誤差函數(式(6))不斷調節網絡權值和閾值使誤差函數E達到極小。

(5)

(6)

式中：ti為期望輸出；Oi為網絡的計算輸出。

2.2 BP神經網絡參數設置

以不同送風速度、不同時間以及不同空間位置的測點濃度數據作為樣本值，共有324組樣本，由于試驗樣本采集問題，其中部分測點數據失真，總計有效樣本297組。在297組樣本中隨機選取277組樣本作為訓練神經網絡的訓練集，10組樣本作為測試網絡質量的驗證集，其余10組則作為測試網絡預測精確度的測試集。首先分別將訓練集、驗證集和測試集的數據作歸一化處理，使其分布于0～1之間，神經網絡是以樣本在事件中的統計分布率來進行訓練(概率計算)和預測的，歸一化的作用是統一樣本在0～1之間的統計概率分布。

接著創建神經網絡，輸入層為影響刺激劑濃度的因素，分別為送風速度v、時間t、及空間坐標x、y、z，共五維，將其用X1，X2，…，X5表示。輸出層只有一維，即為刺激劑的濃度值c，將其設為Y。

在參數調整中初選隱含層節點數按經驗公式(式(7)～式(9))確定大致范圍

(7)

M=log2n

(8)

(9)

式中：k為樣本數;M為隱含層節點數;n為輸入層節點數;m為輸出層節點數;a為0～10之間的整數。

Levenberg-Marquardt(LM)算法是求解非線性最小二乘問題的一種廣泛應用的方法[28]，它是牛頓法的變形，用以最小化那些作為其他非線性函數平方和的函數。1994年，Hagan等人首次把數值優化算法Levenberg-Marquardt (LM)應用到BP算法的訓練[29]，以改進其收斂速度。多年來，國內外學者針對LM算法做了大量應用與改進研究[27,30-33]，其目的是提高精度，加快運算速度。對于本研究中刺激劑濃度預測問題，選用常用的LM算法，以期在快速收斂的基礎上能保證較高的穩定性和精度。訓練的收斂誤差平方和取為1×10-5，訓練的最大次數設為1000，學習速率為0.001。經過多次運行進行試值，最終確定隱含層節點數為10，迭代次數為22次，網絡質量及測試結果見圖10。經過訓練后，BP神經網絡收斂，預測值與試驗值相對誤差在±5%以內。將訓練好的BP神經網絡權值及閾值保存，以便進行接下來的濃度預測。見圖10。

圖 10 BP神經網絡測試結果Fig. 10 BP neural network test results

2.3 BP神經網絡預測結果

采用已建好的BP神經網絡對送風速度為1.0～1.5 m/s范圍內，空間中測點2-2(h=1.5 m)的濃度隨時間變化情況進行預測，得到如圖11(a)所示的濃度時程曲線。從曲線來看，在爆炸后30～210 s的時間段，空間中2-2測點的濃度值隨時間變化呈遞減趨勢，且濃度值隨送風口風速的增大而遞減的越快。

對不同高度處的2-2測點位置預測其在爆炸后t1時濃度值隨送風速度大小的變化，得到如圖11(b)所示曲線。在送風速度為1～1.5 m/s的范圍內，測點2-2的濃度值隨風速的增加而基本呈線性降低，且高度1.5 m的測點濃度值高于高度為0.5 m的測點，2.5 m高度處的測點濃度最低。此外，為了探究濃度值隨測點位置與送風口的距離的關系，對送風速度為1.2 m/s，t1時段，高度1.5 m的平面內，距離送風口2.275～6.825 m的范圍內的測點濃度值進行了預測，如圖12所示。從測點濃度值隨距送風口距離大小變化的曲線圖中，不難看出，觀測點位置離送風口越近，該點濃度值越低。并且這種變化規律基本呈線性，而測點高度對該變化規律幾乎無影響。

圖 11 測點2-2濃度預測Fig. 11 Concentration prediction at measuring point 2-2

圖 12 測點濃度值與距送風口距離大小的關系Fig. 12 The relationship between the concentration value of the measuring point and the distance from the inlet

此BP神經網絡預測模型適用于本研究中提到的刺激劑防暴彈和試驗場地，在送風速度為1.0～1.5 m/s范圍內能夠對空間中刺激劑濃度進行準確預測。

3 結論

針對刺激劑防暴彈爆炸擴散的研究以室外環境居多，室內較少的現狀，采用試驗結合仿真預測進行研究，通過三種不同送風條件下室內空間中刺激劑的爆炸擴散試驗，得到了爆炸后刺激劑氣溶膠在空間中的濃度分布規律，同時采用BP神經網絡預測模型，以試驗得到的不同風速下、不同時刻空間中不同位置采樣點的濃度數據為訓練對象建立神經網絡，對一定送風速度范圍內的時空濃度分布進行了預測。研究得到：

(1)基于室內環境下開展的刺激劑防暴彈爆炸擴散試驗，其刺激劑濃度分布受室內初始風場條件和壁面效應的影響，刺激劑經過擴散運動及沉降吸附作用，在下風口及空間低處逐漸形成較高的濃度。在刺激劑防暴彈設計過程中，刺激劑含量應適當選取，避免局部空間刺激劑濃度過高對人員造成不必要的傷害。

(2)室內初始風場條件對刺激劑濃度時空分布影響較大，當風速為1.2 m/s時刺激劑擴散速度相對較快，同時室內刺激劑濃度分布也較為均勻，可以為刺激劑防暴彈在室內合理使用提供一定參考。

(3)以BP神經網絡理論為基礎，基于試驗數據建立了刺激劑防暴彈室內爆炸擴散濃度預測模型，該預測模型適用于風速在1.0～1.5 m/s時室內刺激劑防暴彈爆炸擴散濃度預測問題，預測結果與試驗結果進行對比，誤差僅為5%，滿足工程要求，可應用此預測模型對試驗未開展的工況及試驗難以觀測的采樣點進行濃度預估。