CN113791023B - 一种基于腐蚀概率建立金属表面腐蚀预测模型的方法 - Google Patents
一种基于腐蚀概率建立金属表面腐蚀预测模型的方法 Download PDFInfo
- Publication number
- CN113791023B CN113791023B CN202111003131.1A CN202111003131A CN113791023B CN 113791023 B CN113791023 B CN 113791023B CN 202111003131 A CN202111003131 A CN 202111003131A CN 113791023 B CN113791023 B CN 113791023B
- Authority
- CN
- China
- Prior art keywords
- corrosion
- area
- probability
- metal surface
- metal
- 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
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腐蚀概率建立金属表面腐蚀预测模型的方法,包括以下步骤:(1)建立待腐蚀金属表面的几何模型,并按照不同表面类型分区;(2)制备金属试样进行腐蚀实验,称为实验A;(3)根据步骤(2)中实验A的结果推算出各类分区腐蚀概率;(4)根据步骤(1)中的分区和步骤(3)中的腐蚀概率,通过计算机对金属表面数学模型进行腐蚀运算;(5)重复步骤(4),直至达到目标循环次数,输出运算结果,进行后处理,得到金属表面腐蚀预测模型。本发明能够直接复现金属表面腐蚀发展过程,对金属表面不同区域的各个腐蚀特征进行预测。并且该方法能够基于试验结果进行参数修正,提高预测精度,更加贴合实际腐蚀工况。
Description
技术领域
本发明涉及金属表面腐蚀预测与评价领域,特别涉及一种基于腐蚀概率建立金属表面腐蚀预测模型的方法。
背景技术
在对于腐蚀的认识发展过程中,最初认为腐蚀是具有确定量的电化学过程,因此采用数学方程、公式来描述腐蚀规律。例如:描述活化极化Tafel公式、描述直流杂散电流腐蚀的法拉第定律等。采用这类方法,只要确定了表达关系和初始状态,腐蚀过程便成为一个确定的发展过程。随着对腐蚀本质认识的加深,对腐蚀定量描述精度要求的提高,发现在大多数工况下,腐蚀是一个复杂的随机现象,腐蚀结果往往围绕某个确定值作上下波动。因此采用概率论和统计的方法能够更好地描述和模拟腐蚀发展过程。
目前在腐蚀描述上仍倾向于采用确定论方法,因为公式简洁方便。例如:美国ASTM总结得到金属大气腐蚀量和时间成双对数关系,即幂函数方程:W=Atn,该方程简洁明了,在工程上应用广泛,但存在如下缺陷:(1)模型普适性不足,仅适用于描述单一材质的腐蚀,如果存在两种及以上差异巨大的表面状态,模型不再适用;(2)模型准确性不够,往往只在某一段时间内吻合情况较好;(3)输出参数单一,只能表达腐蚀量随时间的关系,不能反映腐蚀面积、腐蚀后表面粗糙度等腐蚀形貌特征。
发明内容
本发明的目的是提供一种基于腐蚀概率建立金属表面腐蚀预测模型的方法,以实现在实际复杂腐蚀环境下对金属表面腐蚀特征(腐蚀深度、腐蚀失重量、腐蚀面积占比等)进行预测。
为实现上述目的,本发明采用如下技术方案:
一种基于腐蚀概率建立金属表面腐蚀预测模型的方法,包括以下步骤:
(1)建立待腐蚀金属表面的几何模型,并按照不同表面类型分区;
(2)制备金属试样进行腐蚀实验,称为实验A;
(3)根据步骤(2)中实验A的结果推算出各类分区腐蚀概率;
(4)根据步骤(1)中的分区和步骤(3)中的腐蚀概率,通过计算机对金属表面数学模型进行腐蚀运算;
(5)重复步骤(4),直至达到目标循环次数,输出运算结果,进行后处理,得到金属表面腐蚀预测模型。
所述步骤(1)中,将待腐蚀金属表面的几何模型进行网格化,建立矩阵B来表示金属表面,矩阵元素代表该位置腐蚀程度,0表示未腐蚀,n代表腐蚀深度和质量损失均为n,其中n为正整数;据此,将待腐蚀金属表面分为三类区域:①区:已腐蚀区域,设再次腐蚀概率为P1;②区:已腐蚀区域的临近区域,设其腐蚀概率为P2;③区:未腐蚀区域且不靠近已腐蚀区域,设其腐蚀概率为P3。
所述步骤(2)中,将若干件金属试样置于腐蚀环境箱内,腐蚀时间为10天,从第一天开始,每腐蚀一天后取出金属试样拍照记录腐蚀形貌,在第一天记录时随机选定若干个腐蚀坑,并追踪测量这若干个腐蚀坑的蚀坑面积和深度。
所述步骤(3)中,设定单位腐蚀时间为1天,用1D表示,金属表面待腐蚀区总面积为S0,腐蚀1D后,从腐蚀环境箱中取出金属试件拍照记录其表面腐蚀形貌,记录腐蚀区域面积S①_1D、腐蚀区域临近面积S②_1D、若干个腐蚀坑的面积和深度;腐蚀n天后,从腐蚀环境箱中取出金属试件拍照记录其表面腐蚀形貌,记录腐蚀区域面积S①_nD、腐蚀区域临近面积S②_nD、若干个腐蚀坑的面积和深度;已腐蚀区域腐蚀概率P1代表腐蚀坑深度增大速率,分别计算若干个腐蚀坑的蚀坑深度增大速率,将其平均值记作①区再次腐蚀的概率P1;腐蚀区域临近区域的腐蚀概率P2代表蚀坑面积扩展速率,分别计算若干个腐蚀坑的面积扩展速率,将其平均值记作②区的腐蚀概率P2;③区第n天的腐蚀概率P3计算公式如下
其中,S新增_nD表示在第(n-1)天的未腐蚀区域内,第n天新增的腐蚀面积大小。
所述步骤(4)中,首轮腐蚀前,矩阵B为全零矩阵,代表未被腐蚀;首次腐蚀时,将矩阵B中的每一个元素按照概率P3进行+1运算;再次腐蚀时,先对矩阵B中元素进行逐个判断:若非零,即属于①区,则按照概率P1进行+1运算;若等于零且临近元素均等于零,即属于③区,则按照概率P3进行+1运算;其余情况的元素则按照概率P2进行+1运算。
所述步骤(5)中,设定循环次数为N,代表实验中金属试件腐蚀N天;循环N次后,输出的运算结果为矩阵B,该结果矩阵保留了金属表面的腐蚀信息,包括腐蚀面积、腐蚀深度、腐蚀质量损失和腐蚀形貌。
所述步骤(5)中,后处理过程包括平均腐蚀深度、最大腐蚀深度、腐蚀面积占比、腐蚀质量损失的求取,以及根据矩阵B对腐蚀形貌进行重建。
有益效果:本发明提出了一种基于概率论思想的腐蚀预测方法来直接复现金属表面腐蚀发展过程,对金属表面不同区域的各个腐蚀特征(腐蚀深度、腐蚀失重量、腐蚀面积占比等)进行预测。并且该方法能够基于试验结果进行参数修正,提高预测精度,更加贴合实际腐蚀工况。与现有技术相比,优点在于:
1.本发明提供了一种基于腐蚀概率建立金属表面腐蚀预测模型的方法,为复杂腐蚀环境下金属表面腐蚀预测提供了一种新手段,采用腐蚀概率的思想,能够更真实精确地描述和模拟腐蚀发展过程;
2.本发明提出的建立金属表面预测模型的方法具有一定的普适性,模型中的腐蚀概率是基于实际腐蚀试验确定的,与金属成分和表面形态无关,因此该方法可以适用于不同材质金属表面的腐蚀预测;
3.该方法具有一定的准确性,模型建立在对腐蚀是一种复杂随机现象的认识上,围绕腐蚀概率这一思想能够更加切合腐蚀的本质,只需完成较短时间的腐蚀试验来确定腐蚀概率后,就能通过模型预测更长时间的腐蚀过程;
4.利用本发明提出的方法所建立的金属表面腐蚀预测模型具有全面性,不仅能够描述和预测传统的平均腐蚀深度或腐蚀失重量随时间的变化过程,还能够快速地对最大腐蚀深度、腐蚀面积占比等工程实际中更有意义的特征进行预测,并能够重建腐蚀形貌,使结果更加直观。
附图说明
图1是基于腐蚀概率建立金属表面腐蚀预测模型的流程示意图;
图2是金属表面分区及建立对应数学模型示意图;
图3是腐蚀环境箱与腐蚀试件示意图;
图4是腐蚀1、2、3天后腐蚀形貌观测结果示意图;
图5是各个腐蚀概率随腐蚀时间的变化关系;
图6是腐蚀过程模拟程序流程图;
图7a至7d是各个腐蚀特征随时间变化过程预测图;
图8是金属表面腐蚀30天后腐蚀形貌预测图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
本发明的一种基于腐蚀概率建立金属表面腐蚀预测模型的方法,包括如下步骤:
(1)建立金属表面的数学模型,按照不同表面类型分区;
根据待腐蚀金属表面尺寸,建立相应大小的矩阵B来表示金属表面,矩阵元素代表该位置腐蚀程度,0表示未腐蚀,n(n为正整数)代表腐蚀深度和质量损失均为n。据此,将金属表面分为三类区域:①区:已腐蚀区域,假设再次腐蚀概率为P1;②区:已腐蚀区域的临近区域,假设其腐蚀概率为P2;③区:未腐蚀区域且不靠近已腐蚀区域,假设其腐蚀概率为P3。
(2)制备金属试样进行腐蚀实验,称为实验A;
将若干件金属试样置于腐蚀环境箱内,腐蚀时间为10天。从第一天开始,每腐蚀一天后取出试样拍照记录腐蚀形貌,在第一天记录时随机选定若干个腐蚀坑a、b、c、d追踪测量其蚀坑面积和深度。
(3)根据步骤(2)中金属腐蚀实验A的结果推算出各类分区腐蚀概率;设定单位腐蚀时间为1天,用1D表示。金属表面待腐蚀区总面积为S0,腐蚀1D后,从腐蚀环境箱中取出金属试件拍照记录其表面腐蚀形貌,记录腐蚀区域面积S①_1D、腐蚀区域临近面积S②_1D、腐蚀坑a、b、c、d的面积(Sa_1D、Sb_1D、Sc_1D、Sd_1D)和深度(Ha_1D、Hb_1D、Hc_1D、Hd_1D)。腐蚀n天后,从腐蚀环境箱中取出金属试件拍照记录其表面腐蚀形貌,记录腐蚀区域面积S①_nD、腐蚀区域临近面积S②_nD、腐蚀坑a、b、c、d的面积(Sa_nD、Sb_nD、Sc_nD、Sd_nD)和深度(Ha_nD、Hb_nD、Hc_nD、Hd_nD)。已腐蚀区域腐蚀概率P1代表腐蚀坑深度增大速率,分别计算腐蚀坑a、b、c、d的蚀坑深度增大速率,将其平均值记作①区(已腐蚀区域)再次腐蚀的概率P1。腐蚀区域临近区域的腐蚀概率P2代表蚀坑面积扩展速率,分别计算腐蚀坑a、b、c、d的面积扩展速率,将其平均值记作②区(已腐蚀区域的临近区域)的腐蚀概率P2。③区(未腐蚀区域)第n天的腐蚀概率P3计算公式如下
其中,S新增_nD表示在第(n-1)天的未腐蚀区域内,第n天新增的腐蚀面积大小。
(4)根据步骤(1)中的分区和步骤(3)中的腐蚀概率,在计算机中对金属表面数学模型进行腐蚀运算;
首轮腐蚀前,矩阵B为全零矩阵,代表未被腐蚀。首次腐蚀时,将矩阵B中的每一个元素按照概率P3进行+1运算。再次腐蚀时,先对矩阵B中元素进行逐个判断:若非零,即属于①区,则按照概率P1进行+1运算;若等于零且临近元素均等于零,即属于③区,则按照概率P3进行+1运算;其余情况的元素则按照概率P2进行+1运算。
(5)重复步骤(4),直至达到目标循环次数,输出运算结果,进行后处理,得到金属表面腐蚀预测模型;
设定循环次数为N,代表实验中金属试件腐蚀N天。循环N次后,输出的运算结果为矩阵B,该结果矩阵保留了金属表面的腐蚀信息,包括腐蚀面积(非零元素的个数)、腐蚀深度(元素的大小)、腐蚀质量损失(矩阵元素和)和腐蚀形貌等。后处理过程包括平均腐蚀深度、最大腐蚀深度、腐蚀面积占比、腐蚀质量损失等腐蚀特征的求取,还包括根据矩阵B对腐蚀形貌进行重建。
下面结合实施例对本发明做进一步说明。
如图1所示,一种基于腐蚀概率建立金属表面腐蚀预测模型的方法,包括如下步骤:
(1)如图2所示,将待腐蚀金属表面进行网格化,根据网格划分,建立对应大小的B矩阵作为金属表面的数学模型,元素大小代表该位置腐蚀程度,金属表面可以分为三类区域:①区:已被腐蚀区域,②区:已腐蚀区域的周围区域,③区:未被腐蚀区域且周围区域也未被腐蚀;
(2)如图3所示,将金属试样4置于腐蚀环境箱5内进行腐蚀试验。试样4中间部分为腐蚀区6,其余部分在腐蚀试验过程中需要喷涂保护漆防止发生腐蚀。腐蚀时间为10天,分别在每一天结束后取出试样拍照记录试件腐蚀区6的腐蚀形貌;
(3)如图4所示,分别为腐蚀1天、2天、3天后的腐蚀形貌示意图,在腐蚀一天后的形貌照片中选定四个腐蚀坑a、b、c、d,追踪测量并记录其蚀坑面积和深度,如表1和表2所示。同时测量记录每一天的已腐蚀区面积S①_nD、腐蚀区域临近面积S②_nD和当天新增腐蚀面积S新增_nD如表3所示;
表 1 各腐蚀坑面积记录表
表 2 各腐蚀坑深度记录表
表 3 各区域面积试验记录
(4)腐蚀区6的面积为S0=100,已腐蚀区域再次腐蚀的概率P1决定了腐蚀坑深度增大速率,如表5所示,将各蚀坑深度增大速率的均值作为P1,概率P1随腐蚀天数N变化如图5所示,拟合结果为P1=-0.0067*N+0.3612。临界腐蚀区的腐蚀概率P2决定了腐蚀坑面积的扩展速率,如表4所示,将各蚀坑面积扩展速率的均值作为P2,概率P2随腐蚀天数N变化如图5所示,拟合结果为P2=0.1767*N0.1722。未腐蚀区腐蚀概率P3决定了新增蚀坑面积大小,计算公式为:P3_n=S新增_nD/(S0-S①_(n-1)D-S②_(n-1)D),概率P3随腐蚀天数N变化如图5所示,拟合结果为P3=-0.0003*N+0.024。以上概率是基于一片试件计算所得,重复以上步骤,计算其他试件的各区域腐蚀概率,取算数平均值作为该种材料的各区域腐蚀概率;
表 4 各蚀坑面积扩展速率计算结果
表 5 各蚀坑深度增大速率计算结果
(5)图6为腐蚀模拟程序流程图,输入循环次数N=30和金属表面各类区域的腐蚀概率P1=-0.0067*N+0.3612、P2=0.1767*N0.1722、P3=-0.0003*N+0.024(说明:本应将若干试件的计算结果取平均值作为该种材料的各区域腐蚀概率,而此处直接以第一片试件的各区域腐蚀概率作为该种材料的各区域腐蚀概率,仅为讲明思路,简化过程),经过计算,可以得到腐蚀30天后的腐蚀深度、腐蚀失重量、腐蚀面积等腐蚀特征参数(如图7a至7d所示)以及腐蚀形貌(如图8所示)。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于腐蚀概率建立金属表面腐蚀预测模型的方法,其特征在于:包括以下步骤:
(1)建立待腐蚀金属表面的几何模型,并按照不同表面类型分区;将待腐蚀金属表面的几何模型进行网格化,建立矩阵B来表示金属表面,矩阵元素代表该位置腐蚀程度,0表示未腐蚀,n代表腐蚀深度和质量损失均为n,其中n为正整数;据此,将待腐蚀金属表面分为三类区域:①区:已腐蚀区域,设再次腐蚀概率为P1;②区:已腐蚀区域的临近区域,设其腐蚀概率为P2;③区:未腐蚀区域且不靠近已腐蚀区域,设其腐蚀概率为P3;
(2)制备金属试样进行腐蚀实验,称为实验A;将若干件金属试样置于腐蚀环境箱内,腐蚀时间为10天,从第一天开始,每腐蚀一天后取出金属试样拍照记录腐蚀形貌,在第一天记录时随机选定若干个腐蚀坑,并追踪测量这若干个腐蚀坑的蚀坑面积和深度;
(3)根据步骤(2)中实验A的结果推算出各类分区腐蚀概率;设定单位腐蚀时间为1天,用1D表示,金属表面待腐蚀区总面积为S0,腐蚀1D后,从腐蚀环境箱中取出金属试件拍照记录其表面腐蚀形貌,记录腐蚀区域面积S①_1D、腐蚀区域临近面积S②_1D、若干个腐蚀坑的面积和深度;腐蚀n天后,从腐蚀环境箱中取出金属试件拍照记录其表面腐蚀形貌,记录腐蚀区域面积S①_nD、腐蚀区域临近面积S②_nD、若干个腐蚀坑的面积和深度;已腐蚀区域腐蚀概率P1代表腐蚀坑深度增大速率,分别计算若干个腐蚀坑的蚀坑深度增大速率,将其平均值记作①区再次腐蚀的概率P1;腐蚀区域临近区域的腐蚀概率P2代表蚀坑面积扩展速率,分别计算若干个腐蚀坑的面积扩展速率,将其平均值记作②区的腐蚀概率P2;③区第n天的腐蚀概率P3计算公式如下
其中,S新增_nD表示在第(n-1)天的未腐蚀区域内,第n天新增的腐蚀面积大小;
(4)根据步骤(1)中的分区和步骤(3)中的腐蚀概率,通过计算机对金属表面数学模型进行腐蚀运算;
(5)重复步骤(4),直至达到目标循环次数,输出运算结果,进行后处理,得到金属表面腐蚀预测模型。
2.根据权利要求1所述的基于腐蚀概率建立金属表面腐蚀预测模型的方法,其特征在于:所述步骤(4)中,首轮腐蚀前,矩阵B为全零矩阵,代表未被腐蚀;首次腐蚀时,将矩阵B中的每一个元素按照概率P3进行+1运算;再次腐蚀时,先对矩阵B中元素进行逐个判断:若非零,即属于①区,则按照概率P1进行+1运算;若等于零且临近元素均等于零,即属于③区,则按照概率P3进行+1运算;其余情况的元素则按照概率P2进行+1运算。
3.根据权利要求2所述的基于腐蚀概率建立金属表面腐蚀预测模型的方法,其特征在于:所述步骤(5)中,设定循环次数为N,代表实验中金属试件腐蚀N天;循环N次后,输出的运算结果为矩阵B,该结果矩阵保留了金属表面的腐蚀信息,包括腐蚀面积、腐蚀深度、腐蚀质量损失和腐蚀形貌。
4.根据权利要求1或3所述的基于腐蚀概率建立金属表面腐蚀预测模型的方法,其特征在于:所述步骤(5)中,后处理过程包括平均腐蚀深度、最大腐蚀深度、腐蚀面积占比、腐蚀质量损失的求取,以及根据矩阵B对腐蚀形貌进行重建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111003131.1A CN113791023B (zh) | 2021-08-30 | 2021-08-30 | 一种基于腐蚀概率建立金属表面腐蚀预测模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111003131.1A CN113791023B (zh) | 2021-08-30 | 2021-08-30 | 一种基于腐蚀概率建立金属表面腐蚀预测模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113791023A CN113791023A (zh) | 2021-12-14 |
CN113791023B true CN113791023B (zh) | 2022-12-23 |
Family
ID=78876641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111003131.1A Active CN113791023B (zh) | 2021-08-30 | 2021-08-30 | 一种基于腐蚀概率建立金属表面腐蚀预测模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113791023B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5051849B2 (ja) * | 2008-03-13 | 2012-10-17 | 旭化成エンジニアリング株式会社 | タンク底板の最大腐食速度推定方法 |
CN103134751B (zh) * | 2011-12-02 | 2016-04-27 | 江苏省沙钢钢铁研究院有限公司 | 金属腐蚀检测与评定的方法 |
CN109100289B (zh) * | 2018-07-30 | 2021-01-26 | 贵州电网有限责任公司 | 一种建立土壤腐蚀预测模型的方法 |
CN111413197B (zh) * | 2020-04-02 | 2022-12-20 | 内蒙古工业大学 | 基于腐蚀环境中混凝土抗压强度时变受力模型的强度预测方法 |
CN111982705A (zh) * | 2020-08-03 | 2020-11-24 | 鞍钢股份有限公司 | 经济型抗h2s-co2油井管的应力腐蚀性能测试方法 |
CN112697691B (zh) * | 2021-01-15 | 2022-06-03 | 中国人民解放军海军航空大学青岛校区 | 一种航空合金钢服役环境下腐蚀损伤分布规律的研究方法 |
-
2021
- 2021-08-30 CN CN202111003131.1A patent/CN113791023B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113791023A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caleyo et al. | Markov chain modelling of pitting corrosion in underground pipelines | |
Cui et al. | Experimental study and 3D cellular automata simulation of corrosion pits on Q345 steel surface under salt-spray environment | |
Hanna | Confidence limits for air quality model evaluations, as estimated by bootstrap and jackknife resampling methods | |
Heidary et al. | A review of data-driven oil and gas pipeline pitting corrosion growth models applicable for prognostic and health management | |
Shafei et al. | Application of large-scale non-Gaussian stochastic fields for the study of corrosion-induced structural deterioration | |
Koutsoyiannis | On the appropriateness of the Gumbel distribution for modelling extreme rainfall | |
CN105205217B (zh) | 一种判别水文时间序列非平稳性的方法 | |
CN113791023B (zh) | 一种基于腐蚀概率建立金属表面腐蚀预测模型的方法 | |
CN108959698A (zh) | 一种基于三维元胞自动机技术的金属腐蚀形态模拟方法 | |
JP7239859B2 (ja) | 予測式導出方法及び予測式導出装置 | |
CN110083933B (zh) | 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法 | |
Baraldi et al. | Prognostics under different available information | |
CN115456811A (zh) | 一种面向引调水工程明渠的突发水污染溯源方法及系统 | |
Singh et al. | A framework for investigating the diagnostic trend in stationary and nonstationary flood frequency analyses under changing climate | |
JP6844969B2 (ja) | 保全支援装置、及び保全支援用プログラム | |
Mahmoodian et al. | A gamma distributed degradation rate model for reliability analysis of concrete pipes subject to sulphide corrosion | |
Pham | Tracking the uncertainty in streamflow prediction through a hydrological forecasting system | |
JIANG et al. | Geostatistical analysis and deep learning based prediction for corrosion surfaces of steel plates | |
Heidary et al. | Fusing more frequent and accurate structural damage information from one location to assess damage at another location with less information | |
Vela´ zquez et al. | Statistical modeling of pitting corrosion in buried pipelines taking into account soil properties | |
CN116540300B (zh) | 概率性海啸灾害分析方法 | |
US20240085309A1 (en) | Corrosion Damage Estimation | |
KR20150066000A (ko) | 해양 콘크리트 구조물의 복합열화 모의시험 방법 | |
CN117250259B (zh) | 一种岩体失稳突变预警方法、系统及电子设备 | |
CN115910190B (zh) | 芯片良率预测方法、装置及计算机可读存储介质 |
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 |