鋼結構的大氣腐蝕模型(編輯修改稿)
2024-12-11 19:37 本頁面
【文章內容簡介】 模型 . 通過對腐蝕數(shù)據(jù)的線性回歸而建立 ,一般要求腐蝕 數(shù)據(jù)經過數(shù)學變換呈線性關系 .這兩種模型使用比 較方便 ,但對腐蝕的全過程擬合誤差較大 . GM()模型一 39。.. GM(1,1)模型的建模過程中 ,對原始數(shù)列 X 一 , , )進行累加生成 ,并按照灰色 理論的 有關假設和規(guī)定 ,利用微分方程表達其動態(tài)特性 ,構 造矩陣 ,估計參數(shù)得到時間響應方程 : j一 m一 lexp(一 n)+旦 (3)LJ 式中 :39?！?l】】是原始數(shù)列 (平均腐蝕失重或者平均腐蝕 深度 )的第一個值 。是累加生成的數(shù)列的第 (+ 1)個估計值 。稱為發(fā)展系數(shù) ,反映的發(fā)展態(tài)勢 稱為灰色作用量 ,它的大小反映數(shù)據(jù)的變化關系 ,在 系統(tǒng)中相當于作用量 .還原數(shù)列即可得預測值 ,其中 一一 (4) GM(1,1)方法屬于軟科學方法中的灰色理論 ,對數(shù) 據(jù)的適用性較好 ,但模型的建立過程相對復雜 ,需要 一 定的理論基礎 .從文獻 [7,1o2的結果看 ,其精度高 于冪函數(shù)形式和指數(shù)函數(shù) . 空間結構第 10謄 人工神經網絡通過對樣本的訓練學習 ,能較好 反映系統(tǒng)的發(fā)展趨勢與狀態(tài)輸入信號的關系 ,可以 對系統(tǒng)發(fā)展趨勢進行較好的預測 .BP網絡在很多領 域被廣泛運用 ,其預測的準確性取決于網絡結構 ,建 模參數(shù)以及樣本的數(shù)量和準確性 . 由于不同地區(qū)影響金屬大氣腐蝕的因素不同 ,比 如年平均溫度 ,年平均相對濕度 RH,年相對濕度 (RH80)時數(shù) ,年降水量 ,年降雨日數(shù) ,年日照時 數(shù) ,Cl一濃度 , ,NO!濃度 ,雨水 pH值以及腐 蝕時間等 ,建模時應選擇合適的因素作為輸入因子 . 之后確定網格結構 ,選擇輸出層神經元變換函數(shù) . 神經網絡預測方法 ,對腐蝕數(shù)據(jù)有較好的適用 性 .適合于含有不確定性因素的復雜系統(tǒng)的分析 .從 文獻 [12]的結果看 ,其精度高于 GM(1,1)模型 .但 神經網絡法也需要一定的理論基礎 ,要配合計算機 程序來使用 . _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:,C1一是氯離子的濃度 (mg/m!),SO2是硫化物的濃度 (mg/m),t和 是降雨的時間和毫米數(shù) .rj一 ?j和 r:j一 .j是溫度分別在 5— 25和 25— 35度 ,相對濕度 (RH800o)的時間 , a,b,f,d,P,f,g,h為待定系數(shù) . 該模型是根據(jù)腐蝕機理 ,結合腐蝕數(shù)據(jù)而建立 的 .考慮了影響腐蝕的諸多因素 .公式 (5)為通式 ,不 同環(huán)境下可以根據(jù)實際數(shù)據(jù)略去一些對 C 貢獻小 的項 .該模型國內還沒有文獻進行研究對比 ,其需要 的已知因素較多 ,公式中的待定參數(shù)也較多 ,實際工 程中使用有一定困難 .但是公 式從腐蝕的原理出發(fā) , 有利于腐蝕的實驗研究 . j 文獻 [14]認為腐蝕過程中存在一個特殊點 —— 腐蝕臨界點 ,在它的前后 ,腐蝕隨時間變化的規(guī)律不 同 ,故應通過分段建模來擬合腐蝕數(shù)據(jù) . (1)基于經驗變換的模型 先找到腐蝕的臨界點 ,利用冪函數(shù) h(f):at或
公司管理相關推薦
鄂ICP備17016276號-1