中文
Profile
VIEW MORE
现任职西安建筑科技大学冶金工程学院,副教授,博士。一直从事金属材料及其塑性加工方面的教学和科研工作。2011年在美国俄亥俄州立大学材料科学与工程系进行为期一年的访问学习。研究方向:超细晶材料及材料加工与组织性能控制。负责并参加国家及省部级科研项目10余项,发表学术论文40余篇,主编《金属学》教材。 教育背景: 2009/09 – 2014/06,西安建筑科技大学,冶金工程学院,博士 2002/09 – 2005/04,西安建筑科技大学,冶金工程学院,硕士 1998/09 – 2002/07,西安建筑科技大学,冶金工程学院,学士 工作经历: 2013/11 – 今,西安建筑科技大学,冶金工程学院,副教授 2007/10 – 2013/10,西安建筑科技大学,冶金工程学院,讲师 20...
刘晓燕
Associate Professor
Paper Publications
基于人工神经网络的超细晶纯钛热变形本构模型
Release time:2024-08-09 Hits:
Affiliation of Author(s):
冶金工程学院
Journal:
稀有金属材料与工程
Key Words:
超细晶纯钛;人工神经网络;Arrhenius本构方程;流变应力;
Abstract:
对等通道转角挤压(ECAP)制备的超细晶纯钛,在温度为250~450℃、应变速率为10 -5 ~1s -1 的条件下进行热压缩试验。基于真应力和真应变实验数据,分别使用人工神经网络(ANN)和Arrhenius方程建立超细晶纯钛的热变形本构模型,研究其热变形行为。实验结果表明:在变形初期,流变应力随应变的增大而升高,随后趋于平缓,最终达到一个稳定值。人工神经网络训练和预测结果表明:人工神经网络最佳结构为3×12×1,人工神经网络模型预测的平均相对误差(AARE)为2.1%,相关系数(R)为0.9979;Arrhenius方程模型预测的AARE为11.54%,R为0.9464。即人工神经网络模型能够更加精确地描述超细晶纯钛的本构关系。通过对比不同温度下两种模型的误差,发现人工神经网络模型在高温条件下具有更好的稳定性。
Co-author:
杨成,Yang Xirong,强萌,张欠欠
First Author:
liuxiaoyan
Indexed by:
Journal paper
Discipline:
Engineering
Volume:
中文核心期刊:3038-3044,7
ISSN No.:
1002-185X
Translation or Not:
no
Date of Publication:
2018-01-01

Pre One:纯钛热变形行为及显微组织演变

Next One:超细晶纯锆热压缩变形行为及组织演变研究