CN114441425A

CN114441425A - 一种室内加速环境谱试验的腐蚀数据预测方法

Info

Publication number: CN114441425A
Application number: CN202111506048.6A
Authority: CN
Inventors: 赵朋飞; 李晋鹏; 王毅; 徐如远
Original assignee: CASIC Defense Technology Research and Test Center
Current assignee: CASIC Defense Technology Research and Test Center
Priority date: 2021-12-10
Filing date: 2021-12-10
Publication date: 2022-05-06

Abstract

本公开提供一种室内加速环境谱试验的腐蚀数据预测方法，首先获取已经测得的目标材料在室内加速环境普下的腐蚀数据，然后基于获取的腐蚀数据建立与目标材料对应的加速腐蚀试验预测模型，最后根据加速腐蚀试验预测模型获得目标材料在室内加速环境谱下的腐蚀预测数据。该方法基于已经测得的室内加速环境谱腐蚀数据建立预测模型，可以对相同或相似构件在特定大气环境下的预期腐蚀寿命进行快速评估，且可以从众多因素中确定出影响系统的主要因素、主要特征和因素对系统影响的差别，此外该方法通用型较强，潜在应用领域广泛，可用于多种金属及金属镀层材料的大气环境腐蚀寿命预测。

Description

一种室内加速环境谱试验的腐蚀数据预测方法

技术领域

本公开涉及腐蚀性能测试与表征技术领域，尤其涉及一种室内加速环境谱试验的腐蚀数据预测方法。

背景技术

材料在自然环境中的腐蚀寿命预测一直以来是腐蚀与防护领域的难点之一。目前，随着材料自然环境适应性评估技术的逐步形成，已经积累了大量的环境数据和材料腐蚀试验数据，在大量数据积累和数据库建设的基础上，逐步向腐蚀寿命预测和快速评价的方法发展。根据材料性能与环境因素的相关性建立加速腐蚀试验方法，结合材料在自然环境和加速腐蚀试验中腐蚀数据的规律性建立腐蚀寿命预测模型，已经成为大气腐蚀研究发展的新趋势。

发明内容

有鉴于此，本公开的目的在于提出一种室内加速环境谱试验的腐蚀数据预测方法。

基于上述目的，本公开提供了一种室内加速环境谱试验的腐蚀数据预测方法，所述方法包括如下步骤：

获取已测得的目标材料在室内加速环境谱下的腐蚀数据；

基于所述腐蚀数据建立所述目标材料对应的加速腐蚀试验预测模型；

基于所述加速腐蚀试验预测模型获得所述目标材料在所述室内加速环境谱下的腐蚀预测数据。

从上面所述可以看出，本公开提供的室内加速环境谱试验的腐蚀数据预测方法，首先获取已经测得的目标材料在室内加速环境普下的腐蚀数据，然后基于获取的腐蚀数据建立与目标材料对应的加速腐蚀试验预测模型，最后根据加速腐蚀试验预测模型获得目标材料在室内加速环境谱下的腐蚀预测数据。该方法基于已经测得的室内加速环境谱腐蚀数据建立预测模型，可以对相同或相似构件在特定大气环境下的预期腐蚀寿命进行快速评估，且可以从众多因素中确定出影响系统的主要因素、主要特征和因素对系统影响的差别，此外该方法通用型较强，潜在应用领域广泛，可用于多种金属及金属镀层材料的大气环境腐蚀寿命预测。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本公开进一步详细说明。

需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。

因此，亟需对室内加速环境谱试验的腐蚀数据进行预测的方法。

为了解决上述问题，本公开提供了一种室内加速环境谱试验的腐蚀数据预测方法，所述方法可以包括如下步骤：

获取已测得的目标材料在室内加速环境谱下的腐蚀数据；

在实际应用中，目标材料是指待对其进行室内加速环境谱下腐蚀数据预测的材料；室内加速环境谱是指在室内进行的模拟大气环境腐蚀情形的室内腐蚀环境；加速腐蚀试验预测模型是指在室内加速环境谱下建立的用来预测目标材料暴露在室内加速环境中一定时间后的腐蚀情况的模型。

获取已经测得的目标材料在室内加速环境铺下的腐蚀数据后，可以基于灰色模型GM(1,1)建立加速腐蚀试验预测模型。灰色模型GM(1,1)是一种对含有不确定因素的系统进行预测的方法，首先通过对原始数据进行累加生成，通过对原始数据进行生成处理来寻找系统变动的规律，弱化原始时间序列数据的随机因素，生成较强规律性的数据，建立相应的微分方程，从而预测事物未来的发展趋势。GM(1，1)是一阶一个变量的微分方程模型，它是预测变量本身数据的模型，可用于数列预测，是灰色预测的基础。建立加速腐蚀试验预测模型时以已测得的目标材料在室内加速环境试验谱中的腐蚀数据作为原始数据列，建立加速环境谱试验的腐蚀数据预测模型，则加速腐蚀试验预测模型的构造过程如下：

(a)建立原始数据列X(0)，并对X(0)作1-AGO，得到累加数列X(1)；

X⁽⁰⁾(k)＝{X⁽⁰⁾(1)，X⁽⁰⁾(2)，…，X⁽⁰⁾(n)}(k＝1，2，…，n)，

经过累加

生成新的序列：

X⁽¹⁾(k)＝{X⁽¹⁾(1)，X⁽¹⁾(2)，…，X⁽¹⁾(n)}，

其中，X⁽⁰⁾(k)表示已测得的目标材料在室内加速环境谱下的腐蚀数据， k为目标材料在室内加速环境谱下的暴露周期。

(b)对X(1)作紧邻均值处理；

令

得到Z⁽¹⁾

Z⁽¹⁾(k)＝{Z⁽¹⁾(1)，Z⁽¹⁾(2)，…，Z⁽¹⁾(n)}。

(c)确定模型；

X¹(i)相应的微分方程为：

其中α和β为待定模型参数，可用最小二乘法原理求出：

其中B和Y分别为：

最后得到微分响应方程：

还原原始数据列：

将微分相应方程代入还原原始数据列得：

其中，α和β的取值可以根据测得的目标材料的腐蚀数据计算得到。

可以理解的是，该方法基于已经测得的室内加速环境谱腐蚀数据建立预测模型，可以对相同或相似构件在特定大气环境下的预期腐蚀寿命进行快速评估，且可以从众多因素中确定出影响系统的主要因素、主要特征和因素对系统影响的差别，此外该方法通用型较强，潜在应用领域广泛，可用于多种金属及金属镀层材料的大气环境腐蚀寿命预测。

在一些可能的实施方式中，所述目标材料可以包括碳钢。

在一些可能的实施方式中，所述加速腐蚀试验预测模型可以为：

其中，

表示目标材料的腐蚀预测数据，k表示室内加速环境谱试验的暴露周期，且k＝2，3，4，…，n。

在一些可能的实施方式中，所述目标材料可以包括2A12铝合金。

其中，

在一些可能的实施方式中，所述目标材料在室内加速环境谱下的腐蚀数据可以包括腐蚀失重和腐蚀深度，所述目标材料在室内加速环境谱下的腐蚀预测数据可以包括腐蚀失重和腐蚀深度。

在一些可能的实施方式中，所述方法还可以包括：采用所述腐蚀数据对所述加速腐蚀试验预测模型进行误差检验。

在一些可能的实施方式中，对所述加速腐蚀试验预测模型进行误差检验时的检验参数可以包括后验差比值和后验指标小误差概率。

在实际应用中，可以采用残差检验和后验差检验方法对预测的精度进行检验，残差检验的定义为：

残差数列的均值定义为：

原始数列的均值定义为：

原始数列的标准差定义为：

残差数列的标准差定义为：

后验差比C定义为：

后验指标小误差概率P定义为：

在实际应用中，由C和P判定预测模型的精度，通常将模型精度分为四级，预测精度等级越小，说明预测效果越好，模型精度分级如表1所示。

表1.预测模型精度分级

在一些可能的实施方式中，所述方法还可以包括基于所述目标材料在所述室内加速环境谱下的腐蚀预测数据评估所述目标材料的大气环境腐蚀寿命。

可以理解的是，该方法通过对室内加速腐蚀环境条件的模拟性、加速性进行分析和评价，提高了室内加速腐蚀试验效率；该方法可以基于室内加速腐蚀试验对装备产品长期腐蚀性能和腐蚀寿命进行评价和预测；该方法通用性较强，可以用于多种金属及其镀层材料的室内外腐蚀试验结果的相关性评价。

下述结合实施例，以碳钢材料为例对本公开的室内加速环境谱试验的腐蚀数据预测方法进行详细说明。

实施例

1、以室内加速环境谱实验中碳钢腐蚀数据作为原始数据序列，构造加速腐蚀试验预测模型，并进行预测的误差检验，过程如下：

原始数据序列为：X⁽⁰⁾＝(0.0736,0.1396,0.3679,0.5702,0.7135,0.7673,1.1257)。

(a)对原始数据X(0)作一次累加，得

X⁽¹⁾＝{X⁽¹⁾(1),X⁽¹⁾(2),X⁽¹⁾(3),X⁽¹⁾(4),X⁽¹⁾(5),X⁽¹⁾(6),X⁽¹⁾(7)}

＝(0.0736,0.2132,0.5811,1.1513,1.8648,2.6321,3.7578)

(b)构造数据矩阵B及数据向量Y，对X(1)作紧邻均值生成。

令Z⁽¹⁾(k)＝0.5X⁽¹⁾(k)+0.5X⁽¹⁾(k-1)

Z⁽¹⁾＝{Z⁽¹⁾(2),Z⁽¹⁾(3),Z⁽¹⁾(4),Z⁽¹⁾(5),Z⁽¹⁾(6),Z⁽¹⁾(7)}

＝(0.1434,0.39715,0.8662,1.50805,2.24845,3.19495)

于是得到：

(c)对参数列

进行最小二乘估计，得

(d)确定模型

得时间响应函数为：

则碳钢的加速腐蚀试验预测模型为：

(e)求X(1)的模拟值

(f)还原求X(0)的模拟值

(g)模型误差检验

模型的检验指标值的计算结果如表2。

表2.碳钢GM(1,1)模型误差检验表

通过对比残差值、后验差比的值及小误差概率值检验灰色预测模型的精度，由C和P判定预测模型的精度，通后验差比C<0.35，小误差概率 P＝1，故该模型的精度等级为1级，不需要作残差修正，可直接使用预测模型进行预测。但相对误差在腐蚀初期出现较大偏离，可能与室内加速腐蚀的初期行为与机理有关，其它腐蚀周期的相对误差均小于14％，基本在工程应用可以接受的范围之内。

2、以室内加速环境谱试验中2A12铝合金腐蚀数据作为原始数据序列，构造加速腐蚀试验预测模型，并进行预测的误差检验，2A12铝合金的加速腐蚀试验预测模型构建过程及误差检验过程同碳钢加速腐蚀试验预测模型构建过程及误差检验过程，在此不再赘述。

基于室内加速环境谱试验中2A12铝合金腐蚀数据构建的2A12铝合金的加速腐蚀试验预测模型为：

模型的检验指标值的计算结果如表3。

表3.碳钢GM(1,1)模型误差检验表

通过对比残差值、后验差比的值及小误差概率值检验灰色预测模型的精度，由C和P判定预测模型的精度，后验差比C<0.35，小误差概率P＝1，故该预测模型的精度等级为1级。但相对误差在腐蚀前期出现较大偏离，可能与2A12铝合金室内加速腐蚀的初期行为与机理有关，其它腐蚀周期的相对误差均小于17％，基本在工程应用可以接受的范围之内。

可以理解的是，由于GM(1,1)预测模型是按照稳定序列建立的，但大气环境非常复杂，气象条件、污染物因素等瞬息万变，在各影响因素环境的综合作用下，大气腐蚀动力学也呈现出不稳定的倾向和随机的波动。因此，还可以结合西沙大气暴露试验数据对该预测模型进行验证。

综上，本公开提供的室内加速环境谱试验的腐蚀数据预测方法，基于已经测得的室内加速环境谱腐蚀数据建立预测模型，可以对相同或相似构件在特定大气环境下的预期腐蚀寿命进行快速评估，且可以从众多因素中确定出影响系统的主要因素、主要特征和因素对系统影响的差别，此外该方法通用型较强，潜在应用领域广泛，可用于多种金属及金属镀层材料的大气环境腐蚀寿命预测；该方法对样本量的多少要求不高，分析时也不需要个典型的分布规律，可用于确定影响装备材料和产品环境适应性的主要因素、评估环境适应性、筛选材料和工艺、分类和预测等。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims

1.一种室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述方法包括如下步骤：

获取已测得的目标材料在室内加速环境谱下的腐蚀数据；

2.根据权利要求1所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述目标材料包括碳钢。

3.根据权利要求2所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述加速腐蚀试验预测模型为：

其中，

4.根据权利要求1所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述目标材料包括2A12铝合金。

5.根据权利要求4所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述加速腐蚀试验预测模型为：

其中，

6.根据权利要求1所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述目标材料在室内加速环境谱下的腐蚀数据包括腐蚀失重和腐蚀深度，所述目标材料在室内加速环境谱下的腐蚀预测数据包括腐蚀失重和腐蚀深度。

7.根据权利要求1所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述方法还包括：

采用所述腐蚀数据对所述加速腐蚀试验预测模型进行误差检验。

8.根据权利要求7所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，对所述加速腐蚀试验预测模型进行误差检验时的检验参数包括后验差比值和后验指标小误差概率。

9.根据权利要求1～8任一项所述的室内加速环境谱试验的腐蚀数据预测方法，其特征在于，所述方法还包括基于所述目标材料在所述室内加速环境谱下的腐蚀预测数据评估所述目标材料的大气环境腐蚀寿命。