基于GA-BP和PSO-BP神經(jīng)網(wǎng)絡(luò)的6061鋁合金板材流變應(yīng)力預(yù)測(cè)模型(英文)
發(fā)布時(shí)間:2021-04-12 01:42
6061鋁合金作為一種熱可強(qiáng)化鋁合金,具有良好的成形性能,但是其塑性流變應(yīng)力受最終熱處理工藝的加熱溫度、保溫時(shí)間和冷卻方式等參數(shù)的影響很大。因此,為了獲得最終熱處理工藝參數(shù)對(duì)6061鋁合金板材的塑性性能及流變行為的影響,試驗(yàn)中以6061-T6鋁合金板材為研究對(duì)象,通過(guò)單向拉伸試驗(yàn)、金相實(shí)驗(yàn)和硬度測(cè)試等方法研究不同熱處理工藝參數(shù)(加熱溫度為500、530、560和590℃、保溫時(shí)間2 h、冷卻方式為空冷)對(duì)6061鋁合金塑性性能和硬度的影響。通過(guò)單向拉伸試驗(yàn)獲取不同熱處理工藝參數(shù)條件下6061鋁合金的真實(shí)應(yīng)力-應(yīng)變曲線;借助BP、GA-BP和PSO-BP神經(jīng)網(wǎng)絡(luò)構(gòu)建不同熱處理溫度條件下6061鋁合金的本構(gòu)關(guān)系模型。結(jié)果表明,BP、GA-BP和PSO-BP神經(jīng)網(wǎng)絡(luò)模型均能較好的擬合不同熱處理溫度條件下6061鋁合金的流變行為,但是PSO-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)6061鋁合金流變應(yīng)力的預(yù)測(cè)精度更高,模型預(yù)測(cè)性能更優(yōu)越,其平均絕對(duì)誤差(MAE),平均相對(duì)誤差(AARE)和相關(guān)系數(shù)(R2)分別為1.89,1.56%和0.9965。
【文章來(lái)源】:稀有金屬材料與工程. 2020,49(06)北大核心EISCICSCD
【文章頁(yè)數(shù)】:14 頁(yè)
【文章目錄】:
1 Experiment
2 Results and Discussion
2.1 True stress-strain curves
2.2 Microstructural evolution
2.3 Constitutive model of 6061 aluminum alloy after heat treatment
2.3.1 BP artificial neural network model
2.3.2 GA-BP neural network model
2.3.3 PSO-BP neural network model
2.3.4 Analysis and discussion
3 Conclusions
本文編號(hào):3132358
【文章來(lái)源】:稀有金屬材料與工程. 2020,49(06)北大核心EISCICSCD
【文章頁(yè)數(shù)】:14 頁(yè)
【文章目錄】:
1 Experiment
2 Results and Discussion
2.1 True stress-strain curves
2.2 Microstructural evolution
2.3 Constitutive model of 6061 aluminum alloy after heat treatment
2.3.1 BP artificial neural network model
2.3.2 GA-BP neural network model
2.3.3 PSO-BP neural network model
2.3.4 Analysis and discussion
3 Conclusions
本文編號(hào):3132358
本文鏈接:http://sikaile.net/kejilunwen/jinshugongy/3132358.html
最近更新
教材專著