Dataset of Tensile Properties for Sub-sized Specimens of Nuclear Structural Materials

该数据集名为“核结构材料小尺寸试样的拉伸性能数据集”，由爱达荷大学和爱达荷国家实验室共同创建。数据集包含1070条记录，涵盖54个参数，如材料类型、制造信息、辐照条件、试样尺寸和拉伸性能等。数据集通过广泛的文献回顾和数据提取创建，旨在研究小尺寸试样与标准尺寸试样之间的尺寸效应，并开发计算方法以关联两者的拉伸性能。该数据集主要应用于核工业，以加速新材料的质量认证和性能评估。

This dataset, named "Tensile Property Dataset of Small-Scale Specimens for Nuclear Structural Materials", was jointly developed by the University of Idaho and Idaho National Laboratory. It comprises 1070 records encompassing 54 parameters including material type, manufacturing details, irradiation conditions, specimen dimensions, and tensile properties. The dataset was constructed via extensive literature review and data extraction, with the core objectives of investigating the size effect between small-scale specimens and standard-sized specimens, and developing computational approaches to correlate the tensile performance of the two specimen categories. This dataset is primarily applied in the nuclear industry to expedite the quality certification and performance evaluation of new materials.

搜集汇总

数据集介绍

构建方式

该数据集通过广泛的文献回顾和科学文章的搜索，从72篇同行评审的文章中提取了超过1,070条拉伸测试记录。这些记录包含了54个参数，包括材料类型和成分、制造信息、辐照条件、试样尺寸和拉伸性能等。为了确保数据的准确性，材料科学专家对收集的数据进行了系统性的检查和验证。此外，还对提取的数据进行了统计分析，以识别和解决数据异常值，确保数据集的可靠性。

使用方法

该数据集的主要用途是研究核结构材料中小尺寸试样的拉伸性能。研究人员和工程师可以利用该数据集进行统计分析，以研究不同尺寸和几何形状的试样对拉伸性能的影响。此外，该数据集还可以用于开发机器学习和深度学习模型，以预测小尺寸试样的拉伸性能，包括屈服强度、抗拉强度、均匀延伸率和总延伸率。通过使用标准的Python库，如pandas、matplotlib和scikit-learn，研究人员可以轻松地加载数据集并进行探索性数据分析。此外，数据集还可以用于研究各种测试因素对小尺寸试样拉伸性能的影响，以及设计新的小尺寸试样。

背景与挑战

背景概述

核能行业的材料测试中，小尺寸试样的机械测试发挥着重要作用，它可以在受限的实验空间内进行测试，并降低辐照水平，从而加速新材料的认证。然而，与标准尺寸试样相比，小尺寸试样在微观、中观和宏观尺度上表现出不同的材料行为，这被称为“试样尺寸效应”。虽然已经提出了将小尺寸试样性质与标准尺寸试样性质相关联的分析模型，但这些模型在不同材料和测试条件下缺乏广泛的适用性。本研究的目的是创建第一个用于核结构材料的小尺寸试样的拉伸性质的大型公共数据集。我们进行了广泛的文献综述，并提取了超过1,000个拉伸测试记录，包括54个参数，如材料类型和成分、制造信息、辐照条件、试样尺寸和拉伸性质。该数据集可以作为研究试样尺寸效应和开发相关计算方法的宝贵资源。

当前挑战

尽管使用小尺寸试样进行机械测试具有许多优势，但这种方法也存在一些挑战，例如需要提高测试精度和先进的测量方法，对测试条件和尺寸偏差敏感，以及样品制备、加工技术和表面缺陷对测试结果的影响增加。因此，与标准尺寸试样相比，小尺寸试样材料的机械性能往往表现出更大的变异性。由于小尺寸试样的尺寸相对于标准尺寸试样减少，导致测量材料性质的差异，这通常被称为试样尺寸效应或缩放效应。一般来说，这种效应涵盖了除试样尺寸和几何形状之外的一系列其他影响测量材料性质的因素，包括微观结构变化和不均匀性、表面效应以及由于微观结构和晶体学纹理的差异而产生的各向异性。未能考虑试样尺寸效应可能导致对材料性质和承载能力的估计不准确，这在核工业等关键应用中可能导致灾难性的后果。尽管已经进行了广泛的研究来开发将小尺寸试样的测试结果与标准尺寸试样的测试结果相关联的模型，但现有的分析模型和转换方法通常是为特定材料和测试开发的，或者引入某些假设，这限制了它们在不同测试条件和材料上的适用性。因此，这些模型在不同条件和不同材料下可能产生不准确的结果。此外，许多分析模型没有提供评估测试条件或单个输入特征对试样尺寸效应重要性的方法。机器学习（ML）的最近进展为材料科学提供了独特的潜力，因为它能够模拟传统分析方法无法解决或只能以显著计算成本解决的多物理和多层次机制的组合空间。这些ML优势可以有效地解决与机械测试中试样尺寸效应相关的挑战。尽管具有广阔的应用能力，但缺乏大型、精心策划的数据集，这些数据集具有各种材料和测试条件的良好组织和整合信息，这阻碍了基于ML的方法在材料科学中的广泛应用。本研究的目标是系统地收集可靠的数据，以研究试样尺寸对核结构材料的拉伸性质的影响。该数据集通过广泛的文献综述创建，涵盖了三个常见类型的核结构材料的小尺寸试样的拉伸性质。数据集包含1,070个拉伸测试记录，涉及54个参数，包括材料类型和成分、制造信息、辐照条件、试样尺寸和拉伸性质。材料科学专家对收集的数据进行了系统的检查，确保了材料类型、制造工艺和处理方法、测试条件的准确性，并验证了化学成分和其他相关信息。我们的团队进行了统计分析，以识别和解决数据异常值，确保数据集的可靠性。这项工作的贡献如下：展示了第一个用于三种常见类型的核结构材料的小尺寸试样的拉伸性质的大型公共数据集；涉及广泛的文献综述，收集了超过1,000个拉伸测试记录，包括54个参数，涉及材料类型和成分、制造信息、辐照条件、试样尺寸和拉伸性质；为研究人员和工程师提供了一个宝贵的资源，用于开发计算和基于ML的方法，以建立小尺寸和标准尺寸试样的拉伸性质之间的相关性。

常用场景

经典使用场景

该数据集最常用于研究核结构材料的小尺寸试样的拉伸性能，特别是在核工业中，为了在受限的实验空间内进行测试，并加速新材料的认证。通过分析小尺寸试样与标准尺寸试样的性能相关性，可以深入了解材料在微观、中观和宏观尺度上的行为差异，即所谓的“试样尺寸效应”。数据集包含超过1000个拉伸测试记录，涵盖54个参数，包括材料类型和组成、制造信息、辐照条件、试样尺寸和拉伸性能。

解决学术问题

该数据集解决了小尺寸试样与标准尺寸试样性能相关性的问题，为研究人员提供了丰富的数据资源，以便研究和开发计算方法来关联小尺寸试样的拉伸性能。现有的分析方法通常针对特定材料和测试条件，且存在一定的假设，限制了其适用性。而该数据集提供了大量经过验证的数据，有助于开发更具通用性的模型，并提高预测的准确性。此外，数据集还提供了测试条件对试样尺寸效应的影响，为研究人员提供了更多的分析视角。

实际应用

该数据集的实际应用场景包括：1）为核工业中的新材料的开发和认证提供支持；2）帮助研究人员设计和优化小尺寸试样，以减少辐照剂量并提高实验效率；3）为小尺寸试样的拉伸测试提供数据支持，以评估材料的力学性能；4）为材料科学领域的数据驱动方法提供数据资源，以推动材料科学的发展。

数据集最近研究

最新研究方向

在核工业中，使用小型化试件进行力学测试对于在受限实验空间内以较低的辐照水平加速新材料认证具有重要作用。然而，小型化试件尺寸导致其在微观、中观和宏观尺度上的材料行为与标准尺寸试件不同，这种现象被称为“试件尺寸效应”。尽管已经提出了分析模型来关联小型化试件和标准尺寸试件的特性，但这些模型缺乏在不同材料和测试条件下的广泛适用性。本研究旨在创建第一个大型公共数据集，用于研究核结构材料中小型化试件的拉伸特性。通过广泛的文献回顾，我们提取了超过1000条拉伸测试记录，包括54个参数，如材料类型和成分、制造信息、辐照条件、试件尺寸和拉伸特性。该数据集可作为研究试件尺寸效应和开发计算方法以关联小型化试件拉伸特性的宝贵资源。

相关研究论文

• Dataset of Tensile Properties for Sub-sized Specimens of Nuclear Structural Materials

  爱达荷大学 · 2024年