基于極限學習機的聚變堆結(jié)構(gòu)材料力學性能預測方法及其應用研究.pdf

1、核聚變能是一種清潔、能源密度高、安全且不受氣候影響的新能源，被認為是解決人類能源危機的重要出路。而結(jié)構(gòu)材料是聚變堆包層及未來商用聚變電站的瓶頸問題之一，其關(guān)系到聚變能否實現(xiàn)并成功應用。
　　目前，聚變堆結(jié)構(gòu)材料研究主要考慮:成分優(yōu)化研究，聚變結(jié)構(gòu)材料性能研究，制造工藝和連接方面研究，化學相容性、腐蝕和輻照方面。本文基于極限學習機方法對聚變結(jié)構(gòu)材料的成分優(yōu)化及性能預測進行了研究，主要工作如下:
　　(1)鑒于聚變堆結(jié)構(gòu)材料數(shù)據(jù)

2、的多因素、非線性、不確定性，提出一種基于改進的快速模擬退火算法和極限學習機的聚變堆結(jié)構(gòu)材料性能預測方法改進快速模擬退火算法的極限學習機(ModifiedVeryFastSimulatedAnnealingExtremeLearningMachine，MVFSA-ELM)，該方法在保證了極限學習機算法優(yōu)勢的基礎(chǔ)上，利用改進的快速模擬退火算法優(yōu)化了極限學習機的參數(shù)，加快了極限學習機隱節(jié)點個數(shù)的確定，確保了極限學習機預測的全局最優(yōu)解。在與I-

3、ELM、CI-ELM、EI-ELM、EM-ELM等算法的對比分析中，MVFSA-ELM算法體現(xiàn)了運算精度上的優(yōu)勢。為進一步驗證該算法在聚變堆結(jié)構(gòu)材料性能預測上的可行性，本文首先用該算法對印度低活化鋼(Indianreducedactivationferritic-martensitic，IN-RAFM)的抗拉強度進行預測，預測結(jié)果與實驗結(jié)果吻合較好。
　　(2)提出了一種適合大數(shù)據(jù)集聚變堆結(jié)構(gòu)材料性能預測的方法NMVFSA-ELM

4、，該方法不僅能夠保證獲得全局最優(yōu)解，還將能夠更加快速收斂到最優(yōu)解。在多個數(shù)據(jù)集上進行驗證對比分析，該算法具有比MVFSA-ELM算法更快的預測速度，有助于對未來核能大數(shù)據(jù)的性能預測。同時用歐洲EUROFER97的輻照硬化性能進行進一步驗證，也取得了較好的預測效果。
　　(3)基于NMVFSA-ELM算法設(shè)計實現(xiàn)了核反應堆材料在線性能預測系統(tǒng)。該系統(tǒng)具有較高的性能預測精度、速度及數(shù)據(jù)存取速度。系統(tǒng)針對不同用戶的差異性要求及總體需求，

5、設(shè)計實現(xiàn)了查詢功能模塊、結(jié)果處理模塊、信息管理模塊、幫助功能模塊四大功能模塊。其中，查詢功能模塊設(shè)計實現(xiàn)了按材料查詢、按性能查詢和按成分查詢?nèi)N不同的查詢方式。結(jié)果處理模塊設(shè)計實現(xiàn)了性能數(shù)據(jù)的下載、打印，在線繪圖，在線性能預測等功能。信息管理模塊滿足管理員對用戶管理和數(shù)據(jù)管理的需求。幫助功能模塊有助于用戶了解如何操作該系統(tǒng)。
　　基于上述系統(tǒng)對世界三大工業(yè)化RAFM鋼之一中國低活化鋼CLAM進行鉭(Ta)優(yōu)化研究，預測其屈服強度、

6、抗拉強度、斷后伸長率、斷面收縮率等性能隨Ta含量及實驗溫度變化的規(guī)律。不僅驗證了預測數(shù)據(jù)與實驗數(shù)據(jù)非常吻合，還預測了Ta質(zhì)量百分比分別為0.10wt％、0.12wt％、0.14wt％、0.16wt％、0.17wt％、0.20wt％等新條件（尚未進行過實驗的條件）下的屈服強度、抗拉強度、斷后伸長率、斷面收縮率等性能參數(shù)。經(jīng)過對比分析，當溫度在350-550℃時，Ta質(zhì)量百分比范圍在0.18wt％-0.20wt％時，CLAM鋼將具有更好的屈