利用人工神经网络模型和Z-A模型对无氧Cu本构关系的对比研究
来源期刊：湖南科技大学学报自然科学版2004年第2期
论文作者：曾渝 朱远志 杨扬 彭勃 尹志民
关键词：冲击预应变; Cu; Zerrlii-Armstrong本构关系; 人工神经网络模型;
摘 要：利用Split-Hopkinson bar装置上所得变形数据,研究并比较了冲击预变形铜的神经网络本构关系模型以及Zerrilli-Armstrong本构关系模型.在此基础上比较研究了两种模型对冲击预变形铜在不同热力学状态下流变应力的预测精度.本研究中神经网络模型的总的拟合度为0.9%,而Zerrilli-Armstrong模型的拟合度为8%.研究发现:Zerrilli-Armstrong模型相对于神经网络模型有较低精度的原因是由于物理模型把材料内部某些动态变量作为常数处理,而神经网络模型建模训练时已经包含了这些动态变化的因素.研究认为通过增加神经网络输入节点数可以扩大神经网络模型的应用范围.图2,表1,参12.
曾渝1，朱远志1，杨扬1，彭勃3，尹志民1
(1.中南大学,材料科学与工程学院,湖南,长沙,410083;
2.湖南大学,材料科学与工程学院,湖南,长沙,410082;
3.岳阳中南学校,湖南,岳阳,414000)
摘要:利用Split-Hopkinson bar装置上所得变形数据,研究并比较了冲击预变形铜的神经网络本构关系模型以及Zerrilli-Armstrong本构关系模型.在此基础上比较研究了两种模型对冲击预变形铜在不同热力学状态下流变应力的预测精度.本研究中神经网络模型的总的拟合度为0.9%,而Zerrilli-Armstrong模型的拟合度为8%.研究发现:Zerrilli-Armstrong模型相对于神经网络模型有较低精度的原因是由于物理模型把材料内部某些动态变量作为常数处理,而神经网络模型建模训练时已经包含了这些动态变化的因素.研究认为通过增加神经网络输入节点数可以扩大神经网络模型的应用范围.图2,表1,参12.
关键词:冲击预应变; Cu; Zerrlii-Armstrong本构关系; 人工神经网络模型;
【全文内容正在添加中】
