含氢BT20合金热变形流变应力和组织演变的ANN模拟

摘要

本文研究了渗氢后 BT20钛合金的热变形行为和组织演变规律，利用人工神经网络(ANN)方法，建立了含氢钛合金热变形流变应力和组织演变的预测模型。
　　在800℃渗氢10min～2h以得到不同的氢含量，随后进行热压缩实验。热变形参数设定为：变形温度600、700、800℃，初始变形速率8.3×10-2、8.3×10-3、8.3×10-4s-1，变形量60％。利用采集的数据绘制真应力－真应变曲线，利用金相观察变形后组织并进行定量分析。
　　对真应力－真应变曲线和显微组织研究发现，氢可提高材料的热塑性，降低材料的热变形抗力。变形温度和初始应变速率的不同，材料的软化机制亦不同，包括相变、动态回复和动态再结晶。
　　根据采集得到的真应力－真应变曲线和组织参数数据，分别建立了氢含量和热变形参数与流变应力和组织参数的之间的BP网络模型。
　　流变应力预测模型的输入参数为渗氢时间t、氢含量CH、变形温度T、初始应变速率ε&和应变量ε，输出参数为流变应力σ。BP网络预测结果显示，测试的5条真应力－真应变曲线的平均相对误差小于10%，平均绝对误差小于15MPa。BP网络对流变应力曲线的模拟结果与实验值符合良好，且对平滑曲线的模拟效果优于非平滑曲线。
　　组织演变模型的输入参数为t、CH、T、和ε&，输出参数为初始α相体积分数Vα，晶粒长轴l和长径比γ。共采用了4个组织演变模型，模型1～3为单输出模型，输出参数分别为上述三个参数，模型4为混合输出，即同时输出Vα、l和γ。BP网络模拟结果显示，BP网络对组织的预测结果与实验值符合程度好，4个模型所得到的平均相对误差均在10%以内。单输出模型的精度要略高于混合型输出模型。

目录

含氢BT20合金热变形流变应力和组织演变的ANN模型

ANN MODELS OF FLOW STRESS OF HOT DEFORMATION ANDMICROSTRUCTURE EVOLUTION IN HYDROGENIZED BT20 ALLOY

摘 要

Abstract

目 录

第1章 绪 论

1.1 课题背景

1.2 钛合金热氢处理研究现状和发展趋势

1.2.1 氢处理对拉伸性能的影响

1.2.2 氢处理对热变形行为的影响

1.3 人工神经网络

1.3.1 BP网络简介

1.3.2 人工神经网络的特点

1.3.3 人工神经网络的应用

1.3.4 人工神经网络的不足

1.4 本文研究的目的和主要研究内容

第2章 材料及试验方法

2.1 材料及试样制备

2.1.1 试验材料

2.1.2 试样的制备

2.2 氢处理试验

2.3 热压缩试验

2.4 显微组织观察

2.5 人工神经网络建模

2.5.1 BP算法

2.5.2 Bayesian 正则化算法

第3章 钛(氢)合金热变形流变应力的ANN模型

3.1 钛(氢)合金热变形行为

3.1.1 变形温度对流变应力的影响

3.1.2 应变速率对流变应力的影响

3.1.3 氢含量对流变应力的影响

3.2 预测流变应力的ANN模型

3.2.1 样本数据选取和预处理

3.2.2 网络结构的建立

3.3 计算结果和讨论

3.3.1 BP网络训练结果

3.3.2 BP网络测试结果

3.4 本章小结

第4章 钛(氢)合金热变形组织演变的ANN模型

4.1 热变形过程中的组织演变

变形温度的影响

4.1.2 初始变形速率的影响

4.1.3 氢含量的影响

4.2 BT20钛合金热变形组织演变ANN模型

4.2.1 样本选取与预处理

4.2.2 模型的建立

4.3 计算结果及讨论

4.4 本章小结

结 论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

哈尔滨工业大学硕士学位涉密论文管理

致 谢