-
题名金属材料塑性本构模型建立研究进展
被引量：3
- 1
-
-
作者
夏天
高志玉
赵斐
樊献金
高思达
-
机构
辽宁工程技术大学材料科学与工程学院
沈阳理工大学材料科学与工程学院
中汽研汽车检验中心(常州)有限公司
-
出处
《塑性工程学报》
CAS
CSCD
北大核心
2024年第9期23-35,共13页
-
基金
辽宁省教育厅高等学校基本科研项目(LJKMZ20220593)。
-
文摘
本构模型反映了流变应力与应变、变形温度和应变速率的对应关系,在设备选型、有限元仿真计算等方面具有重要应用。综述了几种主要的本构模型建立方法,即经验型本构模型、物理型本构模型以及近年来被广泛使用的机器学习型本构模型。经验型本构模型的建立过程简便,但其无法从微观层面解释材料变形的机理。相比之下,物理型本构模型的建立虽然复杂,但由于其包含了微观机制信息,预测精度优于经验型本构模型。机器学习型本构模型相较于前两种建模方法预测精度更高,建模方式更加简便。运用VOSviewer和CiteSpace文献计量软件对金属材料本构模型建模方法进行统计分析,得出相关领域国家、机构研究现况以及之间合作关系,分析表明中国对于金属材料本构模型领域研究最为活跃,采用机器学习进行本构建模的研究是近年来热点。并且随着人工智能技术的飞速发展,运用机器学习建立本构模型将是未来发展方向。
-
关键词
金属材料
经验型本构模型
物理型本构模型
机器学习型本构模型
文献计量
-
Keywords
metal material
empirical constitutive model
physical constitutive model
machine learning constitutive model
bibliometrics
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TB125
[理学—工程力学]
-
