热变形参数对Ti-15-3合金显微组织的影响及预测

通过等温压缩试验和金相分析研究了热变形参数对Ti-15-3(Ti-15V-3Cr-3Sn-3Al）合金固溶处理后显微组织的影响，等效晶粒尺寸随变形温度升高而增大，随变形程度和变形速率增加而减小，再结晶程度随变形温度升高而减小，随变形程度和变形速率增加而增大，采用人工神经网络的方法建立了等效晶粒尺寸及再结晶晶粒体积百分数与变形程度，变形速率和变形温度间的数学模型，预测值与实测值吻合较好，表明该方法很好地预测热变形参数对Ti-15-3合金固溶处理后显微组织的影响。     

Ti-15-3合金热变形显微组织的分形

以Ti-15-3合金热压缩变形显微组织的TEM像作为研究对象,基于Matlab软件平台,开发了图像处理及分形分析程序,采用盒维数法对不同变形温度、变形程度和变形速率下的显微组织形貌进行了分形分析.结果表明:Ti-15-3合金热塑性变形显微组织具有分形特征,可以采用分形维数对其形貌进行定量描述,且显微组织的分形维数随着变形温度的升高而减小,随着变形程度和变形速率的增大而增大;随着流变应力的增大,与之相对应的显微组织的分形维数增大;分形维数反映了热变形过程中软化过程进行的程度和金属变形抗力的大小;分形维数越小,软化过程进行得越充分,金属的变形抗力越小.     

Ti—15—3合金热变开过程晶粒轴比的预测

研究了变形参数对Ti-15-3合金热变形后晶粒轴比的影响，并采用人工神经网络方法建立了其晶粒轴比与变形程度、变形速率和变形温度之间的数学模型。将此模型与热力耦合刚粘塑性有限元方法相结合，对Ti-15-3合金热反挤成型过程的晶粒轴比场进行数值模拟和相应实验研究。结果表明，预测值与实测值吻合较好。     

基于人工智能的覆盖件冲压数值分析及工艺参数优化

将有限元数值模拟技术与人工神经网络及遗传算法等人工智能技术相结合,对典型覆盖件汽车油底壳零件的冲压成形过程进行了有限元数值分析,随后以压边力、拉延筋参数等主要工艺参数作为优化参数,以板坯无缺陷为优化目标,建立了优化参数与目标函数之间的BP神经网络模型,与遗传算法相结合,实现了冲压成形工艺参数的优化,为金属板料成形工艺参数的优化设计提供了一条先进合理的途径,具有一定的推广意义和应用价值。     

基于响应面法的TA15钛合金显微组织预报和优化

对在不同参数下热变形后水冷的TA15合金进行800℃保温1 h的真空退火热处理,借助于电子背散射衍射(EBSD)技术,分析热变形参数对TA15合金退火显微组织的影响。针对TA15合金热加工工艺参数与显微组织特征参数之间高度复杂的非线性关系,提出利用响应面法建立二者之间的量化模型,给出表征工艺参数与显微组织特征参数之间的响应面函数。同时,对响应面模型进行多目标可视化优化,获得最优工艺参数范围:变形温度为950℃,应变速率为0.063~0.1 s~(-1),变形量为0.4~0.6时可以获得具有优异综合力学性能的三态组织;变形温度为1000℃,应变速率为0.1~0.316 s~(-1),变形量为0.2~0.45时可以获得具有高损伤容限性的片层组织。     

Ti-15-3合金热变形固溶显微组织的多重分形研究

以Ti-15-3(Ti-15V-3Cr-3Sn-3Al)合金热变形固溶再结晶显微组织的金相照片作为研究对象,基于Matlab软件平台,自行开发了图像处理及多重分形分析程序,实现了从材料组织结构形貌图像上提取其相应的概率测度和标度指数的功能,并计算了多重分形谱.结果表明,在当前的观测尺度范围内,Ti-15-3合金热变形固溶再结晶显微组织具有多重分形特征.且随着再结晶晶粒尺寸的增大和形变晶粒尺寸的减小,多重分形谱宽△α减小,表明显微组织分布越均匀.另外,在再结晶晶粒尺寸相差不大时,随着再结晶百分数的增大,最大最小概率子集维数的差值△f增加,再结晶晶粒为主导分布,显微组织更为细化均匀.这些研究为材料组织结构的定量表征提供了新的思路.     

基于内变量的近β Ti-7Mo-3Al-3Nb-3Cr钛合金热变形本构模型

本文针对近β钛合金提出了一种以位错密度变化率作为内变量的热变形本构模型,该模型同时考虑了溶质元素的固溶强化作用和位错之间的交互作用对流变应力的影响。将该模型应用于一种新型近β钛合金Ti-7Mo-3Al-3Nb-3Cr (Ti-7333),并采用基于目标优化的遗传算法定量确定了Ti-7333合金的本构模型参数。模型计算的结果表明,利用该热变形本构模型计算出的流变应力与实验数据间的平均相对误差为7.2%,采用基于位错密度变化率的近β钛合金本构模型能够有效地表征Ti-7333合金的流变行为。     

Internal-Atate-Variable Based Constitutive Modeling for Near β Ti-7Mo-3Al-3Nb-3Cr Alloy during Hot Deformation Process

针对近β钛合金提出了一种以位错密度变化率作为内变量的热变形本构模型,该模型同时考虑了溶质元素的固溶强化作用和位错之间的交互作用对流变应力的影响。将该模型应用于一种新型近β钛合金Ti-7Mo-3Al-3Nb-3Cr (Ti-7333),并采用基于目标优化的遗传算法定量确定了Ti-7333合金的本构模型参数。模型计算的结果表明,利用该热变形本构模型计算出的流变应力与实验数据间的平均相对误差为7.2%,采用基于位错密度变化率的近β钛合金本构模型能够有效地表征Ti-7333合金的流变行为     

基于内变量的近βTi-7Mo-3Al-3Nb-3Cr钛合金热变形本构模型（英文）

针对近β钛合金提出了一种以位错密度变化率作为内变量的热变形本构模型,该模型同时考虑了溶质元素的固溶强化作用和位错之间的交互作用对流变应力的影响。将该模型应用于一种新型近β钛合金Ti-7Mo-3Al-3Nb-3Cr(Ti-7333),并采用基于目标优化的遗传算法定量确定了Ti-7333合金的本构模型参数。模型计算的结果表明,利用该热变形本构模型计算出的流变应力与实验数据间的平均相对误差为7.2%,采用基于位错密度变化率的近β钛合金本构模型能够有效地表征Ti-7333合金的流变行为。     

基于神经网络和遗传算法的拉深成形工艺优化

论述人工神经网络和遗传算法在板料拉深成形工艺优化中的应用,利用人工神经网络建立拉深工艺参数与零件厚度相对误差之间关系的数学模型,用遗传算法对工艺参数进行优化.其中由正交法设计得到实验样本,由数值模拟软件计算得出的厚度同实际成形件厚度进行比较,得到零件厚度相对误差,将其作为优化目标.按优化后的工艺参数进行实验,获得较高质量的拉深制件,从而为优化拉深模工艺参数提供了一种行之有效的方法.     

A hybrid approach for processing parameters optimization of Ti-22Al-25Nb alloy during hot deformation using artificial neural network and genetic algorithm

In the present investigation, isothermal compression tests of Ti-22Al-25Nb alloy were carried out under various hot deformation conditions, including the deformation temperature range of 940–1060 °C and the strain rate range of 0.01–10 s^?1. The constitutive relationship of Ti-22Al-25Nb alloy was developed using artificial neural network (ANN). During training process, standard error back-propagation algorithm was employed in the network model using experimental data sets. Based on the fitness function obtained from established ANN model, the optimization model of hot processing parameters for Ti-22Al-25Nb alloy was successfully created using genetic algorithm (GA). The optimal results achieved from the integrated ANN and GA optimization model were tested by using processing map. Consequently, it can be suggested that the combined approach of ANN and GA provides a novel way with respect to the optimization of processing parameters in the field of materials science.     

Modeling Constitutive Relationship of Ti-555211 Alloy by Artificial Neural Network during High-Temperature Deformation

利用Gleeble-3800热模拟实验机,在应变速率0.001~1 s-1以及变形温度750~950 ℃范围内对Ti-555211合金进行等温恒应变速率压缩实验。基于人工神经网络的方法建立了Ti-555211合金热变形本构模型。模型的可靠性用平均相对误差和相关系数来确定。结果表明,所建立的本构模型与实验值的平均相对误差为1.60%,相关系数为0.99938,表明该模型能很好地预测该合金的本构关系。用神经网络来确定本构关系比传统的数学方程更加具有优势。热模拟实验结果表明,随着变形温度的升高和应变速率的减小,该材料的峰值应力有所减小,不连续屈服现象随着变形温度升高和应变速率的增大变得更加明显。流变曲线在不同的变形参数条件下表现形式也不同。     

Ti-15-3合金热变形过程晶粒轴比的预测

研究了变形参数对Ti 15 3合金热变形后晶粒轴比的影响 ,并采用人工神经网络方法建立了其晶粒轴比与变形程度、变形速率和变形温度之间的数学模型。将此模型与热力耦合刚粘塑性有限元方法相结合 ,对Ti 15 3合金热反挤成型过程的晶粒轴比场进行数值模拟和相应实验研究 ,结果表明 ,预测值与实测值吻合较好。     

TB8钛合金固溶组织研究及神经网络预测

深入分析了各变形工艺参数对TB8合金固溶处理显微组织的影响规律,建立了固溶组织再结晶体积分数、平均晶粒尺寸与变形工艺参数间的神经网络预测模型。结果表明,冷却和热处理制度相同的条件下,变形温度、变形程度和应变速率等变形工艺参数对TB8钛合金形变且固溶处理后的显微组织有重要的影响,若想获得晶粒较为细小且均匀的组织,需要在合适的应变速率下适当提高变形程度和降低变形温度;人工神经网络的预测结果与实测结果的高度拟合,表明人工神经网络模型可以较为精确地预测TB8合金的显微组织随变形工艺参数的变化而变化的情况。以上研究工作为TB8合金热加工工艺的制定提供了更为科学的理论依据。     

应用智能方法建立Ti-6Al-2Zr-1Mo-1V合金的本构关系(英文)

利用Thermecmastor-Z热模拟机进行Ti-6Al-2Zr-1Mo-1V钛合金在不同工艺参数(变形温度800,850,900,1000,1050°C,应变速率0.01,0.1,1,10s-1)条件下的热模拟压缩试验,研究变形温度和应变速率对Ti-6Al-2Zr-1Mo-1V钛合金流变应力的影响。以试验数据为基础,应用BP神经网络算法原理,建立该合金的高温流动应力与变形温度、应变和应变速率对应关系的高温本构关系预测模型。结果表明,运用神经网络方法建立的Ti-6Al-2Zr-1Mo-1V钛合金本构关系模型具有较高的预测精度,与试验结果吻合良好。此外,运用Visual Basic可视化编程语言设计并开发了具有神经网络功能的用户界面。     

Prediction of flow stress of Ti-15-3 alloy with artificial neural network

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｉ 15 3ａｌｌｏｙｉｓａｎｅｗｍｅｔａｓｔａｂｌｅ β ｔｙｐｅｔｉｔａｎｉ ｕｍｃｈａｒａｃｔｅｒｉｚｅｄｂｙｉｍｐｒｏｖｅｄｆｏｒｇｅａｂｉｌｉｔｙａｎｄｃｏｌｄｆｏｒｍａｂｉｌｉｔｙ .Ｉｔｈａｓｂｅｅｎｕｓｅｄｅｘｔｅｎｓｉｖｅｌｙｉｎａｅｒｏｓｐａｃｅｉｎｄｕｓｔｒｙｂｅｃａｕｓｅｏｆｉｔｓｈｉｇｈｓｐｅｃｉｆｉｃｓｔｒｅｎｇｔｈ(ｓｔｒｅｎｇｔｈ ｔｏ ｍａｓｓｒａｔｅ)ｗｈｉｃｈｉｓｍａｉｎｔａｉｎｅｄａｔｅｌｅ ｖａｔｅｄｔｅｍｐｅｒａｔｕｒｅ .Ｉｎｏｒｄｅｒｔ…     

An adaptive constitutive model of the Ti-6.29Al-2.71Mo-1.42Cr alloy in high-temperature deformation

In this paper, an adaptive constitutive model has been acquired with the help of a fuzzy set and an artificial neural network, so as to represent the deformation behavior of the Ti-6.29Al-2.71Mo-1.42Cr alloy in high-temperature deformation. In establishing this model for the constitutive relationship of this alloy, the process parameters of deformation temperature, strain rate, and strain were taken as three inputs, and the flow stress was taken as an output. Data from “teaching samples” and testing samples were obtained from the experimental results in the isothermal compression of the Ti-6.29Al-2.71Mo-1.42Cr alloy. By comparison of the calculated results with the experimental data from the testing samples, it was verified that the present adaptive constitutive model to predict the flow stress of the Ti-6.29Al-2.71Mo-1.42Cr alloy has good learning precision and generalization.     

应用人工神经网络模型预测Ti＋10V-2Fe-3A合金的力学性能

采用人工神经网络方法建立了Ti-10V-2Fe-3Al合金机械性能预测的神经网络模型。模型的输入参数包括变形温度、变形程度、固溶温度、时效温度等热加工工艺参数和热处理制度。模型的输出为钛合金最重要的5个机械性能指标，即抗拉强度、屈服强度、延伸率、断面收缩率和断裂韧性。与传统回归拟合公式相比，该模型具有容错性好、通用性强等优点。该模型可以预测Ti-10V-2Fe-3Al合金在不同热加工工艺参数和热处理制度下的机械性能，也可以用于优化热加工参数和热处理制度。     

Influence and prediction of hot deformation parameters on microstructure of Ti—15—3 alloy

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｉ 15 3(Ｔｉ 15Ｖ 3Ｃｒ 3Ｓｎ 3Ａｌ)ａｌｌｏｙｉｓａｎｅｗｍｅｔａｓｔａｂｌｅβ ｔｙｐｅｔｉｔａｎｉｕｍｃｈａｒａｃｔｅｒｉｚｅｄｂｙｉｍｐｒｏｖｅｄｈｉｇｈｓｐｅｃｉｆｉｃｓｔｒｅｎｇｔｈａｎｄｃｏｌｄｆｏｒｍａｂｉｌｉｔ