Predicting Warhead Fragment Dispersion Using Stepwise Machine Learning Regression

K Lee

doi:10.1007/s12541-025-01319-1

Predicting Warhead Fragment Dispersion Using Stepwise Machine Learning Regression

2025-10-09

0

OA

AI

DOI：10.1007/s12541-025-01319-1

原文链接

原文求助

摘要

En 中文

破片散布特性——方向、速度和质量——对于评估武器效能以及指导高效武器系统与作战策略的设计至关重要。获取弹头破片数据的传统方法，如靶场破片试验和有限元法（FEM），通常受限于高昂成本和漫长的处理时间。需要更快速的方法来生成具有可接受精度的破片散布数据，以支持实时决策制定和迭代设计循环。本研究引入基于机器学习的回归框架，用于开发降阶模型（ROM），以快速预测破片散布特性。采用逐步回归方法提升预测精度。第一阶段，利用弹头参数估算离散弹头位置处的破片速度和方向；第二阶段，将这些输出作为附加输入，预测空间散布，即极区内的破片分布。所提出的框架在实现与FEM相当精度的同时，显著缩短了计算时间。该高效、经济型的机器学习方法适用于战时场景下的快速武器效能评估，并可用于优化下一代武器系统的设计。

Keyword:

Weapon effectiveness analysis

Warhead fragmentation

Fragment dispersion

Reduced-Order Model (ROM)

ML regression

Stepwise prediction framework

Predicting Warhead Fragment Dispersion Using Stepwise Machine Learning Regression

摘要

期刊

机构

引用论文