[发明专利]一种利用神经网络计算奥氏体不锈钢力学性能的方法

权利要求书

1.一种利用神经网络计算奥氏体不锈钢力学性能的方法，其特征在于，使用Ludwik模型建立神经网络，通过神经网络分析力深度压痕曲线，计算奥氏体不锈钢的力学性能。

2.根据权利要求所述的一种利用神经网络计算奥氏体不锈钢力学性能的方法，其特征在于，所述方法的具体步骤为：

1)建立Ludwik模型；

2)建立有限元仿真分析数据库：为了建立神经网络数据库，采用Ansys有限元软件进行仿真计算；

3)创建神经网络；

4)神经网络训练：用随机选择的一对材料参数输入和力深度压痕曲线输出向量对神经网络进行训练；通过训练过程，神经网络能够学习输入和输出数据之间的近似关系；

5)识别材料参数：通过优化程序找到材料参数，使实验观测值与神经网络模拟预测值之间的误差最小。

3.根据权利要求2所述的一种利用神经网络计算奥氏体不锈钢力学性能的方法，其特征在于，所述的步骤1)中，具体步骤为：

Ludwik模型为σ＝σ_y+Kεⁿ，其中σ为应力，σ_y为屈服强度，K为应变硬化常数，ε为应变，n为应变硬化指数；使用上述模型模拟，通过σ_y、K、n三个参数，能够模拟奥氏体钢的单轴应力应变曲线。

4.根据权利要求2所述的一种利用神经网络计算奥氏体不锈钢力学性能的方法，其特征在于，所述的步骤2)中，具体方法为：

使用不同材料参数建立有限元分析数据库；对于一个给定的材料参数p_i，需要模拟得到力深度曲线F(u,p_i)和残余压痕直径；相关的数据被储存到数据库中，用来训练神经网络；

数据库结构如表3所示；u₁,···,u_m表示m离散深度值；p₁,···,p_n是n个材料参数的集合；表3中的每一行表示一个所谓的训练模式，F(u,p_i)是相应模式的力；在训练网络之前，需要进行归一化，表示归一化值；对n个参数，它们在k个步骤中系统地变化，进行kⁿ次有限元模拟；每一个模拟都提供了一条P-h压痕曲线作为m对力和深度，最后给出mkⁿ种训练模式。

表3 数据库的结构