2024年03月28日
含能材料作为武器系统中最重要的动力和毁伤能量源，广泛用于军事领域。撞击感度、摩擦感度、静电感度和激光感度等感度参数是含能材料全寿命周期的核心安全性能指标。多感度参数检测以及不同加载方式下的主导分解机制研究对指导含能材料配方优化、安全生产及合理应用至关重要，也是爆炸科学发展的重要驱动力。但由于瞬态外部载荷下存在众多复杂的物理化学过程，感度准确评估和主导因素研究仍然面临巨大。近年来，激光诱导等离子体光谱（LIPS）技术逐渐发展成为一种有望用于含能材料性能评估的高效手段。作为我们之前工作的延伸，本文以典型单质炸药CL-20、HMX等为研究对象，提出了一种可解释的机器学习分析方法，利用SHapley Additive exPlanations（SHAP）和随机森林（RF）分类器推导的特征重要性，对LIPS光谱变量和原子分子描述符变量进行协同分析，探讨了原子分子水平上不同感度的主导影响因素，促进了实测感度值与分子结构、原子比例和电子转移之间的密切关联。研究发现油水分配系数（MLogP）、氧平衡（OB）、局部电荷的最小值（MinPC）、芳香指数（AI）、CN自由基和C2二聚体的发射强度等因素密切相关。通过考虑这些因素，我们可以轻松区分对某种特定刺激敏感和不敏感的含能材料。虽然感度通常是一系列因素的综合结果，包括但不限于上述因素。但本文为感度分析提供了一种样本消耗少、计算复杂度低的实验和理论相结合的统计光谱学新方法，原则上有助于理解不同加载方式下，含能材料的主导分解机制。
>> 原文链接