基于BP神经网络的7050铝合金本构关系模型及加工图

利用热模拟试验机对7050铝合金进行等温压缩试验,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。以试验数据为基础,建立了7050铝合金的BP神经网络本构关系模型。分析表明,该神经网络本构关系模型具有较高的精度,并得到了相关性和平均相对误差的验证。利用BP神经网络修正的数据,根据动态材料模型(DMM)建立功率耗散图和失稳图,通过叠加得到7050合金的热加工图,并利用热加工图确定了该合金的加工安全区和流变失稳区。分析得出了最佳变形工艺参数:变形温度为420~450℃,应变速率为0.01~0.10s-1,该区域的峰值功率耗散系数η为0.40。     

Ti-6．5Al-3．5Mo-1．5Zr-0．3Si合金本构关系的BP神经网络模型

利用THERMECMASTOR-Z型热力模拟试验机,在变形温度为780～1 080 ℃,应变速率为0.001～70.0 s-1条件下对Ti-6.5Al-3.5Mo-1.5Zr-0.3Si合金进行等温恒应变速率压缩试验,获得不同变形温度、不同应变速率和不同真应变下的流动应力数据.结合试验数据和神经网络知识,构建了采用BP算法的人工神经网络,训练结束后的神经网络即成为Ti-6.5Al-3.5Mo-1.5Zr-0.3Si合金的一个知识基的本构关系模型.利用所建立的BP网络模型对材料的流动应力进行了预测,发现预测值与试验数据吻合良好,说明该BP网络本构关系模型具有较高的精度,可用于指导Ti-6.5Al-3.5Mo-1.5Zr-0.3Si合金热加工工艺的制定.     

基于BP神经网络的Ti3Al基合金本构关系模型的建立

应用THERMECMASTER-Z型热模拟试验机对Ti3Al基合金进行等温恒应变速率压缩试验,在变形温度为950～1350℃、应变速率为0.001～10s-1、最大真应变为1.2下获得流动应力数据。采用流动应力数据,并基于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神经网络建立的高温本构关系模型具有很高的预测精度,可用于指导Ti3Al基合金热变形过程的有限元模拟和热加工工艺的制定,为本构关系模型的建立提供了一种准确有效的方法。     

基于BP神经网络的金属陶瓷TiC-Ni触变成形本构关系模型

利用Gleeble-2000动态材料热模拟机,对TiC-Ni自蔓延燃烧后的试样进行压缩试验,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TiC-Ni金属陶瓷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,可为TiC-Ni金属陶瓷反应热压工艺的制定及其热压过程的有限元模拟提供参考.     

基于神经网络的颗粒增强铝基复合材料本构关系研究

采用Gleeb-1500D热模拟试验机对TiB2颗粒增强铝基复合材料进行等温压缩试验,获得了该复合材料在不同变形条件下的流变应力数据。结合试验数据,采用改进的BP网络算法—Levenberg-Marquardt算法建立了复合材料3×12×1三层网络结构模型的本构关系,并与Kumar模型计算的本构关系进行了对比分析。结果表明,神经网络模型和Kumar模型的总拟合度分别为2.1%和6.5%,两种模型建立的本构关系具有较高的精度,均能够描述该复合材料的高温变形力学行为,适用于复合材料热加工过程的数值模拟。由于Kumar模型把热变形激活能Q看作与应变变化无关的常数处理,而神经网络模型建模训练时包含了热变形激活能Q随应变改变的动态变化,因此神经网络模型的精度高于Kumar模型。     

2219铝合金高温本构模型及热加工图研究

为研究2219铝合金的高温流变行为及最佳热加工工艺窗口，采用Gleeble-3500热模拟试验机在变形温度为573～773 K和应变速率为0.01～10 s^-1条件下对2219铝合金进行了等温压缩实验，得到了不同应变速率和温度下的真实应力-真实应变曲线。根据2219铝合金流变数据的特性，提出了一种新的本构模型，并将其与经典模型的预测精度进行了对比。此外，利用构建的新本构模型推导出了2219铝合金的热加工图解析计算公式，并绘制了其热加工图。结果表明，2219铝合金是一种温度和应变速率高度敏感材料，其高温本构关系必须考虑温度和应变速率的影响。在低温下，Arrhenius模型和Hensel-Spittle模型的预测精度较低，尤其在573和623 K温度下，其预测结果与实验数据存在较大误差。相比之下，新模型在不同温度和应变速率下的预测精度误差较小，并且明显优于Arrhenius模型和Hensel-Spittle模型。这是因为新模型在lnσ和■之间采用了3阶精度逼近，而Arrhenius模型和Hensel-Spittle模型只采用了1阶精度逼近。通过采用更高阶的逼近方法，新...     

粗片层状组织TA15合金高温本构关系研究

利用THERMECMASTOR-Z型热模拟试验机对粗片层状组织TA15合金进行了变形温度为750～1100℃、应变速率为0．001～10S。的热压缩试验。研究了变形温度、应变速率、应变对流动应力的影响,并采用逐步回归法合理地选取了影响流动应力的“最优”自变量子集,建立了合金的本构关系模型。结果表明,所建立的本构关系模型能够用来表征该合金热变形过程的力学行为;误差分析表明,该逐步回归法本构关系模型具有较高的精度,可用于指导粗片层状组织TA15合金热加工工艺制定,并可用于粗片层状组织TA15合金热变形过程的有限元模拟。     

利用晶粒尺寸构建本构方程模拟AA1070铝的热变形行为

对原有Johnson-Cook本构模型中的项进行修正,提出一种新的现象学的、基于经验的本构模型.该模型可用于描述和预测具有不同初始晶粒尺寸的AA1070铝在热加工过程中的流变应力.该模型考虑热软化、应变速率硬化、应变硬化、初始晶粒尺寸及其相互影响,能够正确模拟具有不同应变、应变速率和初始晶粒尺寸AA1070铝的高温行为...     

应用智能方法建立Ti-6Al-2Zr-1Mo-1V合金的本构关系(英文)

利用Thermecmastor-Z热模拟机进行Ti-6Al-2Zr-1Mo-1V钛合金在不同工艺参数(变形温度800,850,900,1000,1050°C,应变速率0.01,0.1,1,10s-1)条件下的热模拟压缩试验,研究变形温度和应变速率对Ti-6Al-2Zr-1Mo-1V钛合金流变应力的影响。以试验数据为基础,应用BP神经网络算法原理,建立该合金的高温流动应力与变形温度、应变和应变速率对应关系的高温本构关系预测模型。结果表明,运用神经网络方法建立的Ti-6Al-2Zr-1Mo-1V钛合金本构关系模型具有较高的预测精度,与试验结果吻合良好。此外,运用Visual Basic可视化编程语言设计并开发了具有神经网络功能的用户界面。     

5A06铝合金的高温变形行为分析及本构模型研究

采用热模拟实验机对5A06铝合金进行了变形温度为300,350,400,450和500℃,应变速率为0. 01,0. 1,1和10 s-1不同热变形条件下的等温压缩实验,分析了变形温度和应变速率对5A06铝合金热变形行为的影响,基于实验数据建立了5A06铝合金的Johnson Cook初始本构模型,并在此模型基础上进行了修正。研究结果表明:5A06铝合金热压缩时的热变形应力与变形温度、应变及应变速率均有关,热变形应力随着应变的增大先快速增大,然后逐步减小直至稳定,随变形温度的升高而降低,随应变速率的增大而增大;与Johnson Cook初始本构模型相比,修正后的本构模型具有更高的预测精度,更能准确地表达5A06铝合金热变形应力与热变形条件之间的关系。     

ARTIFICIAL NEURAL NETWORK MODEL OF CONSTTTUTIVE RELATIONSHIP FOR 2A70 ALUMINUM ALLOY

The hot deformation behavior of 2A70 aluminum alloy was investigated by means of isothermal compression tests performed on a Gleeble-1500 thermal simulator over a wide range of temperatures 360-480℃ with strain rates of 0.01-1s-1 and the largest deformation of 60%, and the true stress of the material was obtained under the above-mentioned conditions. The experimental results shows that 2A70 aluminum alloy is a kind of aluminum alloy with the property of dynamic recovery; its flow stress declines with the increase of temperature, while its flow stress increases with the increase of strain rates. On the basis of experiments, the constitutive relationship of the 2A70 aluminum alloy was constructed using a BP artificial neural network. Comparison of the predicted values with the experimental data shows that the relative error of the trained model is less than ±3% for the sampled data while it is less than ±6% for the non- sampled data. It is evident that the model constructed by BP ANN can accurately predict the flow stress of the 2A70 alloy.     

The Use of ANN to Predict the Hot Deformation Behavior of AA7075 at Low Strain Rates

In this study, artificial neural network (ANN) was used to model the hot deformation behavior of 7075 aluminum alloy during compression test, in the strain rate range of 0.0003-1 s^?1 and temperature range of 200-450 °C. The inputs of the model were temperature, strain rate, and strain, while the output of the model was the flow stress. The feed-forward back-propagation network with two hidden layers was built and successfully trained at different deformation domains by Levenberg-Marquardt training algorithm. Comparative analysis of the results obtained from the hyperbolic sine, the power law constitutive equations, and the ANN shows that the newly developed ANN model has a better performance in predicting the hot deformation behavior of 7075 aluminum alloy.     

Al-Cu-Mg(2519)合金高温变形本构关系的神经网络模型

2519铝合金是一种新型的装甲材料。变形时,各热力学参数之间存在着非常复杂的非线性关系。本文采用Gleeble 1500热模拟机上圆柱体轴对称高温压缩试验数据建立了该合金本构关系神经网络模型。利用所建立的网络模型对其他一些热力学状态下材料的流变应力进行了预测,发现预测数据与实验数据吻合良好(总拟合度为2．6％),表明该本构关系神经网络模型有较高的预测精度。     

TC4钛合金神经网络本构模型及在有限元模拟中应用

利用Zwick/Roell Z100材料试验机,对TC4钛合金进行等温恒应变速率下的单向拉伸试验。基于获得的试验数据,采用BP神经网络技术建立了该合金的高温本构关系模型,并对其预测性能进行分析。基于ABAQUS/Explcit平台进行材料子程序二次开发,将神经网络本构模型嵌入到有限元计算中,实现了TC4钛合金高温变形的数值模拟。结果表明,神经网络本构模型预测精度很高,可以准确地描述TC4钛合金在热态下的动态力学性能。神经网络本构模型应用于有限元模拟可行且有效。     

Flow behavior of Al–6.2Zn–0.70Mg–0.30Mn–0.17Zr alloy during hot compressive deformation based on Arrhenius and ANN models

The hot deformation behavior of Al–6.2Zn–0.70Mg–0.30Mn–0.17Zr alloy was investigated by isothermal compression test on a Gleeble–3500 machine in the deformation temperature range between 623 and 773 K and the strain rate range between 0.01 and 20 s^?1. The results show that the flow stress decreases with decreasing strain rate and increasing deformation temperature. Based on the experimental results, Arrhenius constitutive equations and artificial neural network (ANN) model were established to investigate the flow behavior of the alloy. The calculated results show that the influence of strain on material constants can be represented by a 6th-order polynomial function. The ANN model with 16 neurons in hidden layer possesses perfect performance prediction of the flow stress. The predictabilities of the two established models are different. The errors of results calculated by ANN model were more centralized and the mean absolute error corresponding to Arrhenius constitutive equations and ANN model are 3.49% and 1.03%, respectively. In predicting the flow stress of experimental aluminum alloy, the ANN model has a better predictability and greater efficiency than Arrhenius constitutive equations.     

Modeling Constitutive Relationship of Ti-555211 Alloy by Artificial Neural Network during High-Temperature Deformation

利用Gleeble-3800热模拟实验机,在应变速率0.001~1 s-1以及变形温度750~950 ℃范围内对Ti-555211合金进行等温恒应变速率压缩实验。基于人工神经网络的方法建立了Ti-555211合金热变形本构模型。模型的可靠性用平均相对误差和相关系数来确定。结果表明,所建立的本构模型与实验值的平均相对误差为1.60%,相关系数为0.99938,表明该模型能很好地预测该合金的本构关系。用神经网络来确定本构关系比传统的数学方程更加具有优势。热模拟实验结果表明,随着变形温度的升高和应变速率的减小,该材料的峰值应力有所减小,不连续屈服现象随着变形温度升高和应变速率的增大变得更加明显。流变曲线在不同的变形参数条件下表现形式也不同。     

STUDY ON CONSTITUTIVE RELATIONSHIP OF Ti-5Al-2Sn-2Zr-4Cr-4Mo ALLOY AND SIMULATION OF HOT FORMING PROCESSES

.~theSofar,finiteelementmethodhaswidelybeenusedinmetalfoeingprocesses,whichcanhelptoshortenthedevelopmentcycleandreducetheproductcosts.ConstitutiverelationshipisabridgebetweenthedefonnationbehaViorofmaterialsandallkindsOfthermomechanicalparameters,anditisalsoapresupPOsitiontothesimulationOfmetaldeformationprocessesbyusingfiniteelementmethod.Fwhermore,itisusuallynon--linearandcomplex,owingtoavallationinstructUredabingplasticdefonnation,Particularlyoccultinginsupendloys.FOrmanyyears,researche…     

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。     

An adaptive constitutive model of the Ti-6.29Al-2.71Mo-1.42Cr alloy in high-temperature deformation

In this paper, an adaptive constitutive model has been acquired with the help of a fuzzy set and an artificial neural network, so as to represent the deformation behavior of the Ti-6.29Al-2.71Mo-1.42Cr alloy in high-temperature deformation. In establishing this model for the constitutive relationship of this alloy, the process parameters of deformation temperature, strain rate, and strain were taken as three inputs, and the flow stress was taken as an output. Data from “teaching samples” and testing samples were obtained from the experimental results in the isothermal compression of the Ti-6.29Al-2.71Mo-1.42Cr alloy. By comparison of the calculated results with the experimental data from the testing samples, it was verified that the present adaptive constitutive model to predict the flow stress of the Ti-6.29Al-2.71Mo-1.42Cr alloy has good learning precision and generalization.