对高温在役压力容器进行取样评估时,小冲杆技术相较于传统统单轴蠕变试验,其不仅取材方便,而且不损坏设备,在蠕变测试领域具有更强的发展潜力。在材料的蠕变性能分析及寿命评估中,蠕变损伤是需要重点考虑的问题。本文通过神经网络对16Mo3材料的小冲杆蠕变K-R损伤参数进行分析。本文提出了一种结合有限元模拟和神经网络来确定材料蠕变损伤性能的方法,用小冲杆测试确定载荷条件下的材料状态。该方法可避免小冲杆蠕变试验载荷与等效应力之间以及挠度和等效应变的经验关系转化所引起的误差。本研究的有限元模型采用K-R蠕变损伤模型,其依据16Mo3的材料性质和K-R损伤本构方程编译子程序,耦合进ABAQUS-UMAT模块进行有限元计算。根据一组参数,有限元可以模拟出一条时间挠度曲线,系统地调节参数的变化,从而建立一个数据库,用于神经网络的训练。然后将小冲杆试验得到的一个时间位移曲线转化到训练好的人工神经网络,将模拟曲线数据库中的曲线与实验曲线进行对比,确定出与实际试验曲线最为吻合的模拟曲线,该条模拟曲线所对应的蠕变性能参数即为材料的蠕变性能参数。这是神经网络在小冲杆蠕变试验领域的拓展。将神经网络法获得的蠕变性能参数代入到单轴蠕变试样模型中,通过比较单轴蠕变的试验曲线和模拟曲线,说明该参数对于单轴蠕变试样的适用性,进一步说明小冲杆测试所获得的材料蠕变性能的合理性以及对于单轴蠕变试验的可替代性。