基于铝合金粉末成形本构模型的BP神经网络参数预测

摘要：

建立准确的本构模型是进一步开展金属粉末成形研究的基础.基于修正的Drucker-Prager Cap模型和遗传算法优化的BP神经网络,对铝合金粉末压制成形过程进行了数值模拟,实现了本构模型参数的预测.对于铝合金粉末成形研究,首先确定了修正的Drucker-Prager Cap模型参数取值范围,基于ABAQUS及子程序USDFLD的有限元分析平台实现了压制过程的数值模拟.然后,以数值模拟的压制力数据为输入,修正的Drucker-Prager Cap模型参数为输出,建立了遗传算法优化的BP神经网络模型.对模压试验的本构模型参数进行了反演预测.结果 表明,参数反演后数值模拟结果和模压试验数据之间的平均绝对百分比误差(MAPE)仅为5.10％,该BP神经网络模型能实现对本构模型参数的快速、有效和准确地预测.

关键词：6061铝合金粉末、修正的Drucker-Prager Cap模型、BP神经网络、参数预测

所属期刊栏目：51

分类号：TG146.21;TF12(金属学与热处理)

资助基金：陕西省研发计划—一般项目2020GY-245

在线出版日期：2022-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：46-50