典型文献
基于铝合金粉末成形本构模型的BP神经网络参数预测
文献摘要：
建立准确的本构模型是进一步开展金属粉末成形研究的基础.基于修正的Drucker-Prager Cap模型和遗传算法优化的BP神经网络,对铝合金粉末压制成形过程进行了数值模拟,实现了本构模型参数的预测.对于铝合金粉末成形研究,首先确定了修正的Drucker-Prager Cap模型参数取值范围,基于ABAQUS及子程序USDFLD的有限元分析平台实现了压制过程的数值模拟.然后,以数值模拟的压制力数据为输入,修正的Drucker-Prager Cap模型参数为输出,建立了遗传算法优化的BP神经网络模型.对模压试验的本构模型参数进行了反演预测.结果 表明,参数反演后数值模拟结果和模压试验数据之间的平均绝对百分比误差(MAPE)仅为5.10％,该BP神经网络模型能实现对本构模型参数的快速、有效和准确地预测.
文献关键词：
6061铝合金粉末;修正的Drucker-Prager Cap模型;BP神经网络;参数预测
中图分类号：
作者姓名：
吕哲;贺利乐;林育阳;王兴
作者机构：
西安建筑科技大学机电工程学院,陕西西安710055;陕西省机械研究院,陕西咸阳712000
文献出处：
引用格式：
[1]吕哲;贺利乐;林育阳;王兴-.基于铝合金粉末成形本构模型的BP神经网络参数预测)[J].热加工工艺,2022(04):46-50
A类：
B类：
铝合金,合金粉末,粉末成形,本构模型,网络参数,参数预测,金属粉末,Drucker,Prager,Cap,遗传算法优化,粉末压制,成形过程,参数取值,取值范围,ABAQUS,子程序,USDFLD,分析平台,模压,反演预测,参数反演,平均绝对百分比误差,MAPE
AB值：
0.257483
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
