System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及核反应堆燃料中裂变产物扩散行为研究,具体涉及一种基于粒子群优化算法的裂变产物势函数拟合方法。
技术介绍
1、铅铋快堆是指以液态铅铋合金为冷却剂的一种反应堆,其作为第四代反应堆中的一种,因其所具有的安全性、高中子经济型、可持续发展性和自然循环能力等特点,备受广大研究人员的重视。然而uo2燃料的结构特征和材料特性之间的复杂物理关系且相互关联,元素扩散组分多,致使裂变产物扩散过程十分复杂,难以通过实验开展全面的化学相互作用研究。因此需要基于数值模拟方法,采用分子动力学对不同温度下的元素扩散机制进行研究,获取基于不同温度条件下的元素扩散模型。
2、分子动力学(md)是一门结合物理、数学和化学的综合模拟方法,该方法基于牛顿力学描述分子体系的运动,用于模拟一个到几个晶粒尺度下的结构演化,通过统计力学获取有关的各种物理性质的信息。然而目前存在的裂变产物与uo2之间的经验力场——势函数的数量及精度还不足以满足裂变产物在二氧化铀中扩散系数的计算要求。因此本专利技术提出了一种基于粒子群优化算法的裂变产物势函数拟合方法,该方法可以通过粒子群优化算法将第一性原理计算数据或实验数据作为基准数据,不断调整势函数的参数,并将该势函数使用分子动力学计算,最终使分子动力学计算结果与基准数据之间误差达到最大容忍度,从而得到经过最优优化的势函数。
3、粒子群优化算法(particle swarm optimization,pso)是一种基于群体智能的优化工具,模仿鸟群捕食或鱼群游动的社会行为。在这个算法中,每个解都被视为搜索空间
技术实现思路
1、为了获取能够用于研究裂变产物在燃料中的扩散行为的势函数,本专利技术基于粒子群优化算法,通过采用第一性原理计算获取能量数据与应力数据并将之作为粒子群优化算法的目标,将需要拟合的势函数参数作为调整参数,使用粒子群优化算法通过优化适应值来不断优化势函数参数直至适应值达到最小,最后再将拟合成功。该方法适用于铅铋快堆燃料与裂变产物之间的势函数拟合,根据本专利技术能够通过拟合获取能够应用于分子动力学计算的势函数,为更进一步的裂变产物在铅铋快堆芯块内扩散行为的计算、分析与探究提供基础数据与帮助。
2、为了实现上述目标,本专利技术采取了以下的技术方案予以实施:
3、一种基于粒子群优化算法的裂变产物势函数拟合方法,步骤如下:
4、步骤1:通过密度泛函理论计算得到裂变产物在铅铋快堆芯块内的掺入能以及掺杂结构,并将掺入能以及掺杂结构作为拟合的目标数据;
5、步骤2:根据不同的裂变产物选择不同的分子力场模型并提取需要拟合的参数,碱金属裂变产物选择lennard-jones势函数及buckingham势函数,碱土金属裂变产物选择eam势函数,卤素、氧族裂变产物选择buckingham势函数,稀有气体裂变产物选择lennard-jones势函数,半金属裂变产物选择eam势函数,贵金属裂变产物选择eam势函数及morse势函数;lennard-jones势函数公式如公式(1)所示;buckingham势函数公式如公式(2)所示;morse势函数公式如公式(3)所示;eam势函数公式如公式(4)所示;
6、
7、式中,
8、v(r)表示两个粒子的相互作用势能;
9、ε表示势能的深度;
10、σ表示两个粒子势能为零时的距离;
11、r表示两个粒子中心之间的距离;
12、其中ε、σ是需要拟合的参数;
13、
14、式中,
15、v(r)表示两个粒子的相互作用势能;
16、a表示排斥项的强度;
17、ρ表示排斥参数;
18、c表示吸引项的强度;
19、其中a、ρ、c是需要拟合的参数;
20、
21、式中,
22、v(r)表示两个粒子的相互作用势能;
23、d0表示势能的深度;
24、α表示控制振频的参数;
25、r0表示平衡距离;
26、其中d0、α、r0是需要拟合的参数;
27、
28、式中,
29、v(r)表示两个粒子的相互作用势能;
30、fα表示嵌入能;
31、φαβ表示相互作用对势;
32、其中需要拟合的参数主要与φαβ的选取有关;
33、步骤3:将需要拟合的分子力场模型参数形成一个多维向量并基于模型参数实际物理意义确定取值范围,该多维向量提供了粒子所处于的整个多维取值空间中的具体坐标;
34、步骤4:初始化粒子群的所有参数,设置粒子群的规模、设置参与搜索的粒子个数、设置粒子群维度、设置惯性权重及学习因子;
35、步骤5:对粒子群随机初始化,给每一个粒子设置一定范围内的随机位置和速度;
36、步骤6:通过分子动力学方法计算每个粒子基于当前位置的能量数据和结构数据,然后将分子动力学计算结果与密度泛函理论结果做均方误差,并以所有的均方误差的加权和作为适应值,适应值的公式如公式(5)所示;
37、
38、式中,
39、fitness表示适应值;
40、emd表示使用分子动力学方法计算的掺入能;
41、edft表示使用密度泛函理论方法计算的掺入能;
42、fimd表示第i个原子使用分子动力学方法计算的原子受力;
43、fidft表示第i个原子使用密度泛函理论方法计算的原子受力;
44、γ1表示能量的权重因子;
45、γi表示第i个原子受力的权重因子;
46、步骤7:比较每个粒子在循环过程中的适应值,将最小的适应值更新为个体历史最优适应值并将当前位置记录;比较所有粒子在循环过程中的适应值,将最小的适应值更新为群体历史最优适应值并将当前位置记录;
47、步骤8:更新每个粒子的速度、位置、惯性权重,其中速度的更新公式如公式(6)所示,位置的更新公式如公式(7)所示,惯性权重的更新公式如公式(8)所示;
48、
49、式中,
50、i表示粒子序数,i=1,2,……,n;
51、n表示粒子群规模;
52、d表示粒子维度序数,d=1,2,……,d;
53、d表示粒子维度;
54、k表示迭代次数;
55、ω表示惯性权重;
56、c1表示个体学习因子;
57、c2表示群体学习本文档来自技高网...
【技术保护点】
1.一种基于粒子群优化算法的铅铋快堆裂变产物分子力场拟合方法,其特征在于:步骤如下:
【技术特征摘要】
1.一种基于粒子群优化算法的铅铋快堆裂变产...
【专利技术属性】
技术研发人员:陈荣华,陈海涛,崔思海,肖鑫坤,田文喜,苏光辉,秋穗正,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:
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。