文献类型：期刊文章

作　　者：王卓[1,2] 朱虹[2] 许斌[3,4] 宋丹戎[3,4] 王留兵[3,4] 张宏亮[3,4]

WANG Zhuo;ZHU Hong;XU Bin;SONG Danrong;WANG Liubing;ZHANG Hongliang(Light Alloy Research Institute,Central South University,Changsha 410083,Hunan,China;MatAi,Chengdu 610041,Sichuan,China;Science and Technology on Reactor System Design Technology Laboratory,Chengdu 610213,Sichuan,China;Nuclear Power Institute of China,Chengdu 610213,Sichuan,China)

机构地区：[1]中南大学轻合金研究院,湖南长沙410083 [2]成都材智科技有限公司,四川成都610041 [3]核反应堆系统设计技术重点实验室,四川成都610213 [4]中国核动力研究设计院,四川成都610213

出　　处：《钢铁研究学报》

基　　金：核反应堆系统设计技术重点实验室资助项目(LRSDT2018211);四川省科技计划资助项目(2019ZDZX0001)。

年　　份：2023

卷　　号：35

期　　号：2

起止页码：201-209

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：由于受到严苛的服役环境和中子辐照的影响,核动力装置用奥氏体不锈钢作为结构材料应用时对力学性能要求较高,因此对于奥氏体不锈钢力学性能的预测很值得关注和研究。将机器学习算法应用于材料信息学并对机器学习的方法和原理作了简要说明,重点介绍了基于奥氏体不锈钢力学性能数据库,以奥氏体不锈钢力学性能预测为应用实例建立了机器学习模型和系统平台,最后通过预测值与真实值的对比验证对模型进行了评估。研究结果表明,构建的相关模型可以对奥氏体不锈钢的抗拉强度和屈服强度进行有效预测,R^(2)均在0.90以上。对现阶段机器学习在性能预测和材料研发领域急需解决的问题进行了探讨,并对其未来的发展方向进行了展望。

关 键 词：核电站 奥氏体不锈钢 机器学习  性能预测  数据库

分 类 号：TG142[材料类] TP311]