[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

说明书

发明涉及一种金属薄板材料性能测试技术，公开了一种利用BP神经网络预测金属薄板包辛格效应的方法，包括步骤：1)构建金属薄板的预拉伸三点弯曲连续变形过程有限元仿真模型，并设计预拉伸三点弯曲试验验证有限元模型可靠性；2)通过有限元模型仿真和理论计算，获取包含假想薄板材料的载荷位移曲线和包辛格效应映射关系的样本集；3)构建基于BP神经网络的包辛格效应预测模型，并运用样本集对其训练；4)采用预拉伸三点弯曲试验获取待测金属薄板载荷位移曲线，将其输入训练好的BP网络包辛格效应预测模型，预测其包辛格效应。相比于金属薄板包辛格效应的其他测定方法，本发明成本更低、操作更加简便，影响因素少、参数准确。

技术领域

本发明涉及一种金属薄板材料性能测试技术，具体涉及一种利用BP神经网络预测金属薄板包辛格效应的方法。

背景技术

金属材料在一个方向发生塑性变形后，如果继续反向加载，屈服强度会下降，这一现象称为包辛格效应。包辛格效应存在于大多数金属材料中，且其对金属薄板成型回弹量的控制技术研究意义重大。特别是随着各种合金、高强度钢等金属材料在管道建设、汽车制造等领域的广泛应用，包辛格效应的准确测定已成为产品性能提升、制造工艺优化的关键。

传统的金属薄板包辛格效应测定，仍通过试验法实现。其存在的核心问题是：在对薄板进行反向加载的过程中，薄板容易产生失稳现象，从而导致试验失败。故需要通过设计专用夹具、开发专用装置来解决这一问题，这导致该方法效率低、成本高、难度大。

发明内容

本发明目的在于提供一种利用BP神经网络预测金属薄板包辛格效应的方法，操作简便，成本低廉，影响因素少，包辛格效应预测准确。

为实现上述发明目的，本发明采用如下技术方案：

本发明提供了一种利用BP神经网络预测金属薄板包辛格效应的方法，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，并运用样本集对其进行训练。

4)通过与步骤1)同参数的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。

根据本发明的一实施方式，步骤1)所述的预拉伸量需通过对薄板进行拉伸试验来测定，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。目的是确保包辛格效应在弯曲所得的载荷位移曲线中有明显的表征，且避免试样在预拉伸和三点弯曲连续变形过程中发生断裂或背部裂纹。

根据本发明的一实施方式，步骤2)所述的包辛格效应评价指标为包辛格应力参数β_B，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(附图1)，通过式(2)、式(3)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 (3)