基于深度神经网络的ODS合金辐照硬化预测

作     者：白冰 韩煦 曹晗 柯艺璇 贺新福 杨文 BAI Bing;HAN Xu;CAO Han;KE Yixuan;HE Xinfu;YANG Wen

作者机构：中国原子能科学研究院反应堆工程技术研究所北京102413 

基　　金：中核集团集中研发项目(FA18000120) 国防科工局核材料创新中心基金(ICNM-2020-ZH-06) 

出 版 物：《原子能科学技术》 (Atomic Energy Science and Technology)

年 卷 期：2021年第55卷第7期

页      码：1184-1190页

摘      要：氧化物弥散强化(ODS)合金作为第4代先进堆结构材料和聚变堆第一壁结构材料的候选材料,其抗辐照性能仍是制约其在快堆和聚变堆领域应用的关键技术难题。本文通过收集ODS合金的成分、固化和热处理工艺、辐照条件、测试条件(包括温度等)及屈服强度等数据约570条,并对数据进行清洗及重要属性的筛选,采用机器学习中反向传播的深度神经网络方法,尝试构建了Cr、Y_(2)O_(3)等关键成分与ODS合金中子辐照硬化的关联性,获得针对ODS合金辐照硬化的性能预测。结果表明:Cr含量约为6%、Y_(2)O_(3)添加量约为0.2%时,ODS合金的辐照硬化程度降低,同时Ti的添加有利于ODS合金辐照硬化程度的降低,而添加Al则会加剧其辐照硬化。据此,后续可得出一定辐照条件下,辐照硬化程度更低的ODS合金成分设计方案。

主 题 词：ODS合金 辐照硬化 机器学习 性能预测 

学科分类：080503[080503] 08[工学] 0807[工学-电子信息类] 0827[工学-食品科学与工程类] 0805[工学-能源动力学] 0703[理学-化学类] 0802[工学-机械学] 0801[工学-力学类] 080201[080201] 

核心收录：

D　O　I：10.7538/yzk.2021.youxian.0082

馆 藏 号：203104160...