以压缩试验所得数据为基础,根据BP人工神经网络算法原理,建立了Ti-50.5Ni合金高温压缩变形真应力与真应变、应变速率和变形温度关系的预测模型.结果表明,BP神经网络用于Ti-50.5Ni合金高温压缩变形本构关系建模是可行的,拟合度可达到1.3%,较好地反映了实际变形过程的特征,可弥补传统回归模型不能反应变形全过程的局限性,并消除实验过程中实际温度偏离设定温度所带来的样本误差及其对模型准确度的影响.
参考文献
| [1] | 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(02):212-216. |
| [2] | 杨立斌,张辉,彭大暑,段炼.7075铝合金高温流变行为的研究[J].热加工工艺,2002(01):1-2,5. |
| [3] | Kapoor R;Pal D;Chakravartty J K .[J].Journal of Materials Processing Technology,2005,169:199. |
| [4] | Ti-17合金本构关系的人工神经网络模型[J].中国有色金属学报,1999(03):590. |
| [5] | 崔迪,李宏男,宋钢兵.形状记忆合金超弹性本构关系的神经网络模型[J].振动工程学报,2006(01):109-113. |
| [6] | 张伟红,张士宏.NiTi合金热压缩实验数据的修正及其本构方程[J].金属学报,2006(10):1036-1040. |
| [7] | Bahrami A;Anijdan SHM;Hosseini HRM;Shafyei A;Narimani R .Effective parameters modeling in compression of an austenitic stainless steel using artificial neural network[J].Computational Materials Science,2005(4):335-341. |
| [8] | Costanza G;Tata ME;Ucciardello N .Superplasticity in PbSn60: Experimental and neural network implementation[J].Computational Materials Science,2006(3):226-233. |
| [9] | Chun M S;Biglou J;Lenard J G .[J].Journal of Materials Processing Technology,1999,86(01):245. |
| [10] | 刘芳,单德彬,吕炎,杨玉英.2A70铝合金本构关系的新模型[J].哈尔滨工业大学学报,2005(04):449-450,517. |
| [11] | 朱远志,彭勃,曾渝,尹志民,杨扬.利用人工神经网络模型和Z-A模型对无氧Cu本构关系的对比研究[J].湖南科技大学学报(自然科学版),2004(02):32-36. |
| [12] | Mulyadi M;Rist M A;Edwards L et al.[J].Journal of Materials Processing Technology,2006,177:311. |
| [13] | 刘雪峰,汪凌云.铝锂合金高温变形流变应力的人工神经网络模型[J].重庆大学学报(自然科学版),2001(02):68-71. |
| [14] | 朱远志,林启权,尹志民,曾渝,李学谦.2519铝合金高温变形流变应力的人工神经网络模型[J].金属热处理,2004(07):20-23. |
| [15] | Li L;Zhou J;Duszczyk J .[J].Journal of Materials Processing Technology,2006,172:372. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%