摘要：针对文本分类任务中关键特征分布不均匀和双向长短期记忆网络(BiLSTM)局部特征信息提取不足的问题,提出了一种基于自注意力机制(Self_Attention)和归一化的多通道MAC_BiLSTM文本分类模型。在双向长短期记忆网络层之后加入自注意力机制并进行层归一化,同时将BiLSTM通道的信息与最初的词向量信息融合,输入卷积通道,再分别采用自注意力赋予词卷积方式重新计算后信息的词权重,并进行批归一化,重复两次之后再进行池化,最终将CNN通道池化后的特征信息与BiLSTM通道信息进行特征融合,并通过Softmax分类器得出分类结论。在模型的设计环境中,模型使用了更加平滑的Mish激活函数代替Relu,通过和其他深度学习模型在多个数据集上的比较,结果表明,所提出的模型与其他模型相比具有更好的分类效果。

摘要：为深入研究混凝土类目标在聚能装药作用下的侵彻效应和毁伤机理,设计一种大口径Φ120 mm球缺型EFP聚能装药,开展不同炸高下毁伤大尺寸混凝土墙试验。基于修正参数的RHT模型进行数值仿真,仿真结果与试验数据的最大相对误差为9.8%,表明RHT模型的修正效果较好,数值模型可靠。在此基础上,分析炸高对毁伤效果的影响,并对EFP侵彻体与爆炸冲击波的联合毁伤元特性进行研究。结果表明:所设计的EFP聚能装药毁伤混凝土墙时,能够形成具有较大直径和深度的漏斗坑;炸高为20~60 cm时,随着炸高的增大,漏斗坑直径逐渐减小,漏斗坑深度呈先减小再增大再减小,并逐渐稳定的趋势;炸高为20 cm(1.67倍装药直径)时,能够获得直径和深度都较大的漏斗坑,此时漏斗坑直径为6.83倍装药直径,漏斗坑深度为2.30倍装药直径;EFP侵彻对漏斗坑的形成起主导作用,在一定炸高范围内,爆炸冲击波对漏斗坑直径有增大作用,其与EFP侵彻体的耦合能够在一定程度上提高漏斗坑深度。