《表1 本构模型的数学表达、主要特征及应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《金属和合金高温变形过程本构模型的研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Note:σmaxandσminis the maximum and minimum flow stress respectively；the input vector phas three input elements including log6) ε，Tandε；IW and LW are input weight matrix and the layer weight matrix respectively；b is a bias vector

唯象型本构模型是建立在经验基础上，仅需少量试验参数即可获得，但其缺乏理论基础，未考虑变形温度、应变速率和应变等存在的耦合作用，因而其应用范围较受限，仅适于一定范围的变形温度及应变速率下，且唯象型模型大多通过对试验数据的回归分析获得，而事实上，金属材料高温变形过程中变形行为对变形参数的响应大多为非线性的，这就造成其预测精度较低。从材料高温变形的力学性能的物理机制方面来讲，金属的变形过程主要是由位错强化及晶界强化引起的硬化机制与动态回复、动态再结晶、球化等引起的软化机制的互相均衡的表现，位错运动的阻力主要有以下几种类型:（1）派-纳力；（2）位错线张力引起的阻力；（3）位错的长程弹性交互作用；（4）与林位错交接产生的割阶作用；（5）会合位错的阻碍作用。晶界强化主要是在较低温度时阻碍滑移引起的障碍强化作用和变形连续性要求晶界附近多滑移引起的强化作用。物理基模型综合考虑了位错运动、滑移带的形成等微观机制，具有相对较高的变形行为预测精度，但其缺点是需要大量的材料常数，因而建立过程较复杂。而对于运用人工神经网络的模型，其主要优点是不用预先建立数学模型。此外，人工神经网络模型克服了传统方法不能解决的问题，具有较广的应用范围。各类本构模型的应用及主要特点如表1所示。