随着环境污染的加剧以及不可再生能源的枯竭，发展核能等清洁能源刻不容缓。反应堆压力容器（RPV）是核反应堆不可更换的大型部件，其起着容纳冷却剂、支撑堆芯、封闭放射性物质、维持堆内压力等重要作用，RPV结构的完整性是核电站安全运行的关键所在。由于长期在高温高压以及快中子辐照环境下运行，RPV会受到中子辐照损伤，致使其性能降低，RPV性能变化预测关系到核电站是否能够安全运行以及运行许可到期核电站是否能够延寿使用的关键所在。
　　中子辐照引起RPV辐照脆化导致其性能降低，其中韧脆转变温度是RPV辐照脆化评价的重要指标。目前，国内关于RPV辐照脆化的研究主要沿用国外的一些经验，缺乏自主知识产权的RPV辐照数据库和相应的RPV辐照脆化预测模型，严重影响我国RPV材料的发展。随着RPV国产化的研究，虽然中子辐照基础理论有待完善，试验成本昂贵，测试分析设备要求高，进展受限，但仍然积累了一定量的数据，利用已有数据，采用机器学习等方法研究RPV中子辐照下性能的影响因素以及变化规律是高效、低成本手段。基于此，本文开发了一种基于数据的C/S模式RPV材料辐照脆化专家系统，取得以下成果：
　　①构建了RPV辐照数据库，以现有的RPV辐照监督管实验数据为依据，将RPV材料的成分信息、拉伸测试数据、冲击测试数据等按照一定的规则与模式保存在MySQL数据库中，作为数据源供用户使用，且不同用户具有不同的数据操作权限，同时为辐照脆化神经网络模型提供数据基础。
　　②基于文献和实验研究数据，以Cu、Ni、P、中子注量、中子注量率、辐照温度为输入，韧脆转变温度增量为输出，运用人工神经网络技术构建了RPV（母材横向、母材纵向、焊缝）辐照脆化的预测模型，作为专家系统知识库核心。并通过数据集特殊预处理、改变传递函数、交叉验证等手段来进一步优化网络模型。
　　③比较了母材与焊缝材料辐照脆化的人工神经网络模型与已有经验公式的预测精度，结果显示研究获得的人工神经网络模型具有较高精度；同时应用模型采用控制变量法探究了不同影响因素对辐照脆化的影响，研究表明，RPV辐照脆化随着中子注量呈现出先增大后趋向于饱和的趋势，中子注量率对脆化影响不明显，辐照温度表现出负相关，Cu元素与P元素表现出正相关，而Ni元素对母材与焊缝材料的影响不同。
　　④采用Qt5.7开发工具开发了RPV辐照脆化专家系统人机交互界面，并实现MySQL数据库的连接。用户可以通过输入设定的辐照损伤影响因素，快速得到辐照损伤预测值，为RPV材料的辐照监督提供参考。同时用户可以直接通过专家系统从数据库中查询、修改辐照监督数据，极大的方便了重要数据的管理。