基于ESGA遗传算法的水射流自驱旋转喷头优化设计

陈源捷; 陈正寿; 杜炳鑫; 谢应孝; 姜华

doi:10.11883/bzycj-2022-0155

基于ESGA遗传算法的水射流自驱旋转喷头优化设计

doi: 10.11883/bzycj-2022-0155

1.
浙江海洋大学船舶与海运学院，浙江舟山 316022
2.
太平洋海洋工程（舟山）有限公司，浙江舟山 316057

基金项目: 国家自然科学基金（41776105）；舟山市科技计划项目（2019C21010）；浙江省属高校基本科研业务费（2021JD002）

详细信息

作者简介:
陈源捷（1995－　），男，硕士研究生，1101693713@qq.com

通讯作者:
陈正寿（1979－　），男，博士，教授，aaaczs@163.com

中图分类号: O358
计量
- 文章访问数: 476
- HTML全文浏览量: 119
- PDF下载量: 94
- 被引次数: 2
出版历程
- 收稿日期: 2022-04-12
- 修回日期: 2022-07-20
- 网络出版日期: 2022-09-13
- 刊出日期: 2023-02-25

Optimum design of self-driven rotary water-jet sprayer based on ESGA genetic algorithm

1.
Naval Architecture and Maritime College, Zhejiang Ocean University, Zhoushan 316022, Zhejiang, China
2.
Paxocean Engineering Co. Ltd., Zhoushan 316057, Zhejiang, China

摘要

摘要: 超高压水射流自驱旋转型喷头是目前广泛应用于船壁除锈的一种装置，其布局方式直接影响船壁除锈的效率和质量，目前喷头布局多依赖工程经验，缺少准确的理论分析和优化技术支持。针对水射流自驱旋转型喷头的布局优化问题，在传统遗传算法（genetic algorithm，GA）的基础上，提出一种基于“锦标赛选择”的精英策略遗传算法（elitist strategy genetic algorithm，ESGA），该算法通过采用种群进化过程中精英个体直接保留到下一代的进化策略，从而有效提高算法的全局收敛能力和算法的鲁棒性。结合旋转喷头扫掠冲击性能和轨迹特征，以喷头移动路径垂直打击面上的能量分布均匀度为衡量标准，建立超高压水射流自驱旋转型喷头的螺旋扫掠冲击离散化时间优化模型，并分别利用两种遗传算法对其进行优化改进。对一字形水射流自驱旋转型喷头的布局优化研究发现，经ESGA算法优化的旋转喷头，其扫掠冲击能量分布均匀度较原喷头布局提升了47.2%，其收敛精度也高于GA算法。经对ESGA算法优化后的喷头实验验证发现，ESGA优化方案较原设计方案除锈效率提高了42.0%。改进的ESGA优化算法可行性强，能够在收敛迭代次数较少的情况下得到水动力性能更好的喷头布局方案，为旋转型喷头布局优化设计提供了理论依据和应用支持。
- 船壁除锈 /
- 旋转喷头 /
- 遗传算法 /
- 扫掠冲击 /
- 布局优化
Abstract: The self-driven rotary sprayer using ultra-high-pressure water jet is widely used in the rust removal of ship hulls, and its layout directly affects the efficiency and quality of ship derusting. Hitherto, the design of sprayer layout primarily depends on practical engineering experiences, due to the lack of support from accurate optimization techniques and theoretical analysis. In order to solve the layout optimization problem associated with self-driven rotary sprayers using ultra-high-pressure water jet, an improved elitist strategy genetic algorithm (ESGA) based on conventional genetic algorithm (GA) is proposed. By designing appropriate evolutionary operations, the ESGA algorithm can skip crossover and mutation operations on the fittest individuals in the population, and then directly copy the fittest individual to the next generation. Thus, the global convergence ability and robustness of the algorithm are improved effectively. By fully combining the sweep impinging performance and trajectory characteristics of rotary sprayer, a sweep impinging discrete-time model for self-driven rotary sprayer using ultra-high-pressure water jet is developed to quantify the evenness of impinging energy distribution on target surface perpendicular to the sprayer movement path. Aiming at enhancing the evenness of impinging energy distribution and improving hydrodynamic performance, the layout of self-driven rotary sprayer is optimized via the GA and ESGA algorithms. It is found that the evenness of the impinging energy distribution related to the self-driven rotary sprayer with a rod-like shape, which is optimized by the ESGA algorithm, is improved by 47.2% compared with that of the original layout scheme. The ESGA algorithm provides faster convergence speed and higher convergence precision, superior to the conventional GA. The experimental test results indicated that the rust-removing efficiency of self-driven rotary sprayer, optimized by the ESGA algorithm, is increased by 42.0% when compared with original layout scheme. It is worth noting that the improved ESGA algorithm optimization approach is feasible, and some sprayer layouts with better hydrodynamic performance can be easily achieved in fewer convergence iterations, providing adequate theoretical basis and application support for the layout optimization.
- rust removal of ship hull /
- rotary sprayer /
- genetic algorithm /
- sweep impinging /
- layout optimization

HTML全文

随着脉冲功率技术和高功率激光技术的发展，采用脉冲大电流和高功率脉冲激光对物质进行无冲击斜波压缩的实验技术在过去的十余年中获得了长足的进步^[1-5]，并成功应用于极端条件下(高压、高应变率)的状态方程^[6-10]、高压强度^[11-15]、相变^[16-18]等材料物性的研究。在斜波压缩实验中，可测量的物理量主要是台阶靶不同Lagrange位置的样品界面粒子速度，如何通过界面粒子速度获取实验材料的动力学响应，成了此类实验必须解决的问题。

针对斜波压缩实验数据为台阶靶样品自由面或样品/窗口界面速度历史的情形，多种方法(Lagrange方法^[19]、反积分方法^[20-21]和特征线方法^[22-23])被提出用于获取材料的压力-比容关系。反积分方法和特征线方法都是先假定材料参数，以实验测量的界面速度作为输入在时间轴逆向求解，其中反积分还要以不同厚度样品的加载面加载历史一致作为收敛的单一判据，因此对考虑诸如强度等力学特性的材料，需要预先设定的模型参数越多，该方法的使用难度就越大；此外，反积分方法和特征线方法要求材料模型参数的初设值与其真实值的偏差不能太大，否则会出现计算不收敛或收敛参数无意义的情况。采用Lagrange方法的优点是不需对材料参数做任何假定，可用于处理材料的复杂力学响应，但难点在于如何获得准确的原位粒子速度剖面。早期的工作采用自由面速度近似法^[19]计算原位速度；后来Volgler等人发展了增量阻抗匹配法^[24]；2013年，J.L.Brown等提出了转换函数法(transfer function method，TFM)^[25]。数值计算表明，采用转换函数方法可准确获得斜波压缩实验中的加载-卸载原位速度剖面，但前提是使用该方法过程中数值模拟的界面速度曲线和实验测量的速度曲线尽可能的一致。

为避免J.L.Brown等提出的使用转换函数方法中需进行高精度磁流体数值计算的需求，本文中提出一种联合使用正向Lagrange方法和转换函数来处理斜波压缩实验数据的新途径，分析转换函数方法的使用条件，并在此基础上讨论转换函数方法在斜波压缩下强度实验数据处理中的应用。

1. Lagrange正向数据处理方法

在Lagrange坐标下，一维等熵运动中的质量、动量和能量守恒方程可表达为^[19]:

$\left\{ \begin{array}{l} {{l}_{2}}/\partial \sigma /\partial h=-{{\rho }_{0}}\partial u/\partial t \\ ({{l}_{1}}\partial u/\partial h=-\partial \varepsilon /\partial t \\ (\sigma /{{\rho }_{0}})\left( \partial u/\partial h \right)=-\partial e/\partial t \\ \end{array} \right.$

(1)

式中：σ为应力(压力为正号)，ε为应变，ρ₀为初始密度，u为粒子速度，e为比内能，h、t为Lagrange坐标和时间，Lagrange声速的定义C_L=Δh/Δt，上式给出等熵线上扰动形成的状态增量形式为：

$\left\{ \begin{array}{l} {{l}_{2}}/\Delta \sigma =-{{\rho }_{0}}{{C}_{\text{L}}}\left( u \right)\Delta u \\ ({{l}_{1}}\Delta u=-{{C}_{\text{L}}}\left( u \right)\Delta \varepsilon \\ \Delta e=\sigma \Delta \varepsilon /{{\rho }_{0}} \\ \end{array} \right.$

(2)

由此可计算材料的应力-应变关系为：

$\Delta \sigma ={{\rho }_{0}}C_{\text{L}}^{2}\Delta \varepsilon$

(3)

采用Lagrange方法处理斜波压缩实验数据时，基本处理流程见图 1。在同一发实验中，测量不同厚度样品的自由面或样品/窗口界面粒子速度，将实验测量的界面速度转换为原位速度(in-situ velocity)后，再对不同厚度样品的速度-时间曲线做差，进而得出Lagrange波速与粒子速度关系。通过式(2)，可计算给出整个加载-卸载过程的C_L-u、σ-u、σ-ε曲线。显而易见，Lagrange正向数据处理的难点在于如何准确还原不同厚度样品的原位粒子速度。

图 1 Lagrange正向数据处理流程图

Figure 1. Flow chart of Lagrangian forward data processing

下载: 全尺寸图片幻灯片

2. 转换函数方法

转换函数方法(TFM)的物理思想为：假定数值计算可以准确的表征样品后界面反射波与前界面后续加载波的相互作用，采用数值计算给出后界面速度和原位速度之间的映射关系，将该映射关系对实验测量的速度剖面进行反演，即可获得实验对应的原位速度。该方法自2013年提出以来，在Sandia实验室迅速获得广泛应用^{[8, 14, 25-26]}。和自由面近似以及增量阻抗匹配方法相比，转换函数方法中可以考虑界面反射波与后续加载波的相互作用，准确的将非简单波情形还原为简单波情形。

转换函数方法的使用步骤可归纳如下。

(1) 采用数值计算，获得样品/窗口界面的粒子速度剖面u_wc(t)和相同位置的原位速度剖面u_ic(t)，要求计算的u_wc(t)尽可能的和实验测量的样品/窗口界面速度剖面u_we(t)接近。

(2) 寻找u_wc(t)和u_ic(t)之间的转换函数f(t)。先将u_wc(t)和u_ic(t)变换到频率域，给出U_wc(ω)和U_ic(ω)，计算U_wc(ω)和U_ic(ω)之间的关联函数F(ω)= U_ic(ω)/ U_wc(ω), 再将F(ω)转换到时间域，即为u_wc(t)和u_ic(t)之间的转换函数f(t)。

(3) 利用转换函数f(t)对实验测量的样品/窗口界面的粒子速度剖面u_we(t)做卷积，给出实验对应的原位粒子速度剖面u_ie(t)：

${{u}_{\text{ie}}}\left( t \right)={{u}_{\text{we}}}\left( t \right)*f\left( t \right)=\int_{-\infty }^{+\infty }{{{u}_{\text{we}}}\left( t\text{-}\tau \right)f\left( \tau \right)\text{d}\tau }$

(4)

具体计算过程中，可先计算频率域的实验原位速度以避开卷积的计算：

${{U}_{\text{ie}}}\left( \omega \right)={{U}_{\text{we}}}\left( \omega \right)\cdot F\left( \omega \right)$

(5)

再将U_ie(ω)做傅里叶逆变换，还原为实验对应的原位粒子速度剖面u_ie(t)。

图 2是我们采用数值试验，对转换函数法在处理复杂结构波形时的验证结果。先设定材料参数和加载波形，分别计算铜/LiF窗口界面速度曲线和原位速度曲线，再以计算的界面速度曲线作为“实验”的速度曲线并对其进行转换函数还原，将还原结果和计算的原位结果进行比较，发现还原的结果和计算结果完全吻合，表明该方法对复杂结构的速度波形具有良好的适用性。

图 2 转换函数方法的验证

Figure 2. Validation of transfer function method

下载: 全尺寸图片幻灯片

在实际过程中，考虑到材料强度、粘性耗散等因素，很难做到计算的界面速度波形和实验结果完全吻合，因此需对转换函数方法的健壮性进行考核，即当计算的速度波形和实验速度波形存在一定的偏差时，采用转换函数计算的原位速度是否可靠。图 3给出了采用未考虑强度效应的计算波形对考虑了强度效应的“实验”波形进行近似，转换函数方法计算的原位速度波形和真值的比较。由于强度效应只是导致计算和“实验”速度波形在峰值位置出现较明显的偏差，因此对还原的原位速度影响不大。图 4分别为计算的速度幅值相对“实验”结果偏差10%和计算波形的脉宽相对“实验”结果偏差5%时，采用转换函数方法计算的原位粒子速度与真值的比较。比较结果表明速度偏差10%，脉宽偏差5%时，转换函数方法仍具有较好的适用性。此外，我们还计算了不同窗口阻抗匹配以及自由面情形下的原位速度还原，均获得了满意的结果。

图 3 不考虑强度效应时的转换函数方法健壮性验证

Figure 3. Robustness validation of transfer function method by ignoring the strength effect

下载: 全尺寸图片幻灯片

图 4 转换函数方法健壮性验证

Figure 4. Robustness validation of transfer function method

下载: 全尺寸图片幻灯片

3. 斜波压缩实验数据处理

以磁驱动斜波压缩强度测量实验结果为例，联合使用正向Lagrange方法和转换函数方法对实验结果进行分析，分析结果如图 5所示。图 5(a)给出了台阶靶的自由面速度曲线，对实验测量的自由面速度曲线做1/2近似，以此获得的原位速度曲线做正向数据处理，给出C_L-u曲线如图 5(b)所示。由图 5(b)可知，给出加载段体波声速的线性拟合为C_L= C₀+2λu=3.34+2.55u，由此给出Grüneisen状态方程的C₀=3.34 km/s，λ=1.27，将其带入反积分程序^[21]，计算加载界面的压力和速度历史，并给出Grüneisen状态方程的参数优化值。以反积分提供的加载界面压力(或速度)边界为基础，正向计算给出样品自由面的速度剖面，要求计算的界面速度曲线和实验结果尽量的接近；同时正向计算可给出样品厚度位置的原位速度剖面，计算结果如图 5(c)所示。再根据计算的界面速度和原位速度，采用转换函数方法，对实验测量的自由面速度进行还原，获得的原位速度如图 5(d)所示。利用实验结果的原位速度，正向计算给出加载-卸载过程中材料的C_L-u曲线如图 5(e)所示。

图 5 Lagrange方法和转换函数方法在强度实验数据分析中的应用

Figure 5. Application of Lagrangian method and transfer function methods in experimental strength data analysis

下载: 全尺寸图片幻灯片

由图 5(e)可见，采用转换函数方法进行数据处理获得的声速在加载末期出现了下降，这体现了加载后期应变率的剧烈变化以及加载波形衰减对声速计算的影响。采用转换函数方法计算的卸载声速相对自由面1/2近似计算结果偏小约8%，转换函数方法计算的卸载时弹性纵波声速的最大值和理论结果更为接近。根据实验测得的加载-卸载过程中拉氏声速的变化，即可参照文献[15]计算斜波压缩下的材料强度。

4. 结论

将Lagrange方法和转换函数方法在斜波压缩实验数据的正向处理中成功进行了应用，建立了斜波压缩实验数据处理的新流程，获得了可靠的实验结果。该数据处理方法的建立，将有效减小以往斜波压缩实验强度数据的计算误差，对强度实验数据的分析具有重要的作用。

图 1 船体锈蚀与海洋附着物

Figure 1. Hull corrosion and marine attachments

下载: 全尺寸图片幻灯片

图 2 船壁面高压水射流除锈

Figure 2. Rust removal on ship wall using high-pressure water jet

下载: 全尺寸图片幻灯片

图 3 直圆锥收敛型喷嘴结构示意图

Figure 3. Structure diagram of straight cone convergent nozzle

下载: 全尺寸图片幻灯片

图 4 自驱型水射流旋转喷头工作示意图

Figure 4. Working schematic diagram of self-driven rotary water jet sprayer

下载: 全尺寸图片幻灯片

图 5 自驱旋转射流喷头结构

Figure 5. Structure of self-driven rotary water jet sprayer

下载: 全尺寸图片幻灯片

图 6 常规旋转射流喷头布置

Figure 6. Layout of conventional rotary water jet sprayer

下载: 全尺寸图片幻灯片

图 7 水射流旋转喷头除锈作业运动模型

Figure 7. Motion model of rotary water jet sprayer for rust removal

下载: 全尺寸图片幻灯片

图 8 单喷嘴运动扫掠模型

Figure 8. Sweep motion model of single nozzle

下载: 全尺寸图片幻灯片

图 9 喷头扫掠冲击时间模型及观测点局部放大图

Figure 9. Sweep impinging-time model of water jet sprayer and local enlargement around observation point

下载: 全尺寸图片幻灯片

图 10 目标函数值的搜索过程

Figure 10. Search process of the objective function

下载: 全尺寸图片幻灯片

图 11 原设计方案与ESGA优化设计方案对比

Figure 11. Comparison between original design and ESGA optimal design

下载: 全尺寸图片幻灯片

图 12 原布局与ESGA优化布局方案冲击扫掠轨迹对比

Figure 12. Comparison of sweep impinging trajectories between original layout and optimized layout by ESGA

下载: 全尺寸图片幻灯片

图 13 原喷头布局与ESGA算法优化后的冲击时间与能量分布对比

Figure 13. Comparisons of impinging time and energy distribution between original and ESGA algorithm optimized schemes

下载: 全尺寸图片幻灯片

表 1 GA算法与ESGA算法优化结果比较

Table 1. Comparison of optimization results between GA algorithm and ESGA algorithm

优化方法	目标值
原设计	0.003 45
GA算法	0.001 89
ESGA算法	0.001 82

下载: 导出CSV

表 2 原方案与ESGA优化方案除锈效率比较

Table 2. Comparison of the rust-removing efficiency between original scheme and ESGA optimized scheme

试验	喷头设计类型	时间/min	有效清除面积/m²	核算单位时间清除面积/（m²·h⁻¹）
1	原设计方案	20	12.1	36.2
2	原设计方案	20	12.3	37.1
3	ESGA算法优化方案	20	17.5	52.5
4	ESGA算法优化方案	20	17.2	51.6

下载: 导出CSV

参考文献(21)

[1]	ZHANG F F, SUN X R, LI Z P, et al. Influence of processing parameters on coating removal for high pressure water jet technology based on wall-climbing robot [J]. Applied Sciences, 2020, 10(5): 1862. DOI: 10.3390/app10051862.
[2]	薛胜雄. 超高压水射流自动爬壁除锈机理与成套设备技术 [D]. 杭州: 浙江大学, 2005. XUE S X. Studies on the removal rust forming by UHP waterjetting auto-robot and its unit technology [D]. Hangzhou: Zhejiang University, 2005.
[3]	衣正尧, 弓永军, 王祖温, 等. 用于搭载船舶除锈清洗器的大型爬壁机器人 [J]. 机器人, 2010, 32(4): 560–567. DOI: 10.3724/SP.J.1218.2010.00560. YI Z Y, GONG Y J, WANG Z W, et al. Large wall climbing robots for boarding ship rust removal cleaner [J]. Robot, 2010, 32(4): 560–567. DOI: 10.3724/SP.J.1218.2010.00560.
[4]	GERO M B P, GARCÍA A B, DEL COZ DÍAZ J J. A modified elitist genetic algorithm applied to the design optimization of complex steel structures [J]. Journal of Constructional Steel Research, 2005, 61(2): 265–280. DOI: 10.1016/j.jcsr.2004.07.007.
[5]	YILDIZELI A, CADIRCI S. Multi-objective optimization of multiple impinging jet system through genetic algorithm [J]. International Journal of Heat and Mass Transfer, 2020, 158: 119978. DOI: 10.1016/j.ijheatmasstransfer.2020.119978.
[6]	ALHAMAYDEH M, BARAKAT S, NASIF O. Optimization of support structures for offshore wind turbines using genetic algorithm with domain-trimming [J]. Mathematical Problems in Engineering, 2017, 2017: 5978375. DOI: 10.1155/2017/5978375.
[7]	FU X Y, LEI L, YANG G, et al. Multi-objective shape optimization of autonomous underwater glider based on fast elitist non-dominated sorting genetic algorithm [J]. Ocean Engineering, 2018, 157: 339–349. DOI: 10.1016/j.oceaneng.2018.03.055.
[8]	ZAIN A M, HARON H, SHARIF S. Genetic algorithm and simulated annealing to estimate optimal process parameters of the abrasive waterjet machining [J]. Engineering with computers, 2011, 27(3): 251–259. DOI: 10.1007/s00366-010-0195-5.
[9]	SRINIVASU D S, BABU N R. A neuro-genetic approach for selection of process parameters in abrasive waterjet cutting considering variation in diameter of focusing nozzle [J]. Applied Soft Computing, 2008, 8(1): 809–819. DOI: 10.1016/j.asoc.2007.06.007.
[10]	屈长龙, 王喜顺. 基于FLUENT的高压水射流除锈的流场仿真及射流参数优化 [J]. 机械与电子, 2016, 34(2): 24–27. DOI: 10.3969/j.issn.1001-2257.2016.02.006. QU C L, WANG X S. Jet flow simulation and parameters optimization of high pressure water jet for derusting based on FLUENT [J]. Machinery & Electronics, 2016, 34(2): 24–27. DOI: 10.3969/j.issn.1001-2257.2016.02.006.
[11]	CAI C, WANG X C, YUAN X H, et al. Experimental investigation on perforation of shale with ultra-high pressure abrasive water jet: shape, mechanism and sensitivity [J]. Journal of Natural Gas Science and Engineering, 2019, 67: 196–213. DOI: 10.1016/j.jngse.2019.05.002.
[12]	孙玲, 弓永军, 王祖温, 等. 超高压旋转清洗盘的设计及密封分析 [J]. 中国机械工程, 2014, 25(13): 1715–1718. DOI: 10.3969/j.issn.1004-132X.2014.13.003. SUN L, GONG Y J, WANG Z W, et al. Design and sealing analysis of ultra-high pressure water cleaning rotary device [J]. China Mechanical Engineering, 2014, 25(13): 1715–1718. DOI: 10.3969/j.issn.1004-132X.2014.13.003.
[13]	陈正寿, 黄璐云, 杜炳鑫, 等. 超高压水射流喷头水动力特性研究 [J]. 爆炸与冲击, 2022, 42(5): 053303. DOI: 10.11883/bzycj-2021-0310. CHEN Z S, HUANG L Y, DU B X, et al. Insight of hydrodynamic characteristics related to ultra-high pressure water jet rust removal sprayers [J]. Explosion and Shock Waves, 2022, 42(5): 053303. DOI: 10.11883/bzycj-2021-0310.
[14]	HUANG F, MI J Y, LI D, et al. Impinging performance of high-pressure water jets emitting from different nozzle orifice shapes [J]. Geofluids, 2020, 2020: 8831544. DOI: 10.1155/2020/8831544.
[15]	HUANG H C, LI D H, XUE Z, et al. Design and performance analysis of a tracked wall-climbing robot for ship inspection in shipbuilding [J]. Ocean Engineering, 2017, 131: 224–230. DOI: 10.1016/j.oceaneng.2017.01.003.
[16]	ZHANG D, WANG H L, LIU J H, et al. Flow characteristics of oblique submerged impinging jet at various impinging heights [J]. Journal of Marine Science and Engineering, 2022, 10(3): 399. DOI: 10.3390/jmse10030399.
[17]	李安贵, 刘庭成, 丁宇. 影响双喷嘴旋转速度的参数研究 [J]. 中国安全科学学报, 1999, 9(S1): 20–23. DOI: 10.3969/j.issn.1003-3033.1999.z1.005. LI A G, LIU T C, DING Y. Study on parameters of swirl speed affecting the twin water jet nozzle [J]. China Safety Science Journal, 1999, 9(S1): 20–23. DOI: 10.3969/j.issn.1003-3033.1999.z1.005.
[18]	XUE Y Z, SI H, CHEN G H. The fragmentation mechanism of coal impacted by water jets and abrasive jets [J]. Powder Technology, 2020, 361: 849–859. DOI: 10.1016/j.powtec.2019.11.018.
[19]	HOLLAND J H. Genetic algorithms [J]. Scientific American, 1992, 267(1): 66–73. DOI: 10.1038/scientificamerican0792-66.
[20]	MOTLAGH A A, SHABAKHTY N, KAVEH A. Design optimization of jacket offshore platform considering fatigue damage using Genetic Algorithm [J]. Ocean Engineering, 2021, 227: 108869. DOI: 10.1016/j.oceaneng.2021.108869.
[21]	GENTILS T, WANG L, KOLIOS A. Integrated structural optimisation of offshore wind turbine support structures based on finite element analysis and genetic algorithm [J]. Applied Energy, 2017, 199: 187–204. DOI: 10.1016/j.apenergy.2017.05.009.

施引文献

期刊类型引用(2)

1.	潘忻彤，罗斌强，张旭平，彭辉，陈学秒，王桂吉，谭福利，赵剑衡，孙承纬. 基于Monte Carlo方法的磁驱动准等熵压缩实验不确定度量化评估. 爆炸与冲击. 2023(03): 3-19 . 本站查看
2.	王桂吉，罗斌强，陈学秒，张旭平，种涛，蔡进涛，谭福利，孙承纬. 磁驱动平面准等熵加载装置、实验技术及应用研究新进展. 爆炸与冲击. 2021(12): 97-118 . 本站查看