基于有限元辅助随机森林建模的Zircaloy-4核燃料元件多循环电阻端封焊接规范开发

《Applied Mechanics》:Finite Element-Assisted Random Forest Modeling for Development of Weld Schedules in Multi-Cycle Resistance End-Closure Welding of Zircaloy-4 Nuclear Fuel Elements

【字体: 大 中 小 】 时间:2026年09月19日 来源:Applied Mechanics 1.8

编辑推荐:

  Zircaloy-4核燃料元件的电阻端封焊接是加压重水反应堆燃料制造中的关键工序。焊接质量和尺寸完整性取决于顶锻量(upset)的形成,其反映了焊接过程中产热与锻造的综合效应。预热顶锻量(pre-heat upset)的控制对于在对接面建立紧密接触至关重要,而

  
Zircaloy-4核燃料元件的电阻端封焊接是加压重水反应堆燃料制造中的关键工序。焊接质量和尺寸完整性取决于顶锻量(upset)的形成,其反映了焊接过程中产热与锻造的综合效应。预热顶锻量(pre-heat upset)的控制对于在对接面建立紧密接触至关重要,而总顶锻量(total upset)必须保持在规定范围内,以满足燃料棒束组装的尺寸要求。在本研究中,研究人员开发了随机森林(Random Forest, RF)回归模型来预测预热顶锻量和总顶锻量。通过使用经过验证的有限元(Finite Element, FE)模型,在实用操作范围内改变预热电流、后热电流、预热时间、后热时间和挤压力的方式,生成了一个综合数据集。RF超参数采用粗到细的网格搜索策略,结合五折交叉验证(five-fold cross-validation),并以均方根误差(Root Mean Square Error, RMSE)作为优化指标进行优化。优化后的模型使用独立的盲测数据集进行评估,预热顶锻量和总顶锻量的RMSE分别为0.06 mm和0.08 mm。经验证的模型快速筛选了4725种全因子焊接规范,并确定了预测响应满足所需顶锻量标准的候选规范。实验验证表明,模型预测与实验结果高度一致。所提出的FE–RF方法为核燃料制造中的焊接规范开发提供了一种高效工具,同时减少了大量模拟和实验的需求。
加压重水反应堆(Pressurized Heavy Water Reactor, PHWR)的燃料元件由Zircaloy-4(Zr-4)包壳管封装天然二氧化铀芯块制成。端封焊缝作为裂变产物释放的第一道屏障,其质量直接决定燃料元件在堆内服役的安全性。电阻端封焊接因生产效率高、热量集中和易于自动化而被广泛采用。焊接质量取决于焊接电流、持续时间和挤压力之间的复杂交互,而顶锻量(upset)是反映过程稳定性和焊缝质量的重要指标。预热顶锻量不足会导致对接面接触不良,过大则可能导致过度变形;总顶锻量还必须满足燃料棒束组装的尺寸要求(1.1–1.2 mm)。尽管有限元(Finite Element, FE)模拟能够细致描述温度演化与变形行为,但其计算成本高,难以覆盖大规模参数组合。随机森林(Random Forest, RF)回归具有抗过拟合、适合小数据非线性建模的优点,已被用于焊接质量预测,但FE辅助RF建模在端封焊接工艺开发中尚未得到系统探索。因此,本研究旨在开发RF模型预测多循环电阻端封焊接中的预热顶锻量和总顶锻量,并借助经过验证的FE模型生成训练数据,从而减少对大量物理试验和模拟的依赖。

在研究方法上,研究人员使用SORPAS 2D软件建立了全耦合热-机械-电二维轴对称FE模型,并基于实验验证了其预测能力(预热顶锻量平均绝对百分比误差为4%,总顶锻量为2%)。训练数据集由50组拉丁超立方采样(Latin Hypercube Sampling, LHS)模拟和27组Taguchi L27正交试验模拟构成,另设16组独立盲测样本。对于两个目标响应,分别训练RF回归模型,超参数优化采用粗到细网格搜索结合五折交叉验证(five-fold cross-validation, 5-fold CV),以均方根误差(Root Mean Square Error, RMSE)为优化指标。最后利用优化模型进行全因子筛选和实验验证。

研究结果分为三部分:

3.1 RF模型优化:研究人员通过十个随机种子重复网格搜索,得到的交叉验证RMSE范围分别为0.049–0.054 mm(预热顶锻量)和0.087–0.102 mm(总顶锻量),且关键超参数在不同随机种子间保持一致,表明优化结果处于稳定性能区域。学习曲线显示当训练样本数超过约50后CV RMSE收敛,说明现有数据集规模足以表示该工艺空间。

3.2 优化RF模型测试:独立盲测中,预热顶锻量和总顶锻量的RMSE分别为0.06 mm和0.08 mm,与交叉验证误差接近,证明模型对未见过的焊接规范具有良好泛化能力。低预测误差也表明RF能有效捕捉电流、时间、挤压力带来的非线性耦合效应。

3.3 基于顶锻量范围的焊接规范识别:以0.55–0.65 mm预热顶锻量和1.10–1.20 mm总顶锻量作为目标窗口,RF模型快速筛选了4725个全因子组合,仅176个(约3.7%)被识别为候选规范。FE复核12个代表性规范(8个边界、4个中心区域)的结果显示,RF分类与FE基本一致,但边界情况存在一定误判,说明RF适合作为预筛选工具而非最终判定手段。进一步分析候选规范在电流、挤压力和热输入参数空间的分布,发现目标顶锻量不是由单一变量决定,而是由总电阻热输入(I2t)、预热阶段热分配和挤压力共同平衡的结果。三个代表性规范经过实际焊接验证,RF预测值与实测顶锻量吻合良好。

讨论部分指出,RF模型的预测能力依赖于底层FE模型精度,且适用范围限于研究所覆盖的参数区间,边界外可靠性有限。本研究提出的FE–RF方法能够快速缩小候选焊接规范范围,显著降低开发成本和周期。

结论部分翻译如下:实验验证的FE模拟为Zr-4燃料元件多循环电阻端封焊接的预热顶锻量和总顶锻量预测生成了数据集;优化后的RF模型在独立盲测中分别达到0.06 mm和0.08 mm的RMSE,具有工程级预测精度;RF辅助全因子筛选从4725种组合中识别出176种满足目标顶锻量范围的候选规范,揭示了热输入、热分配与挤压力之间的热-机械权衡;FE–RF方法支持快速工艺空间筛选和面向生产的焊接规范开发,同时大幅减少了重复FE模拟和焊接试验的需求。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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