铝合金板温成形流变应力模型的建立与应用

为实现铝合金Al5083-O温成形的数值模拟与合理制定其成形工艺参数,研究了Al5083-O铝合金板在不同温度和应变速率条件下的温成形特性.引入Zener-Hollomon参数的双曲正弦函数来描述Al5083-O铝合金板温成形时的流变应力与变形温度和应变速率之间的关系,建立了预测这种铝合金在温成形条件下应力-应变曲线的数学模型.计算结果与试验数据吻合较好,证实了Al5083-O铝合金板温成形流变应力预测模型的正确性.     

基于GA-BP和PSO-BP神经网络的6061铝合金板材流变应力预测模型（英文）

6061铝合金作为一种热可强化铝合金,具有良好的成形性能,但是其塑性流变应力受最终热处理工艺的加热温度、保温时间和冷却方式等参数的影响很大。因此,为了获得最终热处理工艺参数对6061铝合金板材的塑性性能及流变行为的影响,试验中以6061-T6铝合金板材为研究对象,通过单向拉伸试验、金相实验和硬度测试等方法研究不同热处理工艺参数(加热温度为500、530、560和590℃、保温时间2 h、冷却方式为空冷)对6061铝合金塑性性能和硬度的影响。通过单向拉伸试验获取不同热处理工艺参数条件下6061铝合金的真实应力-应变曲线;借助BP、GA-BP和PSO-BP神经网络构建不同热处理温度条件下6061铝合金的本构关系模型。结果表明,BP、GA-BP和PSO-BP神经网络模型均能较好的拟合不同热处理温度条件下6061铝合金的流变行为,但是PSO-BP神经网络模型对6061铝合金流变应力的预测精度更高,模型预测性能更优越,其平均绝对误差(MAE),平均相对误差(AARE)和相关系数(R~2)分别为1.89,1.56%和0.9965。     

基于GA-BP和PSO-BP神经网络的6061铝合金板材流变应力预测模型

6061铝合金作为一种热可强化铝合金,具有良好的成形性能,但是其塑性流变应力受最终热处理工艺的加热温度、保温时间和冷却方式等参数的影响很大。因此,为了获得最终热处理工艺参数对6061铝合金板材的塑性性能及流变行为的影响,试验中以6061-T6铝合金板材为研究对象,通过单向拉伸试验、金相实验和硬度测试等方法研究不同热处理工艺参数(加热温度为500、530、560和590℃、保温时间2小时、冷却方式为空冷)对6061铝合金塑性性能和硬度的影响。通过单向拉伸试验获取不同热处理工艺参数条件下6061铝合金的真实应力应变曲线;借助BP、GA-BP和PSO-BP神经网络构建不同热处理温度条件下6061铝合金的本构关系模型。研究结果表明BP、GA-BP和PSO-BP神经网络模型均能较好的拟合不同热处理温度条件下6061铝合金的流变行为,但是PSO-BP神经网络模型对6061铝合金流变应力的预测精度更高,网络预测性能更优越,其平均绝对误差(MAE),平均相对误差(AARE)和相关系数(R2)分别为1.89,1.56%和0.9965。     

6061铝合金稳态应力预测与精度分析

6061铝合金在热变形时稳态应力主要受应变、温度、应变速率的影响。为了提高稳态应力的预测精度,基于Sellars-Tegart本构方程和BP神经网络建立了6061铝合金的预测模型,对比和分析了两个模型的预测效果。结果表明,两个预测模型得到的预测值均与试验值吻合程度较高,可较好地描述稳态应力与各热力参数之间的非线性关系,而且通过决定系数和标准残差的对比证实了BP神经网络预测模型具有更高的预测精度。     

5083铝合金热压缩变流变应力行为

在Gleeble-1500热模拟机上,当变形温度为300～500 ℃、应变速率为0.01～10 s-1、真应变为0～0.8时,采用圆柱体等温热压缩实验研究5083铝合金变形流变应力行为.通过分析流变应力指数函数中系数A、β与应变的关系,建立Zener-Hollomon参数的指数关系本构方程.运用该本构方程对5083铝合金不同应变速率、变形温度及应变条件下的流变应力进行预测,发现流变应力预测值与温升修正值吻合得相当好.     

5083铝合金热压缩变形流变应力行为

在Gleeble-1500热模拟机上,当变形温度为300-500℃、应变速率为0.01-10 s^-1、真应变为0-0.8时,采用圆柱体等温热压缩实验研究5083铝合金变形流变应力行为。通过分析流变应力指数函数中系数A、β与应变的关系,建立Zener-Hollomon参数的指数关系本构方程。运用该本构方程对5083铝合金不同应变速率、变形温度及应变条件下的流变应力进行预测,发现流变应力预测值与温升修正值吻合得相当好。     

基于Kriging方法的6013铝合金平面热压缩变形本构关系建模（英文）

采用Gleeble-3500热模拟机测试了6013铝合金在613~773 K、0.001~10 s~(-1)下的平面应变流变力学行为,并基于变形温升修正了试验测量的流变应力数据。选取Kriging方法对该热变形过程本构关系进行建模,并通过统计学分析、对比分析和舍一交叉验证法对所建模型的预测能力与可靠性进行评价。结果表明:构建的Kriging模型预测精度较高,其预测值与实验值对比得到的R值为0.999、AARE值为0.478%,相较于修正的Arrhenius-type模型具有显著优势。通过基于舍一交叉验证法设计的25次测试与验证,充分说明了Kriging模型具有较好的泛化能力。由此可知,通过Kriging方法可高效构建精确模型以描述合金热变形流变行为并有效预测试验条件范围以外的流变应力。     

基于神经网络的7055铝合金流变应力模型和加工图

在Geeble-1500热模拟机上对7055铝合金进行热压缩试验,基于热压缩试验数据,建立流变应力的反向传播(BP)神经网络预测模型和加工图。结果表明:用人工神经网络能更精确地预测热压缩过程中的流变应力,预测精度明显高于线性经验公式的;通过预测模型可以获得样本数据值范围内的非样本数据变形条件下的流变应力,其预测结果充分反映该合金的高温变形特征;在本实验条件下,7055铝合金在高温变形时存在一个失稳区,即变形温度在实验温度范围内应变速率为0.025s-1以上的区域;在375～425℃的范围内,应变速率小于0.001s-1的区域,最大功率耗散系数为0.45;EBSD技术分析表明在安全区发生部分动态再结晶。利用加工图确定了热变形时的流变失稳区,并且获得了试验参数范围内热变形的最佳工艺参数,其热加工温度为350-430℃低应变速率区。     

挤压态镁合金流变行为及本构模型研究

通过Gleeble热模拟机,在变形温度250~500℃、应变速率0.005~5 s-1下对挤压态镁合金进行热压缩实验,得到应力-应变曲线,基于加工硬化与软化机制,分析了温度和应变速率对流变曲线及峰值应力的影响。其次,考虑变形中温升,在高应变速率下采用温度补偿修正流变应力。最后,运用双曲正弦模型构建不同流变应力范围的本构模型,得到流变应力与温度、应变速率和应变的定量关系。将模型预测应力值与实验值进行对比。结果表明:实验值与预测值的相关性系数为0.984,平均相对误差绝对值为3.87%,说明所建立的本构模型能够准确预测成形过程中不同变形量下镁合金的流变应力值。     

基于BP神经网络的GH5188高温合金本构模型

采用Gleeble-3500热模拟试验机对GH5188高温合金试样进行热压缩试验,研究其在应变速率为0.001~0.1s^-1和变形温度在1000~1150℃时的热变形行为;建立了基于BP神经网络的本构模型,并验证了所建本构模型的可靠性,最后基于误差计算分析了BP神经网络本构模型的精度。结果表明,温度和应变速率对GH5188合金流变应力的影响明显,随着压缩温度升高和应变速率降低,GH5188合金流变应力明显减小。经定量误差计算分析,BP神经网络本构模型应力预测偏差值在10%以内的数据点占97.92%,BP神经网络模型能准确地预测GH5188高温合金的高温流变应力。     

基于BP神经网络的铝青铜超塑性流变应力预测模型

运用BP神经网络方法建立了铝青铜超塑性状态下流变应力与变形参数之间关系的预测模型。并利用该模型预测在不同拉伸条件下材料的流变应力。结果发现预测数据与试验数据吻合良好，误差小于8．5％。     

2219铝合金热压缩流变应力及本构方程

为研究2219铝合金的热变形行为,采用THERMECMASTOR型热模拟试验机,在温度380～460℃,应变速率0.01～10 s^-1条件下进行了热压缩实验,获得了2219铝合金的真实应力-真实应变曲线。结果表明,变形温度和应变速率对2219铝合金流变应力有重大影响。在相同应变速率条件下,随着变形温度的升高,流变应力逐渐减小;在相同变形温度条件下,随着应变速率的增大,流变应力不断增大。为准确描述流变应力与变形温度和应变速率之间的关系,对2219铝合金热压缩获得的实验数据进行拟合,建立了基于应变补偿的双曲正弦本构方程。通过准确度的计算,得到实验值与预测值的绝对误差为4.78%,表明该本构方程能够较好地预测高温下2219铝合金的流变行为。     

基于人工神经网络9Cr-1Mo钢流变行为的预测

以热压缩实验所得数据为基础,建立了BP人工神经网络模型,并对9Cr-1Mo钢的流变应力进行了预测。结果表明,神经网络模型预测值与实验值的相关系数达到0.999 8,平均误差为0.15%。该模型具有较高的预测精度和较好的泛化能力。     

2024A铝合金高温流变行为及本构关系研究

采用Gleeble-3500热模拟试验机对2024A铝合金进行等温热轧,对其高温流变行为进行了研究。通过试验获得2024A铝合金在温度为300~450℃、应变速率为0.01~10s-1时的真应力-真应变曲线。结果表明,2024A铝合金的流变应力与温度、应变速率和变形量之间呈非线性关系,流变应力随着应变速率增大而升高,随着变形温度的升高而降低。基于试验数据,分别建立考虑应变补偿的Arrhenius和修正的Johnson-Cook(M-JC)本构模型,引入统计学方法对模型精度进行量化评估:Arrhenius模型的平均相对误差和均方根误差分别为5.02%和5.88MPa,M-JC模型的平均相对误差和均方根误差分别为3.72%和5.27MPa,可见M-JC模型预测精度优于Arrhenius模型,说明M-JC模型能更为准确地描述2024A铝合金的高温轧制过程中的流变行为。     

AA5083铝合金热压缩变形行为及应变补偿本构方程（英文）

采用Gleeble-3500热模拟试验机研究AA5083铝合金在应变速率0.0l～10 s~(-1)、变形温度300～500℃条件下的热压缩变形行为。结果表明:该合金在高应变速率和高变形温度下容易发生动态再结晶,并引起流变应力下降。为了预测不同变形条件下的流动特性,建立基于Arrhenius型方程和Zener-Hollomon参数的应变补偿本构方程,本构方程预测值与实验结果吻合较好,在实验范围内两者的平均相对误差仅为4.52%,说明提出的本构方程可对AA5083铝合金的热变形行为进行精确预测。     

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。     

铸态7050铝合金大应变速率下有外推能力的本构模型

以温度为523～723 K、应变速率为0.01～10s<'-1>以及总应变为0.69的实验数据为基础,应用神经网络建立具有外推能力的7050铝合金本构模型,实现了在大应变速率下(10～50s<'-1>)流变应力的预测,并基于实验数据和预测数据,建立了7050铝合金大应变速率的逐步回归模型.误差结果分析表明,回归结果与实验数据及预测结果之间的平均相对误差不超过6.5%,能够准确地预测7050铝合金的流变应力,适用于分析热变形过程中的问题.     

基于灰色系统理论的7075铝合金板材疲劳寿命研究

在航空用飞机蒙皮制造过程中,7075铝合金是十分理想的材料。为了更精确地研究并预测7075铝合金的疲劳寿命,对7075-T-651铝合金板材进行了疲劳试验,在应力比R=0.1条件下,测得120~320 MPa不同应力下7075-T-651铝合金板材的疲劳寿命。以试验数据为基础,将灰色系统理论运用到7075-T-651铝合金板材的疲劳寿命预测中,生成GM(1,1)模型,在与试验相同的条件下进行疲劳寿命预测,并将得到的疲劳寿命预测模型S-N曲线与试验数据S-N曲线进行对比。研究表明,所建立的灰色系统理论GM(1,1)模型S-N曲线与试验所得S-N曲线基本吻合,因此,可以通过GM(1,1)模型来预测7075铝合金板材的疲劳寿命。     

基于BP神经网络的DP980钢板本构关系

为了准确描述双相钢温热条件下的本构关系,以DP980钢板为研究对象,采用单向拉伸实验获得了不同温度(300～500℃)、材料方向(与轧制方向呈0°、45°和90°)下钢板的流动应力。以实验温度、材料方向和真实应变作为输入参数,真实应力作为输出参数,建立了DP980钢板流动应力的BP神经网络预测模型,同时通过最小二乘拟合法获得了不同温度下DP980钢板的Voce本构模型,并与BP神经网络模型的预测精度进行对比。结果表明,DP980钢板不仅具有负温度敏感性,还随温度升高呈现出明显的各向异性;BP神经网络预测模型相比于Voce模型可以更精确地预测出DP980钢板在不同温度和材料方向下的流动应力。     

7B50铝合金热压缩变形行为与预测

在变形温度为573K~733K,应变速率为0.001s-1~1s-1的条件下,采用Gleeble-1500热模拟试验机对7B50铝合金的热变形加工行为进行了研究。结果表明,7B50铝合金在热压缩变形中的流变应力随着温度的升高而减小,随着应变速率的增大而增大;建立了一个包含应变的流变应力预测模型,模型中的9个独立参数可以通过非线性最小二乘法拟合求得,预测的流变应力曲线与试验结果吻合得较好。