1.2 国内外研究进展金属材料热加工成型时，材料的流动行为是非常复杂的过程。材料热加工时，发生硬化和软化行为，其机理受许多因素的影响，如：应变量、应变速率及加工温度。因此，对研究人员而言，深入了解金属热成型过程中的流变行为是非常重要的。目前，国内外有大量的研究人员致力于开发以及修正金属的本构模型，以更加准确全面地描述金属合金的热变形行为。一般来说，理想的金属塑性加工模型应该能准确地描述材料的各种性能，如：应变速率敏感性、加工温度敏感性、累积应变及累积应变速率敏感性、加工硬化规律。但是，想要将所有这些材料性能都囊括于一个简单的本构模型里是极其困难的，因此在建立本构模型时，模型内一些参数是通过假设来确定的。正是由于假设参数的存在，使得这些本构模型在使用上有一定的局限性，所以，研究人员通过研究加工参数对成型的影响来修正这些原始的本构模型[8-11]。经过几十年的发展，本构模型可以分为以下三类：
（1）现象学本构模型。它提出了一个基于经验观察的流变应力的定义，并且由一些数学函数组成。可是，现象学本构模型缺乏物理背景，仅适合实验观察。此外，最显著的特征是，他们减少了材料常数的数目，这样可以很容易地校准。然而，由于它们的经验特性，它们通常在有限的应用领域（覆盖了应变-速率和温度的有限范围）使用，并且它们缺少灵活性（确定材料的详细规划） 。 目前常见的现象学本构模型有 Johnson-Cook(JC)模型、 Khan-Huang(KH) 模型、Khan-Huang-Liang(KHL)模型、Khan-Liang-Farrokh(KLF)模型、Arrhenius 方程模型。
（2）物理学本构模型。它考虑了材料行为的物理方面。他们中的大多数涉及了热力学理论，热激活位错运动和滑移动力学。与现象学类型相比较，通过一些物理假设和更多的材料常数，他们允许在宽的范围的加载条件下，对材料行为进行精确定义。常见的物理学本构模型有 Zerilli-Armstrong(ZA)模型、动态再结晶模型、Preston-Tonks-Wallace(PTW)模型、Rusinek-Klepaczko(RK)模型、Voyiadjis-Almasri(VA)模型、Bonder-Parton(BP)模型。
（3）人工神经网络模型（ANN）。上述方法是在现象学或者物理本构模型的基础上进行回归分析来获得材料常数。然而，在高温和应变-速率下材料的变形行为的响应是高度非线性的，影响流变应力的许多因素也是非线性的，这使得用线性回归方法预测的流变应力的准确性降低和适用范围受到限制。而人工神经网络（ANN）的吸引力在于它们最适合解决那些用传统计算方法难以解决的问题。相比于统计或数值计算方法，神经网络可以为材料模型及材料加工控制技术提供一个完全不同的方法。这种方法的主要优点之一是，首先它没有必要假设一个数学模型，或使用人工神经网络确定其参数[12]。以上模型中尤以 Arrhenius 方程模型应用最为广泛，Y.C.Lin 等应用 Arrhenius 模型研究了2124-T851铝合金的本构关系，并对本构方程进行了摩擦修正及应变修正，经验证，建立了2124-T851铝合金较为精确完善的本构方程[13]。H.C. Liao 等研究了硅含量对铝合金热加工行为的影响，并建立了不同硅含量下铝合金加工图，研究表明，由于硅起到钉扎作用，其会阻碍位错运动，所以硅含量越高，变形抗力越大，加工性越差[14]。H.R.Rezaei Ashtiani等建立纯铝的本构方程，并进行了应变修正[15]。S.Wang 研究了 7050 铝合金的热加工性能并建立其本构方程和三维加工图，依据传统加工图及所建立的三维加工图，获得 7050铝合金最佳加工参数[16]。国内陈贵清等对 3003铝合金的热变形行为进行了研究[17]，建立了3003 铝合金的本构方程及加工图[18-21]，并对变形参数对金属组织动态再结晶的影响进行了研究[22]，但其研究的温度参数范围非常小，且进行的最原始的本构分析，并未对模型进行任何修正，显然，这样的本构模型，其应用范围是非常局限的，且反映的变形参数与变形抗力的关系也是不准确的。本课题对 3003铝合金进行了 20℃-600℃的热加工分析，其适用范围将更广。对本构模型进行了摩擦[23]、应变修正，建立3003 铝合金更加精确完整的本构关系。1.3 本课题研究内容、目标及创新点本课题的研究内容为应用 Gleeble 热压缩实验，探索3003 铝合金热加工过程中的力学响应以及热加工参数对金属组织演变影响的规律。 Arrhenius 3003铝合金本构方程的建立及变形参数对组织性能的影响(2):http://www.youerw.com/huaxue/lunwen_50384.html