鈦基復(fù)合材料熱變形的本構(gòu)模型研究

Research on constitutive model of titanium matrix composites during thermal deformation

WANG Xian-xian*，JIA Xin，WU Wen-hao，ZHAO Xue-ni （College of Mechanical and Electrical Engineering，Shaanxi University of Science amp;. Technology， Xi^′ an 710021，China）

Abstract： Titanium matrix composite （TMCs） is a kind of material by introducing reinforced phase into pure titanium or titanium alloy matrix to improve the material properties. For TMCs，hot compression experiments were conducted on a Gleeble 35oo dynamic/thermal simulation testing machine. The thermal deformation behavior of TMCs was studied under deformation temperatures of and strain rates of . Based on the experimental data，strain compensated Arrhenius and BP neural network constitutive models were established to predict the high-temperature flow behavior of titanium matrix composites.The results indicate that TMCs have both positive strain rate and negative temperature sensitivity.As the deformation begins，the flow stress rapidly increases to the peak stress， and then the hardening and softening effects gradually reach equilibrium. Meanwhile，the flow stress slowly decreases and also achieves steady state. Compared to the strain compensation constitutive model，the BP neural network constitutive model has a higher prediction accuracy，therefore it is more suitable for accurately predicting the flow stress of TMCs.

Key words： titanium matrix composites; thermal deformation behavior； constitutive model; BP neural network

0 引言

鈦基復(fù)合材料是通過在純鈦或鈦合金基體中引入長(zhǎng)纖維增強(qiáng)相（SiC）或顆粒增強(qiáng)相（TiB、TiC、Al₂O₃ 、石墨烯等）的一種材料，其服役溫度較傳統(tǒng)鈦合金不僅可以提高 50°～200° ，而且有望在550‰ 服役條件下取代傳統(tǒng)高溫合金，實(shí)現(xiàn)大幅減重[1-3].因此，發(fā)展鈦基復(fù)合材料高性能成形技術(shù)是高端武器裝備高速飛行器研發(fā)的關(guān)鍵.

近年來，國(guó)內(nèi)外學(xué)者對(duì)鈦基復(fù)合材料制備方面展開了大量研究，而對(duì)于該材料熱變形工藝研究較少.鑒于有限元數(shù)值模擬在塑性成形領(lǐng)域廣泛應(yīng)用，其不僅可以解決難變形材料塑性成形中各種問題，還可以實(shí)現(xiàn)工藝參數(shù)優(yōu)化，對(duì)縮短工件生產(chǎn)周期、降低成本有重要意義，因此有限元數(shù)值模擬成為鈦基復(fù)合材料熱成形工藝研究的重要手段.而有限元數(shù)值模擬的有效性與精確性關(guān)鍵在于建立準(zhǔn)確的本構(gòu)關(guān)系模型來表征材料的應(yīng)力應(yīng)變響應(yīng).

目前，常見的本構(gòu)模型主要分為唯象本構(gòu)模型、微觀機(jī)理本構(gòu)模型和人工神經(jīng)網(wǎng)絡(luò)本構(gòu)模型3類.國(guó)內(nèi)外學(xué)者針對(duì)不同材料建立了各類材料本構(gòu)模型.如程軍4采用傳統(tǒng)的Arrhenius型雙曲正弦方程建立了Ti-25Al-14Nb-2Mo-1Fe合金的高溫變形本構(gòu)模型，但未考慮應(yīng)變量對(duì)該模型的影響.黃贊等5通過熱壓縮實(shí)驗(yàn)，建立了Ti-Al合金的多元線性回歸本構(gòu)模型，并驗(yàn)證了模型的預(yù)測(cè)精度.周朗牙等[6以碳化硅顆粒增強(qiáng)鋁基（SiCp/Al）復(fù)合材料為研究對(duì)象，采用熱模擬實(shí)驗(yàn)研究了該復(fù)合材料的熱變形行為，并建立了修正的JohnsonCook模型，分析了其流變行為.SamantarayD等[建立了考慮熱軟化、應(yīng)變硬化以及溫度、應(yīng)變和應(yīng)變速率對(duì)流動(dòng)應(yīng)力耦合影響的 m-ZA 模型，并準(zhǔn)確地預(yù)測(cè)了 9Cr^-1Mo 鋼在高溫下的流動(dòng)行為.另外，近年來人工神經(jīng)網(wǎng)絡(luò)模型因其具有快速有效解決非線性、多因素復(fù)雜問題的優(yōu)勢(shì)，已被很多學(xué)者用來建立材料熱變形過程中的本構(gòu)模型，并得到了廣泛的應(yīng)用.如SunY等8基于等溫壓縮實(shí)驗(yàn)建立了Ti-22Al-24Nb合金的BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，發(fā)現(xiàn)該模型在低應(yīng)力狀態(tài)具有較高的預(yù)測(cè)精度.雷錦文等9建立了Ti6242s合金的BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，發(fā)現(xiàn)該模型預(yù)測(cè)精度遠(yuǎn)高于Arrhe-nius本構(gòu)模型.

因此，本文針對(duì)我國(guó)自主研發(fā)的顆粒增強(qiáng)Ti700（ TiB₂ /TA15）鈦基復(fù)合材料，通過熱壓縮實(shí)驗(yàn)，獲得了其流動(dòng)行為，并分別建立了考慮應(yīng)變補(bǔ)償?shù)腁rrhenius本構(gòu)模型及BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，并對(duì)兩類模型進(jìn)行了誤差分析.研究結(jié)果可以為鈦基復(fù)合材料熱變形有限元數(shù)值模擬及構(gòu)件成形工藝參數(shù)設(shè)計(jì)提供理論依據(jù)

1實(shí)驗(yàn)部分

實(shí)驗(yàn)材料為哈爾濱工業(yè)大學(xué)自主研發(fā)的顆粒增強(qiáng)Ti700（ TiB₂ /TA15）復(fù)合材料，其中 TA15基體材料的化學(xué)成分如表1所示.

圖1為Ti700復(fù)合材料的初始組織.光鏡下基體中 α 相呈白色， β 相分布在 α 相的交界處， TiB₂ 增強(qiáng)體分布于晶界處呈現(xiàn)暗黑色，如圖1（a）所示.圖1（b）為 Ti700 掃描后的組織，可以發(fā)現(xiàn)基體材料呈網(wǎng)籃狀，大量增強(qiáng)體分布于晶界，且增強(qiáng)體與基體材料之間存在微小的空洞.高溫壓縮實(shí)驗(yàn)在Gleeble3500型動(dòng)態(tài)/熱力模擬試驗(yàn)機(jī)進(jìn)行，試樣尺寸為 Φ10mm×15mm. 變形溫度分別為 750° 、 ，應(yīng)變速率分別為 0.01s^-1 0.1s^-1?1s^-1 和 10s^-1 .變形前將試樣以 10° ·s-的加熱速率加熱至變形溫度，然后保溫 5min 進(jìn)行壓縮，熱壓縮結(jié)束后空冷保留變形組織.

2 結(jié)果與討論

2.1 流動(dòng)應(yīng)力行為分析圖2為鈦基復(fù)合材料在不同熱變形條件下的真應(yīng)力-真應(yīng)變曲線.由圖可知，在不同的變形條件下，鈦基復(fù)合材料的流動(dòng)應(yīng)力曲線形狀是相似的.在變形的初始階段，流動(dòng)應(yīng)力迅速增加至最大值，達(dá)到峰值應(yīng)力后，流動(dòng)應(yīng)力隨著應(yīng)變的增加緩慢減小，最后保持穩(wěn)定的趨勢(shì).這主要是因?yàn)樵谧冃纬跗冢牧系募庸び不鹬饕饔茫陂g會(huì)引發(fā)一些微觀組織的變化，如位錯(cuò)密度快速增加和位錯(cuò)胞狀結(jié)構(gòu)的大量出現(xiàn)都會(huì)導(dǎo)致變形抗力增加[10-14].隨著應(yīng)變?cè)黾樱鲃?dòng)應(yīng)力逐漸開始緩慢下降，這是由于金屬內(nèi)部動(dòng)態(tài)回復(fù)和動(dòng)態(tài)再結(jié)晶啟動(dòng)形成軟化作用，從而引起流體應(yīng)力降低，真應(yīng)力-真應(yīng)變曲線的斜率減小.隨著變形量繼續(xù)增加，加工硬化和動(dòng)態(tài)軟化達(dá)到平衡，因此，流動(dòng)應(yīng)力曲線最終逐漸趨向于穩(wěn)定[15-17].

從圖2還可以看出，應(yīng)變速率和變形溫度對(duì)流動(dòng)應(yīng)力都有著強(qiáng)烈的依賴關(guān)系.當(dāng)應(yīng)變速率一定時(shí)，變形溫度與流動(dòng)應(yīng)力呈負(fù)相關(guān)，隨著溫度升高，流動(dòng)應(yīng)力顯著降低.且在應(yīng)變速率為 條件下，溫度升高流動(dòng)應(yīng)力減小幅度為 60MPa 左右，其它情況下，流動(dòng)應(yīng)力減小的幅度接近 100MPa 這主要是因?yàn)殡S著變形溫度的升高，原子擴(kuò)散、晶界遷移速率加快，使得再結(jié)晶過程加劇，因此，流動(dòng)應(yīng)力隨著溫度的升高而減小.當(dāng)變形溫度一定時(shí)，應(yīng)變速率與流動(dòng)應(yīng)力呈正相關(guān)，隨應(yīng)變速率的增加，流動(dòng)應(yīng)力明顯增加，且各個(gè)變形溫度下的流動(dòng)應(yīng)力增幅穩(wěn)定在 60MPa 左右.這主要是因?yàn)殡S著應(yīng)變速率的升高，整個(gè)變形過程需要的時(shí)間減少，位錯(cuò)數(shù)量會(huì)增加，且位錯(cuò)之間的纏結(jié)和交叉加劇，位錯(cuò)運(yùn)動(dòng)困難；另一方面，動(dòng)態(tài)回復(fù)、再結(jié)晶等軟化時(shí)間也縮短，由變形導(dǎo)致的內(nèi)部溫度升高引起軟化作用不足以補(bǔ)償位錯(cuò)密度增加帶來的硬化，最終導(dǎo)致流動(dòng)應(yīng)力增大[18-20].

2.2本構(gòu)模型的建立

2.2.1 應(yīng)變補(bǔ)償本構(gòu)模型的建立和驗(yàn)證

（1）應(yīng)變補(bǔ)償本構(gòu)模型的建立

應(yīng)用Arrhenius方程建立本構(gòu)模型時(shí)，其方程的三種形式，分別為[21，22]：

，所有 σ（3）

式 （1）～（3） 中： σ 為流動(dòng)應(yīng)力 、n，n₁…，α 及 β 為材料常數(shù)，且 α=β/n₁ ： Q 為熱變形激活能 （J?mol^-1 ）； T 為變形溫度 （K）_：R 為氣體常數(shù)，值為 8.314J?mol^-1?K^-1. 為應(yīng)變速率 （s^-1）

ZenerC等[23]在研究鋼在高速拉伸試驗(yàn)中的流變應(yīng)力時(shí)，提出應(yīng)變速率與變形溫度對(duì)流變應(yīng)力綜合影響可以由一個(gè)公式（4）表示，該參數(shù)簡(jiǎn)稱為Z-H參數(shù)，其物理意義為溫度補(bǔ)償變形速率因子.許多學(xué)者利用該參數(shù)和Arrhenius方程建立材料的本構(gòu)模型，如式（4）所示：

式（4）中： Z 表示熱變形行為一種參數(shù)，其物理意義為溫度補(bǔ)償變形速率因子； 為應(yīng)變速率 （s^-1） ：Q 為熱變形激活能 （J?mol^-1）;T 為變形溫度 （K）_：R 為氣體常數(shù)，值為 8.314J?mol^-1?K^-1

對(duì)式（1）和式（2）兩邊分別取對(duì)數(shù)可得：

式（5）、（6）中： σ 為流動(dòng)應(yīng)力（ ΔMPa ： n₁ 為材料常數(shù)； Q 為熱變形激活能 （J?mol^-1）;T 為變形溫度 （K）;R 為氣體常數(shù)，值為8.314J·mol^-1?K^-1 為應(yīng)變速率 （s^-1）

對(duì)式（5）和式（6）分別求偏導(dǎo)可得：

式（7）、（8）中： σ 為流動(dòng)應(yīng)力（ MPa） ： n₁…β 為材料常數(shù)； 為應(yīng)變速率 （s^-1）

對(duì)式（3）兩邊取對(duì)數(shù)可得以下形式：

式（9）中： σ 為流動(dòng)應(yīng)力 （MPa），A，n，α 為材料常數(shù)； Q 為熱變形激活能 ）； T 為變形溫度（K）; R 為氣體常數(shù)，值為 8.314J?mol^-1 ·K^-1 ： 為應(yīng)變速率 （s^-1） ：

則熱變形激活能 Q 可以表示為：

式（10）中： σ 為流動(dòng)應(yīng)力 （MPa）：α 為材料常數(shù)； Q 為熱變形激活能 （J?mol^-1）;T 為變形溫度（K）; R 為氣體常數(shù)，值為 8.314J?mol^-1?K^-1? ε 為應(yīng)變速率 （s^-1）

對(duì)式（10）變量代換得：

Q=Rnk

式（11）、（12）中： σ 為流動(dòng)應(yīng)力 （MPa）：n，k，α 為材料常數(shù)； Q 為熱變形激活能 （J?mol^-1 ）； T 為變形溫度 為氣體常數(shù)，值為 8.314J?mol^-1 ·

K^-1 ： 為應(yīng)變速率 （s^-1）

再將式（3）代人式（4），同時(shí)對(duì)兩邊取對(duì)數(shù)，可得：

式（13）中： σ 為流動(dòng)應(yīng)力 （MPa），A，n，z，α 為材料常數(shù).

通過對(duì)式（7）和式（8） 和 進(jìn)行線性擬合（圖3），分別得出斜率 n₁…β 為5.8和0.257，參數(shù) α 為0.005846.

將參數(shù) k 和 Π_n 代入式（12）即可求得參數(shù) Q 值.根據(jù)式（13）建立 的擬合線性直線，其截距即為 lnA=73.629. 至此，已將4個(gè)參數(shù)分別求出，代人式（3）可得到對(duì)應(yīng)應(yīng)變量下的本構(gòu)模型.由于Arrhenius本構(gòu)模型未考慮在整個(gè)熱變形過程中應(yīng)變量對(duì)流動(dòng)應(yīng)力的影響，故在本構(gòu)模型的基礎(chǔ)上引入材料參數(shù)與應(yīng)變量的擬合多項(xiàng)式，即加入應(yīng)變補(bǔ)償.根據(jù)等溫恒應(yīng)變速率壓縮實(shí)驗(yàn)得到的數(shù)據(jù)，可計(jì)算出自變量對(duì)應(yīng)的 α，n，Q 和lnA值，并利用MATLAB軟件進(jìn)行多項(xiàng)式擬合，擬合結(jié)果發(fā)現(xiàn)5次多項(xiàng)式擬合的精度最好.因此，采用5次擬合多項(xiàng)式來表達(dá)應(yīng)變與各參數(shù)間的關(guān)系（圖5），相應(yīng)的函數(shù)表達(dá)式如式（14）所示：

（2號(hào) 6.504×10^-2e³+1.483×10e⁴- 1.143×10^-1ε⁵+0.003

n（ε）=-3.015×10ε+1.369×10²ε²- 3.712×10²ε³+5.142×10²ε⁴- 2.848×10²ε^°+9.715

Q（ε）=-4.611×10⁴ε-1.350×10^°ε²+ 1.199×10⁶E³-2.930×10⁶E⁴+ 2.322×10⁶ε⁵+6.999×10⁵

1.880×10⁴ε³+3.217×10⁴ε⁴- 2.086×10⁴ε⁵+9.563×10

式（14）中： ε 為應(yīng)變參數(shù)； α，n，Q，A 為材料常數(shù).

將式（14）代人式（3）中并結(jié)合式（4），得到不同條件下的應(yīng)變補(bǔ)償本構(gòu)模型，表達(dá)式如式（15）所示：

式（15）中： ε 為應(yīng)變參數(shù)； σ 為流動(dòng)應(yīng)力（ MPa） ： Z 是用于表示熱變形行為一種參數(shù)，其物理意義為溫度補(bǔ)償變形速率因子； A，n，α 為材料常數(shù)； Q 為熱變形激活能 （J?mol^-1）;T 為變形溫度（K）; R 為氣體常數(shù)，值為 8.314J?mol^-1?K^-1 為應(yīng)變速率 （s^-1 ）.

圖6為基于應(yīng)變補(bǔ)償本構(gòu)模型所獲得的鈦基復(fù)合材料應(yīng)力應(yīng)變預(yù)測(cè)值與實(shí)驗(yàn)值之間的對(duì)比.由圖可以看出，預(yù)測(cè)的流動(dòng)行為變化趨勢(shì)與實(shí)驗(yàn)結(jié)果相近.為了進(jìn)一步描述該模型的預(yù)測(cè)精度，本研究引入相關(guān)系數(shù) R 和平均相對(duì)誤差 e_AARE 來對(duì)誤差進(jìn)行分析.其中， R 和 e_AARE 可分別表示為：

式（16）（17）中：S為數(shù)據(jù)個(gè)數(shù)； T_i 為第 i 個(gè)實(shí)驗(yàn)值； Y_i 為第 i 個(gè)預(yù)測(cè)值； T 和 Y 分別為 T_i 和 Y_i 的平均值.依據(jù)上式，得到應(yīng)變補(bǔ)償本構(gòu)模型相關(guān)系數(shù) R 為0.95、平均相對(duì)誤差 e_AARE 為 6.84% ，這表明本研究建

2.2.2 BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型的建立和驗(yàn)證

（1）BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型的建立

BP神經(jīng)網(wǎng)絡(luò)[24]是一種單向傳播的多層前饋網(wǎng)絡(luò)，其結(jié)構(gòu)如圖7所示.該網(wǎng)絡(luò)包括輸入層、隱層和輸出層.對(duì)于輸入信息，要先向前傳播到隱含層節(jié)點(diǎn)上，經(jīng)過各單元激活函數(shù)（又稱作用函數(shù)、轉(zhuǎn)換函數(shù)等）運(yùn)算后，把隱含節(jié)點(diǎn)的輸出信息傳播到輸出節(jié)點(diǎn)，最后給出輸出結(jié)果.

其中確定隱含層包含的最佳節(jié)點(diǎn)數(shù)通常可以參照式（18）來經(jīng)過反復(fù)運(yùn)算擇優(yōu)選取[25].

式（18）中： n 表示隱含層節(jié)點(diǎn)數(shù)； n_i 表示輸人層節(jié)點(diǎn)數(shù)； n_o 表示輸出層節(jié)點(diǎn)數(shù)； a 為常數(shù).

本研究把變形溫度、應(yīng)變速率、應(yīng)變量作為網(wǎng)絡(luò)的輸人因子，把流動(dòng)應(yīng)力作為網(wǎng)絡(luò)輸出因子.根據(jù)熱模擬壓縮實(shí)驗(yàn)得到的數(shù)據(jù)可計(jì)算出應(yīng)變量范圍為 0.05～0.5 ，以0.05為間隔的應(yīng)變量進(jìn)行數(shù)據(jù)收集.其中隨機(jī)選取的訓(xùn)練數(shù)據(jù)、測(cè)試數(shù)據(jù)和驗(yàn)證數(shù)據(jù)占比分別為 70%.15% 和 15% .由于BP神經(jīng)網(wǎng)絡(luò)輸入、輸出樣本數(shù)據(jù)之間數(shù)量級(jí)相差較大，故在訓(xùn)練前采用MATLAB中的歸一化函數(shù)對(duì)輸入、輸出的樣本數(shù)據(jù)分別進(jìn)行歸一化，區(qū)間為[0，1].

經(jīng)過反復(fù)運(yùn)算發(fā)現(xiàn)，為了使網(wǎng)絡(luò)訓(xùn)練系統(tǒng)誤差最小、預(yù)測(cè)效果達(dá)到最佳，輸人層到隱含層和隱含層到輸出層應(yīng)分別選擇tansig函數(shù)和purelin函數(shù)作為激活函數(shù)，學(xué)習(xí)函數(shù)、訓(xùn)練函數(shù)分別選擇learngdm函數(shù)和trainlm函數(shù).運(yùn)行時(shí)網(wǎng)絡(luò)精度要求設(shè)置為0.001，網(wǎng)絡(luò)的訓(xùn)練步數(shù)設(shè)置為5000，網(wǎng)絡(luò)權(quán)值和閾值初始值設(shè)定為0.5.

（2）BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型的驗(yàn)證

圖8為鈦基復(fù)合材料基于BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型輸出的預(yù)測(cè)值與實(shí)驗(yàn)值之間的對(duì)比.從圖8可以看出，流動(dòng)應(yīng)力的預(yù)測(cè)值大小及變化趨勢(shì)與實(shí)驗(yàn)值結(jié)果非常接近.同時(shí)，BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型的相關(guān)系數(shù) R 和平均相對(duì)誤差 e_AARE 值可高達(dá)分別為

0.98和 3.44% .這表明采用BP神經(jīng)網(wǎng)絡(luò)建立的對(duì)比兩個(gè)模型可以看出，BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型比應(yīng)變補(bǔ)償本構(gòu)模型具有更高的預(yù)測(cè)精度，更適用于預(yù)測(cè)鈦基復(fù)合材料的流動(dòng)行為.這是因?yàn)樵O(shè)計(jì)和實(shí)現(xiàn)一個(gè)有效的應(yīng)變補(bǔ)償模型可能需要復(fù)雜的數(shù)學(xué)分析和控制算法，增加了系統(tǒng)設(shè)計(jì)的復(fù)雜性和成本，在計(jì)算相關(guān)參數(shù)時(shí)容易將實(shí)驗(yàn)誤差進(jìn)一步放大.而反觀BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，該模型更簡(jiǎn)化，由較少的參數(shù)和方程組成，使模擬和分析更容易.文中的BP神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)和非線性逼近的能力，將神經(jīng)網(wǎng)絡(luò)運(yùn)用于函數(shù)逼近，從而很好預(yù)測(cè)鈦基復(fù)合材料的流動(dòng)應(yīng)力，為系統(tǒng)的可靠性預(yù)計(jì)提供了一種新的方法.

雖然本文建立了精確的鈦基復(fù)合材料唯象本構(gòu)模型，但鈦基復(fù)合材料中包含基體、增強(qiáng)體及兩者界面，變形過程中各部分的微觀組織演變及應(yīng)力應(yīng)變響應(yīng)關(guān)系復(fù)雜.因此，為了能夠有效形象地揭示鈦基復(fù)合材料熱變形行為，仍需發(fā)展耦合微觀組織演變的多尺度本構(gòu)模型，

3結(jié)論

（1）鈦基復(fù)合材料在熱變形過程中存在明顯的軟化行為，在實(shí)驗(yàn)變形條件范圍內(nèi)，流動(dòng)應(yīng)力呈現(xiàn)出正應(yīng)變速率和負(fù)溫度敏感性，且高溫低應(yīng)變速率下更容易達(dá)到穩(wěn)態(tài)流動(dòng)

（2）建立了鈦基復(fù)合材料基于應(yīng)變補(bǔ)償?shù)腁rrhenius本構(gòu)模型及BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型.兩類模型都能較好的預(yù)測(cè)材料的流動(dòng)行為，但是，相比應(yīng)變補(bǔ)償?shù)腁rrhenius本構(gòu)模型，BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型預(yù)測(cè)精度更高，其相關(guān)系數(shù)R及平均相對(duì)誤差eAARE可高達(dá)O.98和 3.44%

（3）鈦基復(fù)合材料組織中包含基體、增強(qiáng)體及兩者界面，變形過程中各部分組織演變及應(yīng)力應(yīng)變響應(yīng)關(guān)系復(fù)雜.因此，仍需發(fā)展耦合微觀組織演變的鈦基復(fù)合材料多尺度本構(gòu)模型，

參考文獻(xiàn)

[1]HayatMD，SinghH，HeZ，etal.Titanium metal matrixcomposites[J].An Overview Composites Part A，2019，121：418-438.

[2]Jiao Y，Huang L J，Geng L.Progress on discontinuouslyreinforced titanium matrix composites[J].Journal of Al-loys and Compounds，2018，767：1 196-1 215.

[3]劉世鋒，宋璽，薛彤，等.鈦合金及鈦基復(fù)合材料在航空航天的應(yīng)用和發(fā)展[J].航空材料學(xué)報(bào)，2020，40（3）：

77-94.

[4]程軍.基于加工圖理論與Prasad 塑性失穩(wěn)準(zhǔn)則的 Ti2AINb基合金熱變形行為研究［D].昆明：云南大 學(xué)，2013.

[5]黃贊，王克魯，魯世強(qiáng)，等. Ti₂ AINb基合金熱變形行為 研究[J].熱加工工藝，2016，45（21）：39-42.

[6]周朗牙，王日初，王小鋒，等.SiCp/2014Al復(fù)合材料的熱 變形行為及本構(gòu)模型[J].有色金屬科學(xué)與工程，2021，12 （4）：66-74.

[7] Samantaray D，Mandal S，Bhaduri A K. Analysis and mathematical modelling of elevated temperature flow behavior of austenitic stainless steels[J].Materials Science and Engineering A，2011，528：1 937-1 943.

[8] Sun Y，Zeng W D，Ma X，et al.A hybrid approach for processing parameters optimization of Ti-22Al-25Nb alloy during hot de-formation using artificial neural network and genetic algorithm[J]. Intermetallics，2011，19（7）：1 014- 1 019.

[9]雷錦文，薛祥義，張思遠(yuǎn)，等.基于人工神經(jīng)網(wǎng)絡(luò)的高精度 Ti6242s合金熱變形本構(gòu)模型[J].稀有金屬材料與工程， 2021，50（6）：2 025-2 032.

[10] Lei Z N，Gao P F，Wang X X，et al. Analysis of anisotropy mechanism in the mechanical property of titanium alloytube formed through hot flow forming[J].Journal of Materials Scienceamp;.Technology，2021，86：77-90.

[11]WangXX，Zhan M，Gao PF，et al.Deformation mode dependent mechanism and kinetics of dynamic recrystallization in hot working of titanium alloy[J].Materials Science and Engineering A，2020，772：138 804.

[12] Wang X X，Liu T，Zhang R X，et al. Texture evolution re lated to static recrystallization during annealing of TA15 alloy tube formed by flow forming[J].Journal of MaterialsResearch and Technology，2023，24：5 769-5 781.

[13] Wang X X，Zhan M，F(xiàn)u M W，et al. Microstructure evolution of Ti-6Al-2Zr-1Mo-1V alloy and its mechanism in multi-pass flow forming[J]. Journal of Materials Processing Technology，2018，261：86-97.

[14] Wang S S，Deng X G，Gao PF，et al.Physical constitutive modelling of hot deformation of titanium matrix composites[J]. International Journal of Mechanical Sciences， 2024，262：108 712. 「15]1iCMHngI7honMI

tureevoiuuo ammsm Uuu based on power dissipation efficiency at supertransus temperatures [J]. Journal of Alloysand Compounds， 2022，924：166 481.

[16] Lu C Y，Wang J，Zhang P Z.Flow behavior analysis and flow stress modeling of Til7 alloy in β forging process [J].Journal of Materials Engineering and Performance， 2021，30：76 687 681.

[17］周琳，劉運(yùn)璽，陳瑋，等.Ti-4AI-5Mo-6Cr-5V-1Nb合 金的熱變形行為及熱加工圖[J].稀有金屬，2022，46（1）： 27-35.

[18]LongJC，Xiao X，Xiao G F，et al. Flow characterization of magnesium alloy ZK6l during hot deformation with improved constitutive equations and using activation energy maps[J]. International Journal of Mechanical Sciences，2020，191：106 069.

[19]Babu K A，Prithiv T S，Gupt A A.et al. Modeling and simulation of dynamic recrystallization in super austenite stainless steel employing combined cellular automaton， artificial neural network and finite element method[J]. Computational Materials Science，2021，195：110 482.

[20] Jang Y Q，Lin Y C，Wang G Q，et al. Micrstrueture evolution and a unified constitutive model for a Ti-5551l alloy deformed in β region[J]. Journal of Alloys and Compounds，2021，870（8）：159 534.

[21] Zeng R，Huang L，Li J J，et al. Quantification of multiple softening processes occurring during multi-stage thermoforming of high-strength steel[J]. International Journal ofPlasticity，2019，120：64-87.

[22] LiC M，Huang L，Zhao M J，et al. Hot deformation behavior and mechanism of a new metastable β titanium alloy Ti-6Cr-5Mo-5V4Al in single phase region[J].Materials Science and Engineering：A，2021，814：141 231.

[23] Zener C，Hollomon J H. Eect of strain rate upon plasticflow of steel[J]. Journal of Applied Physics，1944，15 （1） ：22-32.

[24]湯素麗，羅宇鋒.人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展與應(yīng)用[J].電 腦開發(fā)與應(yīng)用，2009，22（10）：59-61.

[25]朱大奇，史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].北京：科 學(xué)出版社，2006.

【責(zé)任編輯：蔣亞儒】