柴油爆炸性能外场实验研究

黄勇; 鲁长波; 安高军; 熊春华; 解立峰

doi:10.11883/1001-1455(2015)04-0482-07

柴油爆炸性能外场实验研究

doi: 10.11883/1001-1455(2015)04-0482-07

黄勇^{1, 2,},
鲁长波³,
安高军³,
熊春华³,
解立峰^1, ,

1.
南京理工大学化工学院，江苏南京 210094
2.
常州大学环境与安全工程学院，江苏常州 213164
3.
中国人民解放军总后勤部油料研究所，北京 102300

基金项目: 科技部国际科技合作重大专项(2013DFR60080)；江苏省科技厅计划项目(BE2014735)

详细信息

作者简介:
黄勇(1978-), 男, 博士研究生

通讯作者:
解立峰, xielifeng319@sina.com

中图分类号: O384
计量
- 文章访问数: 3130
- HTML全文浏览量: 528
- PDF下载量: 599
- 被引次数: 5
出版历程
- 收稿日期: 2013-12-04
- 修回日期: 2014-02-27
- 刊出日期: 2015-07-25

Experimental research on explosion performance of diesel fuel in the external field

1.
School of Chemical Engineering, Nanjing University of Science and Technology, Nanjing 210094, Jiangsu, China
2.
School of Environmental and Safety Engineering, Changzhou University, Changzhou 213164, Jiangsu, China
3.
Oil Research Institute, General Logisitics Department of PLA, Beijing 102300, China

摘要

摘要: 通过Ø30 mm杀爆燃弹外场炮击实验，模拟车辆、装备油箱被炮火击中后二次爆炸场景，采用高速照相机、红外热成像仪分别记录引爆柴油过程和爆炸火球的温度场，对比评估普通柴油、含水型柴油和抑爆型柴油的爆炸特性。实验结果显示：炮弹射击油箱瞬间，柴油液滴被抛撒出油箱，与空气快速混合形成气溶胶，并在炸药能量作用下引发爆炸，形成爆炸火球；不同类型柴油的爆炸火球均经历3个发展阶段，但其尺寸、扩展速率和表面温度等有较大差别，普通柴油和含水型柴油的火球这3个参数比较接近，都大于抑爆型柴油；含水型柴油的油箱毁伤容积为108.00 dm³，远高于普通柴油的57.65 dm³和抑爆型柴油的38.15 dm³。研究表明，抑爆柴油中的高分子聚合物能起到较好的抑爆作用。
- 爆炸力学 /
- 爆炸性能 /
- 二次爆炸 /
- 柴油 /
- 火球
Abstract: In order to simulate the scene of secondary explosion caused by the fuel tank of vehicle, equipment bombarded, the shelling experiments of Ø30 mm fragmentation explosive incendiary shell were conducted in the external field. The process of diesel fuel detonated and temperature parameters of fireball were recorded by a high-speed camera, the infrared thermal imager separately. Explosion performance of ordinary diesel fuel, diesel fuel with water content and explosion suppression diesel fuel were compared and evaluated. The results show that the explosion fireball occurs due to the explosive energy acting on aerosols which result from quick mixing of air and diesel fuel dispersed from the fuel tank at the moment when shells shoot the fuel tank. The development all the explosion fireballs have three phases, but there are still notable differences in the sizes, expanding rates and surface temperatures among explosion fireballs of three types of diesel fuel. These three fireball parameters of ordinary diesel fuel and diesel fuel with water content are similar, which are greater than that of explosion suppression diesel fuel. Fuel tank damage volume of diesel fuel with water content is 108.00 dm³, which is far greater than that of ordinary diesel fuel (57.65 dm³) and explosion suppression diesel fuel (38.15 dm³). The results also confirm the difference between three types of diesel fuel in explosion performance.
- mechanics of explosion /
- explosion performance /
- second explosion /
- diesel fuel /
- fire ball

HTML全文

随着计算机技术的发展，数值模拟已经成为复杂系统研究及设计的重要手段。以往，研究人员常常将材料参数、几何尺寸等作为确定性的输入参数，代入程序进行数值模拟，从而得到确定性的结果。然而实际上，数值模拟过程中存在各种不确定性来源。近十几年，不确定度量化(uncertainty quantification, UQ)方法发展迅速，逐渐成为数值模拟研究的热点^[1-2]。不确定度量化主要关注如何表征、量化、减小数值模拟过程中的各种不确定性来源，是实现高置信度数值模拟的有效手段。在进行不确定度量化分析时，为了研究输入参数引入的不确定性，每个输入参数常常需要人为给定概率分布。输入参数概率分布的选择很可能会对分析结果有直接影响，为了减少分布选择的主观性，输入参数的概率分布最好能够由试验数据提供。

目前，圆筒试验是评估炸药的做功能力、确定爆轰产物状态方程参数的基准试验，已经得到了广泛应用^[3-8]。标准的圆筒试验方法主要采用电离探针测量炸药爆速，用高速扫描相机记录定常滑移爆轰驱动下圆筒壁的径向膨胀距离随时间的变化关系，并利用经验公式计算圆筒壁的膨胀速度和比动能等表征炸药做功能力的特征量，最后利用这些试验结果标定JWL(Jones-Wilkins-Lee)状态方程的参数^[9-10]。本文中，利用贝叶斯方法对圆筒试验JWL状态方程参数进行标定，给出标定参数的估计值，得到标定参数的后验分布，然后将该后验分布作为不确定度量化分析时输入参数的初始分布，以减小输入参数分布选择引入的不确定性。

1. 圆筒试验

圆筒试验的试验装置示意图如图 1所示，高速相机VISAR从狭缝扫描记录的是圆筒壁外表面的径向膨胀过程，通过对照片底片的处理获得圆筒壁的径向膨胀位移和时间的关系。得到的观测数据如图 2所示。炸药爆轰产物JWL状态方程形式和等熵条件如下：

图 1 圆筒试验的试验装置示意图

Figure 1. Device of cylinder test

下载: 全尺寸图片幻灯片

图 2 圆筒试验径向半径和时间的关系

Figure 2. Radius vs. time in cylinder test

下载: 全尺寸图片幻灯片

$\left\{ \begin{array}{*{35}{l}} p=A\left[ 1-\omega /\left( {{R}_{1}}V \right) \right]{{\text{e}}^{-{{R}_{1}}V}}+B\left[ 1-\omega /\left( {{R}_{2}}V \right) \right]{{\text{e}}^{-{{R}_{2}}V}}+\omega e/V \\ {{p}_{S}}=A{{\text{e}}^{-{{R}_{1}}V}}+B{{\text{e}}^{-{{R}_{2}}V}}+C/{{V}^{\omega +1}} \\ \end{array} \right.$

(1)

式中：p为压力，下标“S”表示熵，V为相对比容，e为初始体积能量，A、B、C、R₁、R₂和ω为待标定参数。利用JWL状态方程在C-J点的特性，由圆筒试验和相关试验的观测数据得到爆压、爆速、密度、内能和参数ω，再构造代数方程组，给定R₁和R₂，联立求解A、B和C^[11]。

2. 贝叶斯标定方法

M.Kennedy和A.O‘Hagan^[12]提出用贝叶斯方法进行参数标定和预测。由此发展出来一系列方法，统称为KOH方法^[13-15]。KOH方法用高斯过程(Gaussian process, GP)对计算结果和观测结果进行建模，同时对模型偏差进行建模。KOH方法的主要思想是用高斯过程建立代理模型，然后用代理模型计算后验分布和标定参数。下面简单介绍KOH方法的框架，更多技术细节参见文献[12]。

2.1 定义和统计模型

令X=(X⁽¹⁾, …, X^(q_X))为q_X维控制变量，θ=(θ⁽¹⁾, …, θ^(q_θ))为q_θ维标定参数，Y为数值模拟计算的输出结果，Z为试验观测结果。KOH模型如下：

${y_i} = {f_{\rm{C}}}\left( {\mathit{\boldsymbol{x}}_i^*, {\mathit{\boldsymbol{s}}_i}} \right)\quad \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;i = 1, \cdots , M$

(2)

${\mathit{z}_j} = \rho {f_{\rm{C}}}\left( {{\mathit{\boldsymbol{x}}_j}, \mathit{\boldsymbol{\theta }}} \right) + b\left( {{\mathit{\boldsymbol{x}}_j}} \right) + {\varepsilon _j}\quad \;\;\;\;\;\;\;j = 1, \cdots , N$

(3)

式中：f_C(·)为计算模型，b(·)为模型偏差，ε_j为观测误差，ρ为回归系数，M为数值模拟样本量，N为试验样本量，x_i^*为控制变量在第i次数值模拟中的取值，x_j为控制变量在第j次实验中的取值(按照数理统计中约定，采用大写字母表示随机变量，相应的小写字母表示该随机变量的取值，本文中，“X”、“Y”、“Z”、“T”、“R₁”、“R₂”均采用该约定)。为了得到数值模拟的结果，需要给标定参数赋值，令s表示数值模拟时输入的标定参数，θ表示标定参数的真实值，以便于区分。

假设ε_j服从均值为零、方差为λ的正态分布；f_C(·)用高斯过程建模，均值函数为m₁(x, s)，协方差函数为c₁(·, ·)；模型偏差b(x)也用高斯过程建模，均值函数为m₂(x)，协方差函数为c₂(·, ·)。假设均值函数和协方差函数的形式如下：

${m_i}( \cdot ) = {h_i}{( \cdot )^T}{\beta _i}\quad \;\;\;\;\;\;\;\;\;\;\;\;i = 1, 2$

(4)

${c_i}\left( {\left( {{\mathit{\boldsymbol{x}}_k}, {\mathit{\boldsymbol{s}}_k}} \right), \left( {{\mathit{\boldsymbol{x}}_l}, {\mathit{\boldsymbol{s}}_l}} \right)} \right){\rm{ = }}\sigma _i^2\exp \left\{ { - \sum\limits_{j = 1}^{{q_X}} {{\omega _{Xij}}} {{\left( {\mathit{\boldsymbol{x}}_k^{(j)} - \mathit{\boldsymbol{x}}_l^{(j)}} \right)}^2}} \right. - \sum\limits_{r = 1}^{{q_\theta }} {{\omega _{\theta \mathit{i}r}}} {\left( {\mathit{\boldsymbol{s}}_k^{(r)} - \mathit{\boldsymbol{s}}_l^{(r)}} \right)^2}\} \quad \;\;\;\;i = 1, 2$

(5)

式中：h_i(·)为统计建模时任意给定的连接函数，σ_i²、ω_Xi、ω_θi为协方差函数建模中需要估计的未知参数。令ψ=(ψ₁, ψ₂)，ψ_i是协方差函数c_i(·, ·)中的超参数(σ_i², ω_Xi, ω_θi)，i=1, 2。KOH模型的超参数包括β=(β₁, β₂)和φ=(ρ, λ, ψ), 则全部要估计的参数为(θ, β, φ)。

2.2 数据结构

数据包括观测数据z和数值模拟结果y, 即d^T=(z^T, y^T)。数值模拟过程中输入变量的取值记为D₁={(x₁^*, s₁), …, (x_M^*, s_M)}，试验数据控制变量的取值记为D₂={x₁, …, x_N}，与D₁相对应，可以将D₂扩充为D₂(θ)={(x₁, θ), …, (x_N, θ)}。

2.3 后验分布

令先验分布P(β)∝1。根据贝叶斯理论，在给定先验分布的条件下，后验分布为：

$P(\mathit{\boldsymbol{\theta }}, \mathit{\boldsymbol{\beta }}, \mathit{\boldsymbol{\varphi }}|\mathit{\boldsymbol{d}}) \propto P(\mathit{\boldsymbol{\theta }})P(\mathit{\boldsymbol{\varphi }})f\left( {\mathit{\boldsymbol{d}};{m_{\rm{d}}}(\mathit{\boldsymbol{\theta }}), {V_{\rm{d}}}(\mathit{\boldsymbol{\theta }})} \right)$

(6)

式中：f(d; m_d(θ), V_d(θ))是多元正态分布N(m_d(θ), V_d(θ))的密度函数，且

${m_{\rm{d}}}(\mathit{\boldsymbol{\theta }}) = E(\mathit{\boldsymbol{d}}|\mathit{\boldsymbol{\theta }}, \mathit{\boldsymbol{\beta }}, \mathit{\boldsymbol{\varphi }}) = \mathit{\boldsymbol{H}}(\mathit{\boldsymbol{\theta }})\mathit{\boldsymbol{\beta }} = \left( {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{H}}_1}\left( {{D_1}} \right)}&0\\ {\rho {\mathit{\boldsymbol{H}}_1}\left( {{D_2}(\mathit{\boldsymbol{\theta }})} \right)}&{{\mathit{\boldsymbol{H}}_2}\left( {{D_2}} \right)} \end{array}} \right)\mathit{\boldsymbol{\beta }}$

(7)

${V_{\rm{d}}}(\mathit{\boldsymbol{\theta }}) = V(\mathit{\boldsymbol{d}}|\mathit{\boldsymbol{\theta }}, \mathit{\boldsymbol{\beta }}, \mathit{\boldsymbol{\varphi }}) = \left( {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{V}}_1}\left( {{D_1}} \right)}&{\rho {\mathit{\boldsymbol{C}}_1}{{\left( {{D_1}, {D_2}(\mathit{\boldsymbol{\theta }})} \right)}^T}}\\ {\rho {\mathit{\boldsymbol{C}}_1}\left( {{D_1}, {D_2}(\mathit{\boldsymbol{\theta }})} \right)}&{\lambda {\mathit{\boldsymbol{I}}_N} + {\rho ^2}{\mathit{\boldsymbol{V}}_1}\left( {{D_2}(\mathit{\boldsymbol{\theta }})} \right) + {\mathit{\boldsymbol{V}}_2}\left( {{D_2}} \right)} \end{array}} \right)$

(8)

式中：H₁、H₂为由连接函数h_i构成的向量，V₁(D₁)为由集合D₁中数据构成的方差矩阵，V₂(D₂)为由集合D₂中数据构成的方差矩阵，C₁为D₁和D₂中数据构成的协方差矩阵，I_N为N维单位矩阵。

2.4 计算步骤

直接计算式(6)中的后验分布较困难，因此将计算过程分为4个步骤：步骤1和步骤2是建立GP模型，步骤3是用建立的GP模型计算后验分布，步骤4是利用步骤3得到的后验分布标定参数。

步骤1：建立GP代理模型，估计β₁和c₁(·, ·)的超参数ψ₁。用数值模拟所得数据y估计β₁和ψ₁，得到估计值 $\hat{\beta}_{1}$ 和 $\hat{\psi}_{1}$ 。步骤2：建立观测数据的GP代理模型，估计ρ、λ、β₂和c₂(·, ·)的超参数ψ₂。在 $\hat{\beta}_{1}$ 和 $\hat{\psi}_{1}$ 给定的条件下，用观测数据z估计ρ、λ、β₂和c₂(·)的超参数ψ₂，从而得到估计值 $\mathit{\boldsymbol{\widehat \beta }} = \left( {{{\hat \beta }_1}, {{\hat \beta }_2}} \right)$ 和 $\mathit{\boldsymbol{\widehat \varphi }} = (\hat \rho, \hat \lambda, \hat \psi )$ 。步骤3：计算标定参数θ的后验分布。由于 $P(\mathit{\boldsymbol{\theta }}|\mathit{\boldsymbol{\varphi }} = \mathit{\boldsymbol{\widehat \varphi }}, \mathit{\boldsymbol{d}}) \propto P(\mathit{\boldsymbol{\theta }}, \mathit{\boldsymbol{\widehat \varphi }}|\mathit{\boldsymbol{d}})$ ，因此通过计算 $P(\mathit{\boldsymbol{\theta }}, \mathit{\boldsymbol{\widehat \varphi }}|\mathit{\boldsymbol{d}})$ 即可得到θ的后验分布。步骤4：利用θ的后验分布标定参数。标定参数的估计可以定义为后验分布的均值 ${\mathit{\boldsymbol{\widehat \theta }}^{({\rm{mean}})}}$ 、中位数 ${\mathit{\boldsymbol{\widehat \theta }}^{({\rm{mid}})}}$ 或最大概率值 ${\mathit{\boldsymbol{\widehat \theta }}^{({\rm{max}})}}$ ，其中 ${\mathit{\boldsymbol{\widehat \theta }}^{({\rm{max}})}}$ 也称为最大后验估计(maximum posterior estimates, MPE)。

3. JWL状态方程参数的标定

采用KOH贝叶斯方法标定圆筒试验JWL状态方程参数。将标定参数记为(R₁, R₂)；将时间视为设计变量，记为T；同时令M=30, N=10。数值计算过程中，R₁和R₂的抽样区间分别为[4.3, 5.5]和[0.8, 1.5]，用拉丁超立方抽样(latin hypercube sample, LHS)方法得到M组参数并代入模拟程序进行计算，得到M条径向半径随时间变化的曲线。对设计变量T进行LHS抽样得到M个样本。将T和(R₁, R₂)的样本随机配对得到模拟计算的输入数据D₁={(t₁^*, R₁₁, R₂₁), …, (t_M^*, R_1M, R_2M)}。D₁对应的计算输出结果为y={y₁, …, y_M}。需要注意的是，每次数值计算的结果都是径向半径随时间变化的曲线，这里只是从曲线上随机取一个抽样点作为输出结果。对时间变量T随机抽样得到N个样本，即D₂={t₁, …, t_N}。将D₂扩充为D₂(r₁, r₂)={(t₁, r₁, r₂), …, (t_N, r₁, r₂)}，其中(r₁, r₂)是标定参数的真实值。D₂(r₁, r₂)对应的径向半径观测数据为z={z₁, …, z_N}。假设(R₁, R₂)的先验分布为均匀分布，即对(R₁, R₂)没有任何知识；超参数ψ的先验分布为标准正态分布。数值模拟使用的计算程序为由北京应用物理与计算数学研究所自主研制的相容拉氏流体动力学工具包CHAP (compatible hydrodynamics analysis program)^[16]。

下面分别采用两个模型进行建模，其主要区别在于模型中是否包含偏差。模型1是KOH模型的通用形式，如式(2)~(3)所示；模型2是KOH模型的特殊形式，相当于在模型1的基础上令ρ=1，b(x_j)≡0，此时式(3)可以简化为：

${z_j} = {f_{\rm{C}}}\left( {{\mathit{\boldsymbol{x}}_j}, \mathit{\boldsymbol{\theta }}} \right) + {\varepsilon _j}\quad \;\;\;\;j = 1, \cdots , N$

(9)

按照第2.4节中的4个步骤依次进行计算。第1步是建立数值模拟的GP代理模型。GP代理模型中参数的估计值分别为 ${\hat \beta _1} = 3.090, \hat \sigma _1^2 = 2.296, {\hat \omega _{X1}} = 0.603, {\hat \omega _{{R_1}1}} = 0.064, {\hat \omega _{{R_2}1}} = 0.059$ 。为检验GP代理模型预测的能力，重新随机抽样4组(R₁, R₂)样本代入数值模拟程序进行计算，将计算得到的结果和采用GP模型预测的结果进行比较，如所示。从可以看出：代理模型预测曲线和数值计算的曲线基本重合，说明代理模型的预测足够精确。第2步是建立观测数据的GP代理模型。模型1中模型参数的估计值分别为 $\hat \rho = 1.057, \hat \lambda = 1.810, {\hat \beta _2} = - 0.607, \hat \sigma _2^2 = 1.585, {\hat \omega _{X2}} = 2.220$ 。由于模型2忽略了模型偏差并且ρ=1，所以该步骤中只需要估计λ，估计值为 $\hat{\lambda}=2.608 \times 10^{-5}$ 。第3步是计算标定参数的后验分布。图 4给出了标定参数(R₁, R₂)的后验概率分布等高线，其中后验概率共分为9个概率区间，分别由9种颜色进行区分，从小到大依次用P_k (k=1, …, 9)表示，P₉表示最大概率区间的值域。图 4(a)为采用模型1得到的后验概率分布，可以看出，概率分布从右下角向左上角逐级递增，概率最大区域P₉位于左上角；图 4(b)为采用模型2得到的后验概率分布，可以看出，概率分布从右下角和左边向中间区域逐级递增，P₉近似位于中间位置。第4步是标定参数。由可知：模型1的MPE为 $\hat R_1^{(\max )} = 4.68258, \hat R_2^{(\max )} = 1.31066$ ；模型2的MPE为 $\hat R_1^{(\max )} = 4.74985, \hat R_2^{(\max )} = 1.10314$ 。两个模型的MPE均近似位于P₉区域的中心位置。

图 3 GP代理模型预测的结果和数值计算结果的比较

Figure 3. Comparison of predictions of the GP surrogate model with numerical simulations

下载: 全尺寸图片幻灯片

图 4 两模型的后验概率等高线和最大后验估计

Figure 4. Posterior distribution and MPE with different models

下载: 全尺寸图片幻灯片

图 5为模型1和模型2的预测效果，其中标定结果(红线)是将MPE代入数值模拟程序计算得到，预测结果(绿线)采用观测数据的GP代理模型计算得到，试验结果用黑线表示。显示：两个模型的预测结果均与试验结果符合很好，说明建立的代理模型都能够比较精确地描述试验数据。模型2中试验结果和标定结果符合得比较好，表明标定的参数值是最佳拟合的估计；但是，当t>39μs时，模型1的标定结果和试验结果差异逐渐增大。由于数值模拟和基于观测数据代理模型的预测(即 ${\hat f_{\rm{C}}}\left( {{\mathit{\boldsymbol{x}}_j}, \mathit{\boldsymbol{\widehat \theta }}} \right)$ 和 ${\hat f_{\rm{C}}}\left( {{\mathit{\boldsymbol{x}}_j}, \mathit{\boldsymbol{\widehat \theta }}} \right) + \hat b\left( {{\mathit{\boldsymbol{x}}_j}} \right)$ )都足够精确，所以两者的差异即为模型偏差的预测 $\hat b(\mathit{\boldsymbol{x}})$ ，说明模型1标定的参数值是“调和”了模型偏差 $\hat b(\mathit{\boldsymbol{x}})$ 和标定参数 $\widehat{\mathit{\boldsymbol{ }}\!\!\theta\!\!\text{ }}$ 的最佳估计。

图 5 径向半径的预测、试验和模拟结果的比较

Figure 5. Comparison of radius histories obtained by prediction, experiment and simulation

下载: 全尺寸图片幻灯片

4. 结论

(1) 用KOH贝叶斯方法标定圆筒试验JWL状态方程的参数R₁和R₂，得到了标定参数的估计值和后验分布，并将后验分布作为子系统级(或系统级)复杂系统数值模拟不确定度量化分析的输入参数的初始分布，以尽可能地减少分布选择引入的认知不确定性。(2)分析了两种KOH统计模型假设对标定参数估计值和后验分布的影响。从参数标定的角度分析，模型2得到的估计值更好；从不确定度量化的角度分析，由于模型1还分析了模型偏差引入的不确定性，因此模型1更合适。

图 1 射击点示意图

Figure 1. Sketch of the shooting point

下载: 全尺寸图片幻灯片

图 2 油箱布置

Figure 2. The fuel tank layout

下载: 全尺寸图片幻灯片

图 3 不同柴油爆炸过程的典型照片

Figure 3. Typical photos of explosion process for different types of diesel fuel

下载: 全尺寸图片幻灯片

图 4 火球扩展速率曲线

Figure 4. Expanding rate of the fireball

下载: 全尺寸图片幻灯片

图 5 火球表面最高温度随时间的变化曲线

Figure 5. Variation of the highest temperature on the surface of the fireball

下载: 全尺寸图片幻灯片

图 6 油箱毁伤情况

Figure 6. Fuel tank damage

下载: 全尺寸图片幻灯片

图 7 抛撒出的液滴形态

Figure 7. Form of dispersal droplets

下载: 全尺寸图片幻灯片

表 1 火球尺寸

Table 1. Fireball size

柴油 D/m h/m S/m²

Ⅰ 7.54 6.21 34.83

Ⅱ 6.49 7.80 40.08

Ⅲ 2.58 4.27 10.32

下载: 导出CSV

表 2 火球表面温度

Table 2. Surface temperature of fireball

柴油 Δt/ms T_{m, max}/℃ T_{a, max}/℃

1 000~1 250 ℃ 1 250~1 500 ℃ ≥1 500 ℃

Ⅰ 1 085 1 333 527 1 588.9 1264.7

Ⅱ 2 190 1 629 31 1 509.9 1 237.5

Ⅲ 391 62 0 1 260.1 1 001.9

下载: 导出CSV

表 3 油箱毁伤容积计算结果

Table 3. Calculation results of fuel tank damage volume

柴油 D₁/dm D₂/dm V/dm³

I 2.1 5.0 57.65

Ⅱ 5.0 5.0 108.00

Ⅲ 3.5 2.4 38.15

下载: 导出CSV

表 4 抑爆剂含量对柴油爆炸性能的影响

Table 4. Impact of suppressant content on explosion performance of diesel fuel

w/% γ/(mm²·s^-1) p_m/MPa

0 3.934 0.606

0.1 6.760 0.574

0.3 16.23 0.348

0.5 32.54 0.202

0.8 79.33 0.152

1.0 148.49 0.157

下载: 导出CSV

参考文献(14)

[1]	吴珣.抑爆柴油的配制及影响因素研究[D].北京: 北京化工大学, 2011: 1.
[2]	黄勇, 解立峰, 鲁长波, 等.聚能射流引爆柴油的试验研究[J].中国安全科学学报, 2013, 23(6): 63-67. http://d.wanfangdata.com.cn/Periodical_zgaqkxxb201306011.aspx Huang Yong, Xie Li-feng, Lu Chang-bo, et al. Experimental study on diesel detonated by shaped charge jet[J]. China Safety Science Journal, 2013, 23(6): 63-67. http://d.wanfangdata.com.cn/Periodical_zgaqkxxb201306011.aspx
[3]	裴明敬, 毛根旺, 张颖, 等.温压炸药爆炸火球和冲击波传播过程的高速摄影测量[C]//第四届全国爆炸力学实验技术学术会议论文集.福建武夷山, 2006: 264-272.
[4]	阚金玲, 刘家骢, 曾秀琳, 等.温压炸药爆炸火球的特征[J].火炸药学报, 2007, 30(2): 55-58. http://www.cqvip.com/Main/Detail.aspx?id=24907882 Kan Jin-ling, Liu Jia-cong, Zeng Xiu-lin, et al. Fireball characteristics of a thermal-baric explosive[J]. Chinese Journal of Explosives and Propellants, 2007, 30(2): 55-58. http://www.cqvip.com/Main/Detail.aspx?id=24907882
[5]	颜事龙, 刘锋, 岳中文, 等.比药量对水爆炸抛撒成雾运动特性的影响[J].哈尔滨工业大学学报, 2007, 39(11): 1825-1828. http://www.cqvip.com/Main/Detail.aspx?id=26044248 Yan Shi-long, Liu Feng, Yue Zhong-wen, et al. Influence of the specific explosives on kinetic characteristics of water mist resulting from explosion[J]. Journal of Harbin Institute of Technology, 2007, 39(11): 1825-1828. http://www.cqvip.com/Main/Detail.aspx?id=26044248
[6]	黄风林, 黄勇.微乳化柴油的研究与发展前景[J].内蒙古石油化工, 2008(21): 9-10. Huang Feng-lin, Huang Yong. The research and developing prospect for microemulsifying diesel oil[J]. Inner Mongolia Petrochemical Industry, 2008(21): 9-10.
[7]	Ebna Alam Fahd M, Yang W, Lee P S, et al. Experimental investigation of the performance and emission characteristics of direct injection diesel engine by water emulsion diesel under varying engine load condition[J]. Applied Energy, 2013, 102: 1042-1049. doi: 10.1016/j.apenergy.2012.06.041
[8]	Maiboom A, Tauzia X. NOx and PM emissions reduction on an automotive HSDI Diesel engine with water-in-diesel emulsion and EGR: An experimental study[J]. Fuel, 2011, 90(11): 3179-3192. doi: 10.1016/j.fuel.2011.06.014
[9]	Anna S L, McKinley G H. Elasto-capillary thinning and breakup of model elastic liquids[J]. Journal of Rheology, 2001, 45(1): 115-138. doi: 10.1122/1.1332389
[10]	Chao K K, Child C A, Grens E A, et al. Antimisting action of polymeric additives in jet fuels[J]. AICHE Journal, 1984, 30(1): 111-120. doi: 10.1002/aic.690300116
[11]	Christanti Y, Walker L M. Effect of fluid relaxation time of dilute polymer solutions on jet breakup due to a forced disturbance[J]. Journal of Rheology, 2002, 46(3): 733-748. doi: 10.1122/1.1463418
[12]	Christanti Y, Walker L M. Surface tension driven jet break up of strain-hardening polymer solutions[J]. Journal of Non-Newtonian Fluid Mechanics, 2001, 100(1/2/3): 9-26. https://www.sciencedirect.com/science/article/pii/S0377025701001355
[13]	郭学永, 惠君明, 解立峰.燃料爆炸抛撒过程的实验研究[J].高压物理学报, 2005, 19(2): 120-126. http://d.wanfangdata.com.cn/Periodical/gywlxb200502004 Guo Xue-yong, Hui Jun-ming, Xei Li-feng. Experimental study on the process of fuel explosive dispersion[J]. Chinese Journal of High Pressure Physics, 2005, 19(2): 120-126. http://d.wanfangdata.com.cn/Periodical/gywlxb200502004
[14]	傅维镳, 龚景松, 侯凌云.含水燃料的燃烧[M].北京: 高等教育出版社, 2009: 22-25.

施引文献

期刊类型引用(4)

1.	Songmao Zhao，Haotian Jian，Ke Wang，Zheng Ning，Peng Zhu，Ruiqi Shen. Investigation on the exploding foil initiators ignition enhanced by explosion-electricity coupling. Defence Technology. 2024(12): 1-11 . 必应学术
2.	薛创，宁成，彭先觉. 水中金属丝电爆炸动力学过程的零维模型. 爆炸与冲击. 2023(05): 150-157 . 本站查看
3.	王万军，孙秀娟，张雷，雷凡，郭菲，杨爽，付秋菠. 亚微秒内金丝电爆炸的激光探针测试及三维动力学仿真. 含能材料. 2019(06): 473-480 . 百度学术
4.	张永民，姚伟博，邱爱慈，汤俊萍，王宇，呼义翔. 金属丝电爆炸现象研究综述. 高电压技术. 2019(08): 2668-2680 . 百度学术

其他类型引用(1)

资源附件(0)

访问统计

图(7) / 表(4)

计量

文章访问数: 3130
HTML全文浏览量: 528
PDF下载量: 599
被引次数: 5

1. 圆筒试验
2. 贝叶斯标定方法
2.1 定义和统计模型
2.2 数据结构
2.3 后验分布
2.4 计算步骤
3. JWL状态方程参数的标定
4. 结论

柴油	D/m	h/m	S/m²
Ⅰ	7.54	6.21	34.83
Ⅱ	6.49	7.80	40.08
Ⅲ	2.58	4.27	10.32

柴油	Δt/ms			T_{m, max}/℃	T_{a, max}/℃
柴油	1 000~1 250 ℃	1 250~1 500 ℃	≥1 500 ℃	T_{m, max}/℃	T_{a, max}/℃
Ⅰ	1 085	1 333	527	1 588.9	1264.7
Ⅱ	2 190	1 629	31	1 509.9	1 237.5
Ⅲ	391	62	0	1 260.1	1 001.9

柴油	D₁/dm	D₂/dm	V/dm³
I	2.1	5.0	57.65
Ⅱ	5.0	5.0	108.00
Ⅲ	3.5	2.4	38.15

w/%	γ/(mm²·s^-1)	p_m/MPa
0	3.934	0.606
0.1	6.760	0.574
0.3	16.23	0.348
0.5	32.54	0.202
0.8	79.33	0.152
1.0	148.49	0.157

柴油爆炸性能外场实验研究

doi: 10.11883/1001-1455(2015)04-0482-07

作者简介: 黄勇(1978-), 男, 博士研究生

通讯作者: 解立峰, xielifeng319@sina.com

计量

出版历程