BP神经网络模型预测ZnCu2Al10合金的高温变形行为

材料科学与工程学报, 2016, 34(2): 192-198. doi: 10.14136/j.cnki.issn 1673-2812.2016.02.004

BP神经网络模型预测ZnCu2Al10合金的高温变形行为

1.昆明理工大学云南省计算机技术应用重点实验室,云南昆明650500;昆明理工大学信息工程与自动化学院,云南昆明650500;昆明理工大学材料科学与工程学院,云南昆明650500

2.昆明理工大学材料科学与工程学院,云南昆明,650500

3.昆明理工大学云南省计算机技术应用重点实验室,云南昆明650500;昆明理工大学信息工程与自动化学院,云南昆明650500

4.昆明理工大学材料科学与工程学院,云南昆明,650500

基金项目: This work was supported by the National Natural Science Foundation of China (l50874055),Natural Science Foundation of Province Yunnan(2007E0013Z),Education Department Foundation of Province Yunnan(2013Y316)

关键词： ZnCu2Al10合金 , 热变行形为 , 本构关系 , BP神经网络

BP Neural Network Modeling to Predict Hot Deformation Behavior of ZnCu2Al10 Alloy

Keywords： ZnCu2Al10 aluminum alloy , hot deformation behavior , constitutive relationship , BP neural network

采用Gleeble-3800热模拟实验机研究ZnCu2Al10合金在变形温度为150～330℃,应变速率为0.01～10s-1下的高温流变行为.结果表明,BP神经网络可以描述和预测本构关系.模型的输入参数为温度、应变和应变速率;输出参数为流动应力;BP神经网络采用4层架构模式.结果表明:所建立的本构关系模型,训练样本的实验值与预测值间误差控制在0.91％以内,所有样本的误差均在4.32％以内,平均绝对百分误差为0.0201.同时可以看出,BP神经网络对于预测ZnCu2Al10合金的本构关系是非常有效,并且十分精确的.

参考文献

[1]	闫承俊;王吉岱.锌铝合金的研究现状及应用[J].中国铸造装备与技术,2005(4):4-7.
[2]	刘永红;张忠明;刘宏昭;吴子英.锌铝合金的研究现状及应用概况[J].铸造技术,2001(1):42-44.
[3]	杨爱梅 .ZA78高锌铝合金组织性能研究[D].西安理工大学,2010.
[4]	鲁世强;周细林;王克鲁;李鑫;赵为纲.基于BP神经网络的2D70铝合金本构关系模型[J].锻压技术,2008(1):148-151.
[5]	林启权;李晓龙;朱远志;彭大暑.2519铝合金本构关系的人工神经网络模型[J].湘潭大学自然科学学报,2004(3):112-115.
[6]	PENG Da-shu;ZHU Yuan-zhi.Establishment of constitutive relationship model for 2519 aluminum alloy based on BP artificial neural network[J].中南工业大学学报（英文版）,2005(04):380-384.
[7]	王煜;孙志超;李志颖;杨合.齐压态7075铝合金高温流变行为及神经网络本构模型[J].中国有色金属学报,2011(11):2880-2887.
[8]	Y. Sun;W.D. Zeng;Y.Q. Zhao;Y.L. Qi;X. Ma;Y.F. Han.Development of constitutive relationship model of Ti600 alloy using artificial neural network[J].Computational Materials Science,20103(3):686-691.
[9]	Bo Li;Qinglin Pan;Zhimin Yin.Microstructural evolution and constitutive relationship of Al-Zn-Mg alloy containing small amount of Sc and Zr during hot deformation based on Arrhenius-type and artificial neural network models[J].Journal of Alloys and Compounds: An Interdisciplinary Journal of Materials Science and Solid-state Chemistry and Physics,2014:406-416.
[10]	阳范文;赵耀明.人工神经网络用于高分子材料的性能预测与优化设计的研究进展[J].计算机与应用化学,2001(2):131-134.
[11]	刘艳侠;高新琛;张国英;郭怀红.BP神经网络对3C钢腐蚀性能的预测分析[J].材料科学与工程学报,2008(1):94-97.
[12]	储林华;查五生;刘锦云;陈德波.基于BP神经网络的粘结NdFeB永磁体性能预测[J].材料科学与工程学报,2008(6):958-962.
[13]	Guoliang Ji;Fuguo Li;Qinghua Li;Huiqu Li;Zhi Li.Prediction of the hot deformation behavior for Aermet100 steel using an artificial neural network[J].Computational Materials Science,20103(3):626-632.
[14]	N. Haghdadi;A. Zarei-Hanzaki;A.R. Khalesian;H.R. Abedi.Artificial neural network modeling to predict the hot deformation behavior of an A356 aluminum alloy[J].Materials & design,2013Aug.(Aug.):386-391.
[15]	Yanchun Zhu;Weidong Zeng;Yu Sun;Fei Feng;Yigang Zhou.Artificial neural network approach to predict the flow stress in the isothermal compression of as-cast TC21 titanium alloy[J].Computational Materials Science,20115(5):1785-1790.
[16]	Y. Liu;H. Y. Li;H. F. Jiang.Artificial neural network modelling to predict hot deformation behaviour of zinc-aluminium alloy[J].Materials Science and Technology: MST: A publication of the Institute of Metals,20132(2):184-189.
[17]	周计明;齐乐华;陈国定.热成形中金属本构关系建模方法综述[J].机械科学与技术,2005(2):212-216.
[18]	R. Kapoo;D. Pal;J.K. Chakravartty.Use of artificial neural networks to predict the deformation behavior of Zr-2.5Nb-0.5Cu[J].Journal of Materials Processing Technology,20052(2):199-205.
[19]	沈昌武;杨合;孙志超;崔军辉.基于BP神经网络的TA15钛合金本构关系建立[J].塑性工程学报,2007(4):101-104,132.
[20]	王成勇;朱汝城;王婉璐;李亨;刘全坤;周慧杰.基于神经网络与遗传算法的压铸工艺参数优化[J].塑性工程学报,2011(3):105-110.
[21]	唐江凌;蔡从中;皇思洁;肖婷婷.Al-Cu-Mg-Ag合金强度性能的支持向量回归预测[J].航空材料学报,2012(5):92-96.

上一张下一张

计量

下载量()
访问量()

作者相关

在本站搜索
刘英莉尹建成姜瑛钟毅
在百度学术搜索
刘英莉尹建成姜瑛钟毅
在万方数据库搜索
刘英莉尹建成姜瑛钟毅
在CNKI搜索
刘英莉尹建成姜瑛钟毅

文章评分

您的评分：
1

0%
2

0%
3

0%
4

0%
5

0%

材料期刊网