一种材料流变行为分析预测方法与系统技术方案

本发明专利技术涉及一种材料流变行为分析预测方法与系统，属于材料分析计算方法及系统技术领域。本发明专利技术的技术方案是：进行试验数据处理，基于BP神经网络进行材料流变曲线预测，基于理论模型进行材料本构计算分析，进行热加工图绘制。本发明专利技术的有益效果是：极大提高了材料本构模型的建立及流变曲线的预测分析效率。模型的建立及流变曲线的预测分析效率。模型的建立及流变曲线的预测分析效率。

【技术实现步骤摘要】
一种材料流变行为分析预测方法与系统


[0001]本专利技术涉及一种材料流变行为分析预测方法与系统，属于材料分析计算方法及系统


技术介绍

[0002]本构关系（本构方程）表征了材料变形工艺参数（变形温度、应变速率和应变）与流变应力间的对应关系。本构方程对于制定、优化材料热加工工艺参数（如锻造、热化等）具有重要意义，同时是进行材料成型、碰撞等仿真分析的重要输入内容。Jhonson
‑
Cook、Arrhenius等传统理论本构方程是描述材料流变行为的方法之一。但本构方程中所涉及的材料常数大多实验数据的回归分析来确定，材料常数较多，且并不容易得到，需要运用大量的高阶矩阵数值计算法。因此将计算机技术运用到材料本构分析中可大幅降低研究人员的投入门槛。
[0003]由于金属热加工过程流变行为十分复杂，应用传统理论本构方程准确表征材料的流变行为通常较为困难。近年发展的的人工神经网络模型在解决非线性问题方面具有强大优势，可以用于预测材料温度或应变率相关的流变曲线。
[0004]在高温变形过程中，热加工图广泛用于不同变形条件下对材料加工工艺参数范围的预测和优化，从而避免组织缺陷导致材料性能较差等问题。但热加工的数据处理计算过程较为繁琐，且受原始数据试验条件的限制，热加工绘制精度与效率大大降低。

技术实现思路

[0005]本专利技术目的是提供一种材料流变行为分析预测方法与系统，通过进行试验数据处理，基于BP神经网络进行材料流变曲线预测和基于理论模型进行材料本构计算分析，进行热加工图绘制，极大提高了材料本构模型的建立及流变曲线的预测分析效率，有效地解决了
技术介绍
中存在的上述问题。
[0006]本专利技术的技术方案是：一种材料流变行为分析预测方法，包含以下步骤：（1）试验数据条件输入，上传原始数据文件，原始数据清洗与自动补偿，显示计算结果；（2） 选择理论模型类型，输入模型建立参数，选择分析项目与结果存储位置，自动绘制分析结果图像并保存分析结果文件；（3）选择BP神经网络模型分析，在窗口录入输入层数、输出层数、训练次数与训练误差，拖动滑动条控件确定训练集与测试集比例，进行模型训练与存储，选择分析项目并打开模型文件地址，自动分析绘图；（4）进入热加工图分析模块，选择理论模型数据分析方法或BP神经网络模型数据分析方法，在下拉窗口选择应变率条件，选择分析项目，自动绘制结果图像。
[0007]所述步骤（2）中，理论模型类型包括Arrhenius、Johnson
‑
Cook(J
‑
C)和Swift
‑
Hockett
‑
Sherby本构模型，模型分析项目包括理论模型参数、预测值与实验值相关性及流
动应力应变曲线计算与绘图；其中流动应力应变曲线选择应变率或温度为图例的绘图方式，分析结果文件包括模型拟合参数和流动应力应变曲线预测值。
[0008]所述步骤（3）中，BP神经网络模型分析项目包括误差MSE、相关系数及流动应力应变曲线预测分析，其中流动应力应变曲线预测分析选择原始试验温度或应变率条件进行绘图分析，或选择用户输入温度或应变率条件进行绘图分析。
[0009]一种材料流变行为分析预测系统，包含试验数据处理模块、基于BP神经网络的材料流变曲线的预测模块、基于理论模型的材料本构计算分析模块和热加工图绘制模块，所述基于BP神经网络的材料流变曲线的预测模块和基于理论模型的材料本构计算分析模块的输入端连接试验数据处理模块，基于BP神经网络的材料流变曲线的预测模块和基于理论模型的材料本构计算分析模块的输出端连接热加工图绘制模块；试验数据处理模块包括试验条件数据定义区域、可选的摩擦补偿或温度补偿模块和原始数据自动清洗插值模块；基于理论模型的材料本构计算分析模块包括理论模型参数计算模块、预测值与实验值相关性计算模块及流动应力应变曲线计算模块；基于BP神经网络的材料流变曲线的预测模块包括BP模型定义模块、误差MSE图生成模块、相关系数图生成模块及流动应力应变曲线预测模块；热加工图绘制模块包括失稳图、功率耗散图及热加工图的自动绘制模块。
[0010]所述BP模型定义模块包括输入层数、输出层数、训练集与测试集比例、训练次数和训练误差的定义。
[0011]所述热加工图绘制模块的模型选择包含BP神经网络预测模型和Arrhenius型高温本构理论模型。
[0012]本专利技术的有益效果是：通过进行试验数据处理，基于BP神经网络进行材料流变曲线预测和基于理论模型进行材料本构计算分析，进行热加工图绘制，极大提高了材料本构模型的建立及流变曲线的预测分析效率。
附图说明
[0013]图1为本专利技术实施例的系统功能示意图；图2为本专利技术实施例的系统用户界面图；图3为本专利技术实施例的原始数据补偿窗口界面图；图4为本专利技术实施例的理论模型窗口界面图；图5为本专利技术实施例的理论模型参数拟合结果图；图6为本专利技术实施例的神经网络模型窗口界面图；图7为本专利技术实施例的神经网络模型的流变曲线预测结果图；图8为本专利技术实施例的神经网络模型的相关系数图分析结果图；图9为本专利技术实施例预测的热加工图。
实施方式
[0014]为了使专利技术实施案例的目的、技术方案和优点更加清楚，下面将结合实施案例中的附图，对本专利技术实施案例中的技术方案进行清晰的、完整的描述，显然，所表述的实施案
例是本专利技术一小部分实施案例，而不是全部的实施案例，基于本专利技术中的实施案例，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案例，都属于本专利技术保护范围。
[0015]一种材料流变行为分析预测方法，包含以下步骤：（1）试验数据条件输入，上传原始数据文件，原始数据清洗与自动补偿，显示计算结果；（2） 选择理论模型类型，输入模型建立参数，选择分析项目与结果存储位置，自动绘制分析结果图像并保存分析结果文件；（3）选择BP神经网络模型分析，在窗口录入输入层数、输出层数、训练次数与训练误差，拖动滑动条控件确定训练集与测试集比例，进行模型训练与存储，选择分析项目并打开模型文件地址，自动分析绘图；（4）进入热加工图分析模块，选择理论模型数据分析方法或BP神经网络模型数据分析方法，在下拉窗口选择应变率条件，选择分析项目，自动绘制结果图像。
[0016]所述步骤（2）中，理论模型类型包括Arrhenius、Johnson
‑
Cook(J
‑
C)和Swift
‑
Hockett
‑
Sherby本构模型，模型分析项目包括理论模型参数、预测值与实验值相关性及流动应力应变曲线计算与绘图；其中流动应力应变曲线选择应变率或温度为图例的绘图方式，分析结果文件包括模型拟合参数和流动应力应变曲线预测值。
[0017]所述步骤（3）中，BP神经网络模型分析项目包括误差MSE、相关系数及流动应力应变曲线预测分析，其中流动应力应变曲线预测分析选择原始试验温度或应变率条件进行绘图分析，或选择用户输入温度或应变率条本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种材料流变行为分析预测方法，其特征在于包含以下步骤：（1）试验数据条件输入，上传原始数据文件，原始数据清洗与自动补偿，显示计算结果；（2） 选择理论模型类型，输入模型建立参数，选择分析项目与结果存储位置，自动绘制分析结果图像并保存分析结果文件；（3）选择BP神经网络模型分析，在窗口录入输入层数、输出层数、训练次数与训练误差，拖动滑动条控件确定训练集与测试集比例，进行模型训练与存储，选择分析项目并打开模型文件地址，自动分析绘图；（4）进入热加工图分析模块，选择理论模型数据分析方法或BP神经网络模型数据分析方法，在下拉窗口选择应变率条件，选择分析项目，自动绘制结果图像。2.根据权利要求1所述的一种材料流变行为分析预测方法，其特征在于：所述步骤（2）中，理论模型类型包括Arrhenius、Johnson
‑
Cook(J
‑
C)和Swift
‑
Hockett
‑
Sherby本构模型，模型分析项目包括理论模型参数、预测值与实验值相关性及流动应力应变曲线计算与绘图；其中流动应力应变曲线选择应变率或温度为图例的绘图方式，分析结果文件包括模型拟合参数和流动应力应变曲线预测值。3.根据权利要求1所述的一种材料流变行为分析预测方法，其特征在于：所述步骤（3）中，BP神经网络模型分析项目包括误差MSE、相关系数及流动应力应变曲线预测...

【专利技术属性】
技术研发人员：杨婷，潘进，刘需，刘天武，孙力，
申请(专利权)人：河钢集团有限公司河钢股份有限公司，
类型：发明
国别省市：