Page 50 - 《爆炸与冲击》2026年第3期

第 46 卷 康正东，等： 基于人工神经网络的金属材料本构模型在显式有限元中的实现 第 3 期

良好的轴对称性和空间均匀性，且最大应力集中于试样中心区域。为了进一步对比模型在局部区域的预
测效果，选取了中心区域的代表性单元（红色单元），并绘制其应力-应变关系曲线，如图 10 所示。从应力云
图与数据曲线的对比结果来看，温度效应和应变率效应均有良好的反映，验证了模型能够有效捕捉材料在
不同热-力学条件下的响应特征。基于神经网络构建的模型在计算精度方面表现优异，其预测结果与对比
模型高度吻合，2 种不同工况的相关系数 R 均超过 0.99，说明该方法在流动应力预测上具有极高的准确性。
同时，随着应变的逐渐增大，预测误差呈现出一定上升趋势，表明模型在高应变区间的精度相对降低，这
与前文图 7 中的误差分析结果保持一致。除了精度上的良好表现，在运算速度上同样有所提升。修正 J-C
由于其子程序的复杂性，单次模拟耗时约 8 h，而新模型将时间缩短到了 1.5 h，效率提高了约 5.3 倍。

ANN model Modified J-C model

Stress/MPa
495.8
482.9
469.2
455.3
443.7
430.2
416.5
404.1
392.6
378.4
365.5
350.6
336.0
·
(a) ε=0.02 s −1
Stress/MPa
579.6
561.3
540.1
523.6
496.5
478.1
461.9
445.2
427.3
409.0
388.7
367.5
347.3
·
(b) ε=0.2 s −1
−1
图 9 600℃ 时，修正 J-C 与 ANN 模型在 0.02 和 0.2 s 应变率下的 von Mises 等效屈服应力云图
Fig. 9 Contour plots of von Mises equivalent yield stress for the modified J-C and ANN models
at 600 ℃ and strain rates of 0.02 and 0.2 s −1

600

. Modified J-C model . Modified J-C model
500 ANN model ANN model
R=0.998 8 500 R=0.999 5
400
400
Stress/MPa 300 Stress/MPa 300

200
200
100 100

0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
Strain Strain
·
·
(a) ε=0.02 s −1 (b) ε=0.2 s −1
图 10 在温度为 600 ℃、不同应变率下修正 J-C 模型与 ANN 模型预测应力-应变曲线对比
Fig. 10 Comparison of stress-strain curves predicated by the modified J-C and ANN models at 600 ℃ and different strain rates

031403-11