材料IC10合金本构关系的神经网络模型.docx

《材料IC10合金本构关系的神经网络模型.docx》由会员分享，可在线阅读，更多相关《材料IC10合金本构关系的神经网络模型.docx（6页珍藏版）》请在第一文库网上搜索。

1、IC1O合金本构关系的神经网络模型张宏建，温卫东，崔海涛，徐颖，郑鑫(南京航空航天大学能源与动力学院，江苏南京210016)摘要：为研究ICIO合金在不同温度、不同应变率下的流变规律，本文利用材料试脸机(MTS809)测得Ie1O合金在很宽的温度范围(25800oC)和不同应变率(10少10%-)内的应力-应变曲线。试脸结果表明，在小于800C及小应变率条件下ICIO合金的流变行为表现为应变硬化。基于试验数据，本文建立了IC10合金本构关系的BP神经网络模型，该模型以应变值、应变率及温度作为输入量，流变应力为输出量。与试脸结果比较表明，BP神经网络模型的预测精度较高，这表明该模型可以精确的预测

2、ICIO合金在不同温度、不同应变率下的流变行为。关键词：IC1O合金：神经网络：本构方程：金属间化合物：应力-应变关系中图分类号，TB125；TB35；TB741文献标识码：ANeura1networkmode1fortheconstitutivere1ationshipofa11oyIC1OZhangHongjian.WenWeidong,CuiHaitao*XuYing,ZhengXin(Co11egeofEnergy&PowerEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,Jiangsu,C

3、hina)Abstract:Inordertoinvestigatethef1owbehaviorsofa11oyIC10,tensi1eexperimentswereconductedoverawiderangeoftemperatures(25800C)andstrainrates(10-510,)onaMateria1TestSystem(MTS809).Ac1oseobservationofthestress-straincurvesrevea1sthaton1yworkhardeningbehaviorscanbeobservedduringdeformations.Basedont

4、heexperimenta1data,theBPneura1networkmode1wasbui1tfordescribingthef1owbehaviorsofIC1Oatdifferentconditions.Inthemode1,thestrain,strainrateandtemperatureareconsideredastheinputparameters,whi1ethef1owstressistheon1youtputparameter.Computerresu1tsshowthatthepredicteddatafitwe11withtheexperiment,whichi1

5、1ustratesthattheBPneura1networkmode1candescribethef1owbehaviorsofIC1Oatdifferentstrainratesanddifferenttemperaturesaccurate1y.Keywords:a11oyIC10;neura1network;constitutivefunction;intermeta11iccompounds;stress-straincurve1 .引言由于NhA1基金属间化合物具有比刚度高、屈服应力高、密度低、熔点高和在较大温度范闱内具有良好的延展性、抗氧化和抗蠕变能力等优点，使其作为高温材料在航

6、空航天等领域得到了广泛的研究和应用I1ICIO合金是最新的Ni3A1基合金之一，已作为涡轮导向叶片使用的合金材料在新一代航空发动机上获得了应用。迄今为止，很多研究人员主要致力于IC1O合金的应用研究，如焊接性能等，而有关IC1O合金本构行为的研究报道较少。通常，建立材料本构模型的方法主要有两大类：(1)以连续介质力学和不可逆热力学为基础的宏观唯象学方法；(2)微细观力学方法，该方法从微细观的角度研究材料在外部环境作用下其微结构的形态和变化及其对材料宏观力学性能的影响。两类方法中，宏观唯象法发展相对成熟，目前应用较成功的几类唯象模型主要有内变量理论模型(如MiHer模型叫Bodner-Parto

7、m模型等)和经验型模型(如JohnSOn-COOk模型和ZA等)。其中，内变量理论模型主要存在参数众多并且难于确定，而且到大多参数是温度相关的，这增加了其应用难度：而JohnSon-CoOk模型虽然具有形式简单、参数较少等优点，但是该模型将材料的力学行为归结为应变效应、应变率效应和温度效应的简单相乘，使其在预测高温下IeIO合金的流变行为时不够精确，存在一些偏差。人工神经网络(Ar1ifiCia1Neura1NetworkorANN)是模拟脑神经传递信息的方式而建立起来的一种人工智能方法，它具有自学习、自组织和非线性动态处理等特性，为解决非线性系统模拟和未知模型的预测提供了新途径。由于基于神经

8、网络进行的系统建模时无须对研究对象作任何假设，模型能够以其良好的映射逼近能力逼近真实的变形过程，因此，近年来很多研究人员运用人工神经网络方法建立材料的本构关系，并取得了很好的效果解叫。BP网络是目前应用最广的人工神经网络形式，具有联想记忆和容错能力，对于解决复杂的非线性问题具有广阔的应用前景。本文对IC1o合金在不同温度和不同应变率下进行率控制拉伸试验，并在此基础上尝试采用BP神经网络模型建立IC1O合金高温本构关系，以便更加准确的预测该合金的流变行为。2 .试样制备及试验方法2.1 试样试验用材料为中国航空材料研究院所提供的ICIO合金，它是以Ni3A1为基的定向凝固合金材料，由真空感应炉熔

9、炼成母合金，再浇注成80mm的铸锭，然后在定向凝固炉中浇注成定向柱晶棒状试样(1Wn57)o其主要成分(质量分数/%)为：0.070.12C,(25C,IO-5S1).(6,10s,)三行条件下的全部实验数据和(25C,IoH(25C,IoTS-1(7(X)C,10,s,).(8(X)C,10,s,)四组条件下除训练样本数据外的所有实验数据。图4.1图4.4为常温、不同应变率下的应力.应变曲线预测值和试验值比较图。从这四幅图中可以看出,室温、不同应变率下预测值与试验值吻合较好。图5.1图5.3为常应变率、不同温度下的应力应变曲线预测值和试验值比较图，从图中可以看出，各温度下预测值与试验值吻合较好。以上分析表明运用BP神经网络可以较准确地预测Ie1O合金在不同的应变率及温度下的流变行为。图43T=25*C=104s,图4.4T=25CC=IOjST图4常温、不同应变率下预测值与试验值比较图Fig.4 Comparisonofthepredictedandexperimenta1dataatroomtemperatureanddiI1erentstrainrates