基于进化神经网络与稀疏多项式展开的液态汞散裂靶模型标定

预测靶容器内应变与应力的汞本构模型在改善散裂中子源（SNS）汞靶的寿命预测与未来靶设计方面起着核心作用。我们利用多年采集的实验应变数据，通过大规模靶行为模拟与机器学习参数估计工具相结合，改进汞本构模型。我们提出了两种基于代理模型的昂贵模拟标定跨学科方法，分别使用进化神经网络与稀疏多项式展开。两种方法的实验与结果在汞散裂靶的固体力学模拟上表现出非常好的一致性。所提方法用于标定强质子脉冲实验期间的拉伸截断阈值、汞密度与汞声速。利用汞靶传感器的应变实验数据，新标定模拟相比先前报道的参考参数在信号预测精度上平均提升 7%，平均绝对误差降低 8%，部分传感器改善达 30%。所提标定模拟可显著辅助疲劳分析以估算汞靶寿命与完整性，从而减少突发靶失效并节省大量成本。然而，本工作的一个重要结论指出了当前基于状态方程的本构模型在捕捉散裂反应完整物理方面的不足。鉴于部分与实验数据吻合良好的标定参数可能是非物理的汞属性，我们需要更先进的两相流模型来捕捉气泡动力学与汞空化。