用于地铁腐蚀电流预测的电化学腐蚀传感器及预测方法与流程

[0001]
本发明涉及电化学传感器技术领域，特别是涉及用于地铁腐蚀电流预测的电化学腐蚀传感器及预测方法。


背景技术：

[0002]
地铁在运营过程中，轨地绝缘性能不可避免的会发生下降，因此部分牵引电流会经由走行轨泄漏至地下环境，这部分泄漏电流称之为杂散电流。杂散电流会对地铁附近埋地金属结构物造成严重的电化学腐蚀，越靠近地铁线路，则腐蚀危险性越大。我国城市地铁线路正进入高速建设阶段，如何有效防治杂散电流泄漏及其腐蚀作用是地铁运营过程中的重要课题，对于保障地铁系统安全运营和相关设施安全服役具有重大意义。
[0003]
杂散电流腐蚀监测是地铁杂散电流防治的重要一环，能够为腐蚀防护措施提供重要的参考信息并及时发现腐蚀危险区域，从而及时进行金属结构的更换，避免泄漏、垮塌、爆燃等危险事故的发生。因此，在城市大力开展地铁线路的同时，与之相配套的周边重要金属结构腐蚀监测系统也需同步加以建设，例如地铁周围埋地金属管线、地铁钢筋混凝土主体结构的监测系统。目前杂散电流腐蚀监测主要以金属结构物的极化电位监测为主，存在着监测结果依赖反应物特性、ir降的误差影响、长时间内的性能下降等问题。
[0004]
杂散电流腐蚀是一种典型的电化学腐蚀过程，基于电化学原理的腐蚀监测方法与常规极化电位监测法相比，能够提供更加全面反映腐蚀过程的信息。通过基于电化学的监测手段所获取的电化学噪声、阻抗谱、腐蚀电流密度等信息，能够有效了解特定环境下杂散电流腐蚀过程的变化趋势。然而，常规电化学过程的监测基本是在实验室环境下进行的，所需传感器集成性较差，且难以在混凝土、土壤电解质环境中保证测量结果的稳定性。同时，在常规监测的基础上需要进一步对未来的腐蚀发展趋势进行一定程度的预测。因此，亟需一种具备较好集成性且能够保持长时间内高稳定性的电化学腐蚀传感器，以及基于该电化学传感器的杂散电流腐蚀预测方法。


技术实现要素：

[0005]
本发明的目的是提供用于地铁腐蚀电流预测的电化学腐蚀传感器及预测方法，以解决现有技术中存在的技术问题，能够在所设计传感器的基础上实现混凝土结构腐蚀电流密度的有效预测，同时具备高稳定性、易于实施的优点，在基于电化学的杂散电流腐蚀监测、预测领域具有广阔的应用前景。
[0006]
为实现上述目的，本发明提供了如下方案：本发明提供用于地铁腐蚀电流预测的电化学腐蚀传感器，包括：若干个辅助电极、若干个工作电极、全固态参比电极、传感器外壳；所述全固态参比电极、工作电极、辅助电极由内向外依次分布；所述传感器外壳设于所述辅助电极、工作电极、全固态参比电极的外侧；所述传感器还包括电极盖板，所述全固态参比电极、工作电极、辅助电极的一端分别与所述电极盖板连接；所述电极盖板上设有传感器盖板。
[0007]
优选地，所述全固态参比电极包括工程塑料层，所述工程塑料层一端设有电极固定端，所述工程塑料层中嵌设有导电层，所述电极固定端与所述电极盖板连接；所述全固态参比电极还包括电极芯，所述电极芯一端连接于所述电极盖板上，另一端贯穿所述电极固定端伸入所述导电层内。
[0008]
优选地，所述传感器为圆柱状结构，若干个所述工作电极呈环状周向设置于所述全固态参比电极外侧，若干个所述辅助电极呈环状周向设置于所述工作电极外部；相邻工作电极之间、相邻辅助电极之间以及工作电极与辅助电极之间均设有间隙，所述辅助电极与所述工作电极交错设置。
[0009]
优选地，所述传感器外壳设有若干个辅助电极槽、若干个工作电极槽、参比电极槽；所述辅助电极槽与所述工作电极槽之间、所述工作电极槽与所述参比电极槽之间均设有间隙。
[0010]
优选地，所述辅助电极、工作电极分别与所述辅助电极槽、工作电极槽的尺寸相同；所述辅助电极槽、工作电极槽的底部均设有沟槽，所述辅助电极槽、工作电极槽的侧壁均设有通孔。
[0011]
优选地，所述电极盖板上设有若干个第一引线孔，一个第二引线孔；所述第一引线孔的位置分别与所述辅助电极、工作电极的位置相对应，所述第二引线孔的位置设于所述盖板的圆心；所述传感器盖板圆心处设有第三引线孔。
[0012]
优选地，所述传感器盖板、所述电极盖板之间填充有硅酮玻璃胶。
[0013]
本发明还提供一种地铁腐蚀电流预测方法，具体包括如下步骤：
[0014]
s1、通过所述电化学腐蚀传感器采集待测地铁结构在预设周期内的腐蚀电流密度时序数据、极化电阻时序数据、自腐蚀电位时序数据、极化电位时序数据；
[0015]
s2、对采集的腐蚀电流密度时序数据、极化电阻时序数据、自腐蚀电位时序数据、极化电位时序数据分别进行归一化处理；
[0016]
s3、构建人工神经网络，并设置人工神经网络的初始参数，完成人工神经网络的初始化；
[0017]
s4、基于归一化处理后的腐蚀电流密度时序数据、极化电阻时序数据、自腐蚀电位时序数据、极化电位时序数据构建训练集和测试集，并通过训练集对人工神经网络进行训练；
[0018]
s5、将测试集对训练完成的人工神经网络进行测试，得到腐蚀电流密度预测模型；
[0019]
s6、通过电化学传感器实时测量地铁结构中相同时刻下的自腐蚀电位、极化电位和极化电阻，输入腐蚀电流密度预测模型，完成对应时刻下地铁结构中腐蚀电流密度的预测。
[0020]
优选地，所述步骤s1中，在空载状态下，通过所述全固态参比电极对所述极化电位进行测量。
[0021]
优选地，所述人工神经网络的输入为相同时刻下的自腐蚀电位、极化电位、极化电阻，所述人工神经网络的输出为对应时刻下的腐蚀电流密度。
[0022]
本发明公开了以下技术效果：
[0023]
(1)本发明电化学腐蚀传感器通过设置辅助电极、工作电极、全固态参比电极，并通过传感器外壳、电极盖板、传感器盖板对各电极及电极上的连接导线进行封装，能够将电
化学腐蚀传感器埋设于地铁隧道的钢筋混凝土主体结构沿线处或沿线路旁的管线位置，对地铁结构的腐蚀电流进行实时、实地测试，集成度高，解决了现有电化学监测仅能在实验室环境中进行的问题，易于实施；
[0024]
(2)本发明构建人工神经网络，通过电化学腐蚀传感器中的多组辅助电极、工作电极采集待测地铁结构的极化电阻时序数据、自腐蚀电位时序数据、腐蚀电流密度时序数据，通过全固态参比电极采集极化电位时序数据，并作为人工神经网络的输入和输出对人工神经网络进行训练获得腐蚀电流密度预测模型，通过腐蚀电流密度预测模型能够长时间内对地铁结构中腐蚀电流密度进行实时准确预测。
附图说明
[0025]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0026]
图1为本发明用于地铁腐蚀电流预测的电化学腐蚀传感器结构俯视图；
[0027]
图2为本发明用于地铁腐蚀电流预测的电化学腐蚀传感器结构主视图；
[0028]
图3为本发明实施例中用于地铁腐蚀电流预测的电化学腐蚀传感器电极盖板的俯视图；
[0029]
图4为本发明实施例中用于地铁腐蚀电流预测的电化学腐蚀传感器传感器盖板的俯视图；
[0030]
图5为本发明地铁腐蚀电流预测方法流程图；
[0031]
图中，1为传感器外壳，2为辅助电极，3为工作电极，4为全固态参比电极，41为电极固定端，42为电极芯，43为导电层，44为工程塑料层，5为电极盖板，6为传感器盖板。
具体实施方式
[0032]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0033]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0034]
参照图1-4所示，本实施例提供用于地铁腐蚀电流预测的电化学腐蚀传感器，包括：若干个相同的辅助电极2、若干个相同的工作电极3、全固态参比电极4、传感器外壳1；所述全固态参比电极4用于测量所述工作电极3的极化电位，所述辅助电极2与所述工作电极3组成极化回路，所述工作电极3用于进行电化学腐蚀反应。
[0035]
所述全固态参比电极4、工作电极3、辅助电极2由内向外依次分布；所述传感器外壳1设于所述辅助电极2、工作电极3、全固态参比电极4的外侧，用于对所述全固态参比电极4、工作电极3、辅助电极2进行封装；所述传感器为圆柱状结构，所述传感器还包括电极盖板5，所述全固态参比电极4、工作电极3、辅助电极2的一端分别与所述电极盖板5连接；所述电
极盖板5上设有传感器盖板6。
[0036]
所述全固态参比电极4为柱状电极，包括工程塑料层44，所述工程塑料层44一端的端面设有电极固定端41，所述工程塑料层44中嵌设有导电层43，所述电极固定端41固设于所述电极盖板5上；所述全固态参比电极4还包括电极芯42，所述电极芯42一端固设于所述电极盖板5上，另一端贯穿所述电极固定端41伸入所述导电层43内。
[0037]
若干个所述工作电极3呈环状周向均匀设置于所述全固态参比电极4外侧，若干个所述辅助电极2呈环状周向均匀设置于所述工作电极3外部；本实施例中，所述工作电极3、所述辅助电极2的数量均为3个。所述工作电极3、辅助电极2均为管片状电极，厚度均为10mm；每个所述工作电极3的弧形角度为110
°
，每个所述辅助电极2的弧形角度为100
°
。考虑到杂散电流流动方向复杂多变，辅助电极2和工作电极3均在各自电极槽360
°
范围内呈环形均匀分布，辅助电极2布设于外环，工作电极3布设于内环，且辅助电极2与工作电极3交错放置；所述辅助电极2为石墨电极；在工作电极3和辅助电极2采集信号后，对三路工作电极3、三路辅助电极2采集的信号分别进行平均值处理，从而获得最终的工作电极信号和辅助电极信号。
[0038]
所述传感器外壳1、电极盖板5、传感器盖板6为有机玻璃结构；所述传感器外壳1设有若干个辅助电极槽、若干个工作电极槽、参比电极槽；若干个辅助电极槽、若干个工作电极槽、参比电极槽分别用于对辅助电极2、工作电极3、全固态参比电极4进行封装；所述辅助电极槽与所述工作电极槽之间、所述工作电极槽与所述参比电极槽之间均设有间隙，本实施例中间隙为15mm，以保证传感器在使用过程中电极与电解质环境的充分接触；所述辅助电极2、工作电极3分别与所述辅助电极槽、工作电极槽的尺寸相同；所述辅助电极槽、工作电极槽的底部均设有沟槽，所述辅助电极槽、工作电极槽的侧壁均设有通孔，以增加辅助电极2、工作电极3与电解质的接触面积。
[0039]
所述电极盖板5上设有若干个引线孔，若干个所述引线孔分别用于为所述工作电极3、辅助电极2、全固态参比电极4连接导线；本实施例中，电极盖板5上设有7个引线孔；用于工作电极3、辅助电极2的第一引线孔直径为4mm，用于全固态参比电极4的第二引线孔直径为6mm，引线孔的位置分别与工作电极3、辅助电极2、全固态参比电极4的中心相对应，用于工作电极3、辅助电极2的第一引线孔分别成环形分布，夹角为120
°
。所述传感器盖板6圆心处设有第三引线孔，用于为所述全固态参比电极4连接导线。
[0040]
用于地铁腐蚀电流预测的电化学腐蚀传感器的制备及组装方法包括：
[0041]
传感器外壳1的制备：使用有机玻璃作为加工材质，按照电极的形状及分布，通过激光切割进行加工，加工后使用砂纸打磨去除表面毛刺。
[0042]
传感器盖板6、电极盖板5的制备：使用有机玻璃作为加工材质，通过激光切割进行加工；电极盖板5上留有6个直径为4mm、深度为5mm的第一引线孔，分别用于引出工作电极3、辅助电极2的导线，电极盖板5上还设有1个直径为6mm、深度为5mm的第二引线孔，用于引出全固态参比电极4的导线；传感器盖板6圆心处留有一个直径为10mm、深度为5mm的第三引线孔，用于引出全固态参比电极4的导线。
[0043]
全固态参比电极4的制备：全固态参比电极4采用agl参比电极和agcl参比电极中的一种，全固态参比电极4的导线为屏蔽线，屏蔽线在焊接前缠绕一层防水胶带，将导线与电极芯42进行焊接固定。
[0044]
辅助电极2和工作电极3的制备：辅助电极2和工作电极3采用线切割加工方法进行加工，加工完成后，分别使用800#至2000#的砂纸打磨至表面光滑，在0.1mol/l丙酮中清洗之后，使用超声波清洗仪进行清洗，在干燥箱中进行烘干。在工作电极3和辅助电极2顶端中心位置分别开设直径2mm、深度3mm的凹槽，在凹槽处分别焊接导线，保证焊接部分的平整，并在焊接导线位置上方涂抹一层ab胶密封，静置3天，静置期间保持干燥密闭，防止工作电极3表面氧化；为了减少电磁干扰，辅助电极2和工作电极3所使用导线均为屏蔽线，屏蔽线在制备前缠绕一层防水胶带。连接工作电极3与导线时，将导线插入工作电极3上表面中央所预留的凹槽中进行焊接处理，保证焊接牢固，在焊接后在工作电极3上表面使用酚醛胶泥涂覆一层。连接辅助电极2与导线时，将导线插入辅助工作电极3上表面中央所预留的凹槽中，使用碳粉和铜粉进行混合填充、夯实，然后在表面使用酚醛胶泥涂覆一层，其中，重点涂覆导线连接处进行固定。
[0045]
传感器的组装：将制备好的辅助电极2、工作电极3、全固态参比电极4放置于传感器外壳1的电极槽中，保证各电极中心凹槽与电极盖板5上预留的引线孔对齐；在电极盖板5反面、电极槽与电极盖板5的接触面、各电极上表面涂抹ab胶，并将电极盖板5粘置在电极槽上压实，各导线分别从预留的引线孔中穿出，在引线孔中使用硅橡胶填满密封；下压电极盖板5，使得电极盖板5与电极槽和电极的上表面紧密接触；静置两天后，在引线孔中的硅橡胶上方加涂ab胶；将各电极导线从电极盖板5的引线孔中引出后，在传感器盖板6和电极盖板5之间填充硅酮玻璃胶，增加防水性和密封性，并保护各个导线；在硅酮玻璃胶上放置一个与传感器盖板6直径相同的o型圈，在传感器盖板6的引线孔中填充环氧树脂，放置外界腐蚀介质和水分侵入；各电极导线的屏蔽层统一接入地网或接地结构，采用集中式一点接地的方法将外来的干扰信号导入大地。
[0046]
用于地铁腐蚀电流预测的电化学腐蚀传感器的埋置和使用方法包括：
[0047]
传感器埋置：传感器能够埋置于地铁隧道的钢筋混凝土主体结构沿线或沿线路旁管线埋置。在钢筋混凝土主体结构内埋置时需事先钻出与传感器相配合的孔洞，除掉孔洞内的灰尘和碎渣并用水润湿表面，用水泥砂浆均匀涂抹在孔洞壁上，然后将传感器放入孔洞中，使用砂浆将传感器电极槽之间的间隙填满，不可留有空隙，放入传感器后，用砂浆将孔洞填平。在土壤环境埋置时，电化学腐蚀传感器的摆放位置接近金属管线，且位于管线正上方，传感器底部正对埋地管线表面，使用土壤将传感器电极槽之间的间隙填满，在回填时注意将传感器周围的土壤填实，减少空隙。
[0048]
在进行测量时传感器内工作电极3输出点位v
g
和辅助电极2输出电位v
f
分别为三个工作电极3电位v
g1
、v
g2
和v
g3
的均值，三个辅助电极2电位v
f1
、v
f2
和v
f3
的均值，即为：
[0049][0050][0051]
传感器检测系统搭建：传感器能够配合分布式监测系统使用，线路内布置m套智能检测设备，每个智能检测设备连接n个适配器，每个适配器共收集p个传感器的电极信号，各路信号统一由智能检测设备暂存并上传至pc系统处理，智能检测设备和适配器的数量m、n，以及每个适配器所连接的传感器的数量p，由所需监测线路长度、适配器和智能检测设备具体参数以及pc系统的处理能力决定。
[0052]
在完成传感器检测系统的搭建之后，能够实现以下电化学测试内容：通过弱极化法能够测得杂散电流腐蚀过程的线性极化电阻、阴极与阳极的塔菲尔斜率、腐蚀电流密度；通过电化学阻抗谱技术能够测得杂散电流腐蚀过程中阻抗的奈奎斯特图和伯德图，借助等效电路拟合技术进而可以获得腐蚀阻抗的组成结构，从而分析具体工况下的界面结构、法拉第电流、腐蚀产物电容和电荷交换电阻等参数变化规律；通过电化学噪声技术能够测得电流噪声、电位噪声以及电阻噪声时域信号，基于时域统计方法、快速傅里叶变换、离散小波变换、最大熵值法、短时傅里叶变换、混沌理论等分析手段获得频域信号，从而能够分析具体工况下相应腐蚀时间是否发生点蚀、腐蚀状态、腐蚀速率估计等问题。因此，基于本发明能够监测沿管线长度方向上或混凝土内不同位置的腐蚀发展情况，为及时发现腐蚀高风险区提供重要信息参考。
[0053]
参照图5，本实施例还提供一种地铁腐蚀电流预测方法，具体包括如下步骤：
[0054]
s1、通过所述电化学腐蚀传感器采集待测地铁结构在预设周期内的腐蚀电流密度时序数据{i
corr
(t
1
),i
corr
(t
2
),i
corr
(t
3
),
…
,i
corr
(t
i
),i
corr
(t
i+1
),
…
,i
corr
(t
n
)}、极化电阻时序数据{r
p
(t
1
),r
p
(t
2
),r
p
(t
3
),
…
,r
p
(t
i
),r
p
(t
i+1
),
…
,r
p
(t
n
)}、自腐蚀电位时序数据{e
corr
(t
1
),e
corr
(t
2
),e
corr
(t
3
),
…
,e
corr
(t
i
),e
corr
(t
i+1
),
…
,e
corr
(t
n
)}、极化电位时序数据{e
p
(t
1
),e
p
(t
2
),e
p
(t
3
),
…
,e
p
(t
i
),e
p
(t
i+1
),
…
,e
p
(t
n
)}，具体包括：
[0055]
通过电化学腐蚀传感器内的三组三电极系统分别测量在t
i
时刻的腐蚀电流密度、自腐蚀电位数据、极化电阻数据；其中，每个三电极系统分别由一个工作电极3、与该工作电极3对称设置的辅助电极2、全固态参比电极4组成；三组三电极系统所测得的腐蚀电流密度分别为i
corr1
(t
i
)、i
corr2
(t
i
)和i
corr3
(t
i
)，自腐蚀电位数据分别为e
corr1
(t
i
)、e
corr2
(t
i
)和e
corr3
(t
i
)，极化电阻数据分别为r
p1
(t
i
)、r
p2
(t
i
)和r
p3
(t
i
)，电化学腐蚀传感器测得t
i
时刻的腐蚀电流密度均值为：
[0056][0057]
电化学腐蚀传感器测得t
i
时刻的自腐蚀电位均值为：
[0058][0059]
电化学腐蚀传感器测得t
i
时刻的极化电阻均值为：
[0060][0061]
以此类推获得t
1
～t
n
时刻的腐蚀电流密度{i
corr
(t
1
),i
corr
(t
2
),i
corr
(t
3
),
…
,i
corr
(t
i
),
…
,i
corr
(t
n
)}，其中i
corr
(t
1
),i
corr
(t
2
),i
corr
(t
3
),i
corr
(t
i
),i
corr
(t
n
)分别为t
1
,t
2
,t
3
,t
i
和t
n
时刻电化学腐蚀传感器测得的腐蚀电流密度均值；t
1
～t
n
时刻的自腐蚀电位{e
corr
(t
1
),e
corr
(t
2
),e
corr
(t
3
),
…
,e
corr
(t
i
),
…
,e
corr
(t
n
)}，其中e
corr
(t
1
),e
corr
(t
2
),e
corr
(t
3
),e
corr
(t
i
),e
corr
(t
n
)分别为t
1
,t
2
,t
3
,t
i
和t
n
时刻电化学腐蚀传感器测得的自腐蚀电位均值；t
1
～t
n
时刻的极化电阻{r
p
(t
1
),r
p
(t
2
),r
p
(t
3
),
…
,r
p
(t
i
),
…
,r
p
(t
n
)}，其中，r
p
(t
1
),r
p
(t
2
),r
p
(t
3
),r
p
(t
i
),r
p
(t
n
)分别为t
1
,t
2
,t
3
,t
i
和t
n
时刻电化学腐蚀传感器测得的极化电阻均值；t
1
～t
n
时刻长度为一周的地铁运行时长。
[0062]
在空载状态下，通过电化学腐蚀传感器内的全固态参比电极4测量预设周期内的极化电位时序数据{e
p
(t
1
),e
p
(t
2
),e
p
(t
3
),
…
,e
p
(t
i
),e
p
(t
i+1
),
…
,e
p
(t
n
)}，其中，e
p
(t
1
),e
p
(t
2
),e
p
(t
3
),e
p
(t
i
),e
p
(t
i+1
),e
p
(t
n
)分别为t
1
,t
2
,t
3
,t
i
,t
i+1
和t
n
时刻的极化电位。本实施例中，预设周期为一个月。
[0063]
s2、对所述电化学腐蚀传感器采集的腐蚀电流密度时序数据、极化电阻时序数据、自腐蚀电位时序数据、极化电位时序数据分别进行归一化处理；具体包括：
[0064]
腐蚀电流密度时序数据的归一化处理如下式所示：
[0065][0066]
式中，i
corr
(t
i
)
′
为t
i
时刻归一化处理后的腐蚀电流密度，为腐蚀电流密度时序数据中的最大值，为腐蚀电流密度时序数据中的最小值，其中，
[0067][0068][0069]
自腐蚀电位时序数据的归一化处理如下式所示：
[0070][0071]
式中，e
corr
(t
i
)
′
为t
i
时刻归一化处理后的自腐蚀电位，为自腐蚀电位时序数据中的最大值，为自腐蚀电位时序数据中的最小值，其中，
[0072][0073]
极化电位时序数据的归一化处理如下式所示：
[0074][0075]
式中，e
p
(t
i
)
′
为t
i
时刻归一化处理后的极化电位，为极化电位时序数据中的最大值，为计划电位时序数据中的最小值，其中，
[0076][0077]
极化电阻时序数据的归一化处理如下式所示：
[0078][0079]
式中，r
p
(t
i
)'为t
i
时刻归一化处理后的极化电阻，为极化电阻时序数据的最
大值，为极化电阻时序数据的最小值，其中，
[0080][0081]
通过线性归一化方法，获得归一化后的腐蚀电流密度时序数据{i
corr
(t
1
)
’
,i
corr
(t
2
)
’
,i
corr
(t
3
)
’
,
…
,i
corr
(t
i
)
’
,i
corr
(t
i+1
)
’
,
…
,i
corr
(t
n
)
’
}、归一化后的自腐蚀电位时序数据{e
corr
(t
1
)
’
,e
corr
(t
2
)
’
,e
corr
(t
3
)
’
,
…
,e
corr
(t
i
)
’
,e
corr
(t
i+1
)
’
,
…
,e
corr
(t
n
)
’
}、归一化后的极化电位时序数据{e
p
(t
1
)
’
,e
p
(t
2
)
’
,e
p
(t
3
)
’
,
…
,e
p
(t
i
)
’
,e
p
(t
i+1
)
’
，
…
,e
p
(t
n
)
’
}和归一化后的极化电阻时序数据{r
p
(t
1
)
’
,r
p
(t
2
)
’
,r
p
(t
3
)
’
,
…
,r
p
(t
i
)
’
,r
p
(t
i+1
)
’
,
…
,r
p
(t
n
)
’
}，其中i
corr
(t
1
)
’
,i
corr
(t
2
)
’
,i
corr
(t
3
)
’
,i
corr
(t
i
)
’
,i
corr
(t
i+1
)
’
,i
corr
(t
n
)
’
分别为t
1
,t
2
,t
3
,t
i
,t
i+1
和t
n
时刻归一化后的腐蚀电流密度，e
corr
(t
1
)
’
,e
corr
(t
2
)
’
,e
corr
(t
3
)
’
,e
corr
(t
i
)
’
,e
corr
(t
i+1
)
’
,e
corr
(t
n
)
’
分别为t
1
,t
2
,t
3
,t
i
,t
i+1
和t
n
时刻归一化后的自腐蚀电位，e
p
(t
1
)
’
,e
p
(t
2
)
’
,e
p
(t
3
)
’
,e
p
(t
i
)
’
,e
p
(t
i+1
)
’
,e
p
(t
n
)
’
分别为t
1
,t
2
,t
3
,t
i
,t
i+1
和t
n
时刻归一化后的极化电位，r
p
(t
1
)
’
,r
p
(t
2
)
’
,r
p
(t
3
)
’
,r
p
(t
i+1
)
’
,r
p
(t
n
)
’
分别为t
1
,t
2
,t
3
,t
i
,t
i+1
和t
n
时刻归一化后的极化电阻。
[0082]
s3、构建人工神经网络，并设置人工神经网络的初始参数，完成人工神经网络的初始化；其中，人工神经网络的输入为相同时刻下的自腐蚀电位、极化电位、极化电阻，人工神经网络的输出为对应时刻下的腐蚀电流密度；其中人工神经网络包括一个输入层、一个输出层、一个或多个隐含层。
[0083]
s4、基于步骤s2归一化处理后的数据构建训练集和测试集，并通过训练集对人工神经网络进行训练；
[0084]
将归一化处理后的自腐蚀电位时序数据、归一化后的极化电位时序数据、归一化后的极化电阻时序数据分别按照7:3划分为训练集、测试集；
[0085]
通过训练集对人工神经网络进行训练，根据训练过程中人工神经网络的输出值与对应时刻的腐蚀电流密度对比结果，不断更新人工神经网络中的权重和偏置项，直至满足迭代结束条件，完成人工神经网络的训练；其中，迭代结束条件为：判断迭代次数是否达到预设最大迭代次数。
[0086]
s5、将测试集对训练完成的人工神经网络进行测试，得到腐蚀电流密度预测模型；其中，通过测试集对训练完成的人工神经网络进行预测精度、分布稳定性的测试。
[0087]
s6、通过电化学传感器实时测量地铁结构中相同时刻下的自腐蚀电位、极化电位和极化电阻，输入腐蚀电流密度预测模型，完成对应时刻下地铁结构中腐蚀电流密度的预测。
[0088]
地铁杂散电流由于地铁运行的周期性呈现出一定的循环变化的规律，但同时受到周围腐蚀环境因素的影响而有一定的长期规律，因此本发明通过腐蚀电流密度预测模型对一定周期内的腐蚀电流密度进行预测，能够有效预测地铁结构未来腐蚀的发展规律，对于及时制定有效的维护策略具备工程意义。
[0089]
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出
的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。