论文部分内容阅读
核聚变能是一种清洁、能源密度高、安全且不受气候影响的新能源,被认为是解决人类能源危机的重要出路。而结构材料是聚变堆包层及未来商用聚变电站的瓶颈问题之一,其关系到聚变能否实现并成功应用。目前,聚变堆结构材料研究主要考虑：成分优化研究,聚变结构材料性能研究,制造工艺和连接方面研究,化学相容性、腐蚀和辐照方面。本文基于极限学习机方法对聚变结构材料的成分优化及性能预测进行了研究,主要工作如下：(1)鉴于聚变堆结构材料数据的多因素、非线性、不确定性,提出一种基于改进的快速模拟退火算法和极限学习机的聚变堆结构材料性能预测方法改进快速模拟退火算法的极限学习机(Modified Very Fast Simulated Annealing Extreme Learning Machine, MVFSA-ELM),该方法在保证了极限学习机算法优势的基础上,利用改进的快速模拟退火算法优化了极限学习机的参数,加快了极限学习机隐节点个数的确定,确保了极限学习机预测的全局最优解。在与I-ELM、 CI-ELM、EI-ELM、EM-ELM等算法的对比分析中,MVFSA-ELM算法体现了运算精度上的优势。为进一步验证该算法在聚变堆结构材料性能预测上的可行性,本文首先用该算法对印度低活化钢(Indian reduced activation ferritic-martensitic, IN-RAFM)的抗拉强度进行预测,预测结果与实验结果吻合较好。(2)提出了一种适合大数据集聚变堆结构材料性能预测的方法NMVFSA-ELM,该方法不仅能够保证获得全局最优解,还将能够更加快速收敛到最优解。在多个数据集上进行验证对比分析,该算法具有比MVFSA-ELM算法更快的预测速度,有助于对未来核能大数据的性能预测。同时用欧洲EUROFER97的辐照硬化性能进行进一步验证,也取得了较好的预测效果。(3)基于NMVFSA-ELM算法设计实现了核反应堆材料在线性能预测系统。该系统具有较高的性能预测精度、速度及数据存取速度。系统针对不同用户的差异性要求及总体需求,设计实现了查询功能模块、结果处理模块、信息管理模块、帮助功能模块四大功能模块。其中,查询功能模块设计实现了按材料查询、按性能查询和按成分查询三种不同的查询方式。结果处理模块设计实现了性能数据的下载、打印,在线绘图,在线性能预测等功能。信息管理模块满足管理员对用户管理和数据管理的需求。帮助功能模块有助于用户了解如何操作该系统。基于上述系统对世界三大工业化RAFM钢之一中国低活化钢CLAM进行钽(Ta)优化研究,预测其屈服强度、抗拉强度、断后伸长率、断面收缩率等性能随Ta含量及实验温度变化的规律。不仅验证了预测数据与实验数据非常吻合,还预测了Ta质量百分比分别为0.10wt%、0.12wt%、0.14wt%、0.16wt%、0.17wt%、0.20wt%等新条件(尚未进行过实验的条件)下的屈服强度、抗拉强度、断后伸长率、断面收缩率等性能参数。经过对比分析,当温度在350-550℃时,Ta质量百分比范围在0.18wt%-0.20wt%时,CLAM钢将具有更好的屈服强度和抗拉强度,在相同的温度和Ta含量下,断面收缩率和断后伸长率没有明显的下降。分析结果将为CLAM钢Ta优化的进一步研究起到一定辅助参考。