基于神经网络的SMA本构模型研究
【摘要】 形状记忆合金(ShapeMemoryAlloy，简称SMA)是一种新型智能合金材料，具有广泛的工程实用价值。基于不同的理论，许多学者提出一系列SMA本构模型。本文利用BP(BackPropagation)神经网络拟合拉伸试验所得数据，得到基于BP网络的SMA本构模型。通过选择试验可测得数据作为输入数据，简化了数据输入及计算复杂度，提高了本构模型的准确性及适用性。结果表明，训练成型的神经网络本构模型，能够以较小的误差(<1%)对试验结果进行拟合，并继续在此误差范围内预测有一定数据波动的SMA材料，具备良好的模拟、泛化能力。
