欢迎登录材料期刊网

材料期刊网

高级检索

通过分析研究变形温度、应变速率及变形程度参数对TC4-DT钛合金高温变形行为的影响,建立了一种基于自适应模糊神经网络的TC4-DT钛合金高温变形本构关系预测模型.高温变形热模拟压缩试验的变形温度为750~1150℃,应变率为0.001~10 s-1,试样高度压缩率为50%.本研究中建立的网络模型集成了模糊推理系统误差反向传播(BP)神经网络的学习算法.结果表明,该模型的预测值与实验结果比较吻合,最大相对误差小于6%.本研究证明模糊神经网络是一种优化TC4-DT钛合金本构关系模型和优化变形工艺参数的有效、实用方法.

参考文献

[1] Leo Prakash D G;Ding R;Moat R J et al.[J].Materials Science and Engineering A:Structural Materials Properties Microstructure and Processing,2010,527(21-22):5734.
[2] Momeni A;Abbasi S M .[J].Materials & Design,2010,31:3599.
[3] Luo Jiao;Li Miaoquan;Li Hong et al.[J].Materials Science and Engineering A:Structural Materials Properties Microstructure and Processing,2009,505:88.
[4] Prasad Y V R K;Seshacharyulu T;Medeiros S C et al.[J].Journal of Materials Processing Technology,2001,108:320.
[5] Boyer R;Welsch G;Collings E W.Materials Properties Handbook:Titanium Alloys[M].OH:ASM International,1994:483.
[6] Froes F H;Mitchell A;Senkov O N.Non-Aerospace Applications of Titanium[M].USA:TMS,1998:135.
[7] 张兴全;彭颖红;阮雪榆 .[J].中国有色金属学报,1999,9(03):590.
[8] 熊爱明,黄维超,陈胜晖,林海,李淼泉.TC6钛合金高温变形组织演化的模糊神经网络预测模型[J].金属学报,2002(z1):633-636.
[9] Sugeno M;Yasukawa T .[J].IEEE Transactions on Fuzzy Systems,1993,1(01):7.
[10] Du H P;Zhang N .[J].ApplSoft Comput,2008,8:76.
[11] Han Yuanfei;Zeng Weidong;Zhao Yongqing et al.[J].Materials & Design,2010,31:4380.
[12] Malcor J G;Montheillet F;Champin B.Titanium:Science and Technology[M].Germany:Deutsche Gesellschaft for Metalkunde,1985:1495.
[13] Seshacharyulu T;Medeiros S C;Morgan J T;Malas J C;Frazier W G;Prasad Y V R K .Hot deformation mechanisms in ELI grade Ti-6Al-4V.[J].Scripta materialia,1999(3):283-288.
[14] 刘青,薛祥义,付宝全,王一川.TC4-DT钛合金的热变形行为研究[J].热加工工艺,2009(12):43-47.
上一张 下一张
上一张 下一张
计量
  • 下载量()
  • 访问量()
文章评分
  • 您的评分:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%