运用Gleeble-1500热模拟机对Ti600合金的圆柱试样进行等温压缩变形试验,以试验所得数据(变形温度800~1100℃,应变速率0.01~10 s<'-1>)为基础,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神经网络本构关系模型具有很高的预测精度,可以很好地描述Ti600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,为本构关系模型的建立提供了一种更加准确有效的方法.
参考文献
[1] | 俞汉青;陈金德.金属塑性成形原理[M].北京:机械工业出版社,2005:117. |
[2] | Rao K P;Hawbolt E .[J].Transactions of the ASME-Journal of Engineering Materials and Technology,1992,114(01):116. |
[3] | 刘东;罗子健 .[J].塑性工程学报,1995,2(01):15. |
[4] | 赵永庆.高温钛合金研究[J].钛工业进展,2001(01):33-39. |
[5] | Jeoung Hart Kim;Semiatin S L;Chong Soolee .[J].Materials Science and Engineering,2005,A394:366. |
[6] | Zeng Liying;Hong Quan;Yang Guanjun .[J].Transactions of Nonferrous Metals Society of China,2007,17:522. |
[7] | Berg S;Morai M;Nender C et al.[J].Surface and Coatings Technology,1989,39:466. |
[8] | 戚运莲;曾卫东;赵永庆 .[J].热加工工艺,2006,35(17):5. |
[9] | 沈昌武,杨合,孙志超,崔军辉.基于BP神经网络的TA15钛合金本构关系建立[J].塑性工程学报,2007(04):101-104,132. |
[10] | Reddy NS;Lee YH;Park CH;Lee CS .Prediction of flow stress in Ti-6Al-4V alloy with an equiaxed alpha plus beta microstructure by artificial neural networks[J].Materials Science & Engineering, A. Structural Materials: Properties, Misrostructure and Processing,2008(1/2):276-282. |
[11] | Luo Jiao;Li Miaoquan;Hu Yiqu et al.[J].Materials Characterization,2008,59:1986. |
[12] | 孙宇,曾卫东,王邵丽,徐斌,周义刚.应用人工神经网络建立Ti-22Al-25Nb合金高温本构关系模型[J].塑性工程学报,2009(03):126-129. |
[13] | 杨建刚.人工神经网络实用教程[M].Hangzhou:zhejiaIlg University Press,2001:41. |
[14] | 董长虹.Matlab神经网络与应用[M].北京:国防工业出版社,2005:64. |
[15] | 曾卫东,舒滢,周义刚.应用人工神经网络模型预测Ti-10V-2Fe-3Al合金的力学性能[J].稀有金属材料与工程,2004(10):1041-1044. |
[16] | 周军,曾卫东,舒滢,周义刚.应用热加工图研究TC17合金片状组织球化规律[J].稀有金属材料与工程,2006(02):265-269. |
[17] | 赖运金,曾卫东,张驰,周建华,王晓英,俞汉清,周义刚.Ti-17合金高温变形中的不连续屈服与流变软化研究[J].机械科学与技术,2007(09):1183-1186. |
[18] | 徐斌,曾卫东,何德华,周义刚,梁晓波,李世琼.Ti-22Al-25Nb合金热变形行为研究[J].热加工工艺,2007(01):1-4. |
[19] | 楼顺天;施阳.基于MATLAB的系统分析与设计一神经网络[M].西安:西安电子科技大学出版社,1998 |
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:
-
10%
-
20%
-
30%
-
40%
-
50%