摘要
9-12%Cr耐热钢具有良好的耐高温、耐腐蚀性、抗氧化性和优异的抗蠕变能力，被广泛用于超超临界火电机组的高温高压部件。为确保这些高温高压部件的安全高效运行，须准确预测和评估9-12%Cr耐热钢的蠕变寿命。现有基于实验室短程蠕变数据外推长程蠕变寿命导致了蠕变寿命的过大预测，原因之一是未考虑长期服役下微观组织的变化。因此，本论文基于唯象模型、物理机制模型和机器学习模型，建立了考虑微观组织影响的高温蠕变寿命预测模型，对预测寿命的精度进行了综合评价。 (1)基于NIMS在2020年公开的最新蠕变数据库，建立了TTP法的Exponential函数的新参数主曲线去预测9-12%Cr耐热钢的高温蠕变寿命及断裂强度。结果表明，Exponential函数在超出试验蠕变数据的低应力范围内比传统的多项式函数的预测精度高，且其预测寿命误差（tP-tr）的小提琴图分布范围波动最小；但是随着温度的增加和应力的降低，还是表现出唯象参数法的弊端——蠕变寿命和断裂强度的高估。 (2)为解决传统唯象预测方法的弊端，本文基于蠕变空洞断裂理论，通过分析其蠕变空洞的微观组织和几何特征，建立了一种空洞断裂寿命系数U*的蠕变寿命预测模型，并预测了9-12%Cr耐热钢的蠕变寿命和断裂强度。结果表明，U*法在不同应力和温度水平下的蠕变持久强度曲线与NIMS的试验数据基本吻合，且平均拟合程度R2=0.99。模型评估的R2、RSS、RMSE和AARE值与三次多项式函数参数主曲线的TTP法及与NIMS评估-2020和ECCC评估-2019进行对比得出，U*法大部分的预测数据点基本在tr=tP线上，且预测精度为其中最高。 (3)为解决基于微观组织物理机制模型在预测高温蠕变寿命时，遇到了定量化微观组织的困难和模型参数多，以及其并不能保证预测结果准确性的问题，本文构建了弹性反向传播神经网络（RPROP-NNs）寿命预测模型，预测了未耦合微观组织参数的9%Cr钢的高温蠕变寿命和断裂强度。评估得到的RPROP-NNs法预测寿命的RSS和RMSE低于Exponential函数参数主曲线的TTP法和U*法的1至2个数量级；且AARE也是在2%左右，为其中最低。同时RPROP-NNs法外推至25万小时内的蠕变断裂强度值基本吻合NIMS评估-2020和ECCC评估-2019。随后，又基于RPROP-NNs法耦合了新收集的9%Cr钢蠕变过程中相关的微观组织（包括马氏体板条、亚晶粒、位错密度、析出相）特征，将其明显变化与宏观性质联系了起来，揭示了微观组织特征之间的关联，且预测了所研究钢的蠕变寿命并对其进行了误差分析，效果较好。
NETL