CN106556563A - 基于模式识别的深海用有机涂层性能原位电化学评价方法 - Google Patents

Abstract

基于模式识别的深海用有机涂层性能原位电化学评价方法，具体包括如下步骤：采用电化学噪声技术监测涂层/金属体系并获取噪声原始数据；计算噪声数据的各统计量指标；采用主成分分析法对数目较多的统计量指标进行精简，提取少量具有显著影响作用的指标；采用系统聚类分析将所选变量进行分类，并根据相关涂层的背景知识确定各类别涂层状态；根据分类结果建立判别函数，可对未知所属类别的数据进行快速分类，实现深海环境下涂层性能的原位无损评估。本发明优点：基于严格数学模型的定量分类方法，精准程度较高；无需预先去除噪声直流偏差，应用过程较为方便快捷；根据判别模型可自动对未知所属类别的涂层数据进行快速识别，结果直观，便于分析。

Description

基于模式识别的深海用有机涂层性能原位电化学评价方法

技术领域

本发明涉及有机涂层的性能评估领域，特别涉及了一种基于模式识别的深海用有机涂层性能原位电化学评价方法。

背景技术

涂覆有机涂层是深海环境下金属防护的主要手段之一。有机涂层在服役环境下随服役时间延长而逐步失效，但这些失效行为并不能立即发现，从而导致涂层下金属材料发生腐蚀问题，影响深海环境下服役金属使用效率及安全性。因此，对深海环境下服役涂层性能的评估具有重要的意义。电化学测试技术是实现涂层原位评价的一种强有力的手段，其中，电化学噪声技术因其无损、快速、测试设备简单等优势而更适合用于现场涂层监测。通过测量涂层下金属的腐蚀状态从而判断涂层性能及失效程度。然而，目前常用的电化学噪声数据解析方法存在数据处理繁琐、分类效率不高等不足，无法满足快速、精确、方便地判断涂层不同状态及性能的要求。

模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。电化学噪声本质上是噪声电流和噪声电位的统计波动，根据噪声波动特征的相似性和差异性,可以采用统计模式识别法将它们归于不同的类别中,建立分类结果与腐蚀过程的相关性。因而模式识别可以用于深 海环境下有机涂层性能的原位快速评估。

发明内容

本发明的目的在于提供了一种基于模式识别算法的深海环境下有机涂层性能监测方法，具有最优分类、识别效率高、运算过程方便简捷的优点。所述方法特征在于：利用电化学噪声技术对涂层进行原位监测，将采集所得数据通过模式识别算法进行分类判别，并建立判别方程。通过判别模型可实现同种涂层性能及服役状态的快速识别，达到评估目的。所述原位评价方法具体包括如下步骤：

(1)原始数据采集:采用电化学噪声技术监测涂层/金属体系并获取噪声原始数据；

(2)数据特征指标的计算：将噪声数据按适合数据量分组并计算其统计量指标，例如均值、均方根、标准偏差、方差、斜度、峭度、噪声电阻等；

(3)主变量的提取：采用主成分分析法对数目较多的统计量指标进行精简，提取少量具有显著影响作用的指标。为了避免由统计量量纲带来的影响,在进行主成分分析前先对统计量进行标准化处理；

(4)对变量进行分类：采用系统聚类分析将所选变量进行分类，由ANOVA方差分析确定聚类结果的可靠性。根据相关涂层的背景知识最终确定各类别涂层状态；

(5)判别模型的建立：根据变量所属类别推导出判别函数，根据判别函数可对未知所属类别的数据进行快速分类，掌握涂层服役状 态，实现对涂层性能的原位评价及快速分析。

本发明的优点在于：

本发明所述的基于模式识别的深海用有机涂层性能原位电化学评价方法，可实现深海环境下涂层性能的原位无损检测；相比以往凭人工、凭经验方式的定性方法或单一变量的定量方法，本发明为基于严格数学模型的定量分类方法，精准程度较高；本方法无需预先去除噪声直流偏差，应用过程较为方便快捷；根据判别模型可自动对未知所属类别的涂层数据进行快速识别，结果直观，便于分析。

附图说明

下面结合附图及实施方式对本发明作进一步详细的说明：

图1为基于深海环境有机涂层性能原位电化学评价方法的流程图；

图2为实施例模拟深海交变压力环境下有机涂层电化学噪声原始数据时域图；

图3为实施例的系统聚类分析结果示意图。

具体实施方式

实施例1

本实施例提供了一种基于模式识别算法的深海环境有机涂层性能原位电化学评价方法，其特征在于：利用电化学噪声技术对涂层进行原位监测，将采集所得数据通过模式识别算法进行分类判别，并建立判别方程。通过判别模型可实现同种涂层性能及服役状态的快速识别，达到评估目的。所述原位评价方法具体包括如下步骤：

(1)原始数据采集:采用电化学噪声技术测试模拟深海交变压力环境下的有机涂层/金属体系并获取噪声原始数据；

(2)数据特征指标的计算：以1024秒的噪声数据为单位数据量计算其统计量指标，总共分为89组数据组，统计量指标包括均值、均方根、标准偏差、方差、斜度、峭度、噪声电阻；

(3)主变量的提取：采用主成分分析法对统计量指标进行精简，提取少量具有显著影响作用的指标。为了避免由统计量量纲带来的影响,在进行主成分分析前先对统计量进行标准化处理。通过主成分分析，确定本实施例中涂层/金属体系的聚类变量为电位和电流的均值及标准偏差：σ_E和σ_I；

(4)对变量进行分类：采用系统聚类分析将所选变量进行分类，分类结果显示涂层失效历程分为三个阶段。根据相关涂层的背景知识，可将失效过程分为水传输、腐蚀开始及发展和涂层失效三个阶段,由ANOVA方差分析确定聚类结果的可靠性,结果显示四个指标的风险值均等于0，证明所选指标对分类有贡献，且存在显著性差异，聚类结果的可靠性很高。

(5)判别模型的建立：根据变量所属类别推导出判别函数，根据判别函数可对未知所属类别的数据进行快速分类，掌握涂层服役状态，实现对涂层性能的原位监测及快速分析。采用判别方程对原数据进行回判，正确率达83.1％，可见，该方法能够实现涂层性能的原位监测。所得判别方程如下：

。

Claims (1)

1.基于模式识别算法的深海环境有机涂层性能原位电化学评价方法，其特征在于：利用电化学噪声技术对涂层性能进行原位评估，将采集所得数据通过模式识别算法进行分类判别，并建立判别方程；通过判别模型可实现同种涂层性能及服役状态的快速识别，达到评估目的；所述原位评价方法具体包括如下步骤：

(1)原始数据采集:采用电化学噪声技术监测涂层/金属体系并获取噪声原始数据；

(2)数据特征指标的计算：将噪声数据按适合数据量分组并计算其统计量指标，例如均值、均方根、标准偏差、方差、斜度、峭度、噪声电阻；

(3)主变量的提取：采用主成分分析法对数目较多的统计量指标进行精简，提取少量具有显著影响作用的指标；为了避免由统计量量纲带来的影响，在进行主成分分析前先对统计量进行标准化处理；

(4)对变量进行分类：采用系统聚类分析将所选变量进行分类，由ANOVA方差分析确定聚类结果的可靠性；根据相关涂层的背景知识最终确定各类别涂层状态；

(5)判别模型的建立：根据变量所属类别推导出判别函数，根据判别函数可对未知所属类别的数据进行快速分类，掌握涂层服役状态，实现对涂层性能的原位评价及快速分析。