基于力学知识的代理建模方法,结合少样本学习,用于研究CERCER复合燃料的均匀辐照蠕变现象
《Mechanics of Materials》:Mechanics-informed surrogate modeling for homogenized irradiation creep in CERCER composite fuels with few-shot learning
【字体:
大
中
小
】
时间:2026年06月13日
来源:Mechanics of Materials 4.1
编辑推荐:
陈振月|简晓斌|赵云梅 中国上海200092,同济大学航空航天工程与应用力学学院
摘要:陶瓷-陶瓷复合燃料在辐照作用下的蠕变现象会与多尺度膨胀及微观结构演变相互作用,这对核应用中的结构稳定性构成重大威胁。由于高精度模拟的计算成本高昂且实验数据稀缺,预测其长期行为是一项艰巨任务。
陈振月|简晓斌|赵云梅 中国上海200092,同济大学航空航天工程与应用力学学院
摘要:陶瓷-陶瓷复合燃料在辐照作用下的蠕变现象会与多尺度膨胀及微观结构演变相互作用,这对核应用中的结构稳定性构成重大威胁。由于高精度模拟的计算成本高昂且实验数据稀缺,预测其长期行为是一项艰巨任务。本研究提出了一种基于力学原理的建模框架,该框架结合物理信息神经网络与非线性自回归带外生变量模型,用于模拟陶瓷-陶瓷复合燃料的有效辐照蠕变行为。研究还推导出一种具有力学依据、可训练的半解析均质化模型,并对其进行了验证,该模型可作为替代模型训练的物理先验。此外,还提出了应力更新算法以及一致切线刚度模量,可通过用户定义的材料子程序实现。该框架经高精度模拟验证后,与传统的多项式回归模型以及纯数据驱动的神经网络模型进行了比较。研究结果表明:(1)PINN-NARX替代模型能够成功捕捉非线性时变蠕变演化过程,时间精度高达R2>0.99;(2)物理先验保证了在线模拟过程中的数值稳定性,其作用机制也得到了阐明;(3)通过消除牛顿-拉夫森迭代法,计算时间减少了93.3%(从52.03分钟降至3.49分钟),且在多种辐照条件下仍能保持高精度。本研究为辐照复合材料的多尺度蠕变分析提供了一种既符合物理原理又具有较高计算效率的数值方法,该方法还可应用于其他极端环境下的复合材料系统。
引言:核能系统在热机械载荷、辐照以及恶劣化学环境的共同作用下运行,这促使人们越来越需要能够在这些严苛条件下使用的先进复合材料(Fahrenholtz和Hilmas,2017;Tang和Hu,2017)。将裂变颗粒分散在惰性基体中的颗粒分散型复合材料是极具潜力的燃料候选材料。这种异质结构具有导热性更强、更能有效保留裂变产物以及在辐照条件下机械稳定性更高的优点(Wang等人,2019)。例如,陶瓷-陶瓷复合燃料具有较高的转化效率以及出色的辐照稳定性,因此成为加速器驱动系统中的理想替代材料(Vu等人,2021)。在典型的加速器驱动系统核心设计中,含微量锕系元素的陶瓷颗粒被分散在装载于次临界反应堆中的MgO基体中。机械载荷与辐照的共同作用会在颗粒和基体中产生辐照损伤效应,这一问题尤为值得关注(Koyanagi等人,2021;Vo等人,2023)。辐照蠕变是一种受快中子作用影响的粘塑性变形现象,其变形速度可能快于非辐照条件下的变形速度,从而对材料的结构稳定性及使用寿命产生显著影响(Lei等人,2025;Onimus等人,2022)。了解蠕变对燃料元件尺寸的影响对于热核反应堆、快中子反应堆以及聚变反应堆的设计与优化具有重要意义(Neeft等人,2003a;Neeft等人,2003b)。然而,由于燃料元件存在大量颗粒且易发生损伤,这类固有的异质性使得对其等效辐照损伤行为的数值评估变得十分复杂(Bieniek等人,2024)。
目前,人们通过单轴拉伸、压缩和弯曲试验来研究辐照蠕变行为(Guguloth等人,2017;Feichtmayer等人,2024)。一种常用的方法是把实验数据纳入力学框架中,利用经验公式建立蠕变本构模型,以考虑辐照剂量以及高温等因素的影响(Li等人,2024;Roy等人,2025;Xiao等人,2022)。Clough(1977)基于单轴压缩试验为陶瓷UO2燃料建立了经验本构模型。实验表明,蠕变与气泡膨胀产生的应力有关,而且温度敏感的瞬态响应也会导致蠕变速率上升。不过,由于辐照试验成本高昂且耗时较长,目前针对分散型燃料的蠕变特性实验研究仍然较为有限。对于加速器驱动系统中的燃料而言,对UO2基陶瓷-陶瓷复合材料的辐照后检测表明,颗粒膨胀导致的体积变化以及颗粒和基体中的相关蠕变效应都会造成燃料的显著变形(Neeft等人,2003a)。
在高效数值方法方面,预测极端环境下异质材料的长期非线性粘塑性行为是计算力学领域的一项重要挑战,因为高精度模拟的计算成本极高,同时高质量实验数据也极为稀缺(Xiao等人,2015;Marsh等人,2015;Xiao等人,2025)。基于代表体积元模拟的多尺度均质化方法已被广泛用于分析由不同耦合效应产生的复杂机制(Vieira等人,2021)。Zhang等人(2022)为PuO2/Zr分散型复合材料建立了等效膨胀模型,该模型能够考虑燃料气泡膨胀以及金属蠕变效应。该模型考虑了随机分布的颗粒,并分析了外部拉伸应力、温度以及颗粒体积分数的影响,其结果与实验数据高度吻合。此外,Li等人(2025b)在Jian等人(2023)的工作基础上改进了膨胀模型,该模型考虑了UMo颗粒的孔隙率演化以及骨架蠕变的耦合效应。利用这一多级力学模型,他们为UMo/Zr分散型燃料建立了等效体积增长模型(Li等人,2025a)以及蠕变模型(Li等人,2022)。需要指出的是,等效蠕变建模方法首先建立包含多个未知参数的理论蠕变公式,从而便于后续的拟合工作。通过对大量模拟数据进行参数分析,这些研究建立了拟合参数与目标属性之间的显式多项式关系,这些关系可直接在用户材料子程序中实现,以便进行在线分析。不过,这些均质化模型严重依赖于经验假设的函数形式,因此其在面对未知条件时的外推能力较为有限(Chen等人,2024;Wang等人,2025)。此外,这些模型的数值实现仍然需要大量计算资源,不适合用于组件级别的分析(Karapiperis等人,2021)。
近年来,数据驱动的替代模型为快速计算分析材料的蠕变、塑性和疲劳等非弹性行为提供了一种有效途径(Liu等人,2025;Qu等人,2023;Ani等人,2026)。具有循环结构的时序替代模型(Wunsch等人,2021),包括循环神经网络(RNN)(Zhou和Semnani,2025)、长短期记忆网络(LSTM)(Zhao等人,2023;Chen等人,2026)以及门控循环单元(GRU)(Qu等人,2021),由于其具备延迟反馈连接机制,在处理这类随时间/路径变化的材料行为方面表现出优异的性能。Zhao等人(2023)尝试使用LSTM模型,根据充足的模拟序列数据来预测陶瓷-陶瓷复合燃料的时变辐照膨胀行为。非线性自回归带外生变量模型已被广泛应用于具有复杂非线性特性的动态系统中,其架构更为简单(Wang和Song,2014),在形状记忆合金的性能预测方面表现良好。与LSTM和Transformer模型相比,NARX模型由于架构更简单,因此在训练数据较少的情况下仍能保持较高的预测精度(Panagiotopoulou等人,2025;Wunsch等人,2021)。不过,尽管这些模型能够捕捉高度非线性和路径依赖性的行为,但它们仍然难以同时满足两个相互矛盾的需求:一是要从少量数据中学习,二是确保在集成到有限元求解器中时的数值稳定性。纯数据驱动模型得出的预测结果可能会违反物理定律,因此通常需要大量且多样化的数据集来进行训练。此外,缺乏物理约束还会导致在线数值不稳定(Wang等人,2025;Weber等人,2023)。当数据集规模较小且缺乏多样性时,这种在线不稳定性问题会更加突出,尤其是考虑到数据收集的成本相当高昂(Wang等人,2023;Zhong等人,2025)。
在数据匮乏的情况下,尤其是对于复杂的复合微观结构,目前仍缺乏能够建立精确、高效且符合物理规律的蠕变模型。物理信息神经网络通过将物理定律嵌入训练过程,成为一种混合建模方法,它能够在有限数据条件下提升模拟的精度和适应性,进而超越纯粹的数据驱动方法。实现这一目标的手段是将物理约束——通常表现为偏微分方程(Haghighat等人,2021)、边界条件(Sun等人,2020)以及先验的力学知识(Keshavarz等人,2025)——作为惩罚项纳入损失函数中。在选择何种具有物理意义的约束条件时,是构建有效物理信息神经网络时最关键的设计决策。作为核心的物理基础,成熟的理论或经验本构模型更为合适(Herrmann和Kollmannsberger,2024),这样的模型有助于形成基于力学的建模框架。Keshavarz等人(2025)在大变形晶体塑性分析中,将线性动量平衡方程以及等容塑性流动假设作为惩罚项。类似地,Wang等人(2023)将Karush–Kuhn–Tucker互补条件的经典弹塑性公式作为物理先验,以此为少样本学习提供有力支持,从而实现弹塑性建模。这些基于力学的建模方法表明,这类符合物理原理的约束条件能够起到强大的正则化作用,即便在训练数据有限的情况下也能促进模型的稳健泛化(As’ad和Farhat,2023)。然而,对于涉及多尺度及多物理场建模的模拟来说,往往难以找到合适的基于力学的模型。对于少样本学习应用而言,建立一个能够作为有效物理先验的、用于描述陶瓷-陶瓷复合燃料辐照蠕变的基于力学的模型,是引导替代模型学习的关键步骤。
为了实现对陶瓷-陶瓷复合材料辐照蠕变的高精度且高效建模,目前仍需一个能够同时解决少样本学习、时变性与高非线性问题、物理一致性以及有限元实现中的数值稳定性等问题的统一框架。本研究旨在通过开发一种基于力学的计算框架来填补这一空白,该框架将物理先验与循环NARX架构深度整合在一起。在方法上,本研究专门为UO2/MgO分散型复合材料开发了一种基于力学原理、可训练的半解析均质化蠕变速率模型。该模型可作为构建物理信息神经网络-非线性自回归带外生变量模型的物理先验。此外,还为替代模型的实现从理论上推导出了一致切线刚度模量,这一模量有助于通过用户定义的材料子程序实现数值稳定且计算效率高的有限元积分。除了所提出的物理信息神经网络-非线性自回归带外生变量模型之外,本研究还对比分析了多项式回归模型以及纯神经网络替代模型这两种建模方法。本文的结构如下:第2节介绍了基于代表体积元的模拟方法以及均质化理论,用以获得有效的蠕变应变;第3节阐述了在数据匮乏条件下三种有效的辐照蠕变速率替代模型的构建方法;第4节详细介绍了结合所推导出的一致切线刚度模量的有限元实现方法;第5节通过数值实验,从精度、数值稳定性以及计算效率等方面评估了这些拟合模型的性能;第6节总结了本研究的主要发现以及未来研究的方向。
模拟方法:图1展示了本研究的工作流程,该流程以离线训练和在线预测为核心理念。第一步,通过基于UO2/MgO的代表体积元进行有限元模拟,并对这些模拟结果进行验证,以此分析陶瓷-陶瓷复合材料的辐照蠕变行为。同时通过参数分析确定具有关键影响力的因素。接着,精心推导出一个基于均质化理论的、包含未定变量的有效蠕变速率半解析模型。第二步,则是在数据匮乏的情况下寻找有效的辐照蠕变速率替代模型。
在数据有限的场景下,本研究提出了三种拟合策略,用以建立有效的辐照蠕变速率模型。其中一种是多项式回归模型,可用于直接计算内部变量s?xp的值;另外两种则是基于深度学习的替代模型,它们分别建立了s?xp与????cr之间的隐式映射关系。下文将详细介绍这些模型的具体结构、少样本学习所需的数据准备方式以及离线训练的评估指标。
具有始终如一切线刚度模量的有限元实现:完全解析模型:多项式回归:根据方程(11)中通过多项式模型计算得到的s?xp值,再利用方程(10)计算出有效的蠕变应变率????cr以及相应的应变值???cr。图B.1通过将模型的预测结果与真实的有限元分析结果进行对比,评估了该模型的预测性能。研究发现,对于经过拟合的案例,这种纯经验拟合方法与有限元分析数据非常吻合,R2值为0.9697。然而,对于未见过的数据,其预测精度则大幅下降,R2值仅为0.7785。
结论与展望:本研究提出了一种高精度且计算效率高的计算框架,该框架可在少样本学习场景下对陶瓷-陶瓷复合燃料的辐照蠕变行为进行均质化建模。本研究以含有UO2/MgO分散结构的代表体积元为基础,生成了包含100组有限元模拟数据的数据集,并在此基础上推导出了一种半解析均质化模型,同时对该模型进行了验证。我们开发了两种基于深度学习的替代模型,并通过系统比较来评估它们的性能,对比对象为传统的多项式回归方法。作者贡献声明:陈振月:写作——审稿与编辑、写作——初稿撰写、可视化、验证、软件、方法论、正式分析、数据整理。简小斌:写作——审稿与编辑、验证、监督、软件、方法论、研究调查、资金筹集。赵云梅:写作——审稿与编辑、写作——初稿撰写、监督、资源协调、项目管理、方法论、资金筹集、正式分析、概念设计。利益冲突声明:作者们声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢:作者们感谢中国国家自然科学基金(项目编号:12302184、12472213)、同济大学中央高校基本科研业务费以及上海高校发展高峰计划(项目编号:22120250612)提供的财政支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号