钛弯头合金高温变形流变应力的预测

　　钛弯头合金具有较好的室温和中温强度、良好的热稳定性和焊接性能，为棒材与板材通用合金，主要用于飞机大型结构件，与美国Ti-8AI-IMoV合金相当，目前BT20钛合金的加工和应用还处于研究阶段，关于其热变形的研究则较少。但是BT20钛合金的热变形工艺复杂，而且锻件的组织和性能对热力学参数相当敏锐，为制定该钛弯头合金合理的热成形工艺，需要了解其在高温下的变形行为。

　　传统方法都是通过对数据进行统计回归，建立材料的数学模型。但是，回归方法存在着很多的局限性，且高温变形过程是一个相当复杂的非线性系统，在试验过程中不断受到各随机因素的干扰，并伴有动态回复和动态再结晶发生。因此，工艺参数对力学性能的影响很难乃至不可能用准确的数学模型表示出来。

　　人工神经网络是一种大规模的分布式并行处理系统，不需要了解过程的输入与输出参数之间的变化规律，通过对给定的样本数据进行学习，从大量的数据中提取规则，以一组权重形式形成种网络的稳定状态，然后通过联想记忆和推广能力来获取所需数据。

　　研究人员在 Gleeble1500热模拟机上，采用圆柱体轴对称高温压缩试验，根据BP算法原理，建立了BT20钛合金高温变形的流变应力神经网络模型。

　　采用神经网络建立的本构模型能够比较准确地预测BT20合金的流动应力，大大减少表征材料流动行为所需的试验，规避了传统经验回归拟合复杂的数学处理。

　　热变形参数对BT20钛弯头合金的变形抗力具有重要影响，格外是温度和应变速率对其影响较大。变形抗力随温度的升高而速度减小，随应变速率的增加而速度增加。

　　另外，如果用人工神经网络方法建立适用的知识库，并与有限元模拟软件有机地结合，可以有益减低有限元开发和使用的难度。