基于神经网络的不锈钢材料AV本构模型参数获取方法技术

本发明专利技术涉及一种基于神经网络的不锈钢材料AV本构模型参数获取方法，其包括以下步骤，步骤1：获取不锈钢材料的单向拉伸应力

【技术实现步骤摘要】
基于神经网络的不锈钢材料AV本构模型参数获取方法


[0001]本申请涉及机器学习、材料科学领域，具体地涉及一种基于神经网络的不锈钢材料AV本构模型参数获取方法。

技术介绍

[0002]在实际工程中，由于工作环境不同，零部件在承受不同的载荷作用时，其应力、应变会发生相应的改变，不同载荷参数会对局部塑性变形产生不同的影响。AV本构模型可有效描述不锈钢材料受不同载荷作用时的应力
‑
应变曲线，但模型中待定参数较多，各参数间的耦合性较强，如何有效地确定这些参数始终是困扰人们的一个难题。
[0003]传统的参数确定通常采用拟合或优化的方法，通过材料的力学响应反算本构模型参数，例如多目标遗传算法、试错法；这些方法求解过程较为繁琐，所得结果的试用性不强。
[0004]随着科学与工程技术复杂性的增加，人们需要能解决大规模和复杂问题的算法，针对不同的本构模型问题，研究了很多智能反演分析方法。AV本构模型的非线性度较高，利用传统的反分析法难以建立已知量和未知量间的映射关系，而人工神经网络通过学习大量的样本数据，可以找到输入量与输出量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的不锈钢材料AV本构模型参数获取方法，其特征在于，其包括以下步骤：步骤1：获取不锈钢材料的单向拉伸应力
‑
应变曲线；在室温下，在预设加载速率下对不锈钢材料进行单向拉伸试验，获得不锈钢材料的单向拉伸应力
‑
应变曲线；步骤2：建立用于训练神经网络的样本数据库；确定不锈钢材料单向拉伸工况下的AV本构模型中第一参数、第二参数、第三参数和第四参数的取值范围，具体为：不锈钢材料单向拉伸工况下的AV本构模型中的第一参数的取值范围为(20000，50000)，不锈钢材料单向拉伸工况下的AV本构模型中的第二参数的取值范围为(200，500)，不锈钢材料单向拉伸工况下的AV本构模型中的第三参数的取值范围为(0，100)，不锈钢材料单向拉伸工况下的AV本构模型中的第四参数的取值范围为(0.4，0.8)；在所述取值范围内，随机均匀生成AV本构模型参数，建立N个AV本构模型参数组合；所述的AV本构模型如下所示：式中：α表示偏背应力张量；ε
p
表示塑性应变张量；λ表示累计塑性应变；b表示附加随动变量；C、γ1、γ2、δ分别表示材料AV本构模型中不锈钢材料的第一参数、第二参数、第三参数和第四参数；利用AV本构模型和所述的N个AV本构模型参数组合正演方式计算获得应力
‑
应变样本曲线；在应力
‑
应变样本曲线上按照设定的应变间距选取n个能够代表应力
‑
应变样本曲线形态的样本特征点，建立用于训练神经网络的样本数据库；步骤3：建立用于识别AV本构模型参数的神经网络模型；神经网络输入层节点数与应力
‑
应变样本曲线的样本特征点数量n对应，输出层节点数为待定的四个AV本构模型参数；共包含三个隐藏层，隐藏层节点数设置采用几何金字塔规则，从输入层到输出层，每层的节点数不断减小；激活函数使用Sigmoid函数；步骤4：利用样本数据对神经网络进行训练；将应力
‑
应变样本曲线的样本特征点对应的应力值归一化后作为神经网络的输入值，将应力
‑
应变样本曲线对应本构模型参数归一化后作为输出值，对构建的神经网络进行训练；归一化原则为归一化后的数据保持在区间[0,1]之间；应力
‑
应变样本曲线特征值归一化方法如下所示：式中：σ
nor

【专利技术属性】
技术研发人员：金淼，李小龙，朱怡然，吴洋，张文彬，池艳阳，张庆玲，陈雷，
申请(专利权)人：燕山大学，
类型：发明
国别省市：