CN116818592A - 一种预测铝合金腐蚀失重的方法 - Google Patents
一种预测铝合金腐蚀失重的方法 Download PDFInfo
- Publication number
- CN116818592A CN116818592A CN202310690558.6A CN202310690558A CN116818592A CN 116818592 A CN116818592 A CN 116818592A CN 202310690558 A CN202310690558 A CN 202310690558A CN 116818592 A CN116818592 A CN 116818592A
- Authority
- CN
- China
- Prior art keywords
- corrosion
- aluminum alloy
- prediction
- considered
- weight loss
- 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
- 238000005260 corrosion Methods 0.000 title claims abstract description 78
- 230000007797 corrosion Effects 0.000 title claims abstract description 78
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000004580 weight loss Effects 0.000 title claims abstract description 26
- 239000000956 alloy Substances 0.000 claims abstract description 24
- 230000007774 longterm Effects 0.000 claims abstract description 12
- 229910052751 metal Inorganic materials 0.000 claims abstract description 5
- 239000002184 metal Substances 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 13
- 229920006395 saturated elastomer Polymers 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 5
- -1 halide ions Chemical class 0.000 abstract description 2
- 150000002500 ions Chemical class 0.000 abstract description 2
- 229910001250 2024 aluminium alloy Inorganic materials 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 3
- 239000007769 metal material Substances 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 244000137852 Petrea volubilis Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 229910052729 chemical element Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
Abstract
本发明涉及金属腐蚀技术领域，具体涉及一种预测铝合金腐蚀失重的方法。由于铝合金对卤化物离子非常敏感，它们很容易被某些离子腐蚀，例如SO4 2‑在材料表面的局部造成腐蚀，如何预测铝合金材料在SO4 2‑环境中的腐蚀寿命需要建立一个具体的方法。针对上述问题，本发明提供一种预测铝合金腐蚀失重的方法，其采用灰色预测模型来预测铝合金的长期腐蚀寿命，利用灰色理论建立模型，可以从杂乱无章的离散现象中找出内在的规律，对材料寿命进行预测，在实际应用环境中的预测结果较为准确。
Description
技术领域
本发明涉及金属腐蚀技术领域，具体涉及一种预测铝合金腐蚀失重的方法。
背景技术
铝合金作为一种综合性能优良的金属材料，通过在该合金中添加Mg、Si、Zn、Cu、Mn等元素，使其具备了传热性好、强度高、比重轻及塑性成形性能好等优点。随着近些年来制备技术的迅猛发展，与传统的钢、铜相比，铝合金的加工更容易且价格更低，目前在航天航空、化工、建筑、汽车等领域中的应用更加广泛。
腐蚀是金属单质或合金与环境发生化学反应，而被逐步破坏。因此，了解铝合金在各种环境下的腐蚀行为对提高其耐腐蚀性具有重要意义。在多数环境中，铝和铝合金具有良好的耐蚀性，然而，由于铝合金对卤化物离子非常敏感，它们很容易被某些离子腐蚀，例如SO4 2-在材料表面的局部造成腐蚀，这些局部腐蚀的产生与发展往往都存在着隐蔽性与偶然性，会严重影响材料的性能与使用寿命。
通过实验得到的数据可以描述金属材料的腐蚀机理，但是对金属材料使用年限预测则需要建立适当的模型来进行预测。
目前，传统的可用于腐蚀预测的腐蚀动力学模型包括幂函数模型和一般的线性模型。对于短期腐蚀过程，幂函数模型是较为精确的，但不适用于长期腐蚀过程的预测。而对于长期腐蚀过程，考虑腐蚀产物的保护作用，一般的线性模型更为合适，但不适用于短期腐蚀过程的预测。因此对铝合金材料的腐蚀失重以及使用年限需要建立更加合适的模型来进行预测。
发明内容
本发明针对现有技术的不足，本发明提供了一种预测铝合金腐蚀失重的方法。
为实现上述目的，本发明提供如下技术方案：一种预测铝合金腐蚀失重的方法，包括以下步骤：
S1：获取金属腐蚀速率实验数据；
S2：采用灰色预测建立具体的腐蚀预测模型；
S3：测试其对反映铝合金腐蚀过程的变化规律的精度；
S4：通过预测模型预测不同型号的铝合金材料在不同温度下的饱和Na2SO4溶液中的腐蚀程度，从而对铝合金材料在未来使用中的腐蚀情况进行动态风险预测和评估。
优选的，模型适用范围具体包括2024、3003、5052、6061、7075五种不同型号的铝合金材料；
优选的，具体包括以下操作步骤：
Q1：获取铝合金材料在饱和Na2SO4溶液中于不同温度下(一般70～110℃)长期腐蚀后的试样腐蚀失重数据；
Q2：在某个温度下测得各个时间的单位面积腐蚀失重：X(0)＝{X0(1)，X0(2)，X0(3)，…，X0(k)}，对应不同的时间序列t＝{t1，t2，t3…tk}，其中t1＝5d，tk-tk-1＝5，k≥4；
累加后得到新的数列：X(1)＝{X1(1)，X1(2)，X1(3)，…，X1(k)}；
Q3：生成均值序列Z(1)＝{Z1(1)，Z1(2)，Z1(3)，…，Z1(k)}，其中Z1(k)＝αX1(k)+(1-α)X1(k-1)；式中，α为权重，0≤α≤1；
Q4：采用一阶单变量微分方程对累加数列X(1)进行拟合，得到灰色预测模型的白微分方程：
其中，a为发展系数，b为灰作用量；
Q5：令数列A＝(a，b)T,使用最小二乘法可以得到A＝(BTB)-1BTY；，利用此公式可以求出a，b的值；
Q6：将Q5求得的a值和b值代入Q4中的白微分方程并求解可以得到预测累加值公式：
其中为模型预测的数列，X为实际数列；
Q7：按照累减生成还原值数列，便得到了预测值；
Q8：为了评估模型精度，需要采用残差检验、方差比检验和小误差概率检验来判断所求出的预测值是否能达到精度要求。
优选的，所述Q8中，
残差检验
令残差为ε(k)，依据Formula 3来计算：
若|ε(k)|<0.2，则认为可以满足预测要求；
若|ε(k)|<0.1，则认为预测效果很好。
方差比检验
令方差比为C，计算X(0)(k)的方差S1，计算的方差S2，根据Formula4来计算：
若C<0.35，则认为可以满足预测要求；
若C<0.45，则认为预测效果很好。
小概率误差检验
令小误差概率为P，根据Formula 5来判断：
若P>0.80，则认为可以满足预测要求；
若P>0.95，则认为预测效果很好。
优选的，所述Q5中：
利用此方法求出；
有益效果
利用本发明的预测模型不需要很多数据，一般只需要4个数据，就能够解决历史数据少、序列的完整性差及可靠性低的问题，能利用微分方程充分挖掘系统变化的本质，精度高；能将无规律的原始数据进行生成得到规律性较强的生成序列，运算简便，便于检验，不考虑分布规律，不考虑变化趋势。因此，可以通过实验得到的数据去预测不同型号铝合金材料在不同温度下的饱和Na2SO4溶液中的腐蚀失重，从而对铝合金材料在未来使用中的腐蚀情况进行动态风险预测和评估。
具体实施方式
选取不同铝合金作为研究对象，探究其在饱和Na2SO4溶液中的腐蚀行为，预测材料于不同温度下浸泡50d后的腐蚀失重量，不同铝合金的化学成分见表1。
试验所用铝合金腐蚀试样的尺寸为25×25×10mm，试样一端钻出直径约3mm的小孔来制作挂片。加工完成的挂片试样在空气中放置一段时间后表面会形成一层氧化膜，为了提高实验的准确性，表面采用抛光条件制作，依次使用#400、#600、#800、#1000砂纸对试样进行逐级打磨，直至表面不见磨痕。打磨后的试样置于丙酮溶液中，在超声清洗器中震荡清洗15min后用水冲净，并确保干燥。在腐蚀测试前，测量试样的暴露表面积和重量。使用高质量的分析天平将样品称重至最近的0.0001g。在测试结束时，取出冲洗，进行后续腐蚀特性表征的样品直接干燥保存，计算腐蚀失重与腐蚀速率的试样在室温下浸泡于浓度为1.42g/mL的HNO3溶液中5min，去除试样表面腐蚀的产物后洗净干燥，然后再次称量。
根据公式4来计算单位面积腐蚀失重：
其中C代表单位面积腐蚀失重(g/m2)，m0代表试样原始质量(g)，m1代表腐蚀后试样质量(g)，a、b、c分别代表试样长度、宽度和厚度(m)。
不同铝合金材料的化学元素质量百分含量如表1所示：
表1
实施例1
(1)获取2024铝合金材料在饱和Na2SO4溶液中于70℃下长期腐蚀后的试样腐蚀失重数据，数据如表2所示：
表2
| 实验腐蚀时间(t) | 单位面积腐蚀失重(g/m2) |
| t1 | 1.808949456 |
| t2 | 2.56085373 |
| t3 | 2.8849657 |
| t4 | 3.02095019 |
| t5 | 3.32894946 |
| t6 | 3.6278674 |
| t7 | 3.77476036 |
| t8 | 4.06573479 |
| t9 | 4.21534918 |
| t10 | 4.49640651 |
注：表2中，t＝{t1，t2，t3…tk}，其中t1＝5d，tk-tk-1＝5。
步骤S1：设X(0)为2024铝合金试样在70℃下的单位面积腐蚀失重，则原始序列为：X(0)＝{1.808949456，2.56085373，2.8849657，3.02095019，3.32894946，3.6278674，3.77476036，4.06573479，4.21534918，4.49640651}；
步骤S2：对X(0)进行累加，得到累加数列X(1)，X(1)＝{1.808949456，4.369803186，7.254768886，10.27571908，13.60466854，17.23253594，21.0072963，25.07303109，29.28838027，33.78478678}；
步骤S3：均值序列Z(1)＝{Z1(1)，Z1(2)，Z1(3)，…，Z1(k)}，其中Z1(k)＝αX1(k)+(1-α)X1(k-1)；式中，α为权重，0≤α≤1，这里取权重α＝0.5，生成均值序列Z(1)，Z(1)＝{3.089376321，5.812286036，8.765243981，11.94019381，15.41860224，19.11991612，23.04016369，27.18070568，31.53658352}；
步骤S4:采用一阶单变量微分方程对生成数据序列X(1)进行拟合，即可得GM(1,1)的白化形式：
a为发展系数，b为灰作用量；
步骤S5:令数列A＝(a，b)T，使用最小二乘法可以得到a＝-0.066274514，b＝2.478464685；
步骤S6:代入a，b的值解出相应的白微分方程后得到：
其中/>为模型预测的数列，X为实际数列。
步骤S7:按照累减生成还原值数列，便得到了预测值，见表3。
表3
实施例2
与实施例1的预测方法基本相同，不同之处仅在于，所述“获取2024铝合金材料在饱和Na2SO4溶液中于70℃下长期腐蚀后的试样腐蚀失重数据”调整为“获取2024铝合金材料在饱和Na2SO4溶液中于100℃下长期腐蚀后的试样腐蚀失重数据”，数据如表5所示：
表5
得到预测值见表6
表6
实施例3
与实施例1的预测方法基本相同，不同之处仅在于，所述“获取2024铝合金材料在饱和Na2SO4溶液中于70℃下长期腐蚀后的试样腐蚀失重数据”调整为“获取3003铝合金材料在饱和Na2SO4溶液中于70℃下长期腐蚀后的试样腐蚀失重数据”，数据如表7所示：
表7
得到预测值见表8
表8
实施例4
与实施例1的预测方法基本相同，不同之处仅在于，所述“获取2024铝合金材料在饱和Na2SO4溶液中于70℃下长期腐蚀后的试样腐蚀失重数据”调整为“获取3003铝合金材料在饱和Na2SO4溶液中于100℃下长期腐蚀后的试样腐蚀失重数据”，数据如表9所示：
表9
得到预测值见表10
表10
误差检验例
采用三种误差检验来判断所求出的不同铝合金材料于不同温度下浸泡50d后的腐蚀失重量预测值是否能达到精度要求，具体测试结果见表11。
(1)残差检验
令残差为ε(k)，依据公式1来计算：
若|ε(k)|<0.2，则认为可以满足预测要求；
若|ε(k)|<0.1，则认为预测效果很好。
(2)方差比检验
令方差比为C，计算X(0)(k)的方差S1，计算的方差S2，根据公式2来计算：
若C<0.35，则认为可以满足预测要求；
若C<0.45，则认为预测效果很好。
(3)小概率误差检验
令小误差概率为P，根据公式3来判断：
若P>0.80，则认为可以满足预测要求；
若P>0.95，则认为预测效果很好。
表11
表11中数据表明，本发明采用的灰色预测模型预测铝合金腐蚀失重的方法能准确地预测铝合金材料在实际应用环境下长周期内的腐蚀寿命。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (7)
1.一种预测铝合金腐蚀失重的方法，其具体步骤如下：
S1：获取金属腐蚀速率实验数据；
S2：采用灰色预测建立具体的腐蚀预测模型；
S3：测试其对反映铝合金腐蚀过程的变化规律的精度；
S4：通过预测模型预测不同型号的铝合金材料在不同温度下的饱和Na2SO4溶液中的腐蚀程度，从而对铝合金材料在未来使用中的腐蚀情况进行动态风险预测和评估。
2.根据权利要求1所述的方法，其特征在于，所述的铝合金为2024、3003、5052、6061或7075型号的铝合金。
3.根据权利要求1所述的方法，其特征在于，其具体步骤如下：
Q1：获取铝合金材料在饱和Na2SO4溶液中于不同温度下长期腐蚀后的试样腐蚀失重数据；
Q2：在某个温度下测得各个时间的单位面积腐蚀失重：X(0)＝{X0(1)，X0(2)，X0(3)，…，X0(k)}，对应不同的时间序列t＝{t1，t2，t3…tk}，其中t1＝5d，tk-tk-1＝5，k≥4；
累加后得到新的数列：X(1)＝{X1(1)，X1(2)，X1(3)，…，X1(k)}；
Q3：生成均值序列Z(1)＝{Z1(1)，Z1(2)，Z1(3)，…，Z1(k)}，其中Z1(k)＝αX1(k)+(1-α)X1(k-1)；式中，α为权重，0≤α≤1；
Q4：采用一阶单变量微分方程对累加数列X(1)进行拟合，得到灰色预测模型的白微分方程：
其中，a为发展系数，b为灰作用量；
Q5：令数列A＝(a，b)T,使用最小二乘法可以得到A＝(BTB)-1BTY；，利用此公式可以求出a，b的值；
Q6：将Q5求得的a值和b值代入Q4中的白微分方程并求解可以得到预测累加值公式：
其中为模型预测的数列，X为实际数列；
Q7：按照累减生成还原值数列，便得到了预测值；
Q8：为了评估模型精度，需要采用残差检验、方差比检验或小误差概率检验来判断所求出的预测值是否能达到精度要求。
4.根据权利要求3所述的方法，其特征在于：所述Q8中，
残差检验
令残差为ε(k)，依据Formula 3来计算：
若|ε(k)|<0.2，则认为可以满足预测要求；
若|ε(k)|<0.1，则认为预测效果很好。
5.根据权利要求3所述的方法，其特征在于：所述Q8中：
方差比检验
令方差比为C，计算X(0)(k)的方差S1，计算的方差S2，根据Formula 4来计算：
若C<0.35，则认为可以满足预测要求；
若C<0.45，则认为预测效果很好。
6.根据权利要求3所述的方法，其特征在于，所述Q8中：
小概率误差检验
令小误差概率为P，根据Formula 5来判断：
若P>0.80，则认为可以满足预测要求；
若P>0.95，则认为预测效果很好。
7.根据权利要求3所述的方法，其特征在于，所述Q5中：
利用此方法求出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310690558.6A CN116818592A (zh) | 2023-06-12 | 2023-06-12 | 一种预测铝合金腐蚀失重的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310690558.6A CN116818592A (zh) | 2023-06-12 | 2023-06-12 | 一种预测铝合金腐蚀失重的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116818592A true CN116818592A (zh) | 2023-09-29 |
Family
ID=88115976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310690558.6A Pending CN116818592A (zh) | 2023-06-12 | 2023-06-12 | 一种预测铝合金腐蚀失重的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116818592A (zh) |
-
2023
- 2023-06-12 CN CN202310690558.6A patent/CN116818592A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100395842B1 (ko) | 열화진단방법과 그 장치 | |
| CN108398320B (zh) | 一种变形铝合金拉伸应力腐蚀的测量方法 | |
| McMahon et al. | The effect of loading orientation on the stress corrosion cracking of Al-Mg alloys | |
| CN105277479A (zh) | 一种海洋大气环境下镀锌钢镀层的腐蚀模拟方法和耐蚀性评价方法 | |
| CN109253966A (zh) | 模拟不锈钢在工业海洋大气环境下腐蚀过程的试验方法 | |
| CN110095401A (zh) | 模拟货车车体用钢在煤炭浸出液介质中的腐蚀试验方法 | |
| CN105699280A (zh) | 模拟耐候钢在高湿热海洋大气中腐蚀的方法 | |
| CN105277478A (zh) | 工业大气环境下镀锌钢镀层的腐蚀模拟方法和耐蚀性评价方法 | |
| CN113252547B (zh) | 一种基于环境阈值的铝合金腐蚀疲劳的风险等级评价方法 | |
| CN116818592A (zh) | 一种预测铝合金腐蚀失重的方法 | |
| Roberge | Statistical interpretation of corrosion test results | |
| CN108956367B (zh) | 一种阳极氧化膜封孔质量的评定方法 | |
| CN110231278A (zh) | 一种检测银亮材用防锈油保护效果的盐雾试验方法 | |
| CN115561151A (zh) | 一种关重金属材料海洋大气环境损伤性能预测系统 | |
| CN114383997A (zh) | 一种室内外腐蚀试验相关性分析方法 | |
| Wan et al. | Interactions between mechanical and environmental variables for short fatigue cracks in a 2024-T3 aluminum alloy in 0.5 M NaCl solutions | |
| Enos et al. | The long-term corrosion performance of Alloy 22 in heated brine solutions | |
| Hajduk | Research of deposit accumulated on heat exchange surfaces in the light of thermal degradation of heat exchange aparatus of steam power plants part I: study of real sediments | |
| CN111898788B (zh) | 一种涂层使用寿命预测方法及装置 | |
| KR102549783B1 (ko) | 인산염 피막 정량 평가를 통한 공정별 마찰계수 산출방법 | |
| CN113408131A (zh) | 耐候桥梁钢腐蚀寿命预测方法 | |
| JP2024158229A (ja) | 化成処理の前処理の評価方法 | |
| CN103175830B (zh) | 清洗用盐酸及缓蚀剂的评价方法及其工作液 | |
| CN115718061B (zh) | 一种耐热钢材料腐蚀层评价方法、系统及设备 | |
| Busby et al. | Assessment of initial test conditions for experiments to assess irradiation assisted stress corrosion cracking mechanisms |
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 |