论文部分内容阅读
镁合金因其低密度、高强度和资源丰富等诸多优点,在汽车、通讯和航空航天等领域有着广阔的应用前景。任何工程结构材料,在实际工作中会因为承受循环载荷而导致疲劳失效,镁合金亦不例外。许多研究者对镁合金单轴加载下的疲劳性能和寿命进行了广泛研究,但镁合金多轴加载下的研究非常有限。近几年,课题组采用传统的疲劳寿命模型对镁合金的多轴疲劳寿命进行了预测研究。本文采用挤压AZ31B和ZK60镁合金进行了多种不同加载路径下的单轴和多轴疲劳实验,并结合文献中AZ61A镁合金的疲劳实验数据,采用BP神经网络(back propagation neural network)技术预测镁合金不同加载路径下的疲劳寿命,并和基于临界平面法的传统多轴疲劳模型预测的结果进行了比较。具体研究工作和成果如下:(1)针对挤压AZ31B和ZK60镁合金进行了单轴拉压、纯扭、45°比例和90°圆形非比例等4种加载路径下的多轴疲劳实验,还对AZ31B镁合金进行了应变比R?-1,R?0,R?-?下的单轴实验。实验结果表明,AZ31B和ZK60镁合金在所有加载路径下的应变-寿命曲线都存在拐点;镁合金的疲劳寿命与应变幅值和加载路径有紧密联系。(2)分别采用SWT(Smith-Watson-Topper)模型、F-S(Fatemi-Socie)模型、修正SWT模型和CLX(Cheng Lixia)模型等4种多轴疲劳模型对AZ31B、ZK60和AZ61A镁合金4种加载路径下的疲劳寿命进行了预测,采用SWT模型对AZ31B和AZ61A镁合金3种不同应变比加载下的疲劳寿命进行了预测。结果显示:AZ31B镁合金4种加载路径下,CLX模型寿命预测精度最高,预测结果都在5倍偏差界限内,78.9%的预测结果在2倍偏差界限内;ZK60镁合金4种加载路径下,F-S模型的寿命预测精度最高,98.0%的预测结果在5倍偏差界限内,77.6%的预测结果在2倍偏差界限内;AZ61A镁合金4种加载路径下,修正SWT模型的寿命预测精度最高,其预测结果都在5倍偏差界限内,68.1%的预测结果在2倍偏差界限内。AZ31B镁合金3种应变比加载下,寿命预测结果都在5倍偏差界限内,93.9%的预测寿命在2倍偏差界限内;AZ61A镁合金3种应变比加载下,寿命预测结果都在5倍偏差界限内,93.2%的预测结果在2倍偏差界限内。(3)采用4种不同的BP神经网络预测了镁合金的疲劳寿命。网络包括最速下降算法的BP网络(SDBP模型,即标准BP网络),学习率可变的动量BP网络(VLMOBP模型),以相对误差平方和作为误差性能函数的VLMOBP(VLMOBP-SSRE模型)和遗传算法优化的BP网络(GABP模型)。预测结果表明,AZ31B镁合金4种加载路径下,GABP模型预测精度最高,其预测结果都在5倍偏差界限内,97.4%的预测结果在2倍偏差界限内;ZK60镁合金4种加载路径下,GABP模型的精度最高,其预测结果都在2倍偏差界限内。AZ61A镁合金4种加载路径下,4种BP神经网络模型的预测结果都在2倍偏差界限内。AZ31B和AZ61A镁合金3种不同应变比加载下,4种BP神经网络模型预测结果都在2倍偏差界限内。(4)从寿命预测的精度对比评价了几种传统多轴疲劳模型和神经网络方法,结果表明,神经网络在预测镁合金寿命时更有优势。另外,对传统疲劳模型和神经网络在疲劳寿命预测时的优缺点进行了探讨。