来源：期刊VIP网 时间：
作者：陈卓辉;白冰;杨万欢;韩煦;宁广胜;
单位：中国原子能科学研究院反应堆工程技术研究所;
摘要：用于反应堆压力容器钢A508-3钢断裂韧性测试的标准CT样品由于其体积大，辐照后感生放射性强，导致测试难度增大，因此期望使用非标小样品进行测试。然而小样品测得断裂韧性值K_(Jc)较标准样品更大更分散，表现出尺寸效应。同时一系列参量如裂纹占比和测试温度等也会协同尺寸影响测试结果。K_(Jc)关于尺寸转化的传统方法需要实验值满足高约束条件并且难以讨论其余因素与尺寸的耦合影响。结合相关性分析使用支持向量机回归(SVC)方法基于实验数据，对K_(Jc)和弹/塑性段J积分J_e、J_p进行建模能以少量数据综合考量多种因素影响规律。分析表明影响测值的主要因素为尺寸、温度、裂纹占比，以此作为描述符用于SVC回归，模型对J_e回归精度较高，并能反应J_p的大致变化趋势，相较理论模型考虑到了低约束影响。结果表明样品尺寸增大，J_p明显减小，J_e缓慢增大，K_(Jc)减小。裂纹占比提高，各值均减小。耦合影响分析表明尺寸减小，J_p对温度的敏感性增加，而J_e对温度敏感性降低。
关键词：RPV钢;机器学习;断裂韧性;尺寸效应
基金资助：国家磁约束核聚变能发展研究专项（2022YFE03120002）; 中核集团青年英才项目（FY222506000902）; 中国原子能科学研究院院长基金项目（YZ232602000702）
