CN112651153A - 一种确定晶体塑性有限元模型材料参数的方法 - Google Patents
一种确定晶体塑性有限元模型材料参数的方法 Download PDFInfo
- Publication number
- CN112651153A CN112651153A CN202011426575.1A CN202011426575A CN112651153A CN 112651153 A CN112651153 A CN 112651153A CN 202011426575 A CN202011426575 A CN 202011426575A CN 112651153 A CN112651153 A CN 112651153A
- Authority
- CN
- China
- Prior art keywords
- finite element
- true
- network model
- crystal plastic
- plastic finite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 54
- 239000013078 crystal Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003062 neural network model Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012821 model calculation Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 3
- 229910001069 Ti alloy Inorganic materials 0.000 description 3
- 238000001953 recrystallisation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种确定晶体塑性有限元模型材料参数的方法。该方法如下:(1)设置不同的材料参数组合A;(2)采用参数组合A,进行晶体塑性有限元计算,得到不同参数下的真应力真应变;(3)将参数组合A作为输入,把第二步得到的真应力真应变作为输出,建立深度置信神经网络模型;(4)选取额外的材料参数组合B,进行晶体塑性有限元和深度置信神经网络模型计算,得到不同模型的真应力真应变,并进行比较,验证深度置信神经网络模型的准确性;(5)设置多组材料参数组合C,进行深度置信网络模型计算,将计算得到的真应力真应变和试验值比较,若误差大于设定值,继续修改材料参数组合C,直至误差小于设定值,该参数组合C即为晶体塑性有限元模型的材料参数。
Description
技术领域:
本发明属于金属材料加工工程技术领域,涉及一种确定晶体塑性有限元模型材料参数的方法。
背景技术:
高强韧钛合金具有比强度高、冲击韧性好、抗疲劳和抗腐蚀能力强等优点,被广泛用来制造飞机起落架,航空发动机叶片等关键结构件。通过热变形,β相因动态再结晶而细化,进而可以得到细小均匀的组织,这有利于提高材料的力学性能。然而,由于钛合金中β相的取向不同,导致材料会发生不均匀变形和不均匀的再结晶现象。
晶体塑性有限元是模拟材料不均匀变形及织构演变的重要方法。而晶体塑性有限元模拟的计算周期长,材料参数多,这限制了该方法的应用。传统的确定晶体塑性有限元模型材料参数的方法为试错法。该方法具有不确定性、迭代次数多、计算量极大、收敛性差,且不容易得到精确的材料参数值的缺陷。因此,需要一种准确确定晶体塑性有限元模型材料参数的方法,以建立材料准确的晶体塑性有限元模型。
发明内容:
本发明的目的在于提供一种确定晶体塑性有限元模型材料参数的方法,该方法通过深度置信神经网络模型,采用较少的晶体塑性有限元计算量,获得准确的晶体塑性有限元的材料参数,解决了晶体塑性有限元材料参数试错法带来的不确定性、迭代次数多、计算量大、收敛性差及精度低的难题。
本发明解决上述难题的方案是:
步骤1:设置不同的材料参数组合A,进行晶体塑性有限元计算,得到不同参数下的真应力真应变;本步骤所述的晶体塑性有限元模型为唯象学幂率模型:
式中:为第α个滑移系剪切应变率,是参考剪切应变率,τα为第α个滑移系的分解剪切应力,为临界剪切应力,m是滑移率速率敏感系数,为滑移系初始强度,hαβ为滑移硬化模量,表征滑移系β的单位剪切变形对滑移系α滑移阻力的影响,为第β个滑移系剪切应变率,h0为自硬化模量,τs是滑移系饱和强度,τβ是滑移系β的分解剪切应力,a为应力指数,qαβ是描述自硬化系数和潜在硬化系数的矩阵,可以表示为:
步骤2:将参数组合A作为输入,把第二步得到的真应力真应变作为输出,建立深度置信神经网络模型;
步骤3:选取额外的材料参数组合B,进行晶体塑性有限元和深度置信神经网络模型计算,得到不同模型的真应力真应变,并进行比较,以验证深度置信神经网络模型的准确性;
步骤4:设置多组材料参数组合C,进行深度置信网络模型计算,将计算得到的真应力真应变和试验值比较,若误差大于设定值,继续修改材料参数组合C,直至误差小于设定值,该参数组合C即为晶体塑性有限元模型的材料参数。
附图说明:
图1深度置信神经网络模型预测精度验证;
图2实施例1获得的晶体塑性有限元模型预测精度;
表1材料参数组合A;
表2材料参数组合B;
表3晶体塑性有限元模型材料参数;
具体实施方式:
下面结合附图和具体实施案例对本发明进行详细说明。
本发明为一种可以快速获得晶体塑性有限元材料参数的方法,下面结合TC18钛合金的晶体塑性有限元模型的建立过程为例,详细介绍本发明的具体实施细节,其方法包括:
步骤1:设置不同的材料参数组合A,材料参数组合A如表1所示,进行晶体塑性有限元计算,得到不同参数下的真应力真应变;本步骤所述的晶体塑性有限元模型为唯象学幂率模型:
式中:为第α个滑移系剪切应变率,是参考剪切应变率,τα为第α个滑移系的分解剪切应力,为临界剪切应力,m是滑移率速率敏感系数,为滑移系初始强度,hαβ为滑移硬化模量,表征描述滑移系β的单位剪切变形对滑移系α滑移阻力的影响,为第β个滑移系剪切应变率,h0为自硬化模量,τs是滑移系饱和强度,τβ是滑移系β的分解剪切应力,a为应力指数,qαβ是描述自硬化系数和潜在硬化系数的矩阵,可以表示为:
表1材料参数组合A
步骤2:将参数组合A作为输入,把第二步得到的真应力真应变作为输出,建立深度置信神经网络模型;本实施例建立的深度置信神经网络模型具有三个隐含层,每一层的单元数量分别为10-22-19;
步骤3:选取额外的材料参数组合B,进行晶体塑性有限元和深度置信神经网络模型计算,得到不同模型的真应力真应变,并进行比较,以验证深度置信神经网络模型的准确性。表2为材料参数组合B;
表2材料参数组合B
步骤4:设置多组材料参数组合C,进行深度置信网络模型计算,将计算得到的真应力真应变和试验值比较,若误差大于设定值,继续修改材料参数组合C,直至误差小于设定值,该参数组合C即为晶体塑性有限元模型的材料参数。
实施例建立的深度置信神经网络模型预测精度如图1所示,其中可以看到,深度置信神经网络模型具有较高的精度。按照上述步骤,得到表3所示的晶体塑性有限元材料参数值,图2为晶体塑性有限元预测值和试验值的对比。从图2可以发现,本发明专利确定的材料参数可以准确的用来描述材料的变形行为。
表3晶体塑性有限元模型材料参数
从上述结果可以发现,本发明提出的确定晶体塑性有限元材料参数的方法,可以用来准确确定晶体塑性有限元材料参数,且具有较高的精度。
上面结合附图对本发明的实例进行了描述,但本发明不局限于上述具体的实施方式,上面的具体实施方式仅是示例性的,不是局限的,任何不超过本发明权力要求的发明创造,均在本发明的保护之内。
Claims (1)
1.一种确定晶体塑性有限元模型材料参数的方法,其特征在于:该方法通过深度置信神经网络模型,采用较少的晶体塑性有限元计算量,获得准确的晶体塑性有限元模型的材料参数,包括如下步骤:
步骤1:设置不同的材料参数组合A,进行晶体塑性有限元计算,得到不同参数下的真应力真应变;本步骤所述的晶体塑性有限元模型为唯象学幂率模型:
式中:为第α个滑移系剪切应变率,是参考剪切应变率(数值一般为0.001),τα为第α个滑移系的分解剪切应力,为临界剪切应力,m是滑移速率敏感系数,为滑移系初始强度,hαβ为滑移硬化模量,表征滑移系β的单位剪切变形对滑移系α滑移阻力的影响,为第β个滑移系剪切应变率,h0为自硬化模量,τs是滑移系饱和强度,τβ是滑移系β的分解剪切应力,a为应力指数,qαβ是描述自硬化系数和潜在硬化系数的矩阵,可以表示为:
步骤2:将参数组合A作为输入,把第二步得到的真应力真应变作为输出,建立深度置信神经网络模型;
步骤3:选取额外的材料参数组合B,进行晶体塑性有限元和深度置信神经网络模型计算,得到不同模型的真应力真应变,并进行比较,以验证深度置信神经网络模型的准确性;
步骤4:设置多组材料参数组合C,进行深度置信网络模型计算,将计算得到的真应力真应变和试验值比较,若误差大于设定值,继续修改材料参数组合C,直至误差小于设定值,该参数组合C即为晶体塑性有限元模型的材料参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426575.1A CN112651153B (zh) | 2020-12-09 | 2020-12-09 | 一种确定晶体塑性有限元模型材料参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426575.1A CN112651153B (zh) | 2020-12-09 | 2020-12-09 | 一种确定晶体塑性有限元模型材料参数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651153A true CN112651153A (zh) | 2021-04-13 |
CN112651153B CN112651153B (zh) | 2024-04-09 |
Family
ID=75350516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011426575.1A Active CN112651153B (zh) | 2020-12-09 | 2020-12-09 | 一种确定晶体塑性有限元模型材料参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651153B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021414A (zh) * | 2022-01-05 | 2022-02-08 | 北京科技大学 | 一种基于深度学习的优化有限元迭代过程方法及装置 |
CN116564443A (zh) * | 2023-04-11 | 2023-08-08 | 中南大学 | 一种基于有限元仿真分析的板形件旋压法兰起皱预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013088365A (ja) * | 2011-10-20 | 2013-05-13 | Terabyt:Kk | 塑性に伴う体積変化に関係するパラメータを考慮した機械特性作成システム |
CN106053754A (zh) * | 2016-07-06 | 2016-10-26 | 中南大学 | 一种预测时变工况下高合金化材料动态再结晶分数的方法 |
US20200089826A1 (en) * | 2018-09-14 | 2020-03-19 | Northwestern University | Integrated process-structure-property modeling frameworks and methods for design optimization and/or performance prediction of material systems and applications of same |
CN111189699A (zh) * | 2019-12-12 | 2020-05-22 | 大连理工大学 | 一种基于纳米压痕实验的晶体塑性材料参数反演识别的实现方法 |
CN111539071A (zh) * | 2020-04-27 | 2020-08-14 | 武汉工程大学 | 一种差厚板晶体塑性本构模型建立方法、系统及电子设备 |
US20200394348A1 (en) * | 2019-06-12 | 2020-12-17 | Sichuan University | Method for assessing fatigue damage and a fatigue life based on a crystal plastic welding process model |
-
2020
- 2020-12-09 CN CN202011426575.1A patent/CN112651153B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013088365A (ja) * | 2011-10-20 | 2013-05-13 | Terabyt:Kk | 塑性に伴う体積変化に関係するパラメータを考慮した機械特性作成システム |
CN106053754A (zh) * | 2016-07-06 | 2016-10-26 | 中南大学 | 一种预测时变工况下高合金化材料动态再结晶分数的方法 |
US20200089826A1 (en) * | 2018-09-14 | 2020-03-19 | Northwestern University | Integrated process-structure-property modeling frameworks and methods for design optimization and/or performance prediction of material systems and applications of same |
US20200394348A1 (en) * | 2019-06-12 | 2020-12-17 | Sichuan University | Method for assessing fatigue damage and a fatigue life based on a crystal plastic welding process model |
CN111189699A (zh) * | 2019-12-12 | 2020-05-22 | 大连理工大学 | 一种基于纳米压痕实验的晶体塑性材料参数反演识别的实现方法 |
CN111539071A (zh) * | 2020-04-27 | 2020-08-14 | 武汉工程大学 | 一种差厚板晶体塑性本构模型建立方法、系统及电子设备 |
Non-Patent Citations (1)
Title |
---|
叶诚辉;魏啸;陆皓;: "基于位错密度的晶体塑性有限元方法的数值模拟及参数标定", 材料导报, vol. 30, no. 08, 25 April 2016 (2016-04-25), pages 132 - 142 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021414A (zh) * | 2022-01-05 | 2022-02-08 | 北京科技大学 | 一种基于深度学习的优化有限元迭代过程方法及装置 |
CN114021414B (zh) * | 2022-01-05 | 2022-04-08 | 北京科技大学 | 一种基于深度学习的优化有限元迭代过程方法及装置 |
CN116564443A (zh) * | 2023-04-11 | 2023-08-08 | 中南大学 | 一种基于有限元仿真分析的板形件旋压法兰起皱预测方法 |
CN116564443B (zh) * | 2023-04-11 | 2024-06-04 | 中南大学 | 一种基于有限元仿真分析的板形件旋压法兰起皱预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112651153B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111189699B (zh) | 一种基于纳米压痕实验的晶体塑性材料参数反演识别的实现方法 | |
Chantzis et al. | An industrial workflow to minimise part distortion for machining of large monolithic components in aerospace industry | |
CN105426595A (zh) | 一种铝合金热弹塑性变形模拟用本构模型的建立方法 | |
CN112651153B (zh) | 一种确定晶体塑性有限元模型材料参数的方法 | |
CN103268082B (zh) | 一种基于灰色线性回归的热误差建模方法 | |
CN106842922B (zh) | 一种数控加工误差优化方法 | |
CN107908917B (zh) | 一种高强板冲压成形回弹预测方法 | |
CN110274826A (zh) | 一种基于单轴疲劳s-n曲线的硬质金属材料多轴高周疲劳失效预测方法 | |
CN103970965A (zh) | 燃气涡轮发动机加速寿命试验试车方法 | |
Quan et al. | Artificial neural network modeling to evaluate the dynamic flow stress of 7050 aluminum alloy | |
CN112651562B (zh) | 基于信噪比和改进灰色关联度激光熔覆工艺优化方法 | |
CN106021709A (zh) | 一种混凝土早期开裂风险的评估和控制方法 | |
CN111539142B (zh) | 一种管道裂纹扩展驱动力计算方法及系统 | |
Ding et al. | A model of surface residual stress distribution of cold rolling spline | |
CN104102774B (zh) | 一种精密机床滚动直线导轨安装面直线度的设计方法 | |
Lin et al. | Reliability analysis of aero-engine blades considering nonlinear strength degeneration | |
CN109885875B (zh) | 一种涡轮叶片概率损伤容限分析方法 | |
CN113343559B (zh) | 迭代重加权最小二乘法极限学习机响应面可靠性分析方法 | |
CN112231948B (zh) | 一种铝合金环件热振复合残余应力调控仿真方法 | |
CN106682328B (zh) | 一种立式高耸结构隔振系统振动变形量测算方法 | |
Zhao et al. | Physical multi-factor driven nonlinear superposition for machining deformation reconstruction | |
CN109948215B (zh) | 一种热冲压工艺制定方法 | |
CN113011053A (zh) | 一种基于性能裕量的结构确信可靠性分析方法及系统 | |
CN103136415A (zh) | 用于优化具有不均匀组织的铸件的方法 | |
CN113704907A (zh) | 一种基于齿面应力场的齿轮接触疲劳寿命预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |