摘要
超弹性形状记忆合金(SMA)的力学性能在循环加卸载过程中逐渐变化并终趋于稳定。在超弹性SMA丝循环加卸载力学试验基础上,提出了径向基函数神经网络本构模型。该模型的输入为循环次数、加卸载信息和应变值,输出为应力值。计算表明,该模型可以准确模拟SMA的循环滞回特性,具有很好的预测精度。
超弹性形状记忆合金(SMA)的力学性能在循环加卸载过程中逐渐变化并终趋于稳定。在超弹性SMA丝循环加卸载力学试验基础上,提出了径向基函数神经网络本构模型。该模型的输入为循环次数、加卸载信息和应变值,输出为应力值。计算表明,该模型可以准确模拟SMA的循环滞回特性,具有很好的预测精度。
出处
《稀有金属材料与工程》
SCIE
EI
CAS
CSCD
北大核心
2012年第S2期243-246,共4页
Rare Metal Materials and Engineering
基金
国家自然科学基金面上项目(50978081)
教育部高等学校博士学科点专项科研基金项目(20091317120002)
河北省教育厅百名优秀创新人才支持计划项目(CPRC011)
大连理工大学海岸和近海工程国家重点实验室开放基金项目(LP0902)
关键词
形状记忆合金
超弹性
径向基函数神经网络
循环本构
shape memory alloy
superelasticity
radial basis function neural network
cyclic constitutive model
