简介：炸药JWL状态方程的参数拟合是冲击动力学数值模拟中的常见难点，尤其在LS-DYNA等软件中缺乏现成参数时。这份PDF文档面向爆炸力学方向的研究者与工程师，系统介绍一种基于仅考虑分子间排斥作用的凝聚体炸药状态方程（K方程）的拟合思路，可帮助读者在缺少实验数据时快速估算JWL参数。全文以密度1.64、爆速0.693的TNT为例，完整演示了从爆轰波阵面参数计算、K方程与相对体积的转换，到1stOpt或Matlab差分进化法拟合的全过程，并给出拟合曲线与相对误差分析，步骤连贯、数据完整。包体为单个PDF文件，共55KB，体积精炼，适合作为快速查读的方法笔记。目前已有310人学习浏览，对于从事炸药爆轰模拟、需要自定义材料参数的读者具有实用参考价值。 做爆炸力学数值仿真的人，几乎都绕不开一个环节：给炸药产物定一套靠谱的JWL状态方程参数。我当年第一次做爆轰驱动金属圆筒的仿真时，就天真地以为从文献里抄一组参数就能开工，结果算出来的圆筒壁速度跟实验数据差了将近一倍。后来才明白，JWL参数不是“抄来就能用”，它需要系统性的标定和拟合。这篇内容我就把炸药JWL状态方程的参数拟合这件事从头到尾讲清楚，涵盖方程本身每个项的物理含义、拟合前的数据准备、完整的拟合流程、以及我在这条路上踩过的坑。适合正在做爆轰加载、装甲防护、爆炸成型或近场爆炸仿真的工程师和研究生，也适合刚接触数值仿真、想搞明白“参数到底从哪来”的人。
1. 先把JWL方程本身吃透
1.1 三个指数项到底在描述什么
JWL（Jones-Wilkins-Lee）状态方程是爆轰产物最常用的状态方程之一，它把爆轰产物的压强 (P) 表达为相对体积 (V = \rho_0/\rho) 和初始比内能 (E) 的函数，常见形式是：
[ P = A\left(1-\frac{\omega}{R_1V}\right)e^{-R_1V} + B\left(1-\frac{\omega}{R_2V}\right)e^{-R_2V} + \frac{\omega E}{V} ]
乍看是一长串带指数的表达式，但你把它拆开看，其实就三部分：前两项描述高压和中压阶段的冷压贡献，第三项描述产物气体的热运动贡献。(A) 和 (B) 是压强量纲系数，(R_1)、(R_2) 则是控制指数衰减快慢的无量纲常数，(\omega) 是类似Grüneisen系数的量，决定低压区热压所占比例。
这三个指数项对应的是爆轰产物膨胀的不同阶段。爆轰波阵面刚过后，产物处于极高的压力状态（C-J态附近），这一段的压力主要由 (A) 项主导；随着产物继续膨胀，压力降下来，(B) 项开始起作用；膨胀到体积较大时，指数项几乎衰减完毕，压力主要由 (\omega E/V) 这一项扛着。所以说白了，JWL就是一个用三段不同行为去拼接整个膨胀过程的经验方程。
这个方程有意思的地方是：它本身没有严格的第一性原理推导，更像是为拟合实验数据而设计的“带物理约束的函数形式”。因此JWL参数很难从理论直接推出来，必须依靠实验数据做反演标定，这就是我们常说的“参数拟合”。
1.2 参数的物理约束与量级判断
虽然JWL参数是拟合出来的，但它不是完全自由、想怎么定就怎么定的。一个合格的JWL参数组，要满足几条基本物理约束：(A)、(B) 必须为正数；(R_1) 通常大于 (R_2)，因为高压段衰减应该比中压段快；(\omega) 一般在0.2到0.5之间，过高或过低都会让低压段行为失真。
我在实际工作中发现，判断一组参数“像不像话”，最有效的办法是画等熵线——也就是让 (P = A e^{-R_1V} + B e^{-R_2V} + ...)（等熵条件下）随体积变化的曲线。物理上，爆轰产物等熵膨胀的压力随体积增大应单调下降，并且曲线平滑，没有拐点突变。如果拟合出的参数画出来是波浪状或者在某个体积区间压力反弹上涨，那这组参数即使在优化目标上“收敛了”，也是废的。
常见文献里TNT类炸药的JWL参数量级大致是：(A) 在 (10^{10}\sim10^{11}) Pa，(B) 在 (10^8\sim10^9) Pa，(R_1) 在4到6之间，(R_2) 在0.9到1.5之间。这个范围可以作为初值的参考，但千万别当一个固定标准去套所有炸药。不同装药密度、不同配方、甚至同一炸药不同批次，参数都会有差异，这也是为什么“必须拟合不能照抄”的根源所在。
2. 拟合前必须准备的实验数据锚点
2.1 圆筒试验：标准到不能再标准的标定来源
JWL参数拟合的“黄金标准”实验是圆筒试验（cylinder test）。基本做法是：把炸药装填在一根标准的无氧铜圆筒里，一端起爆后，用高速相机或激光干涉仪测圆筒外壁的膨胀位移和速度历史。圆筒外壁的运动轨迹对JWL参数非常敏感，尤其是壁面速度随时间的变化曲线，几乎可以看作爆轰产物驱动能力的“指纹”。
圆筒试验之所以适合用来拟合JWL参数，是因为它覆盖的体积膨胀比范围很宽。从爆轰波到达开始，到圆筒壁膨胀到原始半径的好几倍，产物体积一路增大，JWL方程的三个阶段都会被“扫过一遍”。这样一来，拟合出的参数在较宽的压力范围内都有实验支撑，而不是只对某一个工况好使。
我当时做标定时，拿到的是圆筒壁面速度-时间曲线，通常会取几个特征点：速度上升段（对应高压驱动期）、峰值速度附近（对应膨胀中期）、以及速度衰减段（对应低压膨胀期）。这三个阶段正好分别对JWL里的 (A/R_1)、(B/R_2)、(\omega) 敏感，所以实验曲线的质量直接决定拟合的上限。赶时间可以用文献数据，但严谨的项目一定要自己安排圆筒试验。
2.2 C-J爆轰参数和其他辅助数据
除了圆筒试验，C-J爆轰参数也是拟合时的重要锚点。C-J参数指的是炸药在稳态爆轰条件下的爆速 (D) 和爆压 (P_{CJ})。这两个参数通常可以通过爆速实验直接测出来，流场计算里也可以从ZND模型推导。在JWL拟合中，它们主要用来约束高压段——因为爆轰波阵面后产物的状态严格趋于C-J状态，你的参数组必须在那一点给出与实验相符的压力和温度。
辅助数据源还有若干种：平板加速试验（飞片速度对参数比较敏感）、水下爆炸气泡脉动（对低压等熵段敏感）、以及化学平衡计算程序的预测结果。这里尤其想说化学平衡计算，像Cheetah这类基于最小自由能原理的计算程序，能够从炸药组成和密度出发，直接预测爆轰产物等熵线上的压力-体积数据点。用这些数据点来拟合JWL初值，会比你拍脑袋猜一组初值然后让优化器瞎跑要靠谱得多。
我的经验是，一个高质量的JWL拟合至少需要两个数据源打底：圆筒试验曲线负责整体形状，C-J爆速/爆压负责高压段约束；如果条件允许，再加一组水下爆炸或平板加速数据做交叉验证，基本就稳了。纯粹只靠一种数据源拟合出来的参数，换一个工况往往就“原形毕露”。
3. 参数拟合的完整实操流程
3.1 第一步：建立正问题仿真模型
参数拟合的本质是一个反问题：我们有实验数据，想知道哪组JWL参数能让仿真复现这些数据。要解这个反问题，必须先能快速计算“给定参数 → 仿真结果”的正问题，而这正是数值模拟的用武之地。
以圆筒试验为例，我一般用LS-DYNA建立二维轴对称模型：炸药装填中心，铜管包在外面，端面起爆。铜管的本构可以先用简单的弹塑性模型加失效准则，重点是单元尺寸做收敛性分析——我试过从0.5 mm一直加密到0.1 mm，壁面峰值速度会随网格变化几个百分点。网格太粗会把参数差异“抹平”，导致拟合出的参数偏向补偿网格误差，而不是反映真实炸药行为。固定好网格，后续所有正问题计算都用同一套网格，这是保证拟合一致性的前提。
3.2 第二步：设计目标函数
有了正问题仿真，接下来要定义一个“得分函数”，用数学语言告诉优化算法“当前参数组有多差”。我用的目标函数是仿真与实验的壁面位移和速度曲线在不同时刻的加权残差平方和：
[ \Phi(\mathbf{x}) = \sum_{i} w_i \left( \frac{v_{\text{sim}}(t_i) - v_{\text{exp}}(t_i)}{v_{\text{exp}}(t_i)} \right)^2 + \sum_{j} w_j \left( \frac{P_{\text{sim}}(CJ) - P_{\text{exp}}(CJ)}{P_{\text{exp}}(CJ)} \right)^2 ]
其中 (\mathbf{x} = (A, B, R_1, R_2, \omega))。权重的设定很关键：速度曲线的上升段和峰值段对高压项更敏感，权重可以大一点；尾部衰减段噪声通常较大，权重别给太高。如果你手里有C-J爆压的实测值，建议单独作为一个约束项加进去，因为经验告诉我：如果不加这个约束，优化器很容易找出一组“圆筒曲线算得挺像但C-J爆压却偏了20%”的参数。
3.3 第三步：确定初值与参数上下限
优化算法不能从空气开始跑，初值和边界约束直接决定最终结果的好坏。我的做法是：先用Cheetah或类似程序算出产物的等熵线，然后对等熵线做一次粗略的指数拟合，把得到的 (A, B, R_1, R_2, \omega) 作为初值。这样做的理由是，化学平衡计算虽然不一定完全准确，但它至少把参数带到了“物理合理的邻域”里，优化器只需要在这个邻域里做局部精细调整。
边界约束同样不能少。我会把 (A) 限制在 (0.1\sim 20) 倍初始估算值以内，(\omega) 限制在0.1到0.5，(R_1) 必须大于 (R_2) 等等。这些约束能在很大程度上避免优化器跑到负参数、发散等物理上完全荒谬的区域。实际经验是，初始值距离真实解越近，优化的稳定性和收敛速度越好，所以我一般会在初值阶段多花点时间，而不是急着跑优化。
3.4 第四步：选择优化算法并迭代
到了优化算法这一步，我的建议是“全局搜一遍，再局部精修”。先用遗传算法或粒子群这类全局算法在参数空间里撒点搜索，找到一个较好的区域；然后再用Levenberg-Marquardt这类梯度类算法做局部精修。全局算法虽然找得慢，但不容易陷入局部极小；局部算法收敛快，一旦初值接近最优解，通常二三十次迭代就能稳定。
整个迭代过程的计算量集中在正问题仿真上。一次圆筒试验LS-DYNA计算大约几分钟，一次优化迭代可能需要调用几十到上百次，总时长可能从几小时到一两天。为了省时间，我习惯先算一个扫描矩阵：把参数空间均匀抽样几十组，跑完一次仿真，看看目标函数的“地形”，这个图能很直观地暴露出哪些参数高度相关、哪些参数几乎无影响。比如R1和A就经常表现出强耦合关系——A增大、R1也增大时，高压段曲线可能几乎不变。这种耦合如果不先摸清，优化器会在一个“峡谷”里来回震荡，半天出不了结果。
最后还有一个非常重要的步骤：交叉验证。用主拟合数据集（比如圆筒试验）拟合出的参数，必须拿到另一个独立实验（比如平板加速或水下爆炸）里去算一遍，看看吻合度如何。如果换一个工况就偏差很大，说明参数可能是过度拟合，需要重新审视目标函数的权重或加入更多约束。这个步骤看起来“多此一举”，但我在实际项目里靠它抓出来过好几次参数陷阱。
4. 实战中躲不开的坑与经验
4.1 参数不唯一，怎么破？
我在拟合过程中遇到最头疼的问题是“参数不唯一”——好几组参数都能把圆筒曲线拟合得很好，但它们的物理行为差异很大。比如在膨胀体积比比较小的一段区域内，(A) 项和 (B) 项可以互相补偿：(A) 大一点、(B) 小一点，曲线照样走得很像。
面对不唯一性，我总结出三个有效对策。第一，扩展拟合数据范围，从圆筒试验曲线中取更宽的时间窗，包括速度尾部衰减段，尽量把低压区行为也约束进来。第二，加入C-J条件和等熵线约束，强制参数组在C-J点处与实验爆压一致，这一步能排除掉大量“数学上合格但物理上不对”的解。第三，手动检查等熵线形态，确保压力单调下降且连续光滑。曲线一旦出现非物理的“鼓包”或“上翘”，即使目标函数值再小，这组参数也必须扔掉。
4.2 单位制陷阱与能量参数陷阱
单位问题是新手最容易忽略、但杀伤力极大的坑。JWL方程里的 (A)、(B) 是压强，(E) 是单位体积的初始内能。我在一个项目里接手过一组标称“从文献里抄来的参数”，拿来直接导入AUTODYN结果差了四十倍，后来一查，原来是文献使用的是不同的压强单位和能量单位，而文献本身并没有明确写清楚单位制。LS-DYNA里cm-g-μs单位制下长度是厘米、密度是克每立方厘米、时间微秒，导出压强单位是兆巴（Mbar）；而SI单位制下压强是Pa，两者相差 (10^{11})。一个单位没换算对，仿真出来的爆压可能比真实值差好几个数量级。
另外要特别注意初始内能 (E_0)。JWL方程里的 (E) 理论上应该是爆轰产物的初始比内能，它跟装药密度、爆热相关，不能随便取一个常数。实际操作中很多人直接把 (E_0) 设为某个默认值，结果发现等熵线起点偏低，C-J点压力对不上。我的做法是用爆热和装药密度做一次热力学估算，把 (E_0) 和 (P_{CJ}) 相互校验，确保两个量不自洽。
4.3 实验数据的“脏”与“加工”
实验数据并不是拿来就能用的。圆筒试验数据里最常见的系统误差是时间零点的偏移——起爆探针触发时刻和高速相机/干涉仪记录的零点可能差几微秒。我在拟合时遇到过一种情况：圆筒壁速度曲线整体沿时间轴平移几个微秒，目标函数里所有残差都被这个偏移污染了，优化器只能靠“扭曲参数”来补偿这个偏移。后来我处理方式是，在拟合之前先对实验曲线的上升沿做对齐处理，给位移曲线做一个时间偏移校正，确保所有对比都建立在同一时间基准上。
另外，实验曲线难免有振荡和高频噪声，尤其是速度从峰值往下降的区间。我不建议直接拿原始速度曲线进目标函数，而是先做一次平滑（滑动平均或平滑样条），把高频噪声滤掉，再参与拟合。这个看起来像是“作弊”的处理，实际反而能让拟合更稳定，因为优化器不会为了去追一个噪声尖峰而乱调参数。
4.4 网格敏感性必须提前消灭
还有一个很低调但非常致命的坑：正问题仿真本身的网格敏感性。如果在网格加密后，圆筒壁速度峰值变化超过2%到3%，那么网格误差已经大于参数拟合想要捕捉的差异，这时候无论怎么优化参数，结果都不可靠。
我在做圆筒试验标定时，会先做一组网格收敛性测试：从较粗网格开始，逐步加密，每加密一次记录壁面速度峰值和到达时间，当两次加密之间结果变化小于1%时，认定网格已收敛。后续所有优化迭代都用同一套收敛网格。很多人觉得这一步浪费时间，但它在整个拟合流程里的性价比是最高的——网格问题不解决，后面所有的“精确拟合”都是在沙滩上盖楼。
5. 常见问题速查表与排查思路
拟合过程中难免遇到各种奇怪现象，我把最典型的几类问题整理成了速查表，方便你定位问题：
| 现象 | 可能原因 | 排查与解决办法 |
|---|---|---|
| 优化不收敛或参数震荡 | 目标函数存在多个局部极小；A/R1强耦合 | 改用全局优化算法；先做参数扫描摸清地形；增加C-J约束 |
| 拟合结果C-J压力偏大/偏小 | 初始内能E0设置不合理；高压段缺少约束 | 用爆热估算E0；把P_CJ项加入目标函数 |
| 等熵线出现非物理拐点 | 参数组在拟合域外行为失真；R2过小 | 用Cheetah等熵线做交叉校验；检查R2边界 |
| 换工况后仿真偏差骤增 | 参数过拟合单一实验；数据覆盖范围不足 | 增加辅助实验约束；做交叉验证 |
| 优化器总往负参数跑 | 边界约束缺失；初值远离物理区 | 设定A/B为正、R1>R2等硬边界；用化学平衡结果做初值 |
| 实验曲线与仿真整体差固定时间 | 时间零点偏移 | 先做时间对齐再拟合，不要靠调参数补偿 |
| 网格加密后结果变化大 | 正问题网格未收敛 | 先做网格收敛性测试，固定统一网格 |
排查的顺序也有讲究：先查单位和能量基准，再查网格收敛性，然后查实验数据处理，最后才怀疑优化算法。我见过太多人一上来就换优化算法折腾参数，结果最后发现是某个环节单位换算错了两位数。
另外补充一个非常实用的小技巧：拟合完成后，把最终参数代入仿真，输出与实验的位移-时间曲线做对比，不要只看速度曲线。位移曲线是速度的积分，它对参数的中低频趋势更敏感，如果在位移曲线上也能与实验高度吻合，说明参数在积分意义上的整体行为是对的。两个曲线一起看，比单看任何一个都可靠。
6. 从拟合到应用的最后一公里
参数拟合完整走完一遍并不等于工作结束，后面还有“应用验证”这最后一公里。我的习惯是，无论拟合结果看起来多好，都要先在另外两种不同载荷形态下做验证：一种是球形装药在自由场中的爆炸波，另一种是某种平板驱动或射流成型问题。这两种工况分别考验方程在高压球面发散和低压大变形条件下的表现。如果两个独立验证都通过了，这套参数才算真正“可以进库”。
做完一套参数之后，最好把拟合过程中所有数据、脚本、目标函数定义、网格设置、中间迭代曲线完整归档。这套东西不仅是为了写报告，更是为了以后换装药、换密度、换工况时有迹可循。我后来有好几次做新炸药标定时，直接复用旧流程和脚本，改一下初值和约束范围就能快速出结果。前期把流程标准化，后期效率是成倍的提升。JWL参数拟合这件事，说难不难，说简单也不简单，关键是把方程物理、实验锚点、仿真设置和优化算法串成一个闭环，再配上处理脏数据的耐心，基本就能走通。
本文还有配套的精品资源，点击获取
