共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
利用CMT4104电子万能试验机研究了置氢TC21合金在不同温度和应变速率下的超塑性.结果表明,随氢含量增加.TC21合金的流动应力先降低后升高,存在一个最佳变形量.置氢后大部分条件下伸长率随氢含量的增加而降低,但氢含量为0.1wt%时,在880℃,1×103s-1条件下变形,获得了1010%的最大伸长率.TEM观察发现,当氢含量较低时,TC21-xH合金主要的超塑变形机制为位错攀移和滑移协调的相界/晶界滑移;当氢含量较高时,由于氢降低了TC21合金的相变点,变形在单相β相区进行,变形机制为由扩散促进位错恢复和攀移的晶界滑动机制. 相似文献
3.
4.
5.
6.
7.
利用热模拟机对ZK60镁合金进行等温压缩变形实验,建立人工神经网络模型,并通过相关性系数和相对误差评估和验证模型的预测能力。结果表明,所建立的反向传播神经网络模型能够追踪实验值,可以描述ZK60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。 相似文献
8.
9.
利用人工神经网络(ANN)的BP(back propagation)算法,建立了复合材料力学性能预测模型。模型由三层神经元组成,分别为输入层、隐含层和输出层。以SiC_P/AZ61复合材料的力学性能与SiC的颗粒体积分数的关系为研究对象,选取了七组试验数据作为学习样本,用建立的网络预测未知,并给出预报曲线和预测程序界面图。与试验结果比较表明,所建立的网络能反映SiC_P/AZ61复合材料中SiC的颗粒体积分数与其力学性能之间的关系,为试验设计提供了一种新的思路。 相似文献
10.
11.
基于BP神经网络的TC11钛合金工艺-性能模型预测 总被引:1,自引:0,他引:1
材料工艺与性能的关系具有复杂、非线性交互等特点。本文根据TC11钛合金力学性能与其影响因素之间的映射关系,以大量的试验数据为基础,建立了BP神经网络模型。模型的输入包括锻造温度、锻后冷却方式等热加工工艺参数;输出为常用的力学性能指标,即抗拉强度、屈服强度、延伸率和断面收缩率。运用该模型对TC11钛合金力学性能进行了预测,并通过试验数据对模型的预测精度进行了可靠性验证。同时,运用已建立的神经网络模型对TC11钛合金工艺参数与力学性能的关系进行了分析。结果表明,所建立的力学性能预测模型具有良好的外推能力,并且可以很好地反映出该合金的工艺-性能之间的复杂关系。 相似文献
12.
应用人工神经网络模型预测Ti+10V-2Fe-3A合金的力学性能 总被引:7,自引:0,他引:7
采用人工神经网络方法建立了Ti-10V-2Fe-3Al合金机械性能预测的神经网络模型。模型的输入参数包括变形温度、变形程度、固溶温度、时效温度等热加工工艺参数和热处理制度。模型的输出为钛合金最重要的5个机械性能指标,即抗拉强度、屈服强度、延伸率、断面收缩率和断裂韧性。与传统回归拟合公式相比,该模型具有容错性好、通用性强等优点。该模型可以预测Ti-10V-2Fe-3Al合金在不同热加工工艺参数和热处理制度下的机械性能,也可以用于优化热加工参数和热处理制度。 相似文献
13.
在TC11钛合金大量实验数据的基础上,应用人工神经网络建立TC11钛合金的化学元素与力学性能关系模型。模型的输入参数包括Al、Mo、Zr、Si、Fe、C、O、N和H共9种化学元素;输出为常规力学性能指标(抗拉强度、屈服强度、延伸率和断面收缩率)。运用未知数据样本对已建立神经网络模型的预测能力进行检验,并以Al、Mo、Zr和C元素为研究对象,利用该模型分析TC11钛合金化学元素对力学性能的影响规律。结果表明:网络的预测值与实验值的相对误差均在10%以内,说明所建立的神经网络预测模型具有较精确的预测能力,而且能够清楚地反映出该合金化学元素与力学性能之间的非线性关系。 相似文献
14.
15.
超高强Al-Zn-Mg-Cu-Zr-Ag合金时效性能预测的人工神经网络模型 总被引:3,自引:0,他引:3
通过对实验Al—Zn—Mg—Cu—Zr-Ag合金不同温度下(90℃~150℃)时效得到的硬度和导电率数据进行了神经网络建模,发现在目标函数为0.3,隐层节点数为5,学习率为0.15时,系统误差较小。利用所建立的网络模型预测不同时效状态下材料的硬度和导电率值,发现预测数据与实验数据吻合良好(总误差3.5%),为铝合金时效性能预测和控制提供了1条新途径。 相似文献
16.
17.
测定了Ti-6Al-4V合金在不同热循环温度下的拉伸强度和拉伸塑性.结果表明:热循环对Ti-6Al-4V合金的拉伸强度有显著的影响,而对其拉伸塑性影响不明显;利用BP神经网络的相关理论和方法,建立了关于Ti-6Al-4V合金在热循环温度下的力学性能的BP神经网络模型,计算结果表明,预测误差均在5%以内,精度很高,可为进一步研究Ti-6Al-4V合金提供科学方法. 相似文献
18.
19.