机器学习结合压入技术检测金属表面残余应力

摘要

为丰富和发展机制清楚、分析可靠的金属材料表面残余应力压入检测技术，开展了不同工况下圆锥压入有限元仿真，基于量纲分析法，分别结合反向传播(BP)和多层感知器(MLP)神经网络技术，建立了关联压入加载曲率与材料塑性参数、残余应力的映射网络，在此基础上提出了材料表面残余应力的仪器化压入检测方法。通过仿真数据集训练的BP及MLP神经网络预测结果与仿真预设的残余应力吻合良好，且BP神经网络的预测结果精度较优。对引入不同程度残余应力的18CrNiMo7-6合金钢薄片试样开展仪器化压入试验，借助已报道的3种金属材料锥压入试验数据，验证检测方法的可靠性。结果表明，基于BP和MLP神经网络预测的残余应力结果与试验预施加应力之间的误差普遍在40 MPa以内。

关键词

神经网络 / 残余应力 / 仪器化压入 / 有限元仿真

基金资助

国家自然科学基金项目(U1804254,11702252);; 河南省重大科技专项项目(201400211200,221100210600)