Ti-6Al-4V合金超塑性变形行为的人工神经网络预测*

王 鑫， 刘金亮， 周 舸， 刘嘉靖， 李 锋， 张思倩

(沈阳工业大学 a. 材料科学与工程学院， b. 国家大学科技园， 沈阳 110870)

人工神经网络(artificial neutral network，ANN)是一种较为先进且实用的信息处理技术，能够通过输入、输出参数设定、算法选择、运算精度调节等，实现对数据分析过程的自学习、自训练.采用该方法进行数据分析时，既不需要特定的物理模型，也不需要假设与修正，就能够对数据进行自我深度学习，从而获得各参数之间的内在规律，有效解决传统模型构建与数据回归方法中无法解决的难题.因此，针对材料成型工艺参数变化较为复杂且呈现多维度正交变化趋势的研究领域，该方法具有广阔应用前景.为此，国内外学者及相关研究机构进行了如下研究工作：中国科学院金属研究所侯介山等[5]针对NiAl合金的超塑性变形过程，采用BP人工神经网络方法实现了对其在不同成分和不同工艺参数下的断裂伸长率的预测；张学敏等[6]对WSTi3515S阻燃钛合金的超塑性变形行为进行了预测；崔岩等[7]采用人工神经网络技术开展了材料基因工程方面的相关研究工作；刘雅芳等[8]采用RBF型人工神经网络研究了碳/陶瓷复合材料的化学成分对其硬度的影响；张建平等[9]采用人工神经网络算法对6061铝合金稳态应力进行了预测与精度分析；Lakshmi等[10]采用BP人工神经网络技术结合试验验证方法，研究了ASS304合金塑性区域的力学性能变化规律，获得了较好的预测精度；Kapoor等[11]采用人工神经网络技术对Zr-2.5Nb-0.5Cu合金……