基于BP神经网络的形状记忆合金回复力预测研究

作     者：曲冬 

作者单位：重庆交通大学 

学位级别：硕士

导师姓名：钟厉

授予年度：2010年

学科分类：08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

主      题：形状记忆合金 形状记忆效应 过盈夹持 回复力 预应变 激励模式 神经网络 

摘      要：形状记忆合金(SMA, Shape Memory Alloy)作为一种集传感和驱动于一身的新型功能材料,近年来引起了工程界的广泛关注,利用SMA提高结构的控制性能,对结构进行智能控制已成为一个重要的研究方向。国内外众多学者开展了相关的研究工作,并取得了一定的成果。而对于SMA的力学特性、本构模型以及BP神经网络预测SMA回复力模型等问题的研究还处于探索阶段,仍需进一步的深入研究。 本文利用过盈夹持原理自制夹具,在万能试验机上使NiTi SMA丝实现一定的预应变后,再在经改装的10kN的BZ2216数字式测力仪上测定合金丝的回复力的大小,研究其随着温度升高和降低的变化规律;同时讨论了温度、激励模式、激励次数及预应变量等因素对NiTi SMA丝回复力的影响。 结果表明:NiTi SMA合金丝的回复力随温度的上升而增大,当温度高于合金的软化点时,合金发生软化,回复力开始下降;预应变越大,合金的回复力越大,但是当超过一定的预应变(8%)后,合金的回复力反而下降;与增大电流强度的激励模式比较,缓慢提高电流强度的激励模式,马氏体转变为奥氏体的量增多,合金的回复力增大;合金多次激励仍有回复力。 同时本文利用神经网络的非线性映射能力,根据SMA丝在不同应变幅值条件下的试验结果,建立了基于神经网络的SMA回复力模型。由计算结果和试验数据的对比分析可知,该模型可以很好地映射SMA应力、应变、温度之间的非线性关系,且有良好的预测能力,能够在一定程度上正确预测出SMA在给定应变下的应力值,验证了这种BP神经网络模型的实用性。