基于机器学习的RAFM钢中子辐照脆化预测模型研究

作     者：李孝晨 丁文艺 朱霄汉 郑明杰 LI Xiaochen;DING Wenyi;ZHU Xiaohan;ZHENG Mingjie

作者机构：中国科学院合肥物质科学研究院合肥230031 中国科学技术大学合肥230026 

出 版 物：《材料导报》 (Materials Reports)

年 卷 期：2023年第37卷第1期

页      面：147-153页

核心收录：

学科分类：08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2018YFE0307104) 国家自然科学基金(11632001) 中国科学院合肥物质科学研究院院长基金国际合作探索项目(2021YZGH05) 中国科学院特别交流计划A类(E2AAAI13)。 

主　　题：机器学习 RAFM钢 辐照脆化 韧脆转变温度 

摘      要：构建低活化铁素体/马氏体(RAFM)钢的中子辐照脆化预测模型对聚变反应堆的安全运行和优化设计新型RAFM钢具有十分重要的意义。本研究基于收集的RAFM钢中子辐照数据集,采用相关性筛选、递归消除方法识别出影响RAFM钢中子辐照条件下韧脆转变温度(DBTT)的关键特征变量。利用筛选的关键特征变量,构建了具有良好预测能力的RAFM钢中子辐照DBTT预测模型。为进一步实现中子辐照条件下韧脆转变温度变化(ΔDBTT)的预测,首先构建了RAFM钢未辐照DBTT预测模型,然后将辐照前后DBTT预测模型相结合构建了RAFM钢中子辐照ΔDBTT预测模型。通过将模型预测的ΔDBTT与文献收集的数据进行对比发现,该模型具备较好的预测能力。