資源描述：
《az31鎂合金（添加混合稀土和銻）的熱變形行為及流變應(yīng)力的ann模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要金屬在高溫塑性變形時(shí)材料內(nèi)部的微觀組織會(huì)經(jīng)歷一系列動(dòng)態(tài)變化，材料的微觀組織特征又直接決定其力學(xué)行為，從而控制材料的性能。因此，研究不同變形條件下材料內(nèi)部微觀組織的演化及流變應(yīng)力的預(yù)測(cè)模型，可為合理確定材料的熱加工工藝和控制產(chǎn)品質(zhì)量提供科學(xué)依據(jù)和理論指導(dǎo)。添加混合稀土和銻的AZ31鎂合金的熱變形流變應(yīng)力受到變形溫度、應(yīng)變速率和應(yīng)變量等諸多因素的影響，是一個(gè)較復(fù)雜的非線性問(wèn)題。本文研究了添加混合稀土和銻的AZ31鎂合金的的熱變形行為，并利用人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)，建立了添加混合稀土和銻的AZ31鎂合金的流變應(yīng)力預(yù)測(cè)模型。在Gleeble．3500熱模擬試驗(yàn)機(jī)上，研究了變形溫度為250℃~4
2、00℃、應(yīng)變速率為0．01-10s-1時(shí)添加混合稀土和銻的AZ31鎂合金的熱變形行為。通過(guò)引入Zener-Holloman參數(shù)，采用雙曲正弦函數(shù)表示的峰值流變應(yīng)力同應(yīng)變速率和變形溫度的倒數(shù)之間呈密切的指數(shù)關(guān)系，據(jù)此計(jì)算出合金高溫變形時(shí)的材料常數(shù)。添加元素RE和Sb的加入，提高了鎂合金的變形激活能，使合金發(fā)生動(dòng)態(tài)回復(fù)所需的能量提高?；诓牧蠠峒庸さ募庸D原理，采用該合金熱壓縮實(shí)驗(yàn)數(shù)據(jù)分別繪出了添加混合稀土和銻的AZ31鎂合金在應(yīng)變?yōu)?．4和0．6時(shí)的加工圖。分析了加工圖中功率耗散因子rl隨變形參數(shù)的變化規(guī)律以及同變形組織之間的關(guān)系，得出了為了使合金變形后獲得最佳的變形組織，優(yōu)先選擇的變形條件為：
3、變形溫度為350℃--400℃，應(yīng)變速率為0．01s一～0．Is一。從熱壓縮試樣數(shù)據(jù)中提取樣本數(shù)據(jù)，利用BP網(wǎng)絡(luò)建立了添加混合稀土和銻的AZ31鎂合金的熱變形流變應(yīng)力的預(yù)測(cè)模型。模型的輸入量為變形溫度、應(yīng)變速率和應(yīng)變量，輸出量為流變應(yīng)力。其中，BP網(wǎng)絡(luò)使用了改進(jìn)的BP算法(LM算法)。研究結(jié)果表明：BP網(wǎng)絡(luò)有非常好的非線性逼近能力，訓(xùn)練相關(guān)性系數(shù)為0．997，BP網(wǎng)絡(luò)測(cè)試結(jié)果的最大相對(duì)誤差為5．63％，預(yù)測(cè)結(jié)果與試驗(yàn)數(shù)據(jù)符合的很好。與數(shù)學(xué)模型的回歸方法的預(yù)測(cè)結(jié)果相比，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度要高很多。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；鎂合金；流變應(yīng)力；熱加工圖ABSTRACTAbstractDuringhotd
4、eformation,themicrostructureinmaterialsgoesthroughaseriousofdynamicchanges，whichhasimportantinfluencesontheflowbehaviorofmaterialspropertiesofmaterials．So，studyingofmicrosmmmreevolutionduringhotformingandestablishmentflowstressmodelconsideredtheeffectofmicrostracturetheprocessparametersandcontI'olli
5、ngtheservicequalityofworkpieces．BecausetheflowstressandprocessparametersofAZ31magnesiumalloycontainingSbandREduringdeformationarenon·linearrelationship，establishingthemodelisverydifficultwithconventionalmethods．Artificialneuralnetworks,whichareuniversalapproximationsforcontinuousfunctions，areusedint
6、hispaper．ThehotdeformationbehaviorsinAZ31magnesiumalloycontainingSbandREwerestudiedandartificialneuralnetwork(ANN)modelwastestablishedtopredicttheflowstressofAZ31magnesiumalloycontainingSbandREinthispaper．ThedeformationbehaviorofAZ31magnesiumalloycontainingSbandREwasinvestigatedbycompressiontestswit
7、hGleeble·3500thermalsystem．Thetestswcl'eperformedinthetemperaturerangebetween250"Cand400X3，andstrainratesbetween0．01and10s。．Duringcompressingatelevatedtemperature。therelationshipbetweenpeakstressinfor
