| 基于人工神经网络的超细晶纯钛热变形本构模型研究 |
| |
| 引用本文： | 刘晓燕,杨成,杨西荣.基于人工神经网络的超细晶纯钛热变形本构模型研究[J].稀有金属材料与工程,2018,47(10):3038-3044. |
| |
| 作者姓名： | 刘晓燕 杨成 杨西荣 |
| |
| 作者单位： | 西安建筑科技大学冶金工程学院,西安建筑科技大学冶金工程学院,陕西省冶金工程技术研究中心;西安建筑科技大学冶金工程学院 |
| |
| 基金项目： | 国家自然科学基金(51474170)和陕西省自然科学基金(2016JQ5026)联合资助 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 超细晶纯钛 人工神经网络 Arrhenius本构方程 流变应力 |
| 收稿时间： | 2017/1/8 0:00:00 |
| 修稿时间： | 2018/9/7 0:00:00 |
A Constitutive Model of Ultrafine Grained Pure Titanium at ElevatedTemperature Based on Artificial Neural Network |
| |
| liuxiaoyan,yangcheng and yangxirong.A Constitutive Model of Ultrafine Grained Pure Titanium at ElevatedTemperature Based on Artificial Neural Network[J].Rare Metal Materials and Engineering,2018,47(10):3038-3044. |
| |
| Authors: | liuxiaoyan yangcheng and yangxirong |
| |
| Abstract: | |
| |
| Keywords: | Ultrafine grained pure titanium artificial neural network Arrhenius constitutive equations flow stress |
|
| 点击此处可从《稀有金属材料与工程》浏览原始摘要信息 |
|
点击此处可从《稀有金属材料与工程》下载全文 |
|
