一种利用BP神经网络预测金属薄板包辛格效应的方法技术

发明专利技术涉及一种金属薄板材料性能测试技术，公开了一种利用BP神经网络预测金属薄板包辛格效应的方法，包括步骤：1)构建金属薄板的预拉伸三点弯曲连续变形过程有限元仿真模型，并设计预拉伸三点弯曲试验验证有限元模型可靠性；2)通过有限元模型仿真和理论计算，获取包含假想薄板材料的载荷位移曲线和包辛格效应映射关系的样本集；3)构建基于BP神经网络的包辛格效应预测模型，并运用样本集对其训练；4)采用预拉伸三点弯曲试验获取待测金属薄板载荷位移曲线，将其输入训练好的BP网络包辛格效应预测模型，预测其包辛格效应。相比于金属薄板包辛格效应的其他测定方法，本发明专利技术成本更低、操作更加简便，影响因素少、参数准确。参数准确。参数准确。

【技术实现步骤摘要】
一种利用BP神经网络预测金属薄板包辛格效应的方法


[0001]本专利技术涉及一种金属薄板材料性能测试技术，具体涉及一种利用BP神经网络预测金属薄板包辛格效应的方法。

技术介绍

[0002]金属材料在一个方向发生塑性变形后，如果继续反向加载，屈服强度会下降，这一现象称为包辛格效应。包辛格效应存在于大多数金属材料中，且其对金属薄板成型回弹量的控制技术研究意义重大。特别是随着各种合金、高强度钢等金属材料在管道建设、汽车制造等领域的广泛应用，包辛格效应的准确测定已成为产品性能提升、制造工艺优化的关键。
[0003]传统的金属薄板包辛格效应测定，仍通过试验法实现。其存在的核心问题是：在对薄板进行反向加载的过程中，薄板容易产生失稳现象，从而导致试验失败。故需要通过设计专用夹具、开发专用装置来解决这一问题，这导致该方法效率低、成本高、难度大。

技术实现思路

[0004]本专利技术目的在于提供一种利用BP神经网络预测金属薄板包辛格效应的方法，操作简便，成本低廉，影响因素少，包辛格效应预测准确。
[0005]为实现上述专利技术目的，本专利技术采用如下技术方案：
[0006]本专利技术提供了一种利用BP神经网络预测金属薄板包辛格效应的方法，包括：
[0007]1)构建特定预拉伸量下三点弯曲变形过程的有限元仿真模型，并设计相同参数下的预拉伸三点弯曲试验验证有限元模型可靠性；
[0008]2)运用有限元模型仿真得到多种假想薄板材料在三点弯曲过程中的载荷位移曲线，并运用线性随动强化本构下的包辛格效应理论计算每种薄板材料的包辛格应力参数，构建包含载荷位移曲线和包辛格应力参数映射关系的样本集；
[0009]3)构建基于BP神经网络的包辛格效应预测模型，并运用样本集对其进行训练。
[0010]4)通过与步骤1)同参数的预拉伸三点弯曲试验，获取待测金属薄板的载荷位移曲线，输入训练好的BP网络包辛格效应预测模型，预测其包辛格效应。
[0011]根据本专利技术的一实施方式，步骤1)所述的预拉伸量需通过对薄板进行拉伸试验来测定，拉伸试验中对所述薄板加载的应力应小于所述薄板的强度极限。目的是确保包辛格效应在弯曲所得的载荷位移曲线中有明显的表征，且避免试样在预拉伸和三点弯曲连续变形过程中发生断裂或背部裂纹。
[0012]根据本专利技术的一实施方式，步骤2)所述的包辛格效应评价指标为包辛格应力参数β
B
，其值通过如下方法计算得到：
[0013][0014]式中：σ
t
—正向卸载点应力，σ
r
—反向屈服应力。
[0015]其中σ
t
、σ
r
运用线性随动强化本构中的包辛格效应理论(附图1)，通过式(2)、式(3)
计算：
[0016][0017]式中：E、E
P
分别为弹性模量、塑性模量。σ
s
为正向屈服应力，ε
s
为正向屈服应变，ε
t
为正向卸载点应变。
[0018]σ
r
＝σ
t
‑
2σ
s
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0019]根据本专利技术的一实施方式，步骤3)所述的基于BP神经网络的包辛格效应预测模型的输入，为载荷位移曲线上随机选取的30个点的横纵坐标所构成的列矩阵，输出为包辛格应力参数。
[0020]根据本专利技术的一实施方式，步骤4)所述的预拉伸三点弯曲试验参数，与步骤1)中预拉伸三点弯曲有限元仿真模型完全一致。
[0021]与现有技术相比，本专利技术的有益效果在于：
[0022]本专利技术通过构建预拉伸三点弯曲有限元分析模型，模拟得到多种假想薄板材料的载荷位移曲线，通过线性随动强化中的包辛格效应理论，计算出每种假想材料的包辛格应力参数，构建包含载荷位移曲线这一宏观响应和薄板材料包辛格应力参数值映射关系的样本集，并训练得到以载荷位移曲线为输入、包辛格应力参数为输出的包辛格效应BP网络预测模型，然后将待测金属薄板在三点弯曲过程中的载荷位移曲线输入模型，预测出其包辛格应力参数值，预测精度高高精度，能够很好的描述金属薄板包辛格效应。
[0023]本专利技术不需要进行实验设备的改进和研制，均可通过常规设备和方法实现，操作方便简单，效率高、成本低，影响因素少，得到的参数准确。
[0024]本专利技术预测到的包辛格应力参数值，可以对金属薄板回弹量的计算、制造工艺的优化起到关键作用。
附图说明
[0025]图1为线性随动强化本构下的包辛格效应理论图。
[0026]图2为预拉伸三点弯曲有限元模拟和试验原理图。
[0027]图3为本专利技术预测金属薄板包辛格效应的流程图。
具体实施方式
[0028]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。
[0029]参见图3，为本专利技术预测金属薄板包辛格效应的流程图，本专利技术方法，包括以下步骤：
[0030]1)构建特定预拉伸量下三点弯曲变形过程的有限元仿真模型，并设计相同参数下
的预拉伸三点弯曲试验验证有限元模型可靠性；
[0031]2)运用有限元模型仿真得到多种假想薄板材料在三点弯曲过程中的载荷位移曲线，并运用线性随动强化本构下的包辛格效应理论计算每种薄板材料的包辛格应力参数，构建包含载荷位移曲线和包辛格应力参数映射关系的样本集；
[0032]3)构建基于BP神经网络的包辛格效应预测模型，并运用样本集对其进行训练。
[0033]4)通过与步骤1)同参数的预拉伸三点弯曲试验，获取待测金属薄板的载荷位移曲线，输入训练好的BP网络包辛格效应预测模型，预测其包辛格效应。
[0034]步骤1)所述的预拉伸量需通过对薄板进行拉伸试验来测定，拉伸试验中对所述薄板加载的应力应小于所述薄板的强度极限。目的是确保包辛格效应在弯曲所得的载荷位移曲线中有明显的表征，且避免试样在预拉伸和三点弯曲连续变形过程中发生断裂或背部裂纹。
[0035]步骤2)所述的包辛格效应评价指标为包辛格应力参数β
B
，其值通过如下方法计算得到：
[0036][0037]式中：σ
t
—正向卸载点应力，σ
r
—反向屈服应力。
[0038]其中σ
t
、σ
r
运用线性随动强化本构中的包辛格效应理论(附图1)，通过式(2)、式(3)计算：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于，包括：1)构建特定预拉伸量下三点弯曲变形过程的有限元仿真模型，并设计相同参数下的预拉伸三点弯曲试验验证有限元模型可靠性；2)运用有限元模型仿真得到多种假想薄板材料在三点弯曲过程中的载荷位移曲线，并运用线性随动强化本构下的包辛格效应理论计算每种薄板材料的包辛格应力参数，构建包含载荷位移曲线和包辛格应力参数映射关系的样本集；3)构建基于BP神经网络的包辛格效应预测模型，并运用所述样本集对其进行训练。4)通过预拉伸三点弯曲试验，获取待测金属薄板的载荷位移曲线，输入训练好的BP网络包辛格效应预测模型，预测其包辛格效应。2.如权利要求1所述的利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于：所述步骤1)中，对所述薄板进行拉伸试验，测得所述预拉伸量，所述拉伸试验中对所述薄板加载的应力应小于所述薄板的强度极限。3.如权利要求1所述利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于：所述步骤2)中，包辛格效应的评价指标为所述包辛格应力参数，其值通过如下方法计算得到：式中：σ
...

【专利技术属性】
技术研发人员：范利锋，陈思远，苟建军，王森，玉荣，江洋，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：