Patlayıcı Etki Analizi Simülasyon Yazılımının Geliştirilmesi ve Basınç Dalgası Parametrelerinin Derin Öğrenme ile Tahmin Edilmesi

Bu çalışmadaki amaç patlama sonucunda meydana gelen yüksek basınç dalgasını modelleyen bir simülasyon yazılımı geliştirmek ve bu simülasyon yazılımından elde edilen veri setini kullanarak derin sinir ağı ile basınç dalgası parametrelerini tahmin etmektir. Geliştirilen simülasyon yazılımı ile askeri alanda gerçekleştirilecek ana unsuru patlayıcı olan faaliyetlerin insan ve yapılar üzerindeki çevresel etkileri ortaya konulmaktadır. Kullanıcı tarafından belirlenen patlayıcı tipi, patlayıcı ağırlığı ve mesafe parametreleri girilerek basınç dalgası parametreleri hesaplanmaktadır. Basınç dalgası parametreleri hesaplanırken yazılım üzerinde matematiksel model veya derin sinir ağı modeli seçimi yapılabilmektedir. Üç boyutlu gösterim alanı veya harita üzerinde seçilen konum üzerinde basınç etkileri, basınç etki alanları, insan ve yapılar üzerindeki etkileri gösterilmektedir. Ayrıca geliştirilen yazılım birçok amaç için kullanılabilecek niteliktedir. Bunlardan bazıları; (i) askeri alanda stratejik bilginin hızlı ve kolay bir şekilde sağlanması, (ii) ideal patlayıcı yükünün bulunması, (iii) terör faaliyetlerinde kullanılan patlayıcı yüklerinin çevresel etkilerinin analiz edilmesi ve önlemlerin alınması, (iv) askeri operasyonlarda kullanılan patlayıcıların insan ve yapılar üzerindeki etkilerin tahmin edilmesi, (v) askeri alanda gerçekleştirilecek operasyonlarda belirlenen hedefe atılacak patlayıcı yükünün optimum seviyede belirlenmesi. Geliştirilen 3 boyutlu simülasyon ortamının patlama sonrası meydana gelen aşırı basınç dalgası parametrelerini doğru bir şekilde tahmin ederek, insan ve yapılar üzerindeki etkilerini etkili bir şekilde simüle ettiği gözlenmiştir. Bunun yanı sıra, çalışmada basınç verisi Derin Sinir Ağı ile de tahmin edilmiştir. Yazılım tarafından oluşturulan sentetik veri setleri ile derin sinir ağı modelinin eğitim ve test işlemleri gerçekleştirilmiştir. Seçilen patlayıcı tipine göre oluşturulan derin sinir ağı modeli ile yarı küresel patlamalar sonucu ortaya çıkan blast dalgası (aşırı basınç dalgası) parametreleri başarılı bir şekilde tahmin edilmiştir.

Development of Explosive Impact Analysis Simulation Software and Prediction of Pressure Wave Parameters with Deep Learning

The aim of this study is to develop a simulation software for modeling the high-pressure wave that occurs as a result of the explosion and to estimate the pressure wave parameters with a deep neural network using the data set obtained from this simulation software. With the developed simulation software, the environmental effects of activities on people and structures are revealed, the main element of which is explosives, which will be carried out in the military field. The pressure wave parameters are calculated by input the explosive type, explosive weight and distance parameters determined by the user. When calculating the pressure wave parameters, a formula or a deep neural network model can be selected via the software. Pressure effects on the selected location on the three-dimensional display area or on the map, pressure impact areas, effects on people and structures are shown. In addition, the developed software can be used for many purposes. Some of them are; (i) to provide strategic information quickly and easily in the military field, (ii) to find the ideal explosive load, (iii) to analyze the environmental effects of explosive loads used in terrorist activities and to take precautions, (iv) to predict the effects of explosives on people and structures that are used in military operations, (v) determination of the explosive load to be thrown at the determined target in the operations to be carried out in the military field at the optimum level. As a result of the experiments, it was observed that the software developed in the 3D simulation environment accurately predicts the extreme pressure wave parameters that occur after the explosion and effectively simulates its effects on people and structures. Besides, the pressure data were also predicted using Deep Neural Network. Training and testing of the deep neural network model was carried out with the synthetic datasets created by the software for explosives. With the deep neural network model created according to the selected explosive type, the blast wave (extreme pressure wave) parameters resulting from hemispherical explosions were succesfully predicted.

___

  • [1] E. Çıtak, “Silahsız savaş sahası: yeni savaş anlayışında istihbaratın yeri,” Güvenlik Bilimleri Dergisi, c. 8, s. 2, ss. 191-213, 2019.
  • [2] Icrc (2015, June 15). Explosive weapons ın populated areas humanitarian [Online]. Available: https://www.icrc.org/en/document/explosive-weapons-populated-areas-humanitarian-legal-technical-and-military-aspects.
  • [3] S. Saatcı (2010, 15 Nisan). Darbe ve patlama yüklerine karşı yapı tasarımı [Çevrimiçi]. Erişim:https://www.imo.org.tr/resimler/dosya_ekler/4b43c082500a6fb_ek.pdf?tipi=2&turu=X&sube=16
  • [4] S. Glasstone and P.J. Dolan, The Effects of Nuclear Weapons, 3rd ed., USA: U.S. Department of Defense and the Energy Research and Deve-lopment Administration, 1977, pp. 1-644.
  • [5] L. Sartori, “The effects of nuclear weapons,” Physics Today, vol. 36, no. 3, pp. 32-41, 1983.
  • [6] Iatg (2016, March 11). Formulae for Ammunition Management. [Online]. Available: https://s3.amazonaws.com/unoda-web/wp-content/uploads/2019/05/IATG-01.80-Formulae-for-Ammunition-Management-V.2.01.pdf
  • [7] C. Kingery and G. Bulmash, “Air blast parameters from tnt spherical air burst and hemispherical surface burst,” Aberdeen Proving Ground, Army, USA, Rep. 02555, 1984.
  • [8] C. N. Kingery, “Air Blast Parameters versus distance for hemispherical tnt surface bursts,” Army Ballistic Research Lab Aberdeen Proving Ground, Maeryland, USA, Rep. 1344, 1966.
  • [9] B. Hopkinson, “British ordnance board minutes,” British Ordnance Office, London, UK, Rep. 13565, 1915.
  • [10] C. Cranz, Lehrbuch der Ballistik, 2 rd ed., Berlin, Germany: Verlag von Julius Springer, 1926, pp. 1-292.
  • [11] R. G. Sachs, “The dependence of blast on ambient pressure and temperature,” Ballistics Research Laboratory, USA, Rep. ATI039393,1944.
  • [12] R. Panowicz, M. Konarzewski, M. Trypolin, “Analysis of criteria for determining a tnt equivalent,” Journal of Mechanical Engineering, vol. 61, no. 11, pp. 666-672, 2017.
Düzce Üniversitesi Bilim ve Teknoloji Dergisi-Cover
  • Yayın Aralığı: Yılda 4 Sayı
  • Başlangıç: 2013
  • Yayıncı: Düzce Üniversitesi Fen Bilimleri Enstitüsü
Sayıdaki Diğer Makaleler

Saldırı Tespit Sistemlerinde Makine Öğrenimi Algoritmalarının Performans Analizi

Yusuf SÖNMEZ, Mustafa İLBAŞ, Fethi Mustafa ÇİMEN

Sürdürülebilir Ekonomik Sipariş Miktarı Modeline Eleştirel Bir Bakış

Sezai TOKAT, Nigar KARAGÜL, Abdullah EROĞLU

Runge Kutta Algoritması Kullanılarak Güç Sistemi Kararlı Kılıcısı Parametrelerinin Ayarlanması

M. Kenan DÖŞOĞLU, Uğur GÜVENÇ, Enes KAYMAZ

Derin Öğrenmeyle Android Kötücül Yazılım Analizi ve Kıyaslanması

Murat DENER, Yusuf SÖNMEZ, Taylan Kural

Çeşitli FRP Kumaşlarla Güçlendirilmiş Ahşap Malzemenin Eğilme Özelliklerinin Yapay Sinir Ağları ile Tahmini

Şemsettin KILINÇARSLAN, Yasemin ŞİMŞEK TÜRKER, Murat İNCE

Difüz Optik Tomografi’de Modellenmiş Meme Tümörü Benzeri Dokuların Teşhisi için Simülasyon Deneyleriyle Geri Çatım Algoritmalarının Uygulanması

Yiğit Ali ÜNCÜ, Murat CANPOLAT, Gençay SEVİM

Eklemeli İmalat ile Üretilen PLA Esaslı Malzemenin Çekme Dayanımının Makine Öğrenmesi Algoritmaları Kullanarak Tahmini

Koray ÖZSOY, Hamdi SAYIN

AHP Ağırlıklı Gri İlişkisel Analiz Kullanarak BIST Bilişim ve Teknoloji Endeksinde (XUTEK) Finansal Oranlar Analizi

Erdal AYDEMİR, Tunahan TURHAN

Artan Operatör Konveks Fonksiyon İçin Berezin Sayı Eşitsizliği

Mualla Birgül HUBAN, Hamdullah BAŞARAN, Mehmet GÜRDAL

Hayvancılıkta Robotik Sistemler ve Yapay Zekâ Uygulamaları

Ali Hakan IŞIK, Ferdi ALAKUŞ, Ömer Can ESKİCİOĞLU