Application of inverse analysis with metamodelling for identification of metal flow stress

Abstract

The problem of effectiveness of the inverse algorithms used for identification of material model is investigated in the paper. Identification of flow stress models in metal forming processes is considered. This identification is usually performed by coupling the Finite element (FE) model with optimisation techniques which leads to long computing times. A proposition of application of the metamodel in the inverse analysis is presented in the paper. Metamodel is an alternative for the FE model. Artificial neural network was used as a metamodel of the axisymmetrical compression test. Experiments were performed on the Gleeble 3800 simulator for various materials and inverse calculations with the metamodel were performed. Validation of the results confirmed with higher degree of accuracy of the proposed approach.Dans cet article, on examine le problème d’efficacité des algorithmes inverses utilisés dans l’identification de modèle de matériau. On considère l’identification de modèles de contrainte d’écoulement dans les procédés de traitement du métal. Cette identification est habituellement effectuée en couplant le modèle d’EF à des techniques d’optimisation, ce qui mène à de longues durées de calculs. Dans cet article, on propose l’application du métamodèle dans l’analyse inverse. Le métamodèle est une substitution du modèle d’EF. On a utilisé le réseau neuronal artificiel comme métamodèle de l’essai de compression axisymétrique. On a effectué des expériences avec le simulateur Gleeble 3800 pour des matériaux variés et l’on a effectué des calculs inverses à l’aide du métamodèle. La validation des résultats a confirmé le très bon degré d’exactitude de cette approche.