Механическая модель на основе нейронной сети для прогнозирования состояния металла при высокоскоростной лезвийной обработке

Abstract

Проведен сравнительный анализ двух подходов к моделированию пластического состояния материала при обработке резанием: нейро-сетевой и полуэмпирический. Особенностью моделей является необходимость описания состояния металлов в широком диапазоне пластических деформаций, скоростей деформаций (1..10⁵ с⁻¹) и температур (20-1000 °С). Для реализации новой модели на базе нейронной сети был использован персептрон с одним скрытым слоем. Полуэмпирическая модель была реализована с помощью уравнения Джонсона-Кука. Были созданы определяющие соотношения на базе экспериментального семейства кривых деформирования стали 45 для проведения сравнительной характеристики эффективности моделей.

A comparative analysis of two approaches to material flow stress state modeling for machining was carried out: neural network and semi-empirical. The main feature of these models is necessity to describe metal state in wide range of plastic strain, strain rate (1..10⁵ s⁻¹) and temperature (20-1000 °С). For model implementation based on the neural network the perceptron with one hidden layer has been used. Semi-empirical model has been realized with Jonson-Cook equation. The constitutive equations based on the experimental family of strain curves for AISI 45 were generated for the benchmark analysis of the models.