钢结构的大气腐蚀模型

钢结构的大气腐蚀模型内容摘要：

模型 . 通过对腐蚀数据的线性回归而建立 ,一般要求腐蚀 数据经过数学变换呈线性关系 .这两种模型使用比 较方便 ,但对腐蚀的全过程拟合误差较大 . GM()模型一 39。 .. GM(1,1)模型的建模过程中 ,对原始数列 X 一 , , )进行累加生成 ,并按照灰色 理论的 有关假设和规定 ,利用微分方程表达其动态特性 ,构 造矩阵 ,估计参数得到时间响应方程 : j一 m一 lexp(一 n)+旦 (3)LJ 式中 :39。 【 l】】是原始数列 (平均腐蚀失重或者平均腐蚀 深度 )的第一个值。 是累加生成的数列的第 (+ 1)个估计值。 称为发展系数 ,反映的发展态势 称为灰色作用量 ,它的大小反映数据的变化关系 ,在 系统中相当于作用量 .还原数列即可得预测值 ,其中 一一 (4) GM(1,1)方法属于软科学方法中的灰色理论 ,对数 据的适用性较好 ,但模型的建立过程相对复杂 ,需要 一 定的理论基础 .从文献 [7,1o2的结果看 ,其精度高 于幂函数形式和指数函数 . 空间结构第 10誊 人工神经网络通过对样本的训练学习 ,能较好 反映系统的发展趋势与状态输入信号的关系 ,可以 对系统发展趋势进行较好的预测 .BP网络在很多领 域被广泛运用 ,其预测的准确性取决于网络结构 ,建 模参数以及样本的数量和准确性 . 由于不同地区影响金属大气腐蚀的因素不同 ,比 如年平均温度 ,年平均相对湿度 RH,年相对湿度 (RH80)时数 ,年降水量 ,年降雨日数 ,年日照时 数 ,Cl一浓度 , ,NO!浓度 ,雨水 pH值以及腐 蚀时间等 ,建模时应选择合适的因素作为输入因子 . 之后确定网格结构 ,选择输出层神经元变换函数 . 神经网络预测方法 ,对腐蚀数据有较好的适用 性 .适合于含有不确定性因素的复杂系统的分析 .从 文献 [12]的结果看 ,其精度高于 GM(1,1)模型 .但 神经网络法也需要一定的理论基础 ,要配合计算机 程序来使用 . _l C— n+bC1一 r。 一 ?j+cC1一 r:一 3j+dSO!rj一 2j +PSO2r2j一 3。 +/Cl— t +gSO2t+hmm/t(5) 其中 ,c是平均失重 g/m:,C1一是氯离子的浓度 (mg/m!),SO2是硫化物的浓度 (mg/m),t和 是降雨的时间和毫米数 .rj一 ?j和 r:j一 .j是温度分别在 5— 25和 25— 35度 ,相对湿度 (RH800o)的时间 , a,b,f,d,P,f,g,h为待定系数 . 该模型是根据腐蚀机理 ,结合腐蚀数据而建立 的 .考虑了影响腐蚀的诸多因素 .公式 (5)为通式 ,不 同环境下可以根据实际数据略去一些对 C 贡献小 的项 .该模型国内还没有文献进行研究对比 ,其需要 的已知因素较多 ,公式中的待定参数也较多 ,实际工 程中使用有一定困难 .但是公 式从腐蚀的原理出发 , 有利于腐蚀的实验研究 . j 文献 [14]认为腐蚀过程中存在一个特殊点 —— 腐蚀临界点 ,在它的前后 ,腐蚀随时间变化的规律不 同 ,故应通过分段建模来拟合腐蚀数据 . (1)基于经验变换的模型 先找到腐蚀的临界点 ,利用幂函数 h(f):at或。