基于碳钢和低合金钢16年海水暴露腐蚀数据地神经网络预测模型.docVIP

碳钢低合金钢腐蚀研究论文：基于碳钢和低合金钢16年海水暴露腐蚀数据的神经网络预测模型 摘要：本工作在长达16年海水腐蚀数据积累和分析的基础上，对碳钢及低合金钢常用的海水腐蚀预测模型进行了研究，利用神经网络分别建立了不含环境因素神经网络模型、含环境因素神经网络模型I和含环境因素神经网络模型II以及数学模型。通过对不同模型预测结果进行比较分析表明，模型能够正确反映金属材料的合金成分、环境因素与海水腐蚀速率的关系，可以用于进行金属材料海水环境腐蚀速率的长期预测。 关键词：碳钢；低合金钢；海水；腐蚀 金属材料的海水腐蚀规律十分复杂，其腐蚀关系是非线性的，即同一种金属在不同的环境条件下有不同的腐蚀规律，在相同的环境条件下不同的金属也可能存在着不同的腐蚀规律。因此，利用已有的金属材料海水腐蚀数据预测未知海区金属材料的腐蚀行为，掌握其未来变化规律，对防腐工程设计、制定材料防腐规范和标准、保证设备和工程构件的安全使用具有重要意义[1~2]。腐蚀科技工作者相继提出了用于对碳钢及低合金钢的海水腐蚀预测的数学模型，如：指数模型、灰色系统模型，近年来，人工神经网络方法并成为材料环境腐蚀行为与使用寿命预测研究中的热点。在海水腐蚀领域，利用已知海水网站腐蚀速率数据预测未知地区碳钢、低合金钢海水腐蚀速率在国内尚不完善。利用人工神经网络技术，综合各种数学模型，预测碳钢及低合金钢海水腐蚀，十分重要的研究。近年来，人们开始逐渐将神经网络用于腐蚀领域，并取得了一定的研究成果[3~4]ynie和Upham[5]碳钢大气腐蚀的二氧化硫模型，但模型没有考虑其他重要因素影响。Pintos等[6]用神经网络技术对南美洲大气腐蚀进行了预测，其平方误差要小于线性回归模型。Leifer J和Zapp P E等[7]建立了存贮放射性废料的碳钢罐发生点蚀的危险程度，结果证明神经网络预测结果要比对数回归有更高的精度。杨晓明利用人工神经网络BP算法建立了海水环境对A3钢的腐蚀作用模型，用该模型预测了新海域环境下金属的腐蚀速度。宋诗哲[8~9]网络方法建立了碳钢和低合金钢海水腐蚀与合金成分、海水因素间的模型。训练网络的标准样本选用海水长期浸泡实验的碳钢和低合金钢腐蚀数据，材料的合金成分及海水主要腐蚀因素作为网络的输入，浸泡1、2、4、8年的平均腐蚀深度作为网络的标准样本输出值。从碳钢和低合金钢平均腐蚀深度与合金成分的模型中观察到，Al和Ni可有效地抑制腐蚀的进行，长期浸泡Mo可以在一定程度上抑制腐蚀，Cr和Mn的存在对于合金长期使用不利。刘学庆等[58]使用电化学方法测定了不同海水状态下3C钢的腐蚀速度,并采用人工神经网络分析了海水环境参数与腐蚀速度的相关性，建立了用于预测3C钢在海水中腐蚀速度的人工神经网络模型。该方法在监测与评价区域海洋环境腐蚀性方面具有实际应用价值。 这些工作表明，借助于神经网络，可以用腐蚀试验室数据来预测材料在实际使用中的性能和行为，有效解决腐蚀试验室数据与材料实际使用结果相脱节的难题。但现有的研究仅针对数量很少或短期的海水腐蚀性数据进行评价，不能完整地体现海水的腐蚀性。本文通过对国家腐蚀试验站16年长周期的大量腐蚀数据的神经网络分析计算，建立了基于16年海水暴露的人工神经网络腐蚀预测模型，不仅能够更为准确地对碳钢低合金钢在我国海水中的腐蚀性进行评价，而且可以较为准确地预测其海水腐蚀行为与规律。 1研究方法 我国现在共有四个典型的海水腐蚀试验站，分别位于青岛，厦门，榆林和舟山，代表了不同海域典型港湾的环境因素特征。本文以我国海水试验站长期以来积累的海水腐蚀数据为基础，采用神经网络技术，运用Matlab、VB编程语言及计算机技术进行数据处理与建模。 1.1金属材料海水腐蚀数据 1.1.1海水环境条件 选取青岛、榆林、厦门、舟山等的有代表性的地区，代表我国不同海域典型海水的环境因素特征，从而对材料的海水腐蚀性能做出较为全面可靠的判断。我国各海区的主要环境因素表1。 1.1.2试验材料 本文建模数据来源于国家自然科学基金委员会重大项目“材料自然环境腐蚀”积累的16年海水腐蚀数据，积累的62种金属和涂镀层材料（1173片）在四个网站的全浸、潮差、飞溅区16年（舟山8年）海水腐蚀数据4692个，并定期测试了四个站的海水环境因素2400个。其中碳钢及低合金钢有19种，本文将其编号如表2所示1.1计算机技术本工作采用Matlab编程语言编写模型程序，Visual Basic语言进行系统界面的开发。其中的神经网络工具箱是Mathworks公司最新推出的MATLAB6.x高性能可视化数值计算软件的组成部分。它主要针对神经网络系统的分析与设计，提供了大量可供直接调用的工具箱函数、图形界面函数和Simulink仿真工具，是进行神经网络系统分析与设计的绝佳工具，设计思想如图1所示。