Ti——17合金的本构关系研究

在ＴＨＥＲＭＥＣＭＡＳＴＯＲ—Ｚ型热模拟试验机上对Ｔｉ—１７合金在温度８０５～９４５℃、应变速率１０－３～８０ｓ－１、最大变形程度５０％条件下的高温流动应力变化规律进行了研究，分析其变形温度、变形程度和应变速率对流动应力的影响规律后，对流动应力软化现象明显的Ｔｉ—１７合金提出了一种本构关系回归模型，拟合精度较高。     

基于BP神经网络Ti600合金本构关系模型的建立

运用Gleeble-1500热模拟机对Ti600合金的圆柱试样进行等温压缩变形试验,以试验所得数据（变形温度800~1100 ℃,应变速率0.01~10 s-1）为基础,基于BP神经网络方法建立了该合金的高温本构关系模型。结果表明：BP神经网络本构关系模型具有很高的预测精度,可以很好地描述Ti600合金在高温变形时各热力学参数之间高度非线性的复杂关系,为本构关系模型的建立提供了一种更加准确有效的方法。     

基于神经网络的TC21合金本构关系模型(英文)

本构方程是描述材料变形和有限元模拟基本信息必要的数学模型,它反映流动应力与应变、应变率和温度综合作用的高度非线性关系。基于Gleeble-1500热模拟机上进行等温压缩试验获得的实验数据,系统研究TC21钛合金的流变行为,并采用BP人工神经网络建立该合金的本构关系模型。在该模型中,输入变量为应变、应变速率和变形温度,输出变量为流动应力。与传统方法相比,利用BP人工神经网络所建立的本构关系模型能够更好地表征试验数据及描述整个变形过程。     

应用人工神经网络建立Ti-22Al-25Nb合金高温本构关系模型

本构方程是描述材料变形的基本信息和有限元模拟中不可缺少的数学模型,反映了流动应力与应变、应变速率以及温度之间的相互关系。文章运用Gleeble-1500热模拟机对Ti-22Al-25Nb钛合金试样进行等温压缩变形试验,以试验所得数据(变形温度940℃～1030℃,应变速率0.001s-1～1s-1)为基础,采用BP神经网络的方法建立了该合金的高温本构关系,并与传统回归拟合的方法计算出的结果进行了对比。结果表明,BP神经网络本构关系模型的预测精度明显优于传统公式的计算结果,而且模型还可以很好地描述该合金在高温变形时,各热力学参数之间的复杂非线性关系,为该合金本构关系方程模型的建立,提供了一种便捷有效的方法。     

TC21合金超塑性本构关系的BP人工神经网络模型

TC21合金是一种高强、高韧、高损伤容限型两相钛合金,具有极佳超塑成形性能。建立合理的超塑性本构关系,对了解该合金的超塑性变形特征以及超塑性成形工艺优化有着重要的指导作用。本文对TC21合金在Gleeble1500热模拟试验机上进行了超塑性等温压缩变形试验。结果表明,随着温度的升高或应变速率的降低,材料的流变应力显著降低,动态再结晶是其主要的软化机制。根据所获得的实验数据,应用BP人工神经网络建立了TC21合金的超塑性本构关系模型,较好地反映了TC21合金的超塑变形过程中流动应力的变化规律。     

应用神经网络表征变形高温合金的本构关系

本构关系是联系塑性加工过程中材料的动态响应与热力参数之间的媒介,因此,本构关系是用有限元对金属塑性加工过程进行数值模拟的前提条件。由于变形高温合金本构关系的高度非线性,在试验数据基础上,按Ａｒｒｈｅｎｉｕｓ型方程用数理统计方法建立的本构关系,结构十分复杂,不便工程应用。本文探讨用人工神经网络这种新一代信息处理工具表征变形高温合金本构关系的方法和效果。研究结果表明,应用人工神经网络表征的本构关系比用     

基于BP神经网络的TB8合金高温本构关系模型

利用Gleeble1500热模拟试验机对TB8合金进行等温压缩试验,获得不同变形条件下的流变应力数据,在对数据进行摩擦修正的基础上建立了3×10×1的3层BP神经网络形式的本构关系模型。结果表明,在隐层神经元数为10、学习率为0.05、动量因子为0.4时,网络模型具有优良的性能,能精确反映热变形条件下温度、变形速率、变形程度与流变应力之间的关系,为TB8合金热加工工艺的合理制定和热变形过程的数值模拟提供依据。     

基于人工神经网络的高精度Ti6242s合金热变形本构模型

使用Gleeble-3800对锻态Ti6242s钛合金在温度950～1010℃、应变速率0.01～10 s-1的条件下进行了75%变形量的热压缩模拟试验。基于实验取得的真应力-真应变曲线,分别使用人工神经网络(ANN)和Arrhenius方程建立Ti6242s合金本构模型,研究其热变形行为。结果表明:流变应力在变形开始后迅速上升至峰值应力,随后硬化与软化达到动态平衡,在真应变达到0.6后加工硬化逐渐占据主导,硬化幅度随应变速率的增大而提高;人工神经网络本构模型预测值的平均相对误差(AARE)为2.25%,决定系数(R2)为0.999 06;Arrhenius方程本构模型预测值的AARE为14.40%,R~2为0.954 68,精度在参数范围内波动较大;ANN本构模型精度远高于Arrhenius本构模型,且在整个参数范围内具有一致的精度;ANN本构模型具有良好的泛化能力,在实验参数范围外预测流变应力仍具有较高的精度。     

等温锻造过程中Ti-1023合金的本构关系

采用Thermecmaster-Z型热加工模拟实验机对Ti-1023合金进行了等温恒应变速率压缩试验，变形温度范围为：740-820℃；变形速率为：0．001～1s^-1。在对试验数据进行系统分析的基础上，全面揭示了Ti-1023合金在等温锻造条件下的热态变形行为。分析了锻造热力参数对流动应力的影响，提出了以Zener-Hollomn参数表征的Ti-1023合金本构方程。并初步分析了Ti-1023合金等温锻造过程中显微组织演化规律。根据分析结果，Ti-1023合金等温锻造宜在略低于相变点温度下以相对高的变形速率进行。     

Ti600合金的高温变形本构关系

采用GW-1200A型控制器配合高温加热炉在WDW-300电子万能试验机上通过等温压缩实验研究了Ti600合金在温度为25?800℃、应变速率为10-4和10-3 s-1条件下的热变形行为,获得了该合金在变形过程中的真应力-真应变曲线,建立了该合金的高温本构关系。结果表明:Ti600合金在较高的温度(600和800℃)下流变应力随应变速率增大而增大,在较低温度(25和300℃)时变化不太明显。在一定的应变率条件下,随着温度升高流变应力降低。考虑到Ti600合金在不同温度下的真应力-真应变曲线随温度变化的发展趋势,建立了修正的井上胜郎高温本构关系,与实验结果对比验证了模型是可靠的。通过扫描电镜(SEM)观察发现,在室温准静态压缩条件下Ti600合金的断裂形式以脆性断裂为主,同时在局部区域出现韧性断裂特征。     

基于BP神经网络的TA15钛合金本构关系建立

本构关系体现了材料在热态塑性加工过程中对热力参数的动态响应,关系到有限元模拟的准确性与精度。文章以TA15钛合金等温压缩实验数据为基础,构造一个3×10×10×1四层BP神经网络结构形式的本构关系模型,采用Bayesian规则化调整法训练网络以提高网络的泛化能力。预测结果、外推结果和实验结果对比表明,利用Bayesian规则化调整法训练的BP神经网络结构形式的TA15钛合金本构关系能够描述其高温变形力学行为,适用于热变形过程的数值模拟。     

基于BP神经网络的2D70铝合金本构关系模型

利用Thermecmastor-Z型热加工模拟试验机对2D70铝合金进行等温恒应变速率压缩试验,获得了不同变形温度、不同应变速率和不同真应变下的流动应力数据.结合实验数据和神经网络知识,建立了具有BP算法的人工神经网络,训练结束后的神经网络即成为2D70铝合金的一个知识基的本构关系模型.误差分析表明,该神经网络本构关系模型具有较高的精度,可用于指导2D70铝合金热加工工艺的制定,并可用于2D70铝合金热变形过程的有限元模拟.     

应用人工神经网络构造Ti40合金加工图

以Gleeble-1500热模拟试验机获得的Ti40钛合金压缩试验数据为基础,应用人工神经网络对数据进行训练和预测,建立该合金的高温流动应力与应变、应变速率和温度对应关系的预测模型,其中,应变、应变速率（对数形式）和变形温度作为模型的输入参数,流动应力作为模型的输出参数。结果发现,运用BP反向传播算法进行训练的神经网络模型具有良好的预测功能,其预测值与实验测量值基本吻合。同时,采用神经网络模型预测的数据构造Ti40合金的加工图,其安全区和失稳区的范围与实测数据获得的加工图基本相符,并对各自区域的相应组织状态进行金相观察。     

挤压态7075铝合金高温流变行为及神经网络本构模型

采用Gleeble1500D热模拟实验机研究挤压态7075铝合金在变形温度为250～450℃、应变速率为0.01～10s-1下单道次压缩过程的高温流变行为。结果表明:材料在350℃及以下变形时,流变应力曲线呈动态回复型;在温度为350℃以上、应变速率为0.1s-1时,流变曲线局部陡降明显;当应变速率为10s-1时,流变曲线发生波动,呈动态再结晶型;挤压态7075铝合金的流变应力曲线峰值应力及稳态应力均高于铸态合金的,且在变形温度较高时,挤压态材料更易于发生动态软化。基于BP神经网络建立挤压态7075铝合金的本构关系模型,预测值与实验值对比表明:所建立的本构模型整体误差在5.35%以内,拟合度为2.48%,该模型可以用于描述7075铝合金的高温变形流变行为,为该合金热变形过程分析和有限元模拟提供基础。     

基于修正J-C和BP神经网络模型的超细晶纯钛动态本构行为

为研究超细晶纯钛在高温、高应变速率加载下的复杂力学行为,建立能够准确描述其动态力学行为的模型,对超细晶纯钛在温度为300~450 ℃,应变速率为2000~3000 s-1下进行了动态冲击实验,获得真应力-真应变曲线。结果表明：在所研究的条件下,真应力-真应变曲线均表现为明显的“双应力峰”特征,晶界处的位错湮灭、重新排列及后续绝热剪切带的形成是两次应力减小的主要因素,流动应力均表现出正应变速率敏感性和负温度敏感性。综合考虑应变硬化、应变速率硬化和热软化效应,提出一种修正J-C本构模型和BP人工神经网络模型,并对两种模型进行了准确性分析。结果表明BP人工神经网络模型能够更好地预测超细晶纯钛的动态力学行为,相关系数可达0.97065,平均相对误差仅为4.63%。     

Prediction of flow stress of Ti-15-3 alloy with artificial neural network

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｉ 15 3ａｌｌｏｙｉｓａｎｅｗｍｅｔａｓｔａｂｌｅ β ｔｙｐｅｔｉｔａｎｉ ｕｍｃｈａｒａｃｔｅｒｉｚｅｄｂｙｉｍｐｒｏｖｅｄｆｏｒｇｅａｂｉｌｉｔｙａｎｄｃｏｌｄｆｏｒｍａｂｉｌｉｔｙ .Ｉｔｈａｓｂｅｅｎｕｓｅｄｅｘｔｅｎｓｉｖｅｌｙｉｎａｅｒｏｓｐａｃｅｉｎｄｕｓｔｒｙｂｅｃａｕｓｅｏｆｉｔｓｈｉｇｈｓｐｅｃｉｆｉｃｓｔｒｅｎｇｔｈ(ｓｔｒｅｎｇｔｈ ｔｏ ｍａｓｓｒａｔｅ)ｗｈｉｃｈｉｓｍａｉｎｔａｉｎｅｄａｔｅｌｅ ｖａｔｅｄｔｅｍｐｅｒａｔｕｒｅ .Ｉｎｏｒｄｅｒｔ…