基于人工神经网络的超细晶纯钛热变形本构模型
来源期刊：稀有金属材料与工程2018年第10期
论文作者：刘晓燕 杨成 杨西荣 强萌 张欠欠
文章页码：3038 - 3044
关键词：超细晶纯钛;人工神经网络;Arrhenius本构方程;流变应力;
摘 要：对等通道转角挤压（ECAP）制备的超细晶纯钛,在温度为250～450℃、应变速率为10-5～1s-1的条件下进行热压缩试验。基于真应力和真应变实验数据,分别使用人工神经网络（ANN）和Arrhenius方程建立超细晶纯钛的热变形本构模型,研究其热变形行为。实验结果表明:在变形初期,流变应力随应变的增大而升高,随后趋于平缓,最终达到一个稳定值。人工神经网络训练和预测结果表明:人工神经网络最佳结构为3×12×1,人工神经网络模型预测的平均相对误差（AARE）为2.1%,相关系数（R）为0.9979;Arrhenius方程模型预测的AARE为11.54%,R为0.9464。即人工神经网络模型能够更加精确地描述超细晶纯钛的本构关系。通过对比不同温度下两种模型的误差,发现人工神经网络模型在高温条件下具有更好的稳定性。
刘晓燕1,2，杨成1，杨西荣1,2，强萌1，张欠欠1
1. 西安建筑科技大学2. 陕西省冶金工程技术研究中心
摘 要：对等通道转角挤压（ECAP）制备的超细晶纯钛,在温度为250～450℃、应变速率为10-5～1s-1的条件下进行热压缩试验。基于真应力和真应变实验数据,分别使用人工神经网络（ANN）和Arrhenius方程建立超细晶纯钛的热变形本构模型,研究其热变形行为。实验结果表明:在变形初期,流变应力随应变的增大而升高,随后趋于平缓,最终达到一个稳定值。人工神经网络训练和预测结果表明:人工神经网络最佳结构为3×12×1,人工神经网络模型预测的平均相对误差（AARE）为2.1%,相关系数（R）为0.9979;Arrhenius方程模型预测的AARE为11.54%,R为0.9464。即人工神经网络模型能够更加精确地描述超细晶纯钛的本构关系。通过对比不同温度下两种模型的误差,发现人工神经网络模型在高温条件下具有更好的稳定性。
关键词：超细晶纯钛;人工神经网络;Arrhenius本构方程;流变应力;
