1.氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于,包括:
2.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s1中,基于bp神经网络构建气阀腐蚀预测模型。
3.如权利要求2所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s2中,模型参数包括bp神经网络的初始阈值和权值。
4.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s2中,遗传算法确定最优模型参数的处理步骤如下:
5.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s3中,气阀腐蚀试验的步骤如下:
6.如权利要求5所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s303中,腐蚀速度评价方法包括重量法和深度法;
7.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s3中,气阀腐蚀仿真试验的步骤如下:
8.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s5中,对气阀腐蚀试验和气阀腐蚀仿真试验采集的数据进行去重、清洗、比对、整理形成试验数据库;然后试验数据库中的数据进行初始化处理,初始化处理指对数据库进行转化、关联、脱敏和异常处理。
9.如权利要求8所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s5中,对试验数据库的数据进行归一化处理;
10.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法,其特征在于:步骤s8中,预测腐蚀速度包括深度表示的腐蚀速度和增重表示的腐蚀速度。