ECAP+旋锻变形制备超细晶纯锆的低周疲劳行为研究

采用等径弯曲通道（ECAP）+旋锻（RS）复合变形技术制备了超细晶工业纯锆,通过轴向对称应变控制方法对超细晶纯锆的低周疲劳性能进行研究,讨论了超细晶纯锆的循环应力-应变响应及滞后回线,并分析了超细晶纯锆的软硬化特性、累积滞后规律并预测其疲劳寿命。结果表明：超细晶纯锆的循环软硬化特性依赖于外加总应变幅的大小,而且总应变幅大于1.0%时软化比达到峰值,循环软化特性最为显著。滞后回线面积随着总应变幅的增大而增大,当应变幅较小时出现“棘齿现象”。回归分析表明超细晶纯锆疲劳寿命满足Coffin-Manson经验关系式。     

基于人工神经网络的超细晶纯钛热变形本构模型研究

对等通道转角挤压(ECAP)制备的超细晶纯钛,在温度为250~450 ℃、应变速率为10_-5~1s_-1的条件下进行热压缩实验。基于真应力和真应变实验数据,分别使用人工神经网络(ANN)和Arrhenius方程建立超细晶纯钛的热变形本构模型,研究其热变形行为。实验结果表明：在变形初期,流变应力随应变的增大而升高,随后趋于平缓,最终流变应力达到一个稳定值。人工神经网络训练和预测结果表明：人工神经网络最佳结构为3×12×1,人工神经网络模型预测的平均相对误差(AARE)为2.1%,相关系数(R)为0.9979,Arrhenius方程模型预测的AARE为11.54%,R为0.9464。即人工神经网络模型能够更加精确的描述超细晶纯钛的本构关系。通过对比不同温度下两种模型的误差,人工神经网络模型在高温条件下具有更好的稳定性。