基于GA-BP和PSO-BP神经网络的6061铝合金板材流变应力预测模型

• 作者: 丁凤娟 徐幼林 洪腾蛟 贾向东
• 来源期刊: 稀有金属材料与工程
• 关键词: 6061铝合金 流变应力 人工神经网络 遗传算法 粒子群优化 热处理工艺
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 材料科学
• 页码范围: 1840-1853
• 页数: 14页
• 语种: 中文

摘要

6061铝合金作为一种热可强化铝合金,具有良好的成形性能,但是其塑性流变应力受最终热处理工艺的加热温度、保温时间和冷却方式等参数的影响很大.因此,为了获得最终热处理工艺参数对6061铝合金板材的塑性性能及流变行为的影响,试验中以6061-T6铝合金板材为研究对象,通过单向拉伸试验、金相实验和硬度测试等方法研究不同热处理工艺参数(加热温度为500、530、560和590℃、保温时间2h、冷却方式为空冷)对6061铝合金塑性性能和硬度的影响.通过单向拉伸试验获取不同热处理工艺参数条件下6061铝合金的真实应力-应变曲线;借助BP、GA-BP和PSO-BP神经网络构建不同热处理温度条件下6061铝合金的本构关系模型.结果 表明,BP、GA-BP和PSO-BP神经网络模型均能较好的拟合不同热处理温度条件下6061铝合金的流变行为,但是PSO-BP神经网络模型对6061铝合金流变应力的预测精度更高,模型预测性能更优越,其平均绝对误差(MAE),平均相对误差(AARE)和相关系数(尺2)分别为1.89,1.56％和0.9965.