基于人工神经网络的金属超塑性变形内部损伤演变仿真

分别进行了铝合金板料和黄铜板料的超塑性力学实验、自由胀形实验和细观金相实验，确定了铝金和黄铜的最佳超塑性变形规范，测量了不同超塑变形条件下此两种材料的内部损伤程度及其室温机械性能。这里材料的内部损伤程度主要指空洞百分数和空洞分形维数，室温机械性能主要指材料的弹性模量、屈服强度、极限强度及冲击韧性、断面缩减率等。在此基础上，利用人工神经网络的联想记忆能力非线性预测能力，对独立开发的误差反传BP网络模型进行了训练。训练完毕的神经网络模型不但能够对不同超塑变形后的材料内部损伤程度作出较之一般力学模型精度较高的计算，而且能对超塑变形后的材料的室温机械性能作出正确估测。