瞿柯杰, 孙昊, 屠业宽, 沙金洋, 杨庆兆, 张振
为优化热加工工艺参数提供数值化解决方案,突破传统试错法在高温塑性成形质量控制中的效率瓶颈,本文利用热模拟实验机对316L奥氏体钢进行不同应变速率下的热模拟压缩试验,通过纳米压痕测试研究不同变形条件下晶粒的局部力学响应,采用DEFORM有限元仿真软件对热变形再结晶过程进行分析;采用一种非线性映射能力的遗传算法(GA)反向传播(BP)人工神经网络(ANN),对奥氏体钢的力学性能进行预测。结果表明:在316L奥氏体钢热压缩变形过程中,动态再结晶作为组织演变的主导机制,其进程受应变速率影响显著。试验表明,高应变速率通过加速位错增殖与能量累积,有效促进再结晶形核及晶粒重构。数值模拟研究进一步揭示,随着形变量提升,材料动态再结晶体积分数呈正向增长并伴随显著晶粒细化效应。针对该材料高温流变行为预测,研究提出基于遗传算法优化的混合智能算法模型,通过改进BP神经网络初始参数敏感性,显著提升了应力预测的精度稳定性,为复杂热加工过程的数值模拟提供了可靠的计算方法。