基于多任务学习的改性双基推进剂的综合性能预测

作     者：郭延芝 吴艳玲 徐司雨 蒲雪梅 赵凤起 GUO Yan-zhi;WU Yan-ling;XU Si-yu;PU Xue-mei;ZHAO Feng-qi

作者机构：四川大学化学学院四川成都610064 西安近代化学研究所含能材料全国重点实验室陕西西安710065 

出 版 物：《化学研究与应用》 (Chemical Research and Application)

年 卷 期：2024年第36卷第3期

页      码：608-615页

摘      要：为满足改性双基推进剂多性能的综合预测需求,本研究提出基于多任务学习的机器学习策略,综合考虑推进剂组分、含量、压强和的粒度对目标性能的影响,首次构建了包含燃速、比冲、特征速度、摩擦感度和撞击感度在内的RDX-CMDB推进剂综合性能预测模型。通过网格寻参模式优化模型,结合十折交叉验证法比较了十种机器学习算法的建模效果。其中,极限梯度提升回归模型预测性能最优,平均R^(2)可达0.9997;在对6个外部样本的测试中,该模型对5个目标性能的预测误差均在5%以内。结果表明,本研究提出的多任务机器学习模型可在试验样本量不足的情况下,实现推进剂的多个目标性能准确预测,对推进剂的综合性能优化和配方设计具有理论指导意义。

主 题 词：改性双基推进剂 综合性能 多任务学习 定量预测 

学科分类：081704[081704] 07[理学] 08[工学] 0817[工学-轻工类] 070302[070302] 0703[理学-化学类] 

D　O　I：10.3969/j.issn.1004-1656.2024.03.019

馆 藏 号：203127268...