基于神经网络的超弹性形状记忆合金循环本构模型  

Cyclic Model for Superelastic Shape Memory Alloy Based on Neural Network

作　　者：任文杰[1,2] 李宏男[2] 王利强[3] 

机构地区：[1]河北工业大学,天津300401 [2]大连理工大学海岸和近海工程国家重点实验室,辽宁大连116024 [3]天津职业技术师范大学,天津300222

出　　处：《稀有金属材料与工程》2012年第S2期243-246,共4页Rare Metal Materials and Engineering

基　　金：国家自然科学基金面上项目(50978081);教育部高等学校博士学科点专项科研基金项目(20091317120002);河北省教育厅百名优秀创新人才支持计划项目(CPRC011);大连理工大学海岸和近海工程国家重点实验室开放基金项目(LP0902)

摘　　要：超弹性形状记忆合金(SMA)的力学性能在循环加卸载过程中逐渐变化并终趋于稳定。在超弹性SMA丝循环加卸载力学试验基础上,提出了径向基函数神经网络本构模型。该模型的输入为循环次数、加卸载信息和应变值,输出为应力值。计算表明,该模型可以准确模拟SMA的循环滞回特性,具有很好的预测精度。超弹性形状记忆合金(SMA)的力学性能在循环加卸载过程中逐渐变化并终趋于稳定。在超弹性SMA丝循环加卸载力学试验基础上,提出了径向基函数神经网络本构模型。该模型的输入为循环次数、加卸载信息和应变值,输出为应力值。计算表明,该模型可以准确模拟SMA的循环滞回特性,具有很好的预测精度。

关 键 词：形状记忆合金 超弹性 径向基函数神经网络 循环本构 

分 类 号：TG139.6[一般工业技术—材料科学与工程]