試驗設計在爆炸網絡可靠性研究中的應用*

王 丹,于海江

(1.北京理工大學數學與統計學院，北京 100081；2.中國工程物理研究院化工材料研究所，四川 綿陽 621999)

?

試驗設計在爆炸網絡可靠性研究中的應用*

王 丹1,于海江2

(1.北京理工大學數學與統計學院，北京 100081；2.中國工程物理研究院化工材料研究所，四川 綿陽 621999)

為了設計和評價爆炸網絡的可靠性，研究了影響爆炸網絡可靠性的主要因素與可靠性特征量之間的定量關系。通過正交試驗和均勻試驗方法，首先對23個可能的影響因素建立正交試驗分析，篩選出7個影響爆速的主要因素；然后基于主要影響因素構造有效的均勻試驗，對試驗結果進行回歸分析，得到主要因素的取值與爆速間的定量模型。

爆炸力學；可靠性；正交試驗設計；爆炸邏輯網絡；均勻試驗設計；Lasso方法；Elastic Net方法

爆炸邏輯或同步網絡是起爆定向戰斗部和聚能戰斗部的關鍵部件。隨著武器智能化的發展，爆炸網絡成為彈藥起爆系統邏輯化的一種重要途徑。從20世紀60年代起，就針對爆炸網絡開始了研究，但研究的主要方向是基于炸藥裝藥、單個邏輯元件可靠性試驗與評估。對爆炸網絡的整體可靠性(爆速)的研究尚不多見。爆炸網絡由多種爆炸邏輯原件組成，影響爆炸邏輯網絡可靠性的因素較多，如果能夠獲知哪些因素是影響爆炸網絡可靠性特征量的主要因素，以及這些主要因素的取值與可靠性特征量之間有怎樣的定量關系，對設計和評價爆炸網絡的可靠性具有非常重要的意義。本文中，從試驗設計的角度，通過對爆炸網絡開展有效的試驗設計以及數據分析，研究爆炸網絡的可靠性。

1 篩選試驗設計方案

在分析爆炸網絡機理的基礎上，得出影響爆炸網絡可靠性的因素主要包括：成分變化A，溝槽界面尺寸B，藥線斷線間隙C，零門間隙D，十字通路交叉角度E，起爆溫度F，藥池高度G，藥池直徑H。對于這8個因素，結合傳爆、起爆機理以及前期試驗探索，在進行試驗設計篩選顯著影響因素時，不僅需要考慮每一個因素，還需考慮如下交互作用：AB、AC、AD、AE、AF、AG、AH、BC、BD、BE、BF、BG、BH、CF、CG、CH、DH、EH、GH。由于零門間隙D承載的作用僅改變爆轟波的傳遞方向，因此在研究不同因素對可靠性特征量的影響時，取因素D為固定值。除因素D外，在每個因素的合理范圍內選取高低兩個水平，以便了解各因素以最大振幅對爆速的影響。由于共需考慮8個單因素和19個交互作用因素，且每個因素二水平，應用正交試驗設計方法，每個因素在二水平正交表中均占一列，因此，選取的正交表的列數應該大于27。最終選擇正交試驗表L32(231)[1]來安排試驗，具體的試驗方案的表頭設計如表1所示。

表1 篩選試驗方案表頭設計Table 1 The table head design for filtering experimental plan

2 篩選試驗數據分析

2.1 篩選試驗數據采集及處理

表1中的交互作用因素列僅在做數據分析時有用，于是按照表2中的各因素組合進行試驗，并將試驗結果記錄在表2中的最后一列。試驗中由于存在未爆炸的情況，在分析時，為了保證試驗設計的正交性，將未爆炸情況處的缺失數據用0替換,得到可靠性特征向量的試驗觀測值，試驗的原始數據如表2所示。

表2 篩選試驗數據Table 2 Filtering experimental data

2.2 篩選試驗數據分析

首先，采用半正態概率圖[1]來識別存在顯著效應的因素。將試驗中某因素在高水平上的所有觀測的平均值和在低水平上所有觀測的平均值的差稱為該因素的主效應。如因素A的主效應為：

A和B的交互效應eint(A,B)為：

圖1 效應估計量半正態圖Fig.1 The half normal distribution of the effect estimates

式中：I=23。

圖1是效應估計量半正態圖，圖中，n1為半正態分布分位數，n2為排序。具有顯著效應的因素對應的點出現在半正態概率圖的右上角，效應越顯著，對應的點越靠近右上角。效應不顯著的因素對應的點集中在半正態概率圖的左下方，并圍繞在一條直線附近。

從圖1看到，有顯著效應的因素共有7個，分別為2、10、14、6、12、8、4，對應的因素分別為A、B、AB、AF、EH、BF、F。

極差分析[1-2]是一種簡單的直觀分析方法，是正交試驗結果分析最常用的方法。記Rj為第j列因素的極差：

表3 極差分析結果Table 3 The range analytical result

根據極差得到顯著因素有A、B、AB、AF、EH、BF、F，圖2～3給出了有顯著影響的因素的極差分析圖。圖中，橫坐標為因素水平，縱坐標為效應值。

由圖2可以得出，因素A、B、F均處于低水平時，試驗觀測值較大。由圖3可以得出，因素A跟因素B是協同的，即兩種溝槽界面尺寸B下，試驗觀測值隨成分A水平的提高而減小。當溝槽界面尺寸處于高水平時，試驗觀測值隨成分高低水平的變化幅度比溝槽界面尺寸處于高水平時的變化幅度小很多。因素A對因素F、因素B對因素F有相同的趨勢。因素E對因素H是反抗的，即在藥池直徑H處于低水平時，試驗觀測值隨十字通路交叉角度E水平的提高而減小，在藥池直徑H處于高水平時，試驗觀測值隨十字通路交叉角度E水平的提高而增大。

圖2 主效應圖Fig.2 The main effect graph

圖3 交互效應圖Fig.3 The interaction graph

方差分析的任務就是解決下面的假設檢驗問題(以因素A為例ai(i=1,2)為因素A在低、高兩個水平下的效應，其他因素均類似)：

HA0:a1=a2=0HA1:a1,a2不全為0(或1)

先將離差平方和進行分解。離差平方和用來度量若干個數據間差異的大小，這里用它來考察引起觀測值z1,…，z32波動的原因：

對正交表L32(231)來說，第j列因素的離差的平方和為：

為避免自由的影響，計算因素A的均方和為Sms,A=SA/fA，誤差的均方和為Sms,e=Se/fe。

表4 篩選試驗方差分析表Table 4 The variance analysis table of filtering experiment

表4為篩選試驗方差分析表，表中，Ss為平方和，f為自由度，Sms為均方和，δ為誤差，∑為總和。由表可以斷定，因素A、B、F、AB、AF、BF、EH的P值遠遠小于0.01。于是，認為這些因素非常顯著，并且顯著因素的離差平方和為207.71，它占總離差平方和的98%以上。

通過圖形分析法、極差分析法和方差分析法都得到影響爆炸網絡整體可靠性特征量的顯著因素有：A、B、F、AB、AF、BF、EH。

3 均勻試驗探索真模型

從正交試驗分析表明，個別因素的主效應和交互作用顯著，所以顯著因素與可靠性特征量間的模型中應包含顯著的效應。然而，交互作用EH顯著，但是主效應E、H都不顯著。根據試驗設計的基本原則“低階效應比高階效應應更重要，即要使一個交互作用是顯著的，至少它的一個親本因素應該是顯著的”，因此顯著因素與可靠性特征量之間的定量關系模型中應該包括A、B、E、F、H這5個主效應，并對每個因素取5個水平，構造更細致的均勻試驗方案，通過計算機模擬試驗確定顯著因素取值與可靠性特征量之間的定量關系。

3.1 擬合真模型

Y=-10.999 82+9.859 66xA+9.168 91xB+9.363 99xF-

4.115 27xAB-3.882 01xAF-3.405 28xBF+0.649 94xnew

(1)

該模型的F統計量的值為66.25，其對應的P值為3.77×10-14，說明該線性回歸模型高度顯著。同時回歸項對應因素A、B、F、AB、AF、BF、new的P值分別為：8.14×10-10、3.25×10-9、2.19×10-9、4.91×10-9、1.43×10-8、1.42×10-7、3.35×10-7。模型中回歸項的P值都遠遠小于相應的F統計量，說明此線性回歸模型是適用的。

3.2 構造均勻試驗設計方案

對A、B、E、F、H這5個主效應，每個因素取5個水平，通過左循環拉丁方方法[4]構造均勻試驗設計方案。具體方法是：首先給定{1,…,5}的一個置換，例如選取首行向量為(1,2,3,4,5)，將該向量的每個元素左移一格，而第一個元素移到向量的最后位置，得到(2,3,4,5,1)，再左移得(3,4,5,1,2,)，(4,5,1,2,3)，(5,1,2,3,4)。上述5個向量組成一個5×5的矩陣，即為首行為(1,2,3,4,5)的拉丁方矩陣。這樣的左循環拉丁方總是存在的，共有5!=125個。

均勻試驗設計要求所構造的設計均勻性好，均勻性通常采用偏差來度量。即考察試驗點在試驗區域中散布的均勻程度。在試驗區域上的n個試驗點P={x1,…,xn}，可表示為一個n×s的矩陣：

式中：s表示因素的個數，n為試驗點的個數。本文中采用中心化偏差[4]，計算公式為：

從這5!個左循環拉丁方中，選取中心化偏差意義下均勻性最好的，通過計算機搜索，得出15個拉丁方矩陣是等價的，其中心化偏差為0.300 597 7。為使每個因素在試驗組合中出現兩次的要求利于誤差分析，從等價的15個矩陣中選取2個拼接在一起，同樣采用中心化偏差度量拼接后的均勻設計表，得到中心化偏差度量意義下最優的拼接拉丁方矩陣，其中心化偏差為0.219 360 4。這兩個等價的拉丁方首行分別為(1,3,2,4,5)和(2,3,4,1,5)。

3.3 模擬試驗數據及其數據分析

對擬合試驗數據，使用全二次模型：

進行變量篩選。

在模型選擇中，由于變量個數p=20,大于試驗次數n=10，對于這種典型的n

嶺回歸增加的是L2懲罰項，即：

Lasso方法在最小殘差平方和的基礎上增加了一個L1懲罰項：

Elastic Net方法是將Lasso和嶺回歸的懲罰項以凸組合做為其懲罰項，即：

但n過小，不利于對效果的評估，因此仿照實際應用中均勻試驗常采用的重復試驗的方法，在計算機模擬試驗時，將試驗重復3次，這樣將得到30個模擬試驗數據。以下對模擬試驗數據采用Lasso和Elastic Net估計方法模擬近似模型，并對這兩種方法所得結果通過MallowsCp準則評價模擬結果。

MallowsCp統計量是從k個自變量中選取p個(k>p)參與回歸，那么Cp統計量的定義為：

圖4 Lasso解路徑圖Fig.4 The path graph of Lasso solution

圖5 Elastic Net解路徑圖Fig.5 The path graph of Elastic Net solution

用R語言編程對全二次模型進行變量篩選。圖4為Lasso估計解的路徑圖，可以很直接看出在不同的步數下系數增減的情況，第10步時Cp=8.065最小，此時進入模型的變量依次為：AF、BE、EF、BH、BB、EE、FH、BF。圖5為ElasticNet估計解的路徑圖，可以清晰看出這種方法的分組效果非常好，最小為Cp=-2.726 191，此時進入模型的變量為：BB、BF、FF、EH、AH。兩個模型在Cp比較的意義下，盡管選入最小Cp值不同，但是最終進入模型的變量是相同的。

4 結 論

影響爆炸網絡可靠性特征量的因素眾多，本文中應用正交試驗方法基于爆炸網絡整體對影響可靠性的因素進行了篩選。對試驗獲得的數據采用3種方法進行統計分析，進而得到顯著影響的因素。然后，通過構造均勻試驗方案和計算機模擬，探索了顯著因素取值和可靠性特征量之間的定量關系。然而，由于條件所限，未對均勻試驗的模擬部分進行實際的試驗驗證，有待進一步改進。

[1] Wu C F J, Hamada M. 試驗設計與分析及參數優化[M].張潤楚,鄭海燕,蘭燕,譯.北京:中國統計出版社,2003:32-80.

[2] 茆詩松,周紀薌,陳穎.試驗設計[M].北京:中國統計出版社,2004:67-129.

[3] 何曉群,劉文卿.應用回歸分析[M].北京:中國人大出版社,2007:23-180.

[4] 方開泰,劉民千,周永道.試驗設計與建模[M].北京:高等教育出版社,2011.

[4] 吳喜之.復雜數據統計方法[M].北京:中國人大出版社,2012:2-50.

(責任編輯 丁 峰)

Applications of experimental design in study of explosive network’s reliability

Wang Dan1, Yu Hai-jiang2

(1.SchoolofMathematicsandStatistics,BeijingInstituteofTechnology,Beijing100081,China;2.InstituteofChemicalMaterials,ChinaAcademyofEngineeringPhysics,Mianyang621999,Sichuan,China)

Explosive networks are the key components to the initiations of aimed warheads and shaped charge warheads, which become the important way for the logicalization of ammunition detonating system. For designing and evaluating the reliability of an explosive network, it is important to find out the quantitative relationship between the reliability characteristic quantities and the major factors affecting the reliability. The quantitative models between the detonation velocity and its main factors were determined by the orthogonal and uniform experiments. First, the orthogonal experiment was carried out to select seven major factors from the twenty-three possible factors, and then these major factors were applied to create an effective uniform experiment to do regression analysis on the experimental results, finally the quantitative models between the detonation velocity and the main factors were figured out.

mechanics of explosion; reliability; orthogonal design; explosive logic network; uniform design; Lasso; Elastic Net

10.11883/1001-1455(2015)02-0184-07

2013-08-29；

2014-03-10

國家自然科學基金項目(11371054)

王 丹(1989— )，女，碩士研究生，wangdan_1102@163.com。

O389;TJ43 國標學科代碼： 1303599

A