周朗牙， 王日初,2， 王小锋， 蔡志勇,2， 董翠鸽

（1. 中南大学材料科学与工程学院， 长沙 410083；2. 电子封装与先进功能材料湖南省重点实验室， 长沙 410083 ）

0 引 言

碳化硅颗粒增强铝基（SiCp/Al）复合材料具有强度高、模量高、耐磨、耐高温、尺寸稳定性好、膨胀系数低等优异的综合性能， 被广泛地应用于航空航天、军工、汽车制造、电子封装等领域[1-2]。 为获得更高的强度， 更优异的机械性能及更便于应用的物理形态，SiCp/Al 复合材料通常需要进行二次变形加工。 常用的变形加工方式为热挤压、热轧制、热锻造等，充分利用基体合金的延展性，在较低的生产成本下使之性能更为优异且适合工程应用[3-5]。 但是高硬度和脆性的增强相SiC 限制基体合金的塑性流动，导致复合材料的加工性较差[6-7]。 为进一步获得所需性能和结构，十分有必要对复合材料的热变形过程进行研究。

热变形本构方程是通过数学模型描述材料在热变形过程中复杂的流变应力[6]。 合适的本构模型能够表达材料在不同条件下的动态特性[8-9]，是对材料变形进行精确数值分析（如有限元模拟等）的先决条件。Johnson 和 Cook 在 1983 年提出 Johnson-Cook（JC）本构模型，由于其形式简单且计算方便，已被用于金属在高应变率、 高温条件下的大变形行为研究中[10]。但是，He 等发现JC 模型在变形行为的预测中存在一些偏差[11]。 针对此问题，有研究对JC 模型进行修正，来提高其准确性[12-13]。

近年来，人工神经网络（ANN）已经被应用于预测材料的热变形行为[14-15]。 与本构方程相比，ANN 模型不需要建立数学模型，具有处理复杂多元非线性问题的能力和更高的预测精度。……