CN111898788A - 一种涂层使用寿命预测方法及装置 - Google Patents
一种涂层使用寿命预测方法及装置 Download PDFInfo
- Publication number
- CN111898788A CN111898788A CN202010467315.2A CN202010467315A CN111898788A CN 111898788 A CN111898788 A CN 111898788A CN 202010467315 A CN202010467315 A CN 202010467315A CN 111898788 A CN111898788 A CN 111898788A
- Authority
- CN
- China
- Prior art keywords
- coating
- performance data
- coating sample
- service life
- sample
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种涂层使用寿命预测方法及装置,包括以下步骤;S1、获取涂层试样的性能数据;S2、基于获取的性能数据,进行整齐划一处理;并获取得到优化后的预测模型;S3、获取所需要预测使用寿命涂层的性能数据,基于优化后的预测模型输出预测使用寿命结果。本发明通过对图层试样性能数据进行整齐划一处理,经过整齐划一处理,将各个数据量化到统一的单位上来,即将所有表示性能数据的数据值化为同一级别而不考虑其单位存在,然后根据整齐划一处理后的数据优化预测模型,使预测寿命更加准确。
Description
技术领域
本发明涉及实验检测技术领域,具体为一种涂层使用寿命预测方法及装置。
背景技术
涂层质量的高低是由其性能反映出来,涂层质量好,服役年限较长。但涂层的服役年限与其性能相关,例如涂层的抗磨损能力、抗腐蚀能力和抗热震性能等。在材料性能方面,材料的各个性能数据的单位表示可能不一样,性能数据值的大小反应该性能优异情况也有较大的区别,例如涂层的抗磨损能力用磨损重量表示、抗腐蚀能力用腐蚀增重克数表示,以及涂层的抗热震性。涂层的磨损失重克数越低,涂层的耐磨损性就越好;涂层的腐蚀增重克数越低,抗腐蚀性能越好,涂层经过多次加热激冷循环次数才会出现涂层从基体表面脱落,抗热震能力就越好。
目前,应用较为广泛的有机涂层评价方法主要有GB1766-2008《色漆和清漆涂层老化的评级方法》,该方法给出了涂层失光、变色、粉化、泛金、斑点、沾污、开裂、起泡、长霉、剥落、生锈等11个老化单项等级,并基于单项等级评定漆膜老化的综合等级,分为0、1、2、3、4、5六个等级,对应代表漆膜耐老化性能的优、良、中、可、差、劣,通过对涂层划分的六个等级可以预测涂层的使用寿命。上述技术存在的缺陷如下:通过不同高低的数据来表示性能的优异,而不同数据单位不同,数据差别较大,反应该性能的优异情况亦有较大的差别,并不能够准确的预测涂层的使用寿命。
又如申请号为“CN201810220115.X”的发明专利申请公开了一种涂层防护性能综合评价方法,步骤包括根据涂层应用场合选定评价指标,将选定的评价指标实测值转化为指标评价值,采用主观赋权法和客观赋权法“加法”集成计算每个评价指标的综合权重值,根据综合权重值和涂层防护性能综合等级评定标准给出涂层防护性能评价结论。但是该专利方案并不能够准确的预测不同图层的使用寿命。
发明内容
本发明所要解决的技术问题在于提供一种涂层使用寿命预测方法及装置,以解决不同数据单位不同、差别较大导致预测结果准确性低。
本发明通过以下技术手段实现解决上述技术问题的:
一种涂层使用寿命预测方法,包括以下步骤;
S1、获取涂层试样的性能数据;
S11、获取涂层试样的热震性能数据;
S12、获取涂层试样的热腐蚀性能数据;
S13、获取涂层试样的热磨损性能数据;
S2、基于获取的性能数据,进行整齐划一处理;并获取得到优化后的预测模型;
S3、获取所需要预测使用寿命涂层的性能数据,基于优化后的预测模型输出预测使用寿命结果。
通过对图层试样性能数据进行整齐划一处理,经过整齐划一处理,将各个数据量化到统一的单位上来,即将所有表示性能数据的数据值化为同一级别而不考虑其单位存在,然后根据整齐划一处理后的数据优化预测模型,使预测寿命更加准确。
作为本发明进一步的方案:所述步骤S11包括;
将涂层试样暴露在已经加热到指定温度700-800℃的炉子中保温10-15分钟,然后再将其放入常温水中冷却至室温;接着进行干燥后,再次暴露在相同温度的炉子中保温相同时间;反复实验若干次,观察涂层的变化并统计下来得到热震性能数据。
作为本发明进一步的方案:所述步骤S11包括;将涂层试样暴露在已经加热到指定温度800℃的炉子中保温15分钟,然后再将其放入常温水中冷却至室温;接着进行干燥后,再次暴露在相同温度的炉子中保温相同时间;反复实验若干次,观察涂层的变化并统计下来得到热震性能数据。
作为本发明进一步的方案:所述步骤S12包括;
C、凃盐,将Na2SO4、K2SO4的饱和水溶液均匀涂刷于涂层试样表面上;
D、干燥,将涂层试样放在干燥箱中进行干燥;
E、称重;干燥完后取出,放在天平上进行称重并记录;
F、保温,将称重过的涂层试样置于650--700℃的箱式电阻炉内,保温6-7小时后取出,室温冷却后再称重:
G、重新返回步骤C-步骤F,如此循环进行实验若干次,最后取其单位表面积腐蚀增重的平均值来作为衡量涂层耐腐蚀能力大小的标准,得到热腐蚀性能数据。
作为本发明进一步的方案:所述步骤S13包括;涂层试样进行磨损实验。
作为本发明进一步的方案:所述涂层试样包括铁铬镍涂层试样、镍铬涂层试样、金粉涂层试样。
作为本发明进一步的方案:所述步骤S2包括,利用整齐划一公式(1)获取整齐划一后的性能数据,
Zi=(X-Xbar)/S (1)
其中,Zi为整齐划一处理后的性能数据,X为原始性能数据;Xbar为原始性能数据的平均值;S为原始性能数据的标准差,分别求出:
铁铬镍涂层试样的Z1(热震)、Z2(热腐蚀)、Z3(磨损);
镍铬涂层试样的Z1(热震)、Z2(热腐蚀)、Z3(磨损);
金粉涂层试样Z1(热震)、Z2(热腐蚀)、Z3(磨损);
并输入预测模型中,预测模型的公式为:
Zy=A1z1+A2z2+A3z3+...Akzk+X (2);得到
优化后的预测模型;公式如下
Zy=0.0012Z1-0.6146 Z2-0.01470 Z3+2.1669 (3)。
作为本发明进一步的方案:所述步骤C中,Na2SO4、K2SO4的摩尔比为7:3。
作为本发明进一步的方案:所述步骤E中,所述天平为电子天平,精度为0.1mg。
作为本发明进一步的方案:所述步骤F中,所述箱式电阻炉内的温度为650℃,保温时间为6小时。
基于所述的一种涂层使用寿命预测方法的预测装置,其特征在于:包括;
第一获取模块,用于获取涂层试样的性能数据;还包括;获取涂层试样的热震性能数据、获取涂层试样的热腐蚀性能数据、获取涂层试样的热磨损性能数据;
第二获取模块,基于获取的性能数据,进行整齐划一处理;并获取得到优化后的预测模型;
预测模块,用于获取所需要预测使用寿命涂层的性能数据,基于优化后的预测模型输出预测使用寿命结果。
本发明的优点在于:
1、本发明通过对图层试样性能数据进行整齐划一处理,经过整齐划一处理,将各个数据量化到统一的单位上来,即将所有表示性能数据的数据值化为同一级别而不考虑其单位存在,然后根据整齐划一处理后的数据优化预测模型,利用该模型进行预测使用寿命,这样预测结果更加准确。
2、本发明通过获取铁铬镍涂层试样、镍铬涂层试样、金粉涂层试样整齐划一后的性能数据,并对预测模型进行优化处理,得到优化后的预测模型的使用寿命与实际使用寿命相差无几,预测结果准确。
3、本发明不仅能够预测不同图层的最低使用寿命,还能够预测不同图层的最长使用寿命。
附图说明
图1为本发明中实施例1提供的一种涂层使用寿命预测方法的流程方框示意图;
图2为本发明中实施例2提供的一种涂层使用寿命预测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
为了更方便的理解本发明,首先对涂层质量进行介绍,通常来说,涂层质量好,服役年限较长。
在涂层的材料性能方面,材料的各个性能数据的单位表示可能不一样,性能数据值的大小反应该性能优异情况也有较大的区别,例如涂层的抗磨损能力用磨损重量表示、抗腐蚀能力用腐蚀增重克数以及涂层的抗热震性表示,所以本实施例中仅以磨损重量、腐蚀重克数以及抗热震性三个角度来评价涂层的使用寿命。
同时涂层的磨损失重克数越低,涂层的耐磨损性就越好;涂层的腐蚀增重克数越低,抗腐蚀性能越好,涂层经过多次加热激冷循环次数才会出现涂层从基体表面脱落,抗热震能力就越好。
同时需要强调的是,本实施例主要是针对发电机厂的涂层使用寿命进行预测,当然并不限于对发电机厂的涂层使用寿命进行预测。
如图1所示,图1为本发明中实施例1提供的一种涂层使用寿命预测方法的流程方框示意图,一种涂层使用寿命预测方法,包括以下步骤;
S1、获取涂层的性能数据,
S11、获取涂层的热震性能数据;
进行热震实验,热震实验是通过观察涂层试样经受多次温度剧变化后的损伤程度来比较各涂层抗热震性能的强弱。
A、将铁铬镍涂层试样暴露在已经加热到指定温度700-800℃的炉子中保温10-15分钟,优选为800℃以及保温15分钟,然后再将其放入常温水中冷却至室温;接着进行干燥后,再次暴露在相同温度的炉子中保温相同时间;反复实验若干次,优选为八次观察涂层的变化并统计下来;
B、将镍铬涂层试样、金粉(即金属陶瓷粉末)涂层试样进行热震实验,热震实验操作步骤与步骤A相同,进行统计,得到的数据如表1;
表1
需要说明的是,Xbar是平均数,即原始性能数据X的平均值,X-Xbar是用X减去Xbar而得到的差值,该步骤优选温度为800℃、保温时间为15分钟,是根据实际发电厂的热震实验数据进行选择的,当然实际实验时候上并不限定为800℃、保温15分钟。
S12、获取涂层的热腐蚀性能数据;
通过热腐蚀实验获取涂层的热腐蚀数据,具体步骤如下
C、凃盐,将摩尔比为7:3的Na2SO4、K2SO4的饱和水溶液均匀涂刷于涂层试样表面上;即为涂层试样表面涂抹上盐层,该盐层的成分是参考了炉管向火侧表面沉积的熔融盐膜来配置的,涂盐量为2~3mg/cm2,优选为2.5mg/cm2;
D、干燥,将涂盐后的涂层试样放在干燥箱中进行干燥;
E、称重;干燥完后取出,放在精度为0.1mg的电子天平上进行称重并记录;
F、保温,最后将处理完后并称重过的涂层试样置于650--700℃的箱式电阻炉内,优选为650℃,保温6-7小时后取出,优选为6小时,室温冷却后称重:
G、重新进行涂盐、烘干、称重、保温,再如此循环进行实验若干次。
需要说明的是,所述涂层试样包括了铁铬镍涂层试样、镍铬涂层试样、金粉涂层试样,最后取其单位表面积腐蚀增重的平均值来作为衡量涂层耐腐蚀能力大小的标准,得到的性能数据如下:
表2
S13、获取涂层的热磨损性能数据;
对涂层试样进行磨损实验,通过使用材料为Cr12MOV制成的摩擦副在温度为7000-800℃、所加载荷为260-300N、磨损实验机转速为180-200r/min、磨损时间为0.8-1h的条件下对涂层进行磨损实验;优选为800℃、300N、200200r/min、1h条件下进行;所述涂层试样包括了铁铬镍涂层试样、镍铬涂层试样、金粉涂层试样,得到的磨损失重数据如下:
表3
S2、基于获取的性能数据;获取预测模型;
利用整齐划一公式(1)对图层试样性能数据进行处理,得到整齐划一后的性能数据,即获取铁铬镍涂层试样、镍铬涂层试样、金粉涂层试样整齐划一后的性能数据;经过整齐划一处理,将各个数据量化到统一的单位上来,即将所有表示性能数据的数据值化为同一级别而不考虑其单位存在,这样能够保证预测结果的准确性。
整齐划一公式(1)如下:
Zi=(X-Xbar)/S (1)
其中,Zi为整齐划一处理后的性能数据,X为原始性能数据;Xbar为原始性能数据的平均值;S为原始性能数据的标准差;分别将表1、表2和表3的数据代入公式(1),求出;
表4
同时经过实际调研,铁铬镍涂层的使用寿命为1.5-3年,镍铬涂层的使用寿命为3-5年,为能够准确预测各涂层最低使用寿命,所以本实施例中取将涂层使用最短服役时间计算,即Zy铁铬镍=1.5;Zy铬镍=3,Zy金粉=2,
分别代入预测模型中,预测模型的公式如下:
Zy=A1z1+A2z2+A3z3+...Akzk+X (2);
其中,Zy表示涂层的使用寿命,Ai为常数,其中i为1≤i≤k的正整数,Zi为整齐划一后的性能数据,X为调整数据,
利用MATlab软件进行计算,得到优化后的预测模型,优化后的预测模型公式如下:
Zy=0.0012Z1-0.6146 Z2-0.01470 Z3+2.1669 (3)。
实验验证:
同时为了验证公式(3)预测结果的准确性,以铁铬镍、镍铬、金粉的性能数据值作为基准,对自研涂层(即铁铬镍硼硅涂层)的使用寿命进行预测;首先得到自研涂层整齐划一的性能参数,如表5:
分类 | Z<sub>1</sub>(热震) | Z<sub>2</sub>(热腐蚀) | Z<sub>3</sub>(磨损) |
自研涂层 | 0 | -0.9417 | -1.141 |
表5
将表5的数据输入公式(3)中,得到Zy=2.882,即自研涂层的使用寿命至少在2.882年以上,而通过实际调研,自研涂层的使用寿命为2.9以上(2.9-3.5年之间),所以该预测结果是准确的。
同理,如果是想要预测涂层的最长使用寿命,可以将Zy铁铬镍、Zy铬镍、Zy金粉分别取实际寿命的最大值代入公式(2),此时得到的预测模型即可预测其他涂层的最长使用寿命。
S3、获取所需要预测使用寿命涂层的性能数据,基于该模型输出预测使用寿命结果。
实施例二
如图2,图2为本发明中实施例2提供的一种涂层使用寿命预测装置的结构示意图,包括第一获取模块,用于获取涂层试样的性能数据;还包括;获取涂层试样的热震性能数据、获取涂层试样的热腐蚀性能数据、获取涂层试样的热磨损性能数据;
第二获取模块,基于获取的性能数据,进行整齐划一处理;并获取得到优化后的预测模型;
预测模块,用于获取所需要预测使用寿命涂层的性能数据,基于优化后的预测模型输出预测使用寿命结果。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种涂层使用寿命预测方法,其特征在于,包括以下步骤:
S1、获取涂层试样的性能数据;
S11、获取涂层试样的热震性能数据;
S12、获取涂层试样的热腐蚀性能数据;
S13、获取涂层试样的热磨损性能数据;
S2、基于获取的性能数据,进行整齐划一处理;并获取得到优化后的预测模型;
S3、获取所需要预测使用寿命涂层的性能数据,基于优化后的预测模型输出预测使用寿命结果。
2.根据权利要求1所述的涂层使用寿命预测方,其特征在于:所述步骤S11包括;
将涂层试样暴露在已经加热到指定温度700-800℃的炉子中保温10-15分钟,然后再将其放入常温水中冷却至室温;接着进行干燥后,再次暴露在相同温度的炉子中保温相同时间;反复实验若干次,观察涂层的变化并统计下来得到热震性能数据。
3.根据权利要求1所述的涂层使用寿命预测方法,其特征在于:所述步骤S11包括;将涂层试样暴露在已经加热到指定温度800℃的炉子中保温15分钟,然后再将其放入常温水中冷却至室温;接着进行干燥后,再次暴露在相同温度的炉子中保温相同时间;反复实验若干次,观察涂层的变化并统计下来得到热震性能数据。
4.根据权利要求1所述的涂层使用寿命预测方法,其特征在于:所述步骤S12包括;
C、凃盐,将Na2SO4、K2SO4的饱和水溶液均匀涂刷于涂层试样表面上;
D、干燥,将涂层试样放在干燥箱中进行干燥;
E、称重;干燥完后取出,放在天平上进行称重并记录;
F、保温,将称重过的涂层试样置于650--700℃的箱式电阻炉内,保温6-7小时后取出,室温冷却后再称重:
G、重新返回步骤C-步骤F,如此循环进行实验若干次,最后取其单位表面积腐蚀增重的平均值来作为衡量涂层耐腐蚀能力大小的标准,得到热腐蚀性能数据。
5.根据权利要求1所述的涂层使用寿命预测方法,其特征在于:所述步骤S13包括;涂层试样进行磨损实验。
6.根据权利要求1所述的涂层使用寿命预测方法,其特征在于:所述涂层试样包括铁铬镍涂层试样、镍铬涂层试样、金粉涂层试样。
7.根据权利要求6所述的涂层使用寿命预测方法,其特征在于:所述步骤S2包括,利用整齐划一公式(1)获取整齐划一后的性能数据,
Zi=(X-Xbar)/S (1)
其中,Zi为整齐划一处理后的性能数据,X为原始性能数据;Xbar为原始性能数据的平均值;S为原始性能数据的标准差,分别求出:
铁铬镍涂层试样的Z1(热震)、Z2(热腐蚀)、Z3(磨损);
镍铬涂层试样的Z1(热震)、Z2(热腐蚀)、Z3(磨损);
金粉涂层试样Z1(热震)、Z2(热腐蚀)、Z3(磨损);
并输入预测模型中,预测模型的公式为:
Zy=A1z1+A2z2+A3z3+...Akzk+X (2);得到
优化后的预测模型;公式如下
Zy=0.0012Z1-0.6146Z2-0.01470Z3+2.1669 (3)。
8.根据权利要求4所述的一种涂层使用寿命预测方法及装置,其特征在于:所述步骤C中,Na2SO4、K2SO4的摩尔比为7:3。
9.根据权利要求4所述的涂层使用寿命预测方法,其特征在于:所述步骤E中,所述天平为电子天平,精度为0.1mg。
10.根据权利要求4所述的涂层使用寿命预测方法,其特征在于:所述步骤F中,所述箱式电阻炉内的温度为650℃,保温时间为6小时。
11.基于权利要求1-10任一所述的涂层使用寿命预测方法的预测装置,其特征在于:包括;
第一获取模块,用于获取涂层试样的性能数据;还包括;获取涂层试样的热震性能数据、获取涂层试样的热腐蚀性能数据、获取涂层试样的热磨损性能数据;
第二获取模块,基于获取的性能数据,进行整齐划一处理;并获取得到优化后的预测模型;
预测模块,用于获取所需要预测使用寿命涂层的性能数据,基于优化后的预测模型输出预测使用寿命结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467315.2A CN111898788A (zh) | 2020-05-28 | 2020-05-28 | 一种涂层使用寿命预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467315.2A CN111898788A (zh) | 2020-05-28 | 2020-05-28 | 一种涂层使用寿命预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898788A true CN111898788A (zh) | 2020-11-06 |
Family
ID=73207595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010467315.2A Pending CN111898788A (zh) | 2020-05-28 | 2020-05-28 | 一种涂层使用寿命预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898788A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855368A (zh) * | 2011-06-30 | 2013-01-02 | 中国石油天然气股份有限公司 | 一种炼油装置高温部位腐蚀剩余寿命预测方法 |
CN103091189A (zh) * | 2013-01-10 | 2013-05-08 | 湘潭大学 | 一种模拟热障涂层服役环境并实时检测其失效的试验装置 |
CN103198210A (zh) * | 2013-03-07 | 2013-07-10 | 中国石油天然气集团公司 | 一种天然气管道减阻内涂层检测评价方法及设备 |
CN103267725A (zh) * | 2013-05-03 | 2013-08-28 | 张立新 | 一种耐水环境腐蚀的无溶剂高分子涂层寿命预测方法 |
US20200074325A1 (en) * | 2018-08-29 | 2020-03-05 | National Chiao Tung University | Systems and Methods for Creating an Optimal Prediction Model and Obtaining Optimal Prediction Results Based on Machine Learning |
-
2020
- 2020-05-28 CN CN202010467315.2A patent/CN111898788A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855368A (zh) * | 2011-06-30 | 2013-01-02 | 中国石油天然气股份有限公司 | 一种炼油装置高温部位腐蚀剩余寿命预测方法 |
CN103091189A (zh) * | 2013-01-10 | 2013-05-08 | 湘潭大学 | 一种模拟热障涂层服役环境并实时检测其失效的试验装置 |
CN103198210A (zh) * | 2013-03-07 | 2013-07-10 | 中国石油天然气集团公司 | 一种天然气管道减阻内涂层检测评价方法及设备 |
CN103267725A (zh) * | 2013-05-03 | 2013-08-28 | 张立新 | 一种耐水环境腐蚀的无溶剂高分子涂层寿命预测方法 |
US20200074325A1 (en) * | 2018-08-29 | 2020-03-05 | National Chiao Tung University | Systems and Methods for Creating an Optimal Prediction Model and Obtaining Optimal Prediction Results Based on Machine Learning |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tong et al. | Modelling of cyclic plasticity and viscoplasticity of a nickel-based alloy using Chaboche constitutive equations | |
CN111950918B (zh) | 一种基于电力交易数据的市场风险评估方法 | |
JP2011506961A5 (zh) | ||
CN112051506B (zh) | 一种相似产品可迁移样本筛选方法、系统及用途 | |
JP7116266B1 (ja) | 塗料性状の予測方法、補正配合組成の予測方法、塗料性状の予測システム、補正配合補正の予測システム、及び塗料の製造方法 | |
CN111898788A (zh) | 一种涂层使用寿命预测方法及装置 | |
JP7084344B2 (ja) | 腐食速度推定装置、腐食速度推定方法及びプログラム | |
CN108717505A (zh) | 一种基于k-rvfl的固化热过程时空建模方法 | |
CN108179400B (zh) | 一种挤压模具的表面处理方法 | |
CN105699241A (zh) | 一种用于卷材的涂料涂布率的测定方法 | |
Laciak et al. | Utilization of indirect measurement in the annealing process of the steel coils | |
Millán et al. | Estimation of grain-level residual stresses in a quenched cylindrical sample of aluminum alloy AA5083 using genetic programming | |
CN115271450A (zh) | 主焦煤性价比评估方法、装置、设备及存储介质 | |
Choi et al. | A numerical simulation of a line-type paint drying furnace | |
Levantsevich et al. | Optimization of electrodeformational surfacing by a flexible tool on the basis of experimental design | |
Mykyychuk et al. | Increasing metrological autonomy of in-plant measuring systems | |
CN107977742B (zh) | 一种中长期电力负荷预测模型的构建方法 | |
Arabatzis et al. | Multi-criteria decision-making methodology for the selection of cargo hold coating for bulk carriers | |
Nikiforov et al. | Comprehensive Assessment of the Residual Life of Refractory Materials of High-Temperature Units | |
CN115730856A (zh) | 防护涂层环境适应性定量综合评价方法、装置和设备 | |
CN117635183A (zh) | 一种基于小样本的特高压设备材料价格测算方法及系统 | |
Moganapriya et al. | Dry machining characteristics of coated inserts and multi response optimization through DEAR‐Taguchi method | |
Muluk et al. | Comparative Analysis of Four Time-Series Models in an Effort to Determine The Optimal Forecasting Results | |
Cai et al. | Optimization of compositional and technological parameters for phosphate graphite sand | |
Alfort et al. | What security is offered in practice by standardised test procedures? |
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 |