论文部分内容阅读
TC11钛合金在金属成形过程受载荷、温度、时间等因素的作用,其蠕变本构关系极其重要且复杂。针对这一情况,利用BP神经网络高精度的非线性拟合能力、记忆能力和很强的泛化能力,提出了一个基于BPNN(误差反向传播算法)的TC11钛合金蠕变本构关系模型。对关系模型进行训练、学习和仿真,并将其仿真结果与推广的Burgers模型推导的理论值和蠕变实验值进行误差分析,结果表明该模型具有很高拟合精度和一定的实际应用价值。