集成学习方法在碳化硅陶瓷微封装燃料芯块烧结工艺优化中的应用研究

TL34; 2011年日本福岛核事故后,为弥补UO2-Zr燃料固有的缺陷,研制一种提高反应堆堆芯抵御严重事故能力的新型燃料,耐事故燃料(accident tolerant fuel,ATF)的开发和研究受到越来越多的关注,碳化硅陶瓷微封装燃料芯块在ATF领域显示出独特的优势.然而,由于工艺摸索实验成本高、时间长,新型核燃料的开发受到了阻碍.数据驱动方法可极大提高新材料开发的效率.本文构建了集成学习框架,收集实验数据,构建工艺参数与碳化硅陶瓷微封装燃料芯块的烧结性能之间的映射模型,预测不同工艺参数条件下的烧结性能,阐明影响烧结性能的重要因素.此外,采用粒子群优化(particle swarm optimization,PSO)算法对工艺参数空间进行搜索,推荐具有最优烧结性能应具备的工艺条件.结果表明,集成学习模型在测试集上的预测值与实验值之间的拟合优度R2＞0.99,均方根误差RMSE＜0.01,平均绝对误差MAE＜0.01,且分析得到的影响烧结性能的参数重要性与物理知识一致,表明了本方法的准确性及可解释性.本文方法为加速开发新的核燃料提供了理论指导.