论文部分内容阅读
海水腐蚀是海洋开发所必须面临和解决的问题。测试比较不同区域海水的腐蚀性不仅在海洋工程选材和设计方面具有重要意义,而且对于预测钢铁结构物在具体海洋环境中的使用寿命也有很强的参考价值。本论文采用组合人工神经网络的方法建立了海洋环境中3C、A3、16Mn、10MnPNbRe、10CrMoAl、D36六种海洋工程常用钢的“海水环境参数—腐蚀速率”预测模型,对10200组环境参数下的金属腐蚀速度进行了预测,通过材料的腐蚀速度来表征海水在各种环境参数下的腐蚀性,并把预测的腐蚀速度输入到通过VB调用的查询数据库中,从而实现了不同区域的海水腐蚀能力的现场快速检测。本论文的研究内容主要包括以下四个方面:第一,针对复杂海水腐蚀体系的误差反传网络(BP)建模中存在的样本数量有限和隐含层单元数难确定的问题提出了先用自组织特征映射(SOM)网络对训练样本和要预测的样本进行分类,然后用径向基函数(RBF)网络分别对样本进行训练和预测的方法。通过仿真样本验证表明该方法建立的模型可以满足预测精度。第二,利用该组合模型对3C、A3、16Mn、10MnPNbRe、10CrMoAl、D36六种钢材在10200组海水环境参数下的腐蚀速率做出预测,并把这些数据输入到ACESS数据库中,然后通过VB编程建立查询界面,大大提高了海水腐蚀数据的查询和调用效率,从而实现了“海水环境参数—海水腐蚀性能”的现场快速预测。第三,把该组合人工神经网络模型与传统的误差反传(BP)模型的仿真结果和训练过程作了详细比较,结果表明前者预测的相对误差要比后者普遍小,最大可以提高4.64%,训练的收敛速度也要比BP模型提高2-3倍。第四,一方面用该模型预测了饱和表层海水中海水腐蚀性随温度的变化趋势,与实际情况基本相符;另一方面预测了六种钢材在七组海水环境参数下的腐蚀速率,并把它们与实际的测量结果做了比较,所得到的误差基本满足了要求。通过这两方面的验证表明该腐蚀数据库的数据有着较高的准确性,能够用于不同区域海水腐蚀性的预测和评价。