基于KBRF算法的镍基690合金应力腐蚀裂纹扩展速率预测模型

镍基690合金广泛用于压水堆核电站核岛主设备关键部件及焊缝,高温高压水环境应力腐蚀开裂(SCC)是其潜在的失效机理。由于SCC行为影响因素多达二十余种,因此存在参数化模型预测精度不高的问题。本文通过融合随机森林机器学习算法(Random Forest, RF)与基于领域知识的MRP-386参数化模型,建立了镍基690合金SCC裂纹扩展速率KBRF(Knowledge-Based Random Forest)预测模型,结果表明,领域知识的引入增强了KBRF模型的鲁棒性,准确性较MRP-386参数化模型和RF等机器学习模型显著提高,预测结果与实验值较为接近,将应用于我国压水堆核电站镍基690合金部件及焊缝在反应堆冷却剂中的应力腐蚀裂纹扩展工程预测。