含能材料的撞擊感度等安全參數(shù)的定量構效關系研究.pdf

1、含能材料在武器系統(tǒng)和民爆行業(yè)中有著廣泛的應用，本文選擇對含能材料的撞擊感度、靜電感度和爆速進行預測研究，對含能材料的設計生產和安全使用有著重要意義?；诙繕嬓шP系(Quantitative Structure-Property Relationship，QSPR)基本原理，對含能材料的撞擊感度、靜電感度和爆速進行了系統(tǒng)研究。
　　本研究主要內容包括：⑴采用Dragon2.1軟件計算化合物的分子描述符，并運用遺傳算法(Geneti

2、cAlgorithm，GA)篩選獲得了特征描述符，而后結合多元線性回歸(Multiple LinearRegression，MLR)和人工神經網絡(Artificial Neural Network，ANN)算法，分別構建了目標性質的GA-MLR線性模型和GA-ANN非線性模型。采用一系列模型性能參數(shù)對所建模型的進行驗證和評價，應用Williams圖對模型的應用域進行一定分析。⑵多硝基化合物撞擊感度的QSPR研究表明，所建模型的R2分別

3、為0.854和0.974，均方根誤差分別為0.195和0.071，兩個模型均是穩(wěn)定、可靠的且具有較好的預測能力。通過模型比較發(fā)現(xiàn)，GA-ANN模型的性能要優(yōu)于GA-MLR模型，這明多硝基化合物的分子結構和撞擊感度間存在較強的非線性關系。與文獻比較發(fā)現(xiàn)，所建的兩個模型均優(yōu)于已有文獻模型。⑶分別對硝基芳烴化合物和硝胺類化合物的靜電感度進行了QSPR研究，其中硝基芳烴化合物的兩個靜電感度模型的R2均高于0.89，硝胺類化合物的兩個靜電感度模型

4、的R2均高于0.96。且GA-ANN模型均優(yōu)于GA-MLR模型，這說明ANN方法是一種能夠有效、準測地預測含能化合物靜電感度的工具。而GA篩選獲得描述符主要分子的原子量和電負性對靜電感度的影響。本文所建模型和已有文獻相比較，在選擇特征參量、模型構建和模型評價上均有著很大優(yōu)勢。⑷分別對多硝基化合物和富氮雜環(huán)類化合物的爆速進行了QSPR研究，四個模型均取得了較好的結果，其中多硝基化合物爆速的兩個模型R2均高于0.90，富氮雜環(huán)類化合物爆速的