论文部分内容阅读
形状记忆合金(SMAs)相变时将产生巨大的回复力抵抗外部阻力.SMAs的这种独特的行为使其作为驱动器的应用提供了很大的潜力.SMAs的工程应用需要其本构模型以描述其约束回复应力和温度之间的关系.本文首先论述了SMAs的约束回复的两种本构建模方法，并实施了两类实验为上述方法提供重要的数据.通过实验数据分析得到，数学模型方法具有一些缺陷，不适合工程应用.其后，建立了SMAs约束回复的BP神经网络模型.基于BP神经网络的非线性映射和自适应的性质，此模型可以学习SMAs加热和冷却的滞后行为，并能预测SMAs在不同初始应变时的完整约束回复应力.BP模型得到的预测结果和实验结果吻合良好.此外，同数学本构模型相比，提出的BP模型非常简单，方便，且成本较低.