基于人工神经网络的RPV辐照脆化专家系统查看源代码讨论查看历史

来自 网络 的图片

基于人工神经网络的RPV辐照脆化专家系统中子辐照引起RPV辐照脆化导致其性能降低，其中韧脆转变温度是RPV辐照脆化评价的重要指标。目前，国内关于RPV辐照脆化的研究主要沿用国外的一些经验，缺乏自主知识产权的RPV辐照数据库和相应的RPV辐照脆化预测模型，而采用机器学习等方法研究RPV中子辐照下性能的影响因素以及变化规律是高效、低成本手段。

技术要点和优势

相比于传统的数学模型，在RPV材料辐照脆化影响因素众多的情况下，基于数据的机器学习模型具有较高的精度，同时利用模型获得的规律与文献报道相符，具有一定的可解释性，能在一定程度上反映出RPV辐照脆化影响因素与辐照损伤变化之间的复杂非线性关系。影响RPV钢辐照脆化的主要因素有材料成分和辐照环境两大类，其中材料成分中P、Ni、Cu影响尤为显著，而辐照环境中，中子注量、中子注量率和辐照温度影响突出，如何评价每个参数对RPV钢辐照脆化的影响是构建辐照脆化预测模型的关键，不同参数之间影响不是单一的，具有复杂的非线性关系，基于数据的人工神经网络模型可以很好的解决这个问题。本案例基于国内部分核电站的辐照监督数据与国外的数据，利用ANN的方法建立RPV材料辐照脆化预测模型，同时与C/S模式的辐照脆化数据库耦合成为RPV材料的辐照脆化专家系统，为RPV材料辐照脆化数据的存储、查询以及RPV材料辐照脆化预测提供了便利，推动我国RPV材料的研究与发展。

应用案例介绍

应用对象：核电材料

应用规模：核电站设计

应用时间：2020年11月20日

取得的效果

本案例分析整理了国内外现有的辐照监督数据，提取RPV辐照损伤性能数据与关键影响参数，建立RPV材料辐照损伤数据库，数据量达数千条；通过数据挖掘技术，在已有数据的基础上构件了24个RPV材料辐照后性能预测的模型，并与经验公式比较验证模型的精度；将模型与数据库耦合，最终形成了集存储、查询、预测为一体的C/S模式界面友好的RPV材料辐照脆化专家系统。