[发明专利]一种利用BP神经网络预测金属薄板包辛格效应的方法

权利要求书

1.一种利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于，包括：

1)构建特定预拉伸量下三点弯曲变形过程的有限元仿真模型，并设计相同参数下的预拉伸三点弯曲试验验证有限元模型可靠性；

2)运用有限元模型仿真得到多种假想薄板材料在三点弯曲过程中的载荷位移曲线，并运用线性随动强化本构下的包辛格效应理论计算每种薄板材料的包辛格应力参数，构建包含载荷位移曲线和包辛格应力参数映射关系的样本集；

3)构建基于BP神经网络的包辛格效应预测模型，并运用所述样本集对其进行训练。

4)通过预拉伸三点弯曲试验，获取待测金属薄板的载荷位移曲线，输入训练好的BP网络包辛格效应预测模型，预测其包辛格效应。

2.如权利要求1所述的利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于：

所述步骤1)中，对所述薄板进行拉伸试验，测得所述预拉伸量，所述拉伸试验中对所述薄板加载的应力应小于所述薄板的强度极限。

3.如权利要求1所述利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于：

所述步骤2)中，包辛格效应的评价指标为所述包辛格应力参数，其值通过如下方法计算得到：

式中：σ_t—正向卸载点应力，σ_r—反向屈服应力。

其中σ_t、σ_r运用线性随动强化本构中的包辛格效应理论，通过如下方法计算：

式中：E、E_P分别为弹性模量、塑性模量。σ_s为正向屈服应力，ε_s为正向屈服应变，ε_t为正向卸载点应变。

σ_r＝σ_t-2σ_s

4.如权利要求1所述利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于：

所述步骤3)中，所构建的所述基于BP神经网络的包辛格效应预测模型的输入，为在所述载荷位移曲线上随机选取的30个点的横纵坐标所构成的列矩阵，输出为所述包辛格应力参数。

5.如权利要求1所述的利用BP神经网络预测金属薄板包辛格效应的方法，其特征在于：

所述步骤4)中，预拉伸三点弯曲试验参数，与步骤1)中预拉伸三点弯曲有限元仿真模型完全一致。