基于神经网络预测钨合金冲击载荷下的流动应力

简介

为建立能有效预测流动应力的神经网络结构,使用霍普金森压杆设备对钨合金圆柱试样进行不同载荷下的冲击实验,获取应变率为2200、3100、4000、4500、5300 s-1及初始温度为25、300、500℃等共15种工况下的应力应变曲线。使用其中12组工况下的数据,以应变、应变率、初始温度作为输入量,流动应力作为输出量,在MATLAB中设计并测试具有不同结构的神经网络的预测能力,其中以Tansig函数作为激活函数的3-6-6-1网络结构具有最好的预测能力。借助统计学参数衡量JC本构方程和所建立神经网络的预测能力,与JC本构方程相比,所建立网络的预测能力更强,其与实验数据平均绝对相对误差仅为0.4209%。此外,通过对剩余3种工况下流动应力的预测证明了网络具有良好的泛化能力。