基于GA-ANN法的化学元素与锆合金相变点模型

供稿|杨锋，王旭峰，尉北玲 / YANG Feng，WANG Xu-feng， WEI Bei-ling

基于GA-ANN法的化学元素与锆合金相变点模型

供稿|杨锋，王旭峰，尉北玲 / YANG Feng，WANG Xu-feng， WEI Bei-ling

内容导读

文章以锆合金化学元素的含量和相变点的关系为研究对象，建立了锆合金化学元素与相变点的GA-ANN模型。在模型的构建过程中，以锆合金中化学元素含量为GA-ANN的输入单元，以锆合金的相变点温度为GA-ANN的输出单元。GA-ANN的模型结构为7-8-1，在模型中的学习速率和动量因子分别为0.8和0.6。利用所建立的网络模型预测了不同合金元素含量下锆合金相变点的测试结果。该GA-ANN模型最大相对误差仅为7%，可有效地通过锆合金中的合金元素含量数值判定锆合金的相变点，为研究锆合金的合金元素含量与相变点之间的关系提供了一种新方法。

锆合金具有在300～400℃高温高压水蒸汽中的优良抗腐蚀性能、在反应堆内的良好抗中子辐照性能、适中的力学性能及优良的加工性能，因此锆合金在核动力反应堆的堆芯结构材料中有着广泛的应用前景。锆合金元素的种类、含量是影响锆合金核性能与抗腐蚀性能的主要原因之一［1-3］。由于目前合金元素、元素的含量这些因素相互制约，相互影响，呈现高度非线性的关系，使用常规建模方式很难为其建立一个完整的数学模型。

人工神经网络是一种模拟脑神经对外部环境学习建立起来的一种人工智能模式识别方法，类似于人的大脑，根据数据可以具有自己学习和推理的能力，特别适用于研究非线型系统特征。Reddy等人将Al、V、Fe、O、N元素和热处理温度作为输入参数，β相体积分数作为输出参数，利用神经网络模型预测β相体积转变曲线，并通过敏感性分析评价钛合金相变点温度［4-6］。……