基于PSO-BP的2205双相不锈钢热变形行为预测

作者：姬亚锋; 王晓军; 孟媛; 王海深; 刘瑜; 李旭

来源：钢铁, 2022, 1-9.

DOI：10.13228/j.boyuan.issn0449-749x.20220509

• 2205双相不锈钢
• 热变形
• 流变应力
• 本构模型
• 神经网络

针对传统数理统计方法建立的本构方程不能精确地反映材料热加工特性的问题，提出了机器学习结合优化算法的热变形预测模型。利用Gleeble-3800热模拟试验机进行了单道次热压缩试验，研究了在加热温度为900～1 100 ℃、应变速率为0.01～10 s-1条件下2205双相不锈钢的流变行为，构建了考虑应变修正的Arrhenius模型和基于粒子群算法改进的BP神经网络模型（PSO-BP），并且采用PSO-BP模型预测值绘制了基于动态材料模型（DMM）的热加工图。通过计算均方相关系数(R2)、均方根误差（RMSE）和平均相对误差（AARE），评估了两种模型的预测能力和稳定性。结果表明，PSO-BP模型在预测2205双相不锈钢流动特性方面具有更好的性能，其R2、RMSE和AARE分别为0.999 79、1.138 7和1.43%，相对于应变补偿Arrhenius本构模型R2提高了2%，RMSE和AARE分别降低了10.147 6 MPa和4.979%，且绘制的热加工图与试验热加工图吻合良好，最佳加工工艺区间都为加工温度1 000～1 100 ℃，应变速率3.5～10 s-1。因此，所提出的PSO-BP模型具有较强的可靠性和适用性，可以精确地描述2205双相不锈钢的热变形特征，为2205双相不锈钢的锻造、轧制等工艺提供理论指导和技术支撑。

• 单位
  轧制技术及连轧自动化国家重点实验室; 首钢股份公司迁安钢铁公司; 太原科技大学; 东北大学