【技术实现步骤摘要】
本专利技术涉及低合金耐热钢的蠕变寿命预测领域，尤其涉及一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法。
技术介绍
1、铬钼钢作为一种传统低合金耐热钢广泛应用于石油、化工、能源、电力等领域。由于长期处于高温高压的恶劣环境，蠕变是铬钼钢最主要的失效模式之一。为保障铬钼钢长期安全服役，业界针对其蠕变性能开展了众多研究，同时积累了大量丰富的试验数据。例如，日本国立材料研究所公开了0.5cr-0.5mo钢、1cr-0.5mo钢、1.25cr-0.5mo钢、2.25cr-1mo钢、5cr-0.5mo钢等多种铬钼钢在不同载荷下的蠕变寿命实测数据，部分数据的试验时长甚至达到10万小时，为铬钼钢的高温结构完整性评价提供了强有力支撑。
2、然而，随着科学技术的不断更新迭代，传统铬钼钢已经不能满足先进工艺的参数要求。大量研究表明，钒元素能够形成高温下长期稳定存在的细小碳化物，这些细小碳化物会大幅提高金属材料的蠕变性能，铬钼钢也不例外。由此，一系列加钒铬钼钢应运而生，并获得广泛应用，甚至逐渐取代传统铬钼钢。例如，2.25cr-1mo-0.25v钢已经全面取代2.25cr-1mo钢成为石油炼化关键设备——加氢反应器的首选材料。应当指出，尽管加钒铬钼钢相比传统铬钼钢具有更强的蠕变性能，但其蠕变失效仍不可避免。因此，准确预测加钒铬钼钢的蠕变寿命，对其高温结构完整性评价具有重要意义。
3、对于蠕变寿命预测而言，可靠详实的数据是预测模型构建的基础，也是决定模型外推精度的最重要因素。但是，加钒铬钼钢的发展历史不长，目前业界仅对其开展少量短
4、近年来，数据驱动方法在材料性能预测领域表现出越来越大的潜力，但其预测精度强烈依赖于建模数据的数量与质量。事实上，材料性能预测领域普遍面临数据匮乏的问题，很难直接应用数据驱动模型。以蠕变寿命预测建模为例，由于蠕变试验要求高、耗时长、成本大，业界很难针对每种新材料一一构建大规模实测数据集，用以支持数据驱动模型训练。因此，如何利用传统材料积累的大量数据为其改进型材料的性能预测赋能，是数据驱动方法在材料性能预测领域推广应用亟待解决的关键问题之一。
5、多保真度数据驱动方法则为解决这一问题提供了新途径。该方法能够对多源数据进行融合，实现从低保真数据到高保真度数据的规律迁移，从而降低数据驱动建模对高质量数据的数量要求，同时克服现存经验/物理模型难以融合多源数据的问题。目前，多保真度数据驱动方法尚未应用于加钒铬钼钢蠕变寿命预测问题。由于加钒铬钼钢的蠕变数据分布规律与传统铬钼钢的具有一定相似性，且传统铬钼钢蠕变数据极为丰富，可用于补充加钒铬钼钢蠕变样本，因此有必要提出一套利用传统铬钼钢蠕变数据支撑加钒铬钼钢蠕变寿命预测的多保真度数据驱动建模方法。
技术实现思路
1、本专利技术的目的是克服现有技术的不足，提供一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，解决现有方法无法利用传统铬钼钢蠕变数据支撑加钒铬钼钢蠕变寿命预测的缺陷。
2、本专利技术的目的是通过以下技术方案来实现的：一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，该方法包括以下步骤：
3、步骤1：收集n种铬钼钢的成分数据与蠕变数据具体为
4、
5、
6、式中，表示第i种铬钼钢的成分数据，表示第i种铬钼钢的蠕变数据，i取1、2、…、n，上标t表示矩阵转置；
7、步骤2：收集目标牌号加钒铬钼钢的成分数据与蠕变数据
8、步骤3：利用wasserstein距离分别计算步骤1收集的n种铬钼钢蠕变数据与步骤2收集的目标牌号加钒铬钼钢蠕变数据之间的分布差异，再据此进行可迁移性分析并从步骤1收集的n种铬钼钢中优选出可迁移性高的k种铬钼钢，其中k≤n；
9、步骤4：从步骤1收集的n种铬钼钢成分数据和蠕变数据中确定步骤3优选的k种铬钼钢的成分数据与蠕变数据
10、步骤5：利用larson-miller经验模型拟合步骤2收集的目标牌号加钒铬钼钢的蠕变数据并基于所拟合的关系式实施数据增强，获取目标牌号加钒铬钼钢在蠕变温度-蠕变应力坐标平面内均匀分布的增强蠕变数据
11、步骤6：将步骤2收集的目标牌号加钒铬钼钢的成分数据与步骤3优选的k种铬钼钢的成分数据合并，并利用主成分分析法开展特征工程，获取的降维特征与的降维特征
12、步骤7：将步骤6中得到的与步骤4中确定的合并，构建低保真度数据集同时将步骤6中得到的与步骤5中得到的合并，构建高保真度数据集
13、步骤8：基于步骤7中构建的低保真度数据集和高保真度数据集利用多保真度数据驱动方法，建立目标牌号加钒铬钼钢的蠕变寿命预测模型，为
14、
15、式中，tcrmov表示目标牌号加钒铬钼钢在建模数据范围内的蠕变温度，σcrmov表示目标牌号加钒铬钼钢在建模数据范围内的蠕变应力，表示目标牌号加钒铬钼钢在蠕变温度tcrmov和蠕变应力σcrmov下的蠕变寿命，mfnn(·)表示多保真度数据驱动方法拟合的映射函数；
16、步骤9：将步骤8中建立的预测模型外推至目标牌号加钒铬钼钢的服役温度与服役应力，实现服役载荷下目标牌号加钒铬钼钢蠕变寿命的可靠预测。
17、进一步地，所述步骤1中，第i种铬钼钢的成分数据具体为
18、
19、式中，表示第i种铬钼钢中x元素的质量分数，x元素取c、cr、mo、v、si、mn、co、nb、cu、ni、w和fe；
20、所述步骤1中，第i种铬钼钢的蠕变数据具体为
21、
22、式中，表示第i种铬钼钢的第j个蠕变数据项中的蠕变温度，表示第i种铬钼钢的第j个蠕变数据项中的蠕变应力，表示第i种铬钼钢的第j个蠕变数据项中的蠕变寿命，j取1、2、…、mi，mi表示第i种铬钼钢蠕变数据的总项数。
23、进一步地，所述步骤2中，目标牌号加钒铬钼钢的成分数据具体为
24、
25、式中，表示目标牌号加钒铬钼钢中y元素的质量分数，y元素取c、cr、mo、v、si、mn、co、nb、cu、ni、w和fe；
26、所述步骤2中，目标牌号加钒铬钼钢的蠕变数据具体为
27、
28、式中，表示目标牌号加钒铬钼钢的第j个蠕变数据项中的蠕变温度，表示目标牌号加钒铬钼钢的第j个蠕变数据项中的蠕变应力，表示目标牌号加钒铬钼钢的第j个蠕变数据项中的蠕变寿命，j取1、2、…、m，m表示目标牌号加钒铬钼钢蠕变数据的总项数。
29、进一步地，所述步骤3中，利用wasserstein距离计算第i种铬本文档来自技高网...
【技术保护点】
1.一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述铬钼钢是指以铬和钼为主要合金元素的低合金耐热钢，包括0.5Cr-0.5Mo钢、1Cr-0.5Mo钢、1.25Cr-0.5Mo钢、2.25Cr-1Mo钢、5Cr-0.5Mo钢；所述加钒铬钼钢是指钒改进型铬钼钢，包括1Cr-1Mo-V钢、2.25Cr-1Mo-0.25V钢、3Cr-1Mo-0.25V钢。
3.根据权利要求1所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤1中，第i种铬钼钢的成分数据具体为
4.根据权利要求3所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤2中，目标牌号加钒铬钼钢的成分数据具体为
5.根据权利要求4所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤3中，利用Wasserstein距离计算第i种铬钼钢蠕变数据与目标牌号加钒铬钼钢蠕变数据之间的分布差异，再
6.根据权利要求5所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤5中，利用Larson-Miller经验模型拟合目标牌号加钒铬钼钢的蠕变数据并基于所拟合的关系式实施数据增强，其实施具体包括以下子步骤：
7.根据权利要求6所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤6中，将步骤2收集的目标牌号加钒铬钼钢的成分数据与步骤3优选的k种铬钼钢的成分数据合并，所得成分数据集具体为
8.根据权利要求7所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤7中，合并得到的低保真度数据集和高保真度数据集具体为
9.根据权利要求8所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤8中，多保真度数据驱动方法是指具有多保真度数据融合能力的神经网络模型，该类神经网络模型在结构上需包含低保真度网络部分和高保真度网络部分，其实施具体包括以下子步骤：
...【技术特征摘要】
1.一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述铬钼钢是指以铬和钼为主要合金元素的低合金耐热钢，包括0.5cr-0.5mo钢、1cr-0.5mo钢、1.25cr-0.5mo钢、2.25cr-1mo钢、5cr-0.5mo钢；所述加钒铬钼钢是指钒改进型铬钼钢，包括1cr-1mo-v钢、2.25cr-1mo-0.25v钢、3cr-1mo-0.25v钢。
3.根据权利要求1所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤1中，第i种铬钼钢的成分数据具体为
4.根据权利要求3所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤2中，目标牌号加钒铬钼钢的成分数据具体为
5.根据权利要求4所述的一种多保真度数据驱动的加钒铬钼钢蠕变寿命预测方法，其特征在于，所述步骤3中，利用wasserstein距离计算第i种铬钼钢蠕变数据与目标牌号加钒铬钼...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。