CN108827867B - 基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 - Google Patents
基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 Download PDFInfo
- Publication number
- CN108827867B CN108827867B CN201810367167.XA CN201810367167A CN108827867B CN 108827867 B CN108827867 B CN 108827867B CN 201810367167 A CN201810367167 A CN 201810367167A CN 108827867 B CN108827867 B CN 108827867B
- Authority
- CN
- China
- Prior art keywords
- corrosion
- stray current
- current
- corr
- stray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
- G01N17/006—Investigating resistance of materials to the weather, to corrosion, or to light of metals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
- G01N17/02—Electrochemical measuring systems for weathering, corrosion or corrosion-protection measurement
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法,包括以下步骤:1、地铁现场关键数据采集:现场周围土壤电阻率、轨地过渡电阻、钢轨纵向电阻的测量,土壤离子成分分析;2、地铁现场关键数据等效化处理;3、实验室环境电化学腐蚀模拟;4、实验数据挖掘,腐蚀特征信息提取;5、根据腐蚀特征信息评估杂散电流腐蚀危险性。本发明能够借助数据挖掘技术,在获得地铁现场必要数据的情况下提取杂散电流电化学腐蚀特征信息,根据腐蚀特征信息评估杂散电流腐蚀危险性,预测未来埋地金属的腐蚀程度和使用寿命。
Description
技术领域
本发明涉及一种特征信息的提取方法,特别是一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法。
背景技术
地铁杂散电流会对周围埋地金属管线、混凝土结构造成严重的电化学腐蚀,严重威胁地铁系统日常运营和人身安全。因杂散电流腐蚀而造成的危险事故时有发生,最根本的原因在于对地铁埋地金属管线的杂散电流腐蚀危险性评估不够准确。由于杂散电流分布的精确模型很难确定,杂散电流难以直接准确测量,根据所监测的参数,很难预测出埋地管线在杂散电流作用下的腐蚀程度和腐蚀趋势,从而其杂散电流腐蚀危险性也难以进行准确评估。
金属管线埋置于地下,无法直观监测其受腐蚀情况,一般均采用间接的办法来反映杂散电流的腐蚀情况。目前主要通过极化电位间接检测杂散电流腐蚀情况,埋地管线极化电位既可以反映埋地管线的腐蚀特性,又可以反映杂散电流的干扰特性。在工程实践中,以极化电位表征埋地管线受杂散电流腐蚀影响的程度存在由于IR降的影响,极化电位在实际工程应用中检测精度有待提高;参比电极的种类和质量不同,对于极化电位的测量结果也具有较大的影响;以及无法预测埋地管线腐蚀量和使用寿命的问题。
发明内容
本发明的目的是提供一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法,该方法能够有效提取并预测地铁杂散电流腐蚀特征信息,全面且精确的评估当前埋地金属受杂散电流腐蚀影响情况,并预测未来埋地金属的腐蚀程度和使用寿命。
为实现上述目的,本发明的技术方案是:基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法,包括以下步骤:
步骤1:测量供电区间周围土壤电阻率ρ;测量供电区间内轨地过渡电阻Rg和钢轨纵向电阻Rs;通过土壤取样分析土壤中的主要离子成分;获取现场基本参数:供电区间长度L1、牵引电流I;
步骤2:通过一段时间内杂散电流泄漏电荷量相等的原理进行等效处理,即:
式中,Q1为杂散电流泄漏电荷量,Q2为实验室环境下直流电源所提供的电荷量,L1为供电区间长度,Is为供电区间内的杂散电流,t1为杂散电流腐蚀时长,t2为所设计电化学腐蚀时间,Ie为所设计电化学腐蚀实验中直流电源所提供的电流大小;
根据电阻网络模型,结合现场参数测试结果进行计算,从而可以确定在实验室条件下所设计电化学腐蚀实验中直流电源所提供的电流大小Ie,所设计电化学腐蚀时间t2;
步骤3:根据步骤2所确定的实验参数和埋地管线材质,制作金属样块并调配电解质溶液,在实验室腐蚀电解池环境下进行等效杂散电流电化学腐蚀实验;在所设计电化学腐蚀时间t2内,利用电化学分析仪分别测定电化学腐蚀过程中t2,1,t2,2,t2,3,…,t2,i,…,t2,n时刻的极化曲线并计算对应时刻下的腐蚀电流密度icorr(2,1),icorr(2,2),icorr(2,3),…,icorr(2,i),…,icorr(2,n),测量对应时刻腐蚀前后金属失重量Δm2,1,Δm2,2,Δm2,3,…,Δm2,i,…,Δm2,n,根据极化曲线和腐蚀前后金属样块的失重量计算腐蚀速率Corrrate(2,1),Corrrate(2,2),Corrrate(2,3),…,Corrrate(2,i),…,Corrrate(2,n),利用CCD摄像机获取对应时刻t2,1,t2,2,t2,3,…,t2,i,…,t2,n下的金属样块外观腐蚀形貌特征图像数据;
步骤4:将步骤3所测定的腐蚀过程中的腐蚀电流密度icorr作为输出量,选取电介质溶液中Cl-离子浓度、SO4 2-离子浓度、杂散电流大小Is、腐蚀时间t、金属样块碳含量C%作为输入量,利用BP神经网络训练并建立杂散电流腐蚀电流密度预测模型;
利用步骤3所测定的腐蚀过程中金属失重量Δm随腐蚀时间t的变化关系,建立基于灰色理论的杂散电流腐蚀失重量预测模型;
利用步骤3所获取不同条件下的金属样块外观腐蚀形貌特征图像,在对图像处理之后,通过卷积神经网络训练并建立基于腐蚀外观形貌的杂散电流腐蚀速率预测模型;
步骤5:通过杂散电流腐蚀电流密度预测评估埋地管线当前杂散电流腐蚀程度,通过基于灰色理论的杂散电流腐蚀失重量预测和基于腐蚀外观形貌的杂散电流腐蚀速率预测评估埋地管线未来杂散电流腐蚀发展情况,进而以当前杂散电流腐蚀程度和未来杂散电流腐蚀发展趋势综合评估地铁现场埋地管线的杂散电流腐蚀危险性。
本发明与现有技术相比:能够有效提取并预测地铁杂散电流腐蚀特征信息,解决了目前地铁现场仅通过极化电位对埋地管线的杂散电流腐蚀危险性进行评估的问题。通过对多个杂散电流腐蚀特征信息的预测,能够全面且精确的评估当前埋地金属受杂散电流腐蚀影响情况,并预测未来埋地金属的腐蚀程度和使用寿命,对于地铁系统附近埋地管线的腐蚀防护工作具有重要的实际意义。
附图说明
图1为基于数据挖掘技术的地铁杂散电流腐蚀特征信息的提取方法流程图,
图2为基于数据挖掘技术的地铁杂散电流腐蚀特征信息的提取方法实验系统,
图3为BP神经网络腐蚀电流密度预测模型流程图,
图4为基于灰色理论的杂散电流腐蚀失重量预测模型流程图,
图5为基于腐蚀外观形貌的腐蚀速率CNN预测模型流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法,总体可以分为5个过程:地铁现场参数测量、参数等效化处理、等效电化学腐蚀实验、腐蚀实验数据挖掘、腐蚀危险性评估。这5个过程可以进一步细分为以下步骤,下面进行详细说明:
步骤1:测量供电区间周围土壤电阻率ρ;测量供电区间内轨地过渡电阻Rg和钢轨纵向电阻Rs;通过土壤取样分析土壤中的主要离子成分;获取现场基本参数:供电区间长度L1、牵引电流I;
步骤2:通过一段时间内杂散电流泄漏电荷量相等的原理进行等效处理,即:
式中,Q1为杂散电流泄漏电荷量,Q2为实验室环境下直流电源所提供的电荷量,L1为供电区间长度,Is为供电区间内的杂散电流,t1为杂散电流腐蚀时长,t2为所设计电化学腐蚀时间,Ie为所设计电化学腐蚀实验中直流电源所提供的电流大小;
区间内的杂散电流根据“轨道——埋地金属——大地”电阻网络模型,结合现场参数测试结果,供电区间内的杂散电流分布使用下式进行计算:
式中,Rs为走行轨纵向电阻,RR为埋地金属结构纵向电阻,Rg为轨道对埋地金属结构过渡电阻,I为牵引电流,L1为供电区间长度;
从而可以确定在实验室条件下所设计电化学腐蚀实验中直流电源所提供的电流大小Ie,所设计电化学腐蚀时间t2。
步骤3:如图2所示,根据步骤2所确定的实验参数和埋地管线材质,制作金属样块并调配电解质溶液,在腐蚀电解池环境下进行等效杂散电流电化学腐蚀实验;在所设计电化学腐蚀时间t2内,利用电化学分析仪分别测定电化学腐蚀过程中t2,1,t2,2,t2,3,…,t2,i,…,t2,n时刻的极化曲线并计算对应时刻下的腐蚀电流密度icorr(2,1),icorr(2,2),icorr(2,3),…,icorr(2,i),…,icorr(2,n),测量对应时刻腐蚀前后金属失重量Δm2,1,Δm2,2,Δm2,3,…,Δm2,i,…,Δm2,n,根据极化曲线和腐蚀前后金属样块的失重量计算腐蚀速率Corrrate(2,1),Corrrate(2,2),Corrrate(2,3),…,Corrrate(2,i),…,Corrrate(2,n),利用CCD摄像机获取对应时刻t2,1,t2,2,t2,3,…,t2,i,…,t2,n下的金属样块外观腐蚀形貌特征图像数据;
步骤4:如图3所示,将步骤3所测定的腐蚀过程中的腐蚀电流密度icorr作为输出量,选取电介质溶液中Cl-离子浓度、SO4 2-离子浓度、杂散电流大小Is、腐蚀时间t、金属样块碳含量C%作为输入量,利用BP神经网络训练并建立杂散电流腐蚀电流密度预测模型;
设BP神经网络的输入a1~a5分别为Cl-离子浓度、SO4 2-离子浓度、杂散电流大小I、腐蚀时间t、金属样块碳含量,BP神经网络隐含层中的节点输出函数为:
输出层中节点的输出函数为:
其中:f(x)=(1+e-x)-1;Wir 1为输入层ai到隐含层br 1间的连接权;Wrj 2为隐含层br 1到隐含层bj 2间的连接权;Vr为隐含层bj 2到输出层c之间的连接权;Tr 1为隐含层br 1的阈值;Tj 2为隐含层bj 2的阈值;θ为输出层单元阈值。
计算期望值与实际输出的偏差,若不满足精度要求,则根据误差使用反向传播学习算法调节输入与隐含层的权值、输出与隐含层的权值;若每一个样本均满足精度要求,则学习结束并保存权值。在完成BP神经网络建立过程后,在模型使用过程中根据输入量重复前向传递过程计算隐含层、输出层各神经元的输出值,预测结果输出。
如图4所示,利用步骤3所测定的腐蚀过程中金属失重量Δm随腐蚀时间t的变化关系,建立基于灰色理论的杂散电流腐蚀失重量预测模型;
已知金属失重量数据列:
1次累加生成序列1-AGO:
Δm(1)的均值生成序列:
建立灰色微分方程:
相应的白化微分方程为:
令
由最小二乘法,求得使
J(u)=(Y-Bu)T(Y-Bu)
根据白化微分方程建立GM(1,1)模型,则可以得到和原始值对应的预测值:
如图5所示,利用步骤3所获取不同条件下的金属样块外观腐蚀形貌特征图像,在对图像处理之后,通过卷积神经网络训练并建立基于腐蚀外观形貌的杂散电流腐蚀速率预测模型;
首先对腐蚀图形进行灰度级处理,将腐蚀特征图像转化成黑白图像,对图像进行对比度增强处理和滤波处理。其次对图像进行二值化处理,将256级灰度的单色图像变成黑白二值图像,使腐蚀点与底色分离。最后将二值化处理过后的图像转化为二值矩阵S,根据矩阵的大小,设置卷积神经网络参数和网络结构。设置改变一次权值所需训练样本的数目Nbatchsize,训练次数Ntrain,打乱原有训练样本的序列,并从训练样本中选出Nsample/Nbatchsize个训练样本{S1,…,Sk…,Sh}进行卷积运算和特征提取,在当前的网络权值和网络输入下计算网络的输出,即三个不同位置下的杂散电流泄漏等级预测值。
输出值计算过程为:
首先判断所在层类型,若为卷积层,则进行卷积运算:
Ic,k=f[C(Sk)]+bc
C(·)为卷积过程,Ic,k为二值矩阵S在卷积层下的输出,bc为该卷积层所对应的偏置系数。
若为下采样层,则进行特征提取:
Id,k=f[γd·D(Ic,k)+bd]
D(·)表示特征提取过程,γd为下采样层的权重,Id,k为下采样层的输出,bd为下采样层的偏置系数。
循环至神经网络最大层数后,进行特征矩阵组合:
If,k为特征矩阵的组合结果,αi为二值矩阵对应的权重。
步骤5:通过杂散电流腐蚀电流密度预测评估埋地管线当前杂散电流腐蚀程度,通过基于灰色理论的杂散电流腐蚀失重量预测和基于腐蚀外观形貌的杂散电流腐蚀速率预测评估埋地管线未来杂散电流腐蚀发展情况,进而以当前杂散电流腐蚀程度和未来杂散电流腐蚀发展趋势综合评估地铁现场埋地管线的杂散电流腐蚀危险性。
Claims (3)
1.一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法,其特征在于,包括以下步骤:
步骤1:测量供电区间周围土壤电阻率ρ;测量供电区间内轨地过渡电阻Rg和钢轨纵向电阻Rs;通过土壤取样分析土壤中的主要离子成分;获取现场基本参数:供电区间长度L1、牵引电流I;
步骤2:通过一段时间内杂散电流泄漏电荷量相等的原理进行等效处理,即:
式中,Q1为杂散电流泄漏电荷量,Q2为实验室环境下直流电源所提供的电荷量,L1为供电区间长度,Is为供电区间内的杂散电流,t1为杂散电流腐蚀时长,t2为所设计电化学腐蚀时间,Ie为所设计电化学腐蚀实验中直流电源所提供的电流大小;
根据电阻网络模型,结合现场参数测试结果进行计算,从而可以确定在实验室条件下所设计电化学腐蚀实验中直流电源所提供的电流大小Ie,所设计电化学腐蚀时间t2;
其中,供电区间内的杂散电流分布使用下式进行计算:
步骤3:根据步骤2所确定的实验参数和埋地管线材质,制作金属样块并调配电解质溶液,在腐蚀电解池环境下进行等效杂散电流电化学腐蚀实验;在所设计电化学腐蚀时间t2内,利用电化学分析仪分别测定电化学腐蚀过程中t2,1,t2,2,t2,3,…,t2,i,…,t2,n时刻的极化曲线并计算对应时刻下的腐蚀电流密度icorr(2,1),icorr(2,2),icorr(2,3),…,icorr(2,i),…,icorr(2,n),测量对应时刻腐蚀前后金属失重量Δm2,1,Δm2,2,Δm2,3,…,Δm2,i,…,Δm2,n,根据极化曲线和腐蚀前后金属样块的失重量计算腐蚀速率Corrrate(2,1),Corrrate(2,2),Corrrate(2,3),…,Corrrate(2,i),…,Corrrate(2,n),利用CCD摄像机获取对应时刻t2,1,t2,2,t2,3,…,t2,i,…,t2,n下的金属样块外观腐蚀形貌特征图像数据;
步骤4:将步骤3所测定的腐蚀过程中的腐蚀电流密度icorr作为输出量,选取电介质溶液中Cl-离子浓度、SO4 2-离子浓度、杂散电流大小Is、腐蚀时间t、金属样块碳含量C%作为输入量,利用BP神经网络训练并建立杂散电流腐蚀电流密度预测模型;
利用步骤3所测定的腐蚀过程中金属失重量Δm随腐蚀时间t的变化关系,建立基于灰色理论的杂散电流腐蚀失重量预测模型;
利用步骤3所获取不同条件下的金属样块外观腐蚀形貌特征图像,在对图像处理过程之后,通过卷积神经网络训练并建立基于腐蚀外观形貌的杂散电流腐蚀速率预测模型;
步骤5:通过步骤4得到的杂散电流腐蚀电流密度预测评估埋地管线当前杂散电流腐蚀程度,通过步骤4得到的基于灰色理论的杂散电流腐蚀失重量预测和通过步骤4得到的基于腐蚀外观形貌的杂散电流腐蚀速率预测评估埋地管线未来杂散电流腐蚀发展情况,进而以当前杂散电流腐蚀程度和未来杂散电流腐蚀发展趋势综合评估地铁现场埋地管线的杂散电流腐蚀危险性。
3.根据权利要求1或2所述的一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法,其特征在于,步骤3中利用BP神经网络训练建立杂散电流腐蚀电流密度预测模型的函数如下:
设BP神经网络的输入a1~a5分别为Cl-离子浓度、SO4 2-离子浓度、杂散电流大小I、腐蚀时间t、金属样块碳含量,BP神经网络隐含层中的节点输出函数为:
输出层中节点的输出函数为:
其中:f(x)=(1+e-x)-1;Wir 1为输入层ai到隐含层br 1间的连接权;Wrj 2为隐含层br 1到隐含层bj 2间的连接权;Vr为隐含层bj 2到输出层c之间的连接权;Tr 1为隐含层br 1的阈值;Tj 2为隐含层bj 2的阈值;θ为输出层单元阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810367167.XA CN108827867B (zh) | 2018-04-23 | 2018-04-23 | 基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810367167.XA CN108827867B (zh) | 2018-04-23 | 2018-04-23 | 基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108827867A CN108827867A (zh) | 2018-11-16 |
CN108827867B true CN108827867B (zh) | 2020-10-09 |
Family
ID=64155158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810367167.XA Active CN108827867B (zh) | 2018-04-23 | 2018-04-23 | 基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108827867B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324937B (zh) * | 2018-11-29 | 2023-09-12 | 深圳信息职业技术学院 | 牺牲阳极的使用寿命预测方法及装置 |
CN111024769B (zh) * | 2019-12-17 | 2020-11-24 | 中国矿业大学 | 一种用于掘进机的煤矿矿井超前探测方法 |
CN111487184A (zh) * | 2020-04-11 | 2020-08-04 | 华东交通大学 | 一种模拟地铁列车杂散电流泄漏及腐蚀的实验平台 |
CN113609640B (zh) * | 2021-06-29 | 2023-09-29 | 中国矿业大学 | 一种受地铁杂散电流腐蚀影响的埋地管线剩余寿命预测方法 |
CN114066819B (zh) * | 2021-10-25 | 2022-08-19 | 中国电器科学研究院股份有限公司 | 基于卷积神经网络深度学习的环境腐蚀严酷度识别方法 |
CN114372404B (zh) * | 2022-01-07 | 2022-07-15 | 哈尔滨工业大学 | 杂散电场下钢混界面腐蚀时变边界的精准动力学计算方法 |
CN114117832B (zh) * | 2022-01-27 | 2022-05-06 | 国网江西省电力有限公司电力科学研究院 | 一种轨道交通动态杂散电流分布的分析方法 |
CN114528773B (zh) * | 2022-04-24 | 2022-09-02 | 国网江西省电力有限公司电力科学研究院 | 基于大数据分析的轨道交通杂散电流波形预测系统及方法 |
CN115096805B (zh) * | 2022-06-21 | 2024-04-12 | 徐州中矿传动轨道科技有限公司 | 一种埋地燃气管线环焊缝杂散电流腐蚀深度高通量检测方法 |
CN115096806B (zh) * | 2022-06-21 | 2024-04-12 | 徐州中矿传动轨道科技有限公司 | 隧道钢混结构杂散电流腐蚀高风险区域识别方法及系统 |
CN117740667A (zh) * | 2024-02-21 | 2024-03-22 | 辽宁乾源环保防腐管道有限公司 | 一种管道内壁腐蚀区计量测定装置及测定方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288540A (zh) * | 2011-08-19 | 2011-12-21 | 中国矿业大学 | 一种基于光纤传感的地铁金属结构杂散电流腐蚀监测方法 |
CN102879323A (zh) * | 2012-10-10 | 2013-01-16 | 中国矿业大学 | 地铁杂散电流腐蚀实验系统 |
FR2983303A1 (fr) * | 2011-11-30 | 2013-05-31 | Sylvain Batard | Mesure de la resistance au sol d'une structure metallique ou de la resistivite du sol, en utilisant une structure metallique enterree de grande taille, eventuellement sous protection cathodique |
CN103388149A (zh) * | 2013-07-22 | 2013-11-13 | 中国船舶重工集团公司第七二五研究所 | 一种牺牲阳极电化学性能测试装置 |
CN103695938A (zh) * | 2013-12-26 | 2014-04-02 | 中国石油大学(北京) | 广义脉冲阴极保护系统及其广义脉冲恒电位仪 |
JP2014152346A (ja) * | 2013-02-05 | 2014-08-25 | Tokyo Gas Co Ltd | 外部電源カソード防食装置 |
CN204177718U (zh) * | 2014-10-24 | 2015-02-25 | 中国石油天然气集团公司 | 评价交流杂散电流干扰下油气管线腐蚀的电化学测试系统 |
CN105842144A (zh) * | 2016-03-28 | 2016-08-10 | 国网四川省电力公司电力科学研究院 | 接地极杂散电流对埋地金属腐蚀的模拟装置及其模拟方法 |
CN205643502U (zh) * | 2016-05-30 | 2016-10-12 | 中国石油化工股份有限公司 | 一种埋地管道杂散电流在线监测装置 |
CN106676541A (zh) * | 2017-01-09 | 2017-05-17 | 国网浙江省电力公司电力科学研究院 | 一种金属管道杂散电流腐蚀防护方法 |
CN107560997A (zh) * | 2017-08-24 | 2018-01-09 | 南方电网科学研究院有限责任公司 | 一种输电设备大气腐蚀的监测方法及装置 |
CN107576608A (zh) * | 2017-07-07 | 2018-01-12 | 同济大学 | 模拟杂散电流与地下水环境的混凝土耐久性的试验装置与方法 |
-
2018
- 2018-04-23 CN CN201810367167.XA patent/CN108827867B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288540A (zh) * | 2011-08-19 | 2011-12-21 | 中国矿业大学 | 一种基于光纤传感的地铁金属结构杂散电流腐蚀监测方法 |
FR2983303A1 (fr) * | 2011-11-30 | 2013-05-31 | Sylvain Batard | Mesure de la resistance au sol d'une structure metallique ou de la resistivite du sol, en utilisant une structure metallique enterree de grande taille, eventuellement sous protection cathodique |
CN102879323A (zh) * | 2012-10-10 | 2013-01-16 | 中国矿业大学 | 地铁杂散电流腐蚀实验系统 |
JP2014152346A (ja) * | 2013-02-05 | 2014-08-25 | Tokyo Gas Co Ltd | 外部電源カソード防食装置 |
CN103388149A (zh) * | 2013-07-22 | 2013-11-13 | 中国船舶重工集团公司第七二五研究所 | 一种牺牲阳极电化学性能测试装置 |
CN103695938A (zh) * | 2013-12-26 | 2014-04-02 | 中国石油大学(北京) | 广义脉冲阴极保护系统及其广义脉冲恒电位仪 |
CN204177718U (zh) * | 2014-10-24 | 2015-02-25 | 中国石油天然气集团公司 | 评价交流杂散电流干扰下油气管线腐蚀的电化学测试系统 |
CN105842144A (zh) * | 2016-03-28 | 2016-08-10 | 国网四川省电力公司电力科学研究院 | 接地极杂散电流对埋地金属腐蚀的模拟装置及其模拟方法 |
CN205643502U (zh) * | 2016-05-30 | 2016-10-12 | 中国石油化工股份有限公司 | 一种埋地管道杂散电流在线监测装置 |
CN106676541A (zh) * | 2017-01-09 | 2017-05-17 | 国网浙江省电力公司电力科学研究院 | 一种金属管道杂散电流腐蚀防护方法 |
CN107576608A (zh) * | 2017-07-07 | 2018-01-12 | 同济大学 | 模拟杂散电流与地下水环境的混凝土耐久性的试验装置与方法 |
CN107560997A (zh) * | 2017-08-24 | 2018-01-09 | 南方电网科学研究院有限责任公司 | 一种输电设备大气腐蚀的监测方法及装置 |
Non-Patent Citations (3)
Title |
---|
Stray current control is essential in direct current (DC) mass transit systems where the rail insulation is not of sufficient quality to prevent a corrosion risk to the rails, supporting and third-party infrastructure. This paper details the principles beh;Cotton I et al.;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20050331;第722-730页 * |
动态直流杂散电流干扰中极化试片电流测量;刘军;《腐蚀与防护》;20160131;第68-71页 * |
受直流杂散电流影响埋地管线的ANSYS模拟;张攀峰 等;《腐蚀与防护》;20110228;第146-149页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108827867A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108827867B (zh) | 基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 | |
CN107991873B (zh) | 一种基于卷积神经网络及bp神经网络的地铁杂散电流泄漏等级预测方法 | |
CN109086804B (zh) | 一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法 | |
Lozovan et al. | Detection of specific features in the functioning of a system for the anti-corrosion protection of underground pipelines at oil and gas enterprises using neural networks | |
CN110675036B (zh) | 一种基于随机森林优化微生物指数的高原河流生态健康评价方法 | |
CN109034546A (zh) | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 | |
Anterrieu et al. | Non-destructive data assimilation as a tool to diagnose corrosion rate in reinforced concrete structures | |
CN113433057A (zh) | 一种埋地金属管道杂散电流腐蚀速率预测装置及方法 | |
Yuzevych et al. | Improving the diagnostics of underground pipelines at oil-and-gas enterprises based on determining hydrogen exponent (PH) of the soil media applying neural networks | |
CN109669017B (zh) | 基于深度学习的炼厂蒸馏塔顶切水离子浓度预测方法 | |
Miao | Prediction-based maintenance of existing bridges using neural network and sensitivity analysis | |
Cui et al. | Two-dimensional numerical model and fast estimation method for calculating crevice corrosion of cross-sea bridges | |
CN115186590A (zh) | 一种管道腐蚀剩余寿命预测方法 | |
CN112001600B (zh) | 一种基于svm和ds理论的渗漏水风险监测方法 | |
Wang et al. | Predictive model for corrosion hazard of buried metallic structure caused by stray current in the subway | |
CN116739999A (zh) | 一种在役桩基无损检测方法 | |
CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
Azoor et al. | Predicting pipeline corrosion in heterogeneous soils using numerical modelling and artificial neural networks | |
CN101625741A (zh) | 土地评价样点空间配置方法 | |
Zakowski et al. | Methods of evaluation of the corrosion hazard caused by stray currents to metal structures containing aggressive media | |
CN115545112A (zh) | 一种大量地下水实时自动监测数据自动识别和处理的方法 | |
Sun et al. | Environmental risk assessment system for phosphogypsum tailing dams | |
Zhou et al. | Two-stage degradation modeling combined with machine learning for steel rebar degradation prediction | |
Azoor et al. | Modelling the influence of differential aeration in underground corrosion | |
Yajima et al. | The application of macro modeling concept for the soil/coating external corrosion for ECDA process by using statistical tools |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |