Abstract In this second of the two-part paper on the development of Parametrically Homogenized Constitutive Models (PHCMs), constitutive coefficients are represented in functional forms of the representative aggregate microstructural parameters (RAMPs), e.g. texture intensity parameters, misorientation parameter and grain size, identified in the first part (Kotha et al., 2019). Efficient and accurate PHCMs are developed for finite deformation, anisotropic thermo-elasto-plastic behavior of polycrystalline Ti6242S alloys. The constitutive framework in the PHCM is chosen to reflect fundamental characteristics of elasto-plastic anisotropy, tension-compression asymmetry, anisotropic hardening and rate-dependent mechanical behavior, observed in Ti alloys. The functional forms of the PHCM constitutive coefficients in terms of the RAMPs are deciphered using a machine learning code Eureqa. The machine learning data-base is generated through detailed micro-mechanical crystal plasticity FE simulations of microstructure-based statistically equivalent RVEs or M-SERVEs of the polycrystalline material. A variety of M-SERVEs with different morphology and crystallography characteristics and thermo-mechanical loadings are considered. The proposed PHCM is numerically implemented in ABAQUS as a user subroutine. The accuracy of the PHCM model is demonstrated by validating the PHCM predictions for Ti6242S with tensile test experiments at different strain-rates and temperatures.

中文翻译：

---

来自微机械模拟的参数均质化本构模型 (PHCM)：第二部分：热弹塑性模型以及钛合金的实验验证

摘要 在关于开发参数均质化本构模型 (PHCM) 的两部分论文的第二部分中，本构系数以代表性聚集微结构参数 (RAMP) 的函数形式表示，例如纹理强度参数、错误取向参数和晶粒尺寸，在第一部分中确定（Kotha 等人，2019 年）。为多晶 Ti6242S 合金的有限变形、各向异性热弹塑性行为开发了高效且准确的 PHCM。选择 PHCM 中的本构框架以反映在 Ti 合金中观察到的弹塑性各向异性、拉压不对称、各向异性硬化和速率相关机械行为的基本特征。PHCM 本构系数在 RAMP 方面的函数形式是使用机器学习代码 Eureqa 破译的。机器学习数据库是通过多晶材料的基于微观结构的统计等效 RVE 或 M-SERVE 的详细微机械晶体塑性有限元模拟生成的。考虑了具有不同形态和晶体学特征以及热机械载荷的各种 M-SERVE。建议的 PHCM 作为用户子程序在 ABAQUS 中以数字方式实现。PHCM 模型的准确性通过验证 Ti6242S 的 PHCM 预测与不同应变速率和温度下的拉伸试验实验来证明。机器学习数据库是通过多晶材料的基于微观结构的统计等效 RVE 或 M-SERVE 的详细微机械晶体塑性有限元模拟生成的。考虑了具有不同形态和晶体学特征以及热机械载荷的各种 M-SERVE。建议的 PHCM 作为用户子程序在 ABAQUS 中以数字方式实现。PHCM 模型的准确性通过验证 Ti6242S 的 PHCM 预测与不同应变速率和温度下的拉伸试验实验来证明。机器学习数据库是通过多晶材料的基于微观结构的统计等效 RVE 或 M-SERVE 的详细微机械晶体塑性有限元模拟生成的。考虑了具有不同形态和晶体学特征以及热机械载荷的各种 M-SERVE。建议的 PHCM 作为用户子程序在 ABAQUS 中以数字方式实现。PHCM 模型的准确性通过验证 Ti6242S 的 PHCM 预测与不同应变速率和温度下的拉伸试验实验来证明。建议的 PHCM 作为用户子程序在 ABAQUS 中以数字方式实现。PHCM 模型的准确性通过验证 Ti6242S 的 PHCM 预测与不同应变速率和温度下的拉伸试验实验来证明。建议的 PHCM 作为用户子程序在 ABAQUS 中以数字方式实现。PHCM 模型的准确性通过验证 Ti6242S 的 PHCM 预测与不同应变速率和温度下的拉伸试验实验来证明。