【摘要】：在Gleeble-3500熱模擬儀上進行熱壓縮實驗,研究在變形溫度為623~773 K、應變速率為0.01~20 s~(-1)時均勻化狀態(tài)下Al-6.2Zn-0.70Mg-0.30Mn-0.17Zr合金的熱變形行為。實驗結果表明:變形過程中流變應力值隨應變速率的減小或變形溫度的升高而減小。為研究熱壓縮過程合金的流變行為,同時建立了應變補償本構模型與人工神經網絡模型。計算結果表明:熱壓縮過程中各個材料常數與應變之間的關系可分別用6次多項式描述;隱含層含有16個神經元的神經網絡模型具有好的預測效果。采用應變補償本構模型和神經網絡模型對流變應力進行預測,預測值平均絕對誤差分別為3.49%和1.03%,神經網絡模型預測精度與效率均高于應變補償本構模型。
[Abstract]:Thermal compression experiments were carried out on a Gleeble-3500 thermal simulator. The thermal deformation behavior of Al-6.2Zn-0.70Mg-0.30Mn-0.17Zr alloy was studied at a deformation temperature of 623773 K and a strain rate of 0.01 ~ (20) s ~ (-1). The experimental results show that the flow stress decreases with the decrease of strain rate or the increase of deformation temperature. In order to study the rheological behavior of alloys during hot compression, a strain compensated constitutive model and an artificial neural network model were established. The results show that the relationship between the material constants and the strain can be described by polynomial of order 6, and the neural network model with 16 neurons in the hidden layer has a good prediction effect. The strain compensated constitutive model and the neural network model are used to predict the rheological stress. The average absolute error of the predicted value is 3.49% and 1.03% respectively. The prediction accuracy and efficiency of the neural network model are higher than that of the strain compensated constitutive model.
【作者單位】： 中南大學材料科學與工程學院;晟通科技集團有限公司;
【基金】：Project(2016GK1004) supported by the Science and Technology Major Project of Hunan Province,China
【分類號】：TG146.21

【相似文獻】

相關期刊論文 前10條

1 楊天才,劉鴻,程紹佳,楊長青;一種神經網絡模型在混凝土配比設計中的應用[J];武漢工程職業(yè)技術學院學報;2003年02期

2 朱偉,龔紅英,張質良,婁臻亮,劉暉,周士侃;兩種神經網絡模型在材料領域中的應用[J];材料導報;2003年11期

3 韓波;黃雄巍;;神經網絡模型在北海市空氣日報污染指數計算中的應用[J];中國環(huán)境管理干部學院學報;2012年03期

4 樹錦;;神經網絡模型在河道水質建模中的應用初探[J];江蘇水利;2013年10期

5 王曉峰;;一種對偶互反饋神經網絡模型及其在線性規(guī)劃上的應用[J];沈陽化工學院學報;1990年03期

6 趙千里,高謙;采礦神經網絡模型在金川二礦區(qū)的開發(fā)應用[J];有色冶煉;1999年S1期

7 劉亞秀;;英文字母中的噪聲信號對神經網絡模型識別的影響[J];防災科技學院學報;2006年04期

8 成小平,胡聿賢,帥向華;基于神經網絡模型的房屋震害易損性估計方法[J];自然災害學報;2000年02期

9 楚艷艷;汪青;崔世忠;禹建麗;;基于組合神經網絡模型對紡織品熱阻與濕阻的估計研究[J];絲綢;2008年04期

10 李作清;陳志祥;;精密內圓磨削過程的神經網絡模型的研究[J];磨床與磨削;1993年04期

相關會議論文 前10條

1 孫寶成;劉錫薈;;時間序列神經網絡模型[A];全國青年管理科學與系統科學論文集（第1卷）[C];1991年

2 周金榮;胡澤新;黃道;;一種多層混合型神經網絡模型的研究[A];1995中國控制與決策學術年會論文集[C];1995年

3 王阿明;劉天放;;高階神經網絡模型特性研究[A];中國地球物理學會年刊2002——中國地球物理學會第十八屆年會論文集[C];2002年

4 屈景怡;王如彬;;大腦皮層神經網絡模型同步問題研究[A];第十四屆全國非線性振動暨第十一屆全國非線性動力學和運動穩(wěn)定性學術會議摘要集與會議議程[C];2013年

5 張美戀;林熙;;經濟增長的神經網絡模型[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 陳昭炯;葉東毅;;一個改進的競爭神經網絡模型[A];1996中國控制與決策學術年會論文集[C];1996年

7 郭成安;李建華;李明偉;;從觀測數據學習后驗概率函數:一種最佳神經網絡模型的設計與分析[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

8 李媛;康春艷;于亞芳;;交指型缺陷接地結構共面波導的神經網絡模型[A];2009年全國微波毫米波會議論文集（上冊）[C];2009年

9 禹建麗;蘇中義;楊衛(wèi)平;;牽引傳動中潤滑油牽引系數的神經網絡模型[A];2005年中國智能自動化會議論文集[C];2005年

10 胡金亮;李建生;余學慶;沈建京;周濤;王永炎;;用于中醫(yī)證候量化診斷的神經網絡模型的探索[A];計算機在診法中的應用與研究論文匯編[C];2005年

相關重要報紙文章 前1條

1 自治區(qū)交通廳養(yǎng)路費征稽處 程愛娟;應用“神經網絡模型”預測婦女的平均工資水平[N];新疆科技報(漢);2000年

相關博士學位論文 前10條

1 袁朝暉;二元離散神經網絡模型的動力學分析[D];湖南大學;2003年

2 王軍平;幾類離散神經網絡模型的動力學分析[D];復旦大學;2006年

3 南晉華;決策神經網絡模型及應用研究[D];華中科技大學;2008年

4 周日貴;量子神經網絡模型研究[D];南京航空航天大學;2008年

5 劉艷青;時滯神經網絡模型的穩(wěn)定性研究[D];天津大學;2005年

6 趙靈曉;基于部件神經網絡模型的制冷系統混合仿真方法及應用[D];上海交通大學;2010年

7 朱紅;高速（HS-K-WTA）神經網絡模型[D];南京理工大學;2003年

8 熊佩英;幾類神經網絡模型的動力學分析[D];湖南大學;2013年

9 劉開宇;幾類二元神經網絡模型的動力學性質研究[D];湖南大學;2004年

10 黃振坤;幾類神經網絡模型的動力學分析[D];浙江大學;2007年

相關碩士學位論文 前10條

1 楊巍;三元離散神經網絡模型的穩(wěn)定性與分岔分析[D];東北林業(yè)大學;2010年

2 孫文淵;基于BP神經網絡模型下預測吉林省GDP[D];延邊大學;2015年

3 李波;一類帶有分段連續(xù)控制項的非線性遞推關系的漸近周期性[D];延邊大學;2015年

4 鞏云野;兩類具有時滯項的Cohen-Grossberg神經網絡模型的穩(wěn)定性分析[D];東北林業(yè)大學;2015年

5 王薇;一類離散時間雙極人工神經網絡模型的周期性[D];延邊大學;2015年

6 李辰風;改進遺傳BP網絡的地表沉降預測方法研究[D];江西理工大學;2015年

7 尤軍;民用建筑沉降監(jiān)測與預報方法應用研究[D];寧夏大學;2015年

8 吳嬌嬌;基于時空神經網絡模型的瓦斯?jié)舛阮A測研究[D];中國礦業(yè)大學;2015年

9 李靈光;細長導軌加工變形分析與參數優(yōu)化技術[D];北京理工大學;2015年

10 王鵬;切換Cohen-Grossberg神經網絡模型的動力學分析[D];長沙理工大學;2014年

，

本文編號：2229035