CN110389209B - 一种埋地管道土壤腐蚀特性的评价方法 - Google Patents
一种埋地管道土壤腐蚀特性的评价方法 Download PDFInfo
- Publication number
- CN110389209B CN110389209B CN201810353652.1A CN201810353652A CN110389209B CN 110389209 B CN110389209 B CN 110389209B CN 201810353652 A CN201810353652 A CN 201810353652A CN 110389209 B CN110389209 B CN 110389209B
- Authority
- CN
- China
- Prior art keywords
- soil
- corrosion
- corrosion rate
- layer
- pipeline
- 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (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
本发明公开了一种埋地管道土壤腐蚀特性的评价方法,包括土壤腐蚀性因素测试、埋地试片/管段腐蚀特征分析和腐蚀速率计算、土壤腐蚀性关键因素分析、土壤理化性质与腐蚀速率关系模型建立、管道安全评价和剩余寿命预测。其有益效果为:在管道无法进行开挖外检测以及内检测的条件下,在已知管道防腐层破损状态的条件下,结合土壤理化性质测试,确定管道防腐层破损点处的腐蚀速率,确定最危险截面和高后果区,预测管道剩余寿命,对管道开展安全评价和完整性管理有着十分重要的现实意义。
Description
技术领域
本发明属于油田相关技术分析领域,具体地,涉及一种埋地管道土壤腐蚀特性的评价方法。
背景技术
对于埋地管道土壤腐蚀特性的评价方法,我国颁布了GB/T 19285-2014《埋地钢质管道腐蚀工程检验》。该标准给出了土壤腐蚀性调查的8个因素:土壤电阻率、管道自然腐蚀电位、氧化还原电位、土壤pH值、土壤质地、土壤含水量、土壤含盐量、土壤Cl-含量,并对每个值不同的数值范围进行了打分,通过求总分的方式来确定土壤的腐蚀性等级。
但是由于土壤腐蚀环境的复杂性,上述指标一方面不能代表实际土壤的腐蚀情况,无法明确土壤对管道的腐蚀特征和主要影响因素;另一方面不能量化对不同防腐层、不同材质管道和不同破损面积的腐蚀速率,尤其是在微生物富集的土壤区域,土壤的腐蚀性主要受微生物的活动影响,上述评价方式也就不再适用。
目前对于土壤腐蚀性的评价研究,很多学者和技术人员已经做了一些相关的探索,但是对于土壤腐蚀的关键性因素,与点蚀/全面腐蚀速率的关系研究却没有开展。
发明内容
为了实现上述发明目的,本发明提供一种埋地管道土壤腐蚀特性的评价方法。
其技术方案为,一种埋地管道土壤腐蚀特性的评价方法,其特征在于:
S1、确定土壤腐蚀性因素;
S2、通过埋地测试素材和现场测试对相关因素进行采集;
S3、对S2测试获得的埋地试片及管段腐蚀特征进行分析,及腐蚀速率计算;
S4、通过S3获得的结果,进行土壤腐蚀性关键因素分析;
S5、结合S4得到的数据建立土壤理化性质与腐蚀速率关系模型;
S6、根据S5建立的模型对管道安全性进行评价,及管道剩余寿命进行预测。
优选为,所述S1中土壤腐蚀性因素包括:现场测试土壤电阻率、氧化还原电位和管道自然腐蚀电位,取样分析土壤pH值、土壤质地、土壤含水量、土壤含盐量和土壤Cl-含量,通过GB/T 19285对土壤腐蚀性进行土壤腐蚀性等级评价。
优选为,所述S2,埋地测试素材包括在土壤中埋设试片、不同防腐层的管段、和不同防腐层破损面积的管段;一年后取出埋设的测试素材并进行采样。
优选为,所述S3中,对S2取回的埋地测试素材进行分析,明确其腐蚀特征,包括全面腐蚀及点蚀,并计算全面腐蚀速率及点蚀速率。
优选为,所述S4中的土壤腐蚀性关键因素分析为,通过灰关联和层次分析法以土壤腐蚀性因素为变量,以全面腐蚀速率及点蚀速率为目标函数,计算不同因素对全面腐蚀速率及点蚀速率的权重,明确的对不同腐蚀特征的关键因素。
优选为,所述S5中的土壤理化性质与腐蚀速率关系模型建立为:以土壤腐蚀性关键因素为变量,以腐蚀速率为目标函数,通过BP人工神经网络建立土壤理化性质与腐蚀速率关系模型,实现对腐蚀速率的预测。
优选为,所述S6对管道腐蚀安全进行评价为,通过对待测管段进行相关腐蚀参数测量,明确该土壤环境下的管段的安全等级,并对其剩余寿命进行预测,确定检测周期,包括最小剩余壁厚评价、危险截面评价和残余强度评价。
优选为,
采用BP神经网络预测腐蚀速率的训练过程包括:
步骤一:网络初始化;
将土壤理化性质(本申请中通过灰关联和层次分析确定了土壤含水率、pH 值、含盐量、Cl-、SO4 2-含量、土壤电阻率和氧化还原电位七项指标作为土壤腐蚀关键性因素)作为神经网络的输入序列X,即自变量,将腐蚀速率作为输出序列Y,即因变量;根据自变量(土壤腐蚀性关键因素)的个数确定网络的输入节点数n=7,输出层为腐蚀速率,节点数m=1;
初始化输入层、隐含层和输出层神经元之间的连接权值ωij,ωjk,初始化隐含层阈值a,输出层阈值b,给定学习速率和神经元激励函数;
本模型中将输出层的传递函数选为pruelin,隐含层的传递函数选为logsig,训练函数选为trainlm;
步骤二:隐含层输出计算;
根据输入向量X、输入层和隐含层间连接权值ωij以及隐含层阈值a,计算隐含层输出H;
式中:
l为隐含层节点个数,对用于模式识别/分类的BP网络,根据公式:
计算隐含层的节点数;
其中,n为输入层节点个数,m为输出层节点个数,b为1~10之间的常数;输入节点个数为7,输出节点个数为1,所以隐含层节点个数的取值范围为4~ 13,通过多次计算选取隐含层节点数11个;
步骤三:输出层输出计算;
根据隐含层输出H、连接权值ωjk和阈值b,计算网络预测腐蚀速率0:
步骤四:误差计算;
根据网络预测输出0和期望输出Y,计算网络预测误差e:
ek=Yk-Ok k=1,2,…,m
步骤五:权值更新;
根据网络预测误差e更新网络连接权值ωij、ωjk:
ωjk=ωjk+ηHjek j=1,2,…,l;k=1,2…,m
式中,η为学习速率;
步骤六:阈值更新;
根据网络预测误差e更新网络节点阈值a、b:
bk=bk+ek k=1,2,…,m
步骤七:通过训练误差和迭代次数判断算法迭代是否结束,若没有结束,返回步骤二;
若迭代结束得到输出层的权值、输出层的阈值、输入层的权值和输入层的阈值;其基本形式为:
其中y为腐蚀速率,xij为土壤理化参数,W为隐含层权值,D为隐含层阈值,V为输出层权值,δ为输出层阈值。
本发明实施例提供的技术方案带来的有益效果是:在管道无法进行开挖外检测以及内检测的条件下,在已知管道防腐层破损状态的条件下,结合土壤理化性质测试,确定管道防腐层破损点处的腐蚀速率,确定最危险截面和高后果区,预测管道剩余寿命,对管道开展安全评价和完整性管理有着十分重要的现实意义。
附图说明
图1为本发明实施例的土壤电阻率测量接线示意图。
图2为本发明实施例的I型失重检查片编号位置示意图。
图3为本发明实施例的实验管段规格示意图。
图4为本发明实施例的灰关联和层次分析法流程图。
附图标记为:1、土壤电阻率测试仪;2、测试电机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。当然,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
参见图1至图4,本发明提供一种埋地管道土壤腐蚀特性的评价方法,其特征在于:
S1、确定土壤腐蚀性因素;
S2、通过埋地测试素材和现场测试对相关因素进行采集;
S3、对S2测试获得的埋地试片及管段腐蚀特征进行分析,及腐蚀速率计算;
S4、通过S3获得的结果,进行土壤腐蚀性关键因素分析;
S5、结合S4得到的数据建立土壤理化性质与腐蚀速率关系模型;
S6、根据S5建立的模型对管道安全性进行评价,及管道剩余寿命进行预测。
优选为,所述S1中土壤腐蚀性因素包括:现场测试土壤电阻率、氧化还原电位和管道自然腐蚀电位,取样分析土壤pH值、土壤质地、土壤含水量、土壤含盐量和土壤Cl-含量,通过GB/T 19285对土壤腐蚀性进行土壤腐蚀性等级评价。
优选为,所述S2,埋地测试素材包括在土壤中埋设试片、不同防腐层的管段、和不同防腐层破损面积的管段;一年后取出埋设的测试素材并进行采样。
优选为,所述S3中,对S2取回的埋地测试素材进行分析,明确其腐蚀特征,包括全面腐蚀及点蚀,并计算全面腐蚀速率及点蚀速率。
优选为,所述S4中的土壤腐蚀性关键因素分析为,通过灰关联和层次分析法以土壤腐蚀性因素为变量,以全面腐蚀速率及点蚀速率为目标函数,计算不同因素对全面腐蚀速率及点蚀速率的权重,明确的对不同腐蚀特征的关键因素。
优选为,所述S5中的土壤理化性质与腐蚀速率关系模型建立为:以土壤腐蚀性关键因素为变量,以腐蚀速率为目标函数,通过BP人工神经网络建立土壤理化性质与腐蚀速率关系模型,实现对腐蚀速率的预测。
优选为,所述S6对管道腐蚀安全进行评价为,通过对待测管段进行相关腐蚀参数测量,明确该土壤环境下的管段的安全等级,并对其剩余寿命进行预测,确定检测周期,包括最小剩余壁厚评价、危险截面评价和残余强度评价。
优选为,
采用BP神经网络预测腐蚀速率的训练过程包括:
步骤一:网络初始化;
将土壤理化性质(本申请中通过灰关联和层次分析确定了土壤含水率、pH 值、含盐量、Cl-、SO4 2-含量、土壤电阻率和氧化还原电位七项指标作为土壤腐蚀关键性因素)作为神经网络的输入序列X,即自变量,将腐蚀速率作为输出序列Y,即因变量;根据自变量(土壤腐蚀性关键因素)的个数确定网络的输入节点数n=7,输出层为腐蚀速率,节点数m=1;
初始化输入层、隐含层和输出层神经元之间的连接权值ωij,ωjk,初始化隐含层阈值a,输出层阈值b,给定学习速率和神经元激励函数;
本模型中将输出层的传递函数选为pruelin,隐含层的传递函数选为 logsig,训练函数选为trainlm;
步骤二:隐含层输出计算;
根据输入向量X、输入层和隐含层间连接权值ωij以及隐含层阈值a,计算隐含层输出H;
式中:
l为隐含层节点个数,对用于模式识别/分类的BP网络,根据公式:
计算隐含层的节点数;
其中,n为输入层节点个数,m为输出层节点个数,b为1~10之间的常数;输入节点个数为7,输出节点个数为1,所以隐含层节点个数的取值范围为4~ 13,通过多次计算选取隐含层节点数11个;
步骤三;输出层输出计算;
根据隐含层输出H、连接权值ωjk和阈值b,计算网络预测腐蚀速率0:
步骤四:误差计算;
根据网络预测输出0和期望输出Y,计算网络预测误差e:
ek=Yk-Ok k=1,2,…,m
步骤五:权值更新;
根据网络预测误差e更新网络连接权值ωij、ωjk:
ωjk=ωjk+ηHjek j=1,2,…,l;k=1,2…,m
式中,η为学习速率;
步骤六:阈值更新;
根据网络预测误差e更新网络节点阈值a、b:
bk=bk+ek k=1,2,…,m
步骤七:通过训练误差和迭代次数判断算法迭代是否结束,若没有结束,返回步骤二;
若迭代结束得到输出层的权值、输出层的阈值、输入层的权值和输入层的阈值;其基本形式为:
其中y为腐蚀速率,xij为土壤理化参数,W为隐含层权值,D为隐含层阈值,V为输出层权值,δ为输出层阈值。
1、土壤腐蚀性因素测试
测试埋片/管段处的土壤电阻率、含水率、含盐量、pH、CO32-、SO42-、 HCO3-、Cl-和ORP九项指标。具体测试过程如下。
(1)土壤电阻率
通常采用等距法进行土壤电阻率测试,需要的主要工具、仪器主要有四端钮ZC-8型接地电阻测量仪1台,直径16~20mm、长0.5m的电极4根,导线(带鳄鱼夹)4根。
如图1所示,在需测土壤电阻率的位置,沿直线将4根电极棒插入土壤中,为内侧相邻两电极间距,其值与测试土壤的深度相同,且,电极入土深度应不小于;将接地电阻测量仪水平放置,检查检流计的指针是否位于中心线上,将“倍率标度”置于最大倍数,慢慢转动发电机摇把,同时旋动测量标度盘,使检流计指针指在中心线上,加快摇柄速度,使其保持在120r/min左右,并调整测量标度盘,使指针指在中心线上;如果测量标度盘的读数小于1,应将“倍率标度”置于较小的倍数,再重新调整测量标度盘,以得到正确读数;用测量标度盘的读数乘以“倍率标度”,即为所测的土壤电阻值(仪表读数);最后记录测试结果、测试时间、地点、土壤概况,整理仪器、电极棒以及工具。此时从地表至深度为的平均土壤电阻率按下式计算:
ρ=2πaR
式中:
ρ-从地表至深度土层的平均土壤电阻率,Ω·m;
a-两电极之间的距离,即管线埋深,m;
R-土壤电阻率测试仪示值,Ω。
当测试土壤深度不小于20m时应采用不等距法测试此处土壤的平均土壤电阻率。
如图1所示,在需测电阻率的位置,沿直线将4根电极棒插入土壤中,为内侧相邻两电极间距,通常情况可取5~10m,值根据测试土壤深度计算确定:
式中:h-土壤测试深度,m。
将接地电阻测量仪水平放置,检查检流计的指针是否位于中心线上;将“倍率标度”置于最大倍数,慢慢转动发电机摇把,同时旋动测量标度盘,使检流计指针指在中心线上,加快摇柄速度,使其保持在120r/min左右,并调整测量标度盘,使指针指在中心线上;如果测量标度盘的读数小于1,应将“倍率标度”置于较小的倍数,再重新调整测量标度盘,以得到正确读数;用测量标度盘的读数乘以“倍率标度”,即为所测的土壤电阻值(仪表读数);最后记录测试结果、测试时间、地点、土壤概况;整理仪器、电极棒以及工具。此时土壤深度的平均土壤电阻率按下式计算:
应当注意的是,在测试土壤电阻率前,应保证检流计的指针必须位于中心线上。在测试过程中,若检流计的灵敏度过高时,可减小电位探测针插入土壤的深度;反之,可增加电位探针和电流探针插入土壤的深度或沿探针注水使其湿润。
(2)土壤参数测试
①土壤含水率:
取干燥的小烧杯称重;放入待测土壤少许,称重;将盛有土壤的烧杯置于已预热至105±2℃的烘箱中烘烤6h取出,移入干燥器内冷却至室温(约需 20min),立即称重。计算公式如式:
式中:
W-含水量,%;
g0-干燥烧杯质量,g;
g1-烧杯及土样质量,g;
g2-烘干后烧杯及土样质量,g。
②土壤含盐量:
土壤浸出液(5∶1)制备:将待测土样烘干后磨碎,称取100g土样放入1000mL 广口塑料浸提瓶中,加入去CO2的蒸馏水500mL,用橡皮塞塞紧瓶口,在振荡机上振荡3min,立即用抽滤管(或漏斗)过滤,开始抽出的约10mL滤液弃去。如果滤液浑浊,则应重新抽滤,直到获得清亮的浸出液。浸出液存放于干净的玻璃瓶或塑料瓶中,不能久放。如果不用抽滤,也可采用离心分离,分离出的溶液必须清晰透明。
吸收土壤浸出液或水样20~50mL(根据盐分多少取样,一般应使盐分重量在0.02~0.2g之间)放在100mL已知烘干质量的瓷蒸发皿内,在水浴上蒸干,不必取下蒸发皿,用滴管沿蒸发皿四周加150g/LH2O2,使残渣湿润,继续蒸干,如此反复用H2O2处理,使有机质完全氧化为止,此时干残渣全为白色。蒸干后残渣和蒸发皿放在105~110℃烘箱中烘干1~2h,取出冷却,用分析天平称重,记下质量。将蒸发皿和残渣再次烘干0.5h,取出放在干燥器中冷却。前后两次质量之差不得大于1mg。
式中:
m0-蒸发皿质量,g;
m1-烘干残渣加蒸发皿质量,g;
m2-土壤浸出液中土壤质量,g;上述为10g。
③pH值
将离心得到的土壤溶液混合于烧杯中,用数字mV/pH计测定土壤溶液的pH。
④CO3 2-和HCO3 -
吸取两份25mL土壤浸出液,放入150mL三角瓶中。将三角瓶不断震荡,加酚酞指示剂2~3滴(每10mL加指示剂1滴),如果有红色出现,即示有碳酸根存在,用H2SO4标准溶液滴定至浅红色刚一消失即为终点,记录所用H2SO4溶液的毫升数(V1)。
溶液中再加甲基橙指示剂1~2滴,在震荡中继续用标准H2SO4溶液滴定至溶液变为橘红色为滴定终点,记录加甲基橙指示剂后所用H2SO4标准溶液的毫升数(V2)。
土壤中水溶性CO3 2-含量(g/kg)=CO3 2-含量(mmol/kg)×0.0600
土壤中水溶性HCO3 -含量(g/kg)=HCO3 -含量(mmol/kg)×0.0610
式中:
W-与吸取待测液相当的样品重,g;上述为5g;
N-H2SO4的当量浓度。
⑤SO4 2-
吸取25mL土壤浸出液于150mL三角瓶中,加HCl(1∶1)2滴,加热至沸,趁热用移液管缓缓地准确加入过量25%~100%的钡镁混合液(5~10mL),继续微沸5min,然后放置2h以上。加pH10缓冲溶液5mL摇匀,加铬黑T指示剂或K-B指示剂1小勺(约0.1g),摇匀。用EDTA标准溶液滴定由酒红变为纯蓝色。如果终点前颜色太浅,可补加一些指示剂,记录EDTA标准溶液的体积(V1)。
空白标定。取25mL水加入HCl(1∶1)2滴,钡镁混合液5或10mL(用量与上述待测液相同),pH10缓冲溶液5mL和铬黑T指示剂或K-B指示剂1小勺 (约0.1g),摇匀后,立即用EDTA标准溶液滴定由酒红变为纯蓝色,记录EDTA 标准溶液的体积(V2)。
土壤浸出液中钙镁含量的测定(如土壤中Ca2+、Mg2+已知,可免去此步骤)。吸取上述土壤浸出液相同体积,方法同上,记录EDTA标准溶液的用量(V3)。
土壤中水溶性SO4 2-含量(g/kg)=SO4 2-含量(mmol/kg)×0.0960
式中:
V1-待测液中原有Ca2+、Mg2+以及SO4 2-作用后剩余钡镁剂所消耗的 EDTA溶液的体积,mL;
V2-钡镁剂(空白标定)所消耗的EDTA溶液的体积,mL;
V3-同体积待测液中原有Ca2+、Mg2+所消耗的EDTA溶液的体积,mL;
N-EDTA标准溶液的摩尔浓度,mmol/L;
W-与吸取浸出液相当的土壤样品重,g;
0.0960-SO4 2-的摩尔质量,kg/mol。
⑥Cl-
用滴定CO3 2-和HCO3 -以后的溶液继续滴定Cl-。每5mL溶液加K2CrO4指示剂1滴,用AgNO3标准溶液滴定,滴加AgNO3时应随时搅拌或摇动,直到刚好出现棕红色沉淀不再消失为止。
土壤中水溶性Cl-含量(g/kg)=Cl-含量(mmol/kg)×0.03545
式中:
V-消耗的AgNO3标准溶液体积,mL;
N-AgNO3摩尔浓度,mol/L;
W-与吸取待测液毫升数相当的样品重,g;
0.03545-Cl-的摩尔质量,kg/mol。
⑦ORP
现场土壤的氧化还原电位通常采用去极化法测量,所需仪器包括:氧化还原电位测定仪、铂电极和SCE。
测试步骤:将铂电极插入到待测土壤中,平衡20min后,铂电极接正极,插在附近土壤中的SCE接负极,打开仪器,在毫伏档进行测定,做好记录。
注意事项:
a.土壤本身是不均匀的,测定时要重复3~5次,重复次数要根据所测定土壤的均匀情况确定。可用一支电极逐次测量不同位置,也可以同时用多支电极测定不同位置,然后求平均值。
b.新的铂电极应进行预处理。
2、埋地试片/管段腐蚀特征分析和腐蚀速率计算
根据SY/T 0029《埋地钢质检查片应用技术规范》选用I型失重检查片(厚度宜为3~5cm),并在图2中位置进行编号。
埋设前对失重检查片表面进行清洗,采用有机溶剂脱脂,再用去离子水清洗,除去不溶污物,擦干水后再放入无水乙醇中浸泡脱水5min,取出吹干,再用干净白纸包好放入干扰器内干燥24h后称重。检查片称重应精确到0.2mg,记录原始质量和编号。
①钢管在防腐前表面预处理,清除钢管表面焊渣、毛刺、油污等,除锈等级为Sa2.5级。钢管内壁喷涂环氧粉末涂层,两端封堵,在封堵上打三位数钢号,封堵喷涂环氧粉末涂层。
②防腐层规格
石油沥青防腐层(普通级)总厚度≥4mm,结构为三油三布:底漆一层,石油沥青厚≥1.5mm,玻璃布一层,石油沥青厚1.0~1.5mm,玻璃布一层,石油沥青厚1.0~1.5mm,聚氯乙烯工业膜一层。制备严格执行SY/T 0420-97《埋地钢质管道石油沥青防腐层技术标准》。
硬质聚氨酯泡沫塑料防腐保温层(普通级),结构为:防腐层-保温层-防护层。防腐层材料及厚度由设计确定,但厚度不应小于80μm;保温层厚度应采用经济厚度计算法确定,但不应小于25mm;防护层厚度应根据管径及施工工艺确定,但不应小于25mm。制备严格执行SY/T 4015-1996《埋地钢质管道硬质聚氨酯泡沫塑料防腐保温层技术标准》。
3LPE防腐层(普通级),总厚度≥2.0mm,环氧粉末涂层≥120μm,胶粘剂层≥170μm。制备严格执行GB/T 23257-2009《埋地钢质管道聚乙烯防腐层》。
③破损点要求
每种防腐层制备一条3个不同破损点规格的管道,破损点中心处于水平放置管道的同一水平线上。破损点间距以及距管道两端距离分别为100mm,破损点直接暴露至管道基体。
试片和管段埋设时间不小于1年。
将从现场取回的腐蚀挂片在实验室内用铲子将挂片四周和表面坚实且高低不平的腐蚀产物去除。表面坚硬物去除后,采用除锈液(500mL盐酸+500mL去离子水+3.5g六次甲基四胺)将余下的腐蚀产物去除。除净腐蚀产物后,拍摄实物照片,并记录挂片表面的腐蚀形貌。
去除腐蚀产物后,将挂片清洗、干燥24h后称重,按照下述公式计算全面腐蚀速率。
式中:
V1-试片钢的腐蚀速率,g/(cm2·h);
V2-试片钢的腐蚀速率,mm/a;
ΔG-试片钢实验前后的质量差,g;
S-试片钢表面积,cm2;
t-腐蚀实验时间,h;
ρ-试片钢材质密度,g/cm3;
C-换算系数,为8.76×104。
将管段上的防腐层清除干净后清洗破损点处的腐蚀产物,采用凹坑测试仪和三维共聚焦显微镜确定试片和管段破损点处的最大腐蚀坑深和蚀坑分布,并采用游标卡尺对最大坑深的轴向长度和环向长度进行测试,记录数据并计算点蚀速率。
3、土壤腐蚀性关键因素分析;
本方法通过灰关联和层次分析法以土壤腐蚀性因素为变量,以全面腐蚀速率和点蚀速率为目标函数,确定土壤腐蚀性关键因素和权重。
(1)灰关联
灰色关联分析方法是指在一个发展变化的系统中,各种因素关联不清影响不明,通过因素之间发展态势的相似程度,即根据几何曲线的相似程度来衡量因素间关联程度的方法。埋地管道沿线土壤腐蚀体系可以被看成是一个外延明确,内涵不明确的灰色系统,即体系的腐蚀程度和结果是明确的,而各腐蚀因素与腐蚀结果的关系以及各腐蚀因素间的影响关系是不明确的或没有明确的映射关系。对于这种灰色系统,不能使用传统的方法进行处理分析,可采用灰色关联分析法来对其进行分析和讨论。用关联度的思路来分析和判断引起埋地管道沿线土壤腐蚀的主要因素及其影响大小,量化了土壤腐蚀速率与各腐蚀影响因素之间的联系紧密度,为进一步深入研究埋地管道沿线土壤腐蚀与防腐措施提供科学依据。
其具体的实施步骤如下:
①找出展现系统行为特性的参考量和对其影响的比较量
采用灰色关联分析法对某系统进行分析时,首先要找准描述该系统行为特征的数据序列。一般将反映系统主要行为特征的数据序列作为参考量,而将对主要行为具有一定影响的各序列作为比较量。对于埋地管道土壤腐蚀体系而言,应该选取腐蚀速率作为腐蚀系统行为特征的参考量。选取对系统腐蚀具有一定影响的各腐蚀因素作为比较量。
②将参考量和比较量整理成无量纲的量
各腐蚀因素由于物理意义和数据量纲上的差异,测得的数值可能相差较大,如果直接对这些测得的原始数据进行分析计算,可能夸大或缩小某个或某些因素所起的作用。因此,必须对所有已测的原始数据进行无量纲化处理,即将序列转化为无单位的相对数值。常用的无量纲化处理的方法有初值化、均值化处理法。均值化在数据数量级相差较大的情况下比较常用。本项目采用的方法是均值化处理,即数列中的数均除以相应的平均值,计算公式为:
式中Y0为参考量的均值化数列,X0(j)为参考量即腐蚀速度序列。
式中Yi为各个比较量的均值化数列,Xi(j)为比较量值即各理化性质值。
③计算参考量与比较量的灰色关联系数ξi(j)
实际上,曲线之间几何形状的差异程度就可以表示关联程度,所以关联程度可以用曲线间差值的大小来表示。对于一个参考量X0有若干个比较量X1,X2,..., Xn,各比较量与参考量在各个数据点的关联系数ξi(j)可以用下列公式算出:其中ρ为分辨系数,ρ>0,通常取0.5。计算公式为:
④计算关联度ri
由于关联系数就是比较量和参考量在各个数据点的关联程度的大小,因此它的值就可能不是唯一的,因此为了方便进行比较则需要计算各数据点的关联系数的平均值,此时其值就可变成唯一的,这个平均值就可以视为比较量与参考量间关联程度的大小值,关联度ri公式如式:
⑤将关联度进行大小排序
将关联度的值按照大小排列起来,子母序列的优劣关系就可以通过其大小反映出来,各个因素对土壤腐蚀的影响力与其关联度ri大小成正比。
(2)层次分析法
层次分析法通过明确问题,建立层次分析结构模型,构造判断矩阵,层次单排序和层次总排序五个步骤计算各层次构成要素对于总目标的组合权重,从而得出不同可行方案的综合评价值,为选择最优方案提供依据。
层次分析法是一种分析多个目标系统,并将其分解为含有多个指标的若干不同层次,将层次总的排序和权数作为多指标优化决策的方法,其中总排序和权数是根据模糊量化定性的指标得出。其具体的用法是首先构造出判断矩阵,然后求出其最大特征值以及其对应的特征向量,并进行归一化处理,即而得出某一个层次的指标对于上一层次某个相关的指标相对重要的权值。其具体分析的步骤如下:
①构造对比矩阵
从层次结构模型的第2层起,通过成对比较法和1-9比较尺度构造出影响上一层次每个因素的同一层次诸因素的对比矩阵,直致最后一层。根据灰关联得到的不同因素的关联度大小,一个因素比另一个因素重要则为2,两个因素同等重要则为1,一个因素没有另一个因素重要则为0。根据上述原理建立的矩阵见后面程序中矩阵A。
②构造判断矩阵
判断矩阵中元素的计算公式如式:
其中ri为对比矩阵每行的和,km为ri的最大值(rmax)和最小值(rmin)的比值。
③构造传递矩阵和最优传递矩阵
传递矩阵中元素的计算公式为:
cij=lgbij
最优传递矩阵中元素的计算公式为:
④构造拟优一致矩阵
拟优一致矩阵中元素的计算公式为:
⑤计算特征向量
计算拟优一致矩阵每一行元素的乘积Mi,计算公式为:
4、土壤理化性质与腐蚀速率关系模型建立
通过人工神经网络方法建立土壤理化性质与全面腐蚀速率、点蚀速率的关系模型,预测全面腐蚀速率、点蚀速率。
人工神经网络对于信息的处理具有自组织、自学习的特点,便于联想、综合和推广。神经网络的神经元之间的连接强度用权值大小来表达,这种权值可以通过对训练样本的学习不断变化,而且随着训练样本量的增加和反复学习,这些神经元之间的连接强度会不断增加,从而提高神经元对这些样本特征的反映灵敏度。误差反传网络模型(BackPropa-gatinNN)是一种单向传播的多层前向络,应用较普遍。土壤腐蚀的数据繁多,通常需要采用复杂的数据处理方法。人工神经网络数据处理方法在处理这种复杂相互作用模型时具有独特的优越性,主要特点是不考虑模型变量间的内在作用规律,通过对一定数量测试数据的学习和训练,可以按照提供数据形式的规律输出各种土壤腐蚀组合参数状态下的钢材腐蚀速率。
BP(Back Propagation)神经网络是前馈的多层神经网络,它是依照误差向逆向传播的算法进行网络训练的,它使用最速下降法进行网络学习,并且根据反向传播改变并调整神经网络的阈值和权值,使得其误差的平方和取得最小值。该网络的模型结构包含三个网络层,依次是输入层(input)、隐含层(hide layer)和输出层(output layer)。本文使用BP神经网络进行腐蚀速率的预测,原因主要是该网络的预测效果较好,而且比较适用于对数据量较大的问题进行处理。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种埋地管道土壤腐蚀特性的评价方法,其特征在于:
S1、确定土壤腐蚀性因素;
S2、通过埋地测试素材和现场测试对相关因素进行采集;
S3、对S2测试获得的埋地试片及管段腐蚀特征进行分析,及腐蚀速率计算;
S4、通过S3获得的结果,进行土壤腐蚀性关键因素分析;
S5、结合S4得到的数据建立土壤理化性质与腐蚀速率关系模型;
S6、根据S5建立的模型对管道安全性进行评价,及管道剩余寿命进行预测;
其中,所述S1中土壤腐蚀性因素包括:现场测试土壤电阻率、氧化还原电位和管道自然腐蚀电位,取样分析土壤pH值、土壤质地、土壤含水量、土壤含盐量和土壤Cl-含量,通过GB/T 19285对土壤腐蚀性进行土壤腐蚀性等级评价;
所述S2,埋地测试素材包括在土壤中埋设试片、不同防腐层的管段、和不同防腐层破损面积的管段;一年后取出埋设的测试素材并进行采样;
所述S3中,对S2取回的埋地测试素材进行分析,明确其腐蚀特征,包括全面腐蚀及点蚀,并计算全面腐蚀速率及点蚀速率;
所述S4中的土壤腐蚀性关键因素分析为,通过灰关联和层次分析法以土壤腐蚀性因素为变量,以全面腐蚀速率及点蚀速率为目标函数,计算不同因素对全面腐蚀速率及点蚀速率的权重,明确对不同腐蚀特征的关键因素;
所述S5中的土壤理化性质与腐蚀速率关系模型建立为:以土壤腐蚀性关键因素为变量,以腐蚀速率为目标函数,通过BP人工神经网络建立土壤理化性质与腐蚀速率关系模型,实现对腐蚀速率的预测。
2.根据权利要求1所述的方法,其特征在于:所述S6对管道腐蚀安全进行评价为,通过对待测管段进行相关腐蚀参数测量,明确该土壤环境下的管段的安全等级,并对其剩余寿命进行预测,确定检测周期,包括最小剩余壁厚评价、危险截面评价和残余强度评价。
3.根据权利要求1所述的方法,其特征在于:
采用BP神经网络预测腐蚀速率的训练过程包括:
步骤一:网络初始化;
将土壤理化性质作为神经网络的输入序列X,即自变量,将腐蚀速率作为输出序列Y,即因变量;根据自变量的个数确定网络的输入节点数n,输出层为腐蚀速率,节点数m;
初始化输入层、隐含层和输出层神经元之间的连接权值ωij,ωjk,初始化隐含层阈值a,输出层阈值b,给定学习速率和神经元激励函数;
将输出层的传递函数选为pruelin,隐含层的传递函数选为logsig,训练函数选为trainlm;
步骤二:隐含层输出计算;
根据输入向量X、输入层和隐含层间连接权值ωij以及隐含层阈值a,计算隐含层输出H;
式中:
l为隐含层节点个数,对用于模式识别/分类的BP网络,根据公式:
计算隐含层的节点数;
其中,n为输入层节点个数,m为输出层节点个数,b为1~10之间的常数;
步骤三:输出层输出计算;
根据隐含层输出H、连接权值ωjk和阈值b,计算网络预测腐蚀速率O:
步骤四:误差计算;
根据网络预测输出O和期望输出Y,计算网络预测误差e:
ek=Yk-Ok k=1,2,…,m
步骤五:权值更新;
根据网络预测误差e更新网络连接权值ωij、ωjk:
式中,η为学习速率;
步骤六:阈值更新;
根据网络预测误差e更新网络节点阈值a、b:
bk=bk+ek k=1,2,…,m
步骤七:通过训练误差和迭代次数判断算法迭代是否结束,若没有结束,返回步骤二;
若迭代结束得到输出层的权值、输出层的阈值、输入层的权值和输入层的阈值;其基本形式为:
其中y为腐蚀速率,xij为土壤理化参数,W为隐含层权值,D为隐含层阈值,V为输出层权值,δ为输出层阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810353652.1A CN110389209B (zh) | 2018-04-19 | 2018-04-19 | 一种埋地管道土壤腐蚀特性的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810353652.1A CN110389209B (zh) | 2018-04-19 | 2018-04-19 | 一种埋地管道土壤腐蚀特性的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110389209A CN110389209A (zh) | 2019-10-29 |
CN110389209B true CN110389209B (zh) | 2022-03-22 |
Family
ID=68283392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810353652.1A Active CN110389209B (zh) | 2018-04-19 | 2018-04-19 | 一种埋地管道土壤腐蚀特性的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110389209B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341396A (zh) * | 2020-04-15 | 2020-06-26 | 国网浙江省电力有限公司电力科学研究院 | 一种大气环境对材料腐蚀安全评估方法及系统 |
CN112883538B (zh) * | 2020-12-29 | 2022-07-22 | 浙江中控技术股份有限公司 | 一种埋地原油管道的腐蚀预测系统及方法 |
CN113588529A (zh) * | 2021-07-14 | 2021-11-02 | 银邦金属复合材料股份有限公司 | 一种测量铝合金复合箔的方法 |
CN114854309B (zh) * | 2021-08-20 | 2023-06-13 | 广东省水利水电第三工程局有限公司 | 一种管道防腐材料 |
CN114492980B (zh) * | 2022-01-21 | 2022-09-02 | 中特检深燃安全技术服务(深圳)有限公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
CN115099151B (zh) * | 2022-07-01 | 2024-06-11 | 西南石油大学 | 基于gwo-bp修正机理模型的管道腐蚀速率预测方法 |
CN116381187B (zh) * | 2023-02-15 | 2023-11-07 | 国传(山东)科技发展有限公司 | 一种基于5g网络远程控制的土壤酸度实时监测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504404A (zh) * | 2009-03-03 | 2009-08-12 | 广东电网公司佛山供电局 | 广东地区变电站接地网土壤腐蚀性评估方法 |
WO2013169241A1 (en) * | 2012-05-09 | 2013-11-14 | Bp Corporation North America Inc. | Predictive corrosion coupons from data mining |
CN103499680A (zh) * | 2013-09-27 | 2014-01-08 | 国家电网公司 | 一种变电站接地网土壤腐蚀性评价方法 |
CN104007243A (zh) * | 2014-01-13 | 2014-08-27 | 上海市长宁区卫生局卫生监督所 | 应用反向传播神经网络模型评价游泳池水质的方法 |
CN104063588A (zh) * | 2014-06-12 | 2014-09-24 | 东北大学 | 基于多源数据融合的管道腐蚀缺陷尺寸的预测系统及方法 |
CN104299032A (zh) * | 2014-08-25 | 2015-01-21 | 国家电网公司 | 一种预测变电站接地网土壤腐蚀速率的方法 |
CN105719025A (zh) * | 2016-01-26 | 2016-06-29 | 华北电力大学(保定) | 变电站q235镀锌钢接地网的腐蚀率预测方法 |
CN106383315A (zh) * | 2016-08-29 | 2017-02-08 | 丹阳亿豪电子科技有限公司 | 一种新能源汽车电池荷电状态soc预测方法 |
CN104122196B (zh) * | 2014-07-15 | 2017-06-20 | 北京工业大学 | 应力条件下油气管道用高强钢直流杂散电流腐蚀评价方法 |
CN109284876A (zh) * | 2018-11-19 | 2019-01-29 | 福州大学 | 基于pca-rbf埋地管道腐蚀速率预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915728A (zh) * | 2010-07-27 | 2010-12-15 | 沈阳建筑大学 | 埋地金属给水管道剩余寿命预测的测试方法 |
-
2018
- 2018-04-19 CN CN201810353652.1A patent/CN110389209B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504404A (zh) * | 2009-03-03 | 2009-08-12 | 广东电网公司佛山供电局 | 广东地区变电站接地网土壤腐蚀性评估方法 |
WO2013169241A1 (en) * | 2012-05-09 | 2013-11-14 | Bp Corporation North America Inc. | Predictive corrosion coupons from data mining |
CN103499680A (zh) * | 2013-09-27 | 2014-01-08 | 国家电网公司 | 一种变电站接地网土壤腐蚀性评价方法 |
CN104007243A (zh) * | 2014-01-13 | 2014-08-27 | 上海市长宁区卫生局卫生监督所 | 应用反向传播神经网络模型评价游泳池水质的方法 |
CN104063588A (zh) * | 2014-06-12 | 2014-09-24 | 东北大学 | 基于多源数据融合的管道腐蚀缺陷尺寸的预测系统及方法 |
CN104122196B (zh) * | 2014-07-15 | 2017-06-20 | 北京工业大学 | 应力条件下油气管道用高强钢直流杂散电流腐蚀评价方法 |
CN104299032A (zh) * | 2014-08-25 | 2015-01-21 | 国家电网公司 | 一种预测变电站接地网土壤腐蚀速率的方法 |
CN105719025A (zh) * | 2016-01-26 | 2016-06-29 | 华北电力大学(保定) | 变电站q235镀锌钢接地网的腐蚀率预测方法 |
CN106383315A (zh) * | 2016-08-29 | 2017-02-08 | 丹阳亿豪电子科技有限公司 | 一种新能源汽车电池荷电状态soc预测方法 |
CN109284876A (zh) * | 2018-11-19 | 2019-01-29 | 福州大学 | 基于pca-rbf埋地管道腐蚀速率预测方法 |
Non-Patent Citations (3)
Title |
---|
基于BP 神经网络的川气东送管道土壤腐蚀预测;伍欣 等;《管道技术与设备》;20150131;第7-9页引言、1 神经网络预测模型的构建 * |
基于人工神经网络的城市燃气管道的土壤腐蚀性评价研究;黄蓉;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20090612;第12-13页,章节1.3本文主要研究工作及章节安排,第18-20页,章节2.2 BP神经网络概述 * |
改进层次分析法和模糊灰色理论的管道土壤腐蚀评价;李佩 等;《油气储运》;20060430;第27页摘要、第29-31页 章节3 模糊综合评价模型 章节5实例分析 * |
Also Published As
Publication number | Publication date |
---|---|
CN110389209A (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389209B (zh) | 一种埋地管道土壤腐蚀特性的评价方法 | |
Kim et al. | Global and local parameters for characterizing and modeling external corrosion in underground coated steel pipelines: A review of critical factors | |
Gaillard et al. | Quality control of large Argo datasets | |
AU2005231176B2 (en) | Quantitative transient analysis of localized corrosion | |
Trentin et al. | Electrochemical characterization of polymeric coatings for corrosion protection: A review of advances and perspectives | |
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 | |
CN103870670B (zh) | 一种油管腐蚀程度预测方法及装置 | |
Callard et al. | Suitability of salt-marsh foraminifera as proxy indicators of sea level in Tasmania | |
CN109460631B (zh) | 一种海底混输管道腐蚀速率预测方法 | |
CN104406904B (zh) | 一种预测混凝土硫酸盐侵蚀深度的方法 | |
Strutton et al. | Phytoplankton patchiness: quantifying the biological contribution using Fast Repetition Rate Fluorometry | |
Tajima et al. | Ellipse-approximated Isopach Maps for Estimating Ashfall Volume at Sakurajima Volcano (< Special Section> Sakurajima Special Issue) | |
Castaneda et al. | Detecting external failures in coated, buried pipelines: Theoretical model and experimental verification | |
CN105929011B (zh) | 一种不锈钢晶间腐蚀的点蚀检测方法 | |
CN116913416A (zh) | 海蚀崖岩石风化程度定量评价及预测方法及装置 | |
CN116912672A (zh) | 一种基于无人测量船的大型底栖无脊椎动物生物完整性评价方法 | |
CN204255818U (zh) | 用于混凝土表面初始开裂信息采集与识别的试验系统 | |
CN113553784B (zh) | 一种海水全浸环境下有机涂层寿命评估方法 | |
Xu et al. | Can annual cyclicity of protozoan communities reflect water quality status in coastal ecosystems? | |
CN109323891A (zh) | 一种估算湖泊真光层深度的方法 | |
CN101782491A (zh) | 一种预测金属材料土壤腐蚀速率的方法 | |
CN112581038A (zh) | 一种红树林湿地的健康状况的评估方法 | |
CN103674826B (zh) | 恒拉力条件下的周期轮浸腐蚀试验方法及其设备 | |
CN109238767B (zh) | 沿海地区铁塔基础结构钢筋锈蚀无损诊断方法 | |
Yang | Effect of Voltage between Electrodes of a Coupled Multielectrode Array Sensor on Corrosion Rate Monitoring |
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 |