利用人工神经网络模型和Z-A模型对无氧Cu本构关系的对比研究

利用Split Hopkinsonbar装置上所得变形数据,研究并比较了冲击预变形铜的神经网络本构关系模型以及Zerrilli Armstrong本构关系模型.在此基础上比较研究了两种模型对冲击预变形铜在不同热力学状态下流变应力的预测精度.本研究中神经网络模型的总的拟合度为0.9%,而Zerrilli Armstrong模型的拟合度为8%.研究发现:Zerrilli Arm strong模型相对于神经网络模型有较低精度的原因是由于物理模型把材料内部某些动态变量作为常数处理,而神经网络模型建模训练时已经包含了这些动态变化的因素.研究认为通过增加神经网络输入节点数可以扩大神经网络模型的应用范围.图2,表1,参12.