论文部分内容阅读
为了深入认识镁合金的塑性成形特性,该文对镁合金热塑性成形过程进行了系统的试验研究和数值模拟,以期能够丰富镁合金的塑性加工理论.在以往的研究中,蠕变模型使用的变形激活能通常被视为常数,不随着应变的变化而变化,因而不能计算任意应变时的流变应力.该文针对镁合金的流变应力特点,提出了将变形激活能作为应变函数的新的蠕变模型,计算了镁合金AZ31B在连续变形过程中的变形激活能及其变化情况,得到了变形激活能与变形之间的关系.结果表明该文构造的流变应力模型适合于镁合金的变形,将变形激活能作为应变的函数是合理的.针对镁合金高温流变应力在越过峰值后随着变形的进行而下降的软化特征,提出了含有软化因子S的流变应力数学模型:Q=Kεεexp(cT+sε)结果表明,该模型的流变应力预报精度高于蠕变模型,更能反映镁合金的流变应力特点.将基于数值模拟、人工神经网络和遗传算法的优化方法应用到镁合金的挤压工艺参数优化中,实现了镁合金挤压工艺设计过程中的参数优化问题.它用数值模拟获取的目标函数值来建立训练神经网络模型的样本对,再通过遗传算法和神经网络模型交互作用达到参数优化目标.这个方法解决了采用基于数值模拟进行参数优化问题时出现的计算量巨大的问题,从而为这类参数优化提出了一种新的方法.