基于人工神经网络的高温合金蠕变曲线模拟

采用神经网络杂合模型来模拟和预测较宽温度和应力范围内合金的蠕变曲线。物理模型采用θ方程，由θ方程对蠕变曲线进行拟合，分出θ方程有效区和无效区。θ方程有效区内，方程中参数及截断应变点采用神经网络模型得出。θ方程无效区内，一方面，考察代表性蠕变试样组织演化情况，利用神经网络探索蠕变应变的本构方程，结合现有物理模型，对方程中各项物理意义进行解释。同时，利用该本构关系对 θ方程的弱化项作出修正。另一方面，不考虑具体本构关系，直接建立包括蠕变时间在内的输入参量和应变为输出参量的神经网络模型，实现对这一区域的模拟。由此建立具有明确物理意义的神经网络的杂合模型。移植和集成商用软件神经网络模块，完成模块的模拟功能。本项目的研究对于蠕变加速阶段蠕变行为和蠕变机理的理解具有重要的理论价值，同时，对高温材料的蠕变寿命和蠕变变形行为预测具有重要工程应用价值。