超弹性形状记忆合金的神经网络连续本构模型

对超弹性形状记忆合金（SMA）丝在不同应变幅值和荷载速率下进行加卸载单轴拉伸试验，分析其滞回特性随环境因素的变化规律。将径向基函数神经网络（RBFNN）和Graesser模型结合起来，Graesser模型参数取自试验曲线，能由数学式确定的模型参数和应变幅值、荷载速率一起作为网络的输入信息，不能由数学式确定的模型参数作为输出神经元。数值计算表明，RBFNN可以精确地预测Graesser模型参数，且计算的SMA应力—应变曲线与Graesser模型结果吻合很好