利用神经网络方法研究合金元素对反应堆压力容器钢辐照脆化的影响

发布时间：2021-07-21 12:53

　　反应堆压力容器（RPV）作为压水堆中不可更换的关键部件之一,其安全和稳定是决定反应堆安全经济运行的重要因素。RPV钢的辐照脆化问题是制约RPV在堆内安全服役的关键。RPV钢的辐照脆化与其合金成分关系密切。本文利用神经网络方法研究了RPV钢中关键合金成分（Cu、Mn、Ni、Si、P）与辐照脆化之间的关系。研究结果表明,基于神经网络方法得到合金成分与辐照脆化的关系与传统认知基本一致,辐照脆化对Cu含量最敏感,Cu-Ni对辐照脆化存在协同作用,低Cu合金中Mn-Ni、Ni-Si对脆化存在协同作用。 

【文章来源】：原子能科学技术. 2020,54(11)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

数据集中各成分含量分布图

神经网络有助于识别单/多维输入和输出数据之间的高度复杂的线性与非线性关系。神经网络通常不需事先了解输入变量与输出变量间的相关性,就可通过数据集找到相应的解决方案。本研究建模开发一种具有前馈功能的多隐层全连接神经网络,网络结构如图2所示。该网络结构为全连接神经网络的1种,每层的每个神经元均与上、下两层全部连接,每个神经元的值代入1个非线性激活函数进行输出。该网络的最终输出可表示为式(1)。

其中:m为当前层的数据个数;yi为数据集的真实值;a|L(i)|为神经网络的预测值; ∑ i w kj l 为l层w权重参数的和;δ为常数,是神经网络需要调整的超参数之一,δ存在一个中间值使得神经网络初始化权重处于适合的取值,这个值需在神经网络的训练过程中不断调试。图3、4分别为韧脆转变温度训练集与测试集的预测值与真实值对比情况。根据材料需求,预测值误差在25 ℃(ΔDBTT)的范围内是允许的,图中虚线表示真实值上下误差25 ℃(ΔDBTT)的范围,点表示测试数据。其中测试数据集中90%以上的预测值在误差允许范围内,训练数据集中90%以上预测值在误差允许范围内,证明所训练的模型有效。

【参考文献】：
期刊论文
[1]反应堆压力容器钢辐照脆化的影响因素分析[J]. 王荣山,徐超亮,刘向兵,黄平,陈骏,李承亮.  中国冶金. 2014(07)
[2]影响反应堆压力容器钢辐照脆性的因素及控制措施[J]. 王英杰,赵宇强.  核科学与工程. 2011(04)



本文编号：3295058