Constitutive relationship of TC4 titanium alloy based on back propagating (BP) neural network (NN)

Relación constitutiva de la aleación de titanio TC4 basada en una red neuronal (NN) de retropropagación (BP)

Utilizando la máquina de ensayos de simulación térmica Gleeble-3800, la aleación de titanio TC4 se sometió a experimentos de compresión en caliente en condiciones de temperatura de deformación de 810 - 950 °C, velocidad de deformación de 0,001 - 1s^-1. La investigación muestra que la tensión de flujo de la aleación de titanio TC4 es más sensible a la temperatura de deformación y a la velocidad de deformación durante la deformación térmica, y aumenta con la disminución de la temperatura de deformación y el aumento de la velocidad de deformación. Basándose en la red neuronal BP, se establece un modelo constitutivo de la región bifásica α+β de la aleación de titanio TC4. El coeficiente de correlación alcanza 0,996, lo que demuestra que el modelo puede predecir la tensión de flujo a alta temperatura de la aleación de titanio TC4.

INTRODUCCIÓN

Las aleaciones de titanio se han desarrollado rápidamente en el campo aeroespacial debido a su alta resistencia específica, fuerte resistencia a la corrosión, buena resistencia al calor y buen rendimiento a baja temperatura. El TC4 es la aleación de titanio más utilizada hasta la fecha. Se trata de una aleación de titanio bifásica α+β típica. En comparación con otras aleaciones de titanio, no sólo tiene muchas ventajas comunes de las aleaciones de titanio, sino que también tiene su propia excelente calidad única. Se utiliza comúnmente como diversos álabes de motor, carcasas y otras piezas [1]. Con el fin de predecir razonablemente el comportamiento tensión-deformación, un gran número de académicos han estudiado la aleación de titanio TC4. Wang [2] et al. establecieron un modelo J-C y Arrhenius de la aleación de titanio mediante ensayos de tracción a alta temperatura, y descubrieron que el modelo J-C es más preciso que el modelo Arrhenius.

Aunque hay muchos estudios sobre el uso del modelo Arrhenius tradicional para predecir la tensión y la deformación de la aleación de titanio TC4, la mayoría de ellos no consideran el efecto de la deformación [3]. La red neuronal BP es una red neuronal multicapa feedforward con potentes capacidades de autoaprendizaje y predicción [4].

Utiliza la tecnología de búsqueda de gradiente para establecer un modelo no lineal complejo que describa la relación entre la función objetivo y las variables de decisión. Utiliza la tecnología de búsqueda de gradiente para establecer un modelo no lineal complejo que describa la relación entre la función objetivo y las variables de decisión, lo que puede reducir eficazmente la carga de trabajo del análisis de simulación. Lu et al [5] establecieron un modelo constitutivo de la aleación de titanio BT20 basado en una red neuronal, y el estudio demostró que el modelo puede describir el comportamiento de deformación dinámica de la aleación de titanio BT20 a alta temperatura.