基于神经网络和遗传算法的板材韧性断裂准则参数优化及成形极限预测

为有效预测AA7075-T6板材变形破裂问题,设计10种不同应力状态的板材拉伸试样,通过方程组法获取BP神经网络的样本数据,建立基于神经网络与遗传算法(BP+GA法)的韧性断裂准则参数预测模型,并依据方程组法最优试样组合方案以及优化后的断裂参数,绘制AA7075-T6板材成形极限曲线。通过缺口试样误差评估比较方程组法和BP+GA法的断裂预测精度,并应用半球形刚模胀形试验对方程组法和BP+GA法两种断裂参数标定方法绘制的成形极限曲线(FLC)进行验证。结果表明:方程组法筛选后的最佳试样组合方案接近于BP+GA法搜索得到的全局最优解;通过BP+GA法绘制的AA7075-T6板材理论成形极限曲线为成形极限实测数据点集的下轮廓,预测结果趋近安全;而缺少平面应变至双向等拉区域的试验样本导致理论FLC产生较大差距,从而反映了Lou-Huh准则参数求解对测试试样应力状态具有较高的敏感性。研究结果为高强铝板断裂理论参数分析和成形极限预测提供了借鉴和数据依据。