基于人工神经网络的混凝土类材料SHPB动态压缩性能预测

针对混凝土类脆性材料高应变率下本构行为,结合ABAQUS有限元仿真与反向传播（Back propagation,BP）人工神经网络技术,对分离式霍普金森压杆（Split Hopkinson pressure bar,SHPB）实验过程中关键波形参数进行仿真和机器学习,建立了混凝土类材料SHPB高应变率下力学性能预测的机器学习模型,极大地提升了复杂脆性材料受冲击状态下变形行为与本构参数之间关联机制的计算效率。利用商业有限元软件ABAQUS的动态分析模块,通过在入射杆自由面设置4种不同的应力波,得到在不同应变率下材料应力-应变曲线,通过对比数值模拟结果和SHPB实验,验证了基于有限元分析的计算结果准确性。以20组ABAQUS仿真结果作为训练样本,其中入射波作为输入层,透射波和反射波作为输出层,建立相应的机器学习预测模型。研究结果表明：基于BP人工神经网络技术的机器学习预测模型具有良好的适用性,可代替量大且耗时的有限元仿真建模、分析及后处理流程,实现了高应变率下混凝土类材料应力-应变曲线形式本构行为的高效准确预测,同时可以预测给定训练样本以外更大应变率范围下材料应力-应变曲线。     

纳米银浆低温烧结工艺及应用可靠性

为了探索纳米银浆在大功率器件组装中的应用可靠性，亟待获得纳米银浆的烧结特性和热力学性能。本文对不同烧结温度、烧结时间、升温速率、烧结方式的纳米银浆样件烧结强度，结合烧结形貌进行了系统研究，并与航天电子产品中常规的互连材料Au80Sn20焊料、Sn90.5Ag3Cu0.5焊料以及H20E导电胶的散热性进行了对比分析。研究结果表明：采用可控升温速率空气氛围的烧结方式，在200 ℃下保温90 min，银浆样件的剪切强度最高可达40 MPa。纳米银浆导热性能与Au80Sn20相当，明显高于H20E和SAC305。在经历严酷的热应力和机械应力试验后，其剪切强度保持稳定，因此纳米银浆作为高导热连接材料在宇航大功率器件组装中具有良好的应用前景。