一种考虑自然环境动态特性的金属大气腐蚀预测方法

1.本发明提供一种考虑自然环境动态特性的金属大气腐蚀预测方法，它涉及一种考虑自然环境动态性、相关性、随机性特点的大气腐蚀预测方法，该方法主要包括环境影响规律模型和自然环境模型两部分，其中，环境影响规律模型是环境影响因素(如温度、相对湿度、污染物等)与腐蚀性能参数(如腐蚀失重、腐蚀速率等)之间的定量关系模型，自然环境模型用于描述动态相关随机变化的环境影响因素。通过融合上述两个模型，可建立在实际使用环境条件下的大气腐蚀预测方法。该方法适用于环境腐蚀性分级与评价、防腐设计与选材、环境分析与预测等领域。


背景技术：

2.金属材料作为使用最广泛的材料，在实际的大气自然环境条件下因腐蚀造成的经济损失十分严重。因此，研究金属材料在大气自然环境下的影响因素和腐蚀影响规律，探索金属材料腐蚀性能的变化规律，预测不同大气自然环境下金属材料的腐蚀性能变化规律，对于环境腐蚀性评价和防腐设计等工作具有十分重要的意义。
3.然而，在目前国内外相关的研究工作中，还存在两方面的不足。一方面，大气自然环境模型不合理。对于大气自然环境因素的定量描述，目前常用的三种建模方法，即均值法、分布法及时序法，有着各自的特点和局限性。均值法不能完全描述环境的全部信息，同时也不能反映环境效应的非线性特征，分布法不适用于因素动态变化较大的情况，时序法对于相关的环境因素的建模问题仍有待完善。另一方面，大气自然环境腐蚀影响规律模型不准确，对于不同的金属材料，其主要的环境影响因素可能有所不同，一般包括温度、湿度和污染物等。这些不同的因素之间可能存在着复杂的交互效应，因此，需要针对不同的材料和不同的自然环境条件，确定各主要环境影响因素的种类。同时，对于环境因素的描述，现有的多数腐蚀模型的环境变量选择不合理，采用年平均值对自然环境进行描述过于简化，且对于腐蚀影响规律模型，现有的模型多采用线性或广义线性的模型形式，无法对综合环境因素的复杂非线性影响规律进行准确的描述。
4.基于此，本发明研究建立包含大气自然环境模型和大气环境因素腐蚀影响规律模型在内的金属大气腐蚀性能预测方法，准确地描述大气自然环境条件，全面地反映大气腐蚀影响规律，科学地预测腐蚀性能变化规律，具有重要的理论价值和工程意义。


技术实现要素：

5.(1)本发明的目的：
6.本发明的目的是提供一种考虑自然环境动态特性的金属大气腐蚀预测方法，它针对金属的大气腐蚀问题，考虑自然环境的动态性、相关性和随机性特点，建立大气自然环境模型，准确地描述大气自然环境因素；同时，针对影响金属大气腐蚀过程的主要环境因素，建立综合环境因素腐蚀影响规律模型，全面地反映大气自然环境的腐蚀影响规律，进而，综合自然环境模型与影响规律模型，形成动态大气自然环境条件下的腐蚀预测模型，科学地
预测腐蚀性能变化规律。
7.(2)技术方案：
8.本发明需建立如下基本设置：
9.设置1：本发明内容主要针对金属材料的大气腐蚀问题，主要环境影响因素包括大气温度、相对湿度、以及污染物浓度，其他环境因素如降雨、辐照、风速等的影响暂不考虑；
10.设置2：本发明暂不考虑不同环境因素共同作用产生的交互效应，因此环境因素的影响规律模型不包含交互项；
11.设置3：温度、相对湿度、以及污染物(二氧化硫和氯离子)的腐蚀影响规律分别由阿伦尼斯(arrhenius)模型、佩克(peck)模型、以及剂量
‑
响应模型进行描述，详细模型形式见步骤一；
12.设置4：综合环境因素模型可通过各环境因素的模型进行综合，或采用通用的广义线性、广义对数线性、以及广义艾琳(eyring)模型进行建立，详细模型形式见步骤一；
13.上述阿伦尼斯(arrhenius)模型，为瑞典的阿伦尼乌斯在1889年所创立，用于描述温度的加速规律的经验公式；佩克(peck)模型为遵从幂函数形式，用于描述湿度的加速规律的经验公式；广义艾琳(eyring)模型为综合考虑包括温度在内的多个环境因素的加速规律的经验公式；
14.本发明提出的方法主要包括大气腐蚀环境影响规律建模与参数估计、大气自然环境建模与参数估计、以及使用环境大气腐蚀建模与预测三方面的研究内容，基于上述基本设置，本发明所提出的一种考虑自然环境动态特性的金属大气腐蚀预测方法，其特征在于：它通过如下步骤实现：
15.步骤一：建立大气腐蚀的环境影响规律模型
16.首先，基于金属材料的实际使用环境，确定其主要的影响因素，接下来，对选取的环境因素分别建立其腐蚀影响规律模型，在此基础上，综合考虑各因素的共同作用，建立综合环境因素影响规律模型；
17.具体步骤为：
18.i.确定关键环境影响因素
19.一般而言，除温度与相对湿度外，还需要根据大气类型确定是否需要考虑大气污染物的影响；若为工业大气环境，则需考虑二氧化硫的影响，若为海洋大气环境，则需考虑氯离子的影响，若同时具有工业大气与海洋大气特点，则需同时考虑二氧化硫与氯离子的共同影响，若为乡村大气环境，则不考虑大气污染物的影响，具体可根据下述进行选取；
20.ii.建立各环境因素的影响规律模型
21.对于相对湿度，其影响规律模型为佩克(peck)模型：
22.r(rh)＝a
·
rh
b
ꢀꢀꢀ
(1)
23.其中，r(rh)为腐蚀速率，rh为环境的相对湿度(％)，a和b为常数；
24.对于温度，其影响规律模型为阿伦尼斯(arrhenius)模型：
[0025][0026]
其中，r(t)为腐蚀速率，t是环境温度(k)，d为常数，e＝e
a
/k，e
a
为反应活化能，可由试验数据估计得到，k为玻尔兹曼常数；
[0027]
对于二氧化硫浓度，其影响规律模型为剂量
‑
响应模型：
[0028]
r(s)＝(1+f
·
s)
g
ꢀꢀꢀ
(3)
[0029]
其中，r(s)为腐蚀速率，s为二氧化硫浓度(μg.m
‑3)，f和g为常数；
[0030]
对于氯离子沉积率浓度，其影响规律模型同样为剂量
‑
响应模型：
[0031]
r(cl)＝(1+h
·
cl)
k
ꢀꢀꢀ
(4)
[0032]
其中，r(cl)为腐蚀速率，cl为氯离子沉积率(mg.m
‑2.day
‑1)，h和k为常数；
[0033]
iii.建立综合环境影响规律模型
[0034]
可将上述各环境因素的影响规律模型相乘，建立综合环境影响规律模型，其形式如下：
[0035]
r(rh,t,s,cl)＝r(rh)
·
r(t)
·
r(s)
·
r(cl)
ꢀꢀꢀ
(5)
[0036]
公式(5)是计算各环境因素对大气腐蚀综合影响的基本形式，可以对其进行扩展以包含更多的环境因素的影响，如风速或太阳辐射等；同时，考虑到不同情形下可能出现的特定状况，仅用式(5)建立模型的准确性无法得到保证，因此，也可用采用如下两个模型：
[0037]
广义对数线性模型：
[0038]
r(rh,t,s,cl)＝a
·
exp(b
·
rh+e
·
t+f
·
so2+h
·
cl)
ꢀꢀꢀ
(6)
[0039]
广义eyring模型：
[0040][0041]
式(5)
‑
(7)为通用模型，当还需要考虑其他环境因素的影响时，可采用相同的方法将其影响规律包含在模型当中；
[0042]
步骤二：大气腐蚀的环境影响规律模型参数估计与选择
[0043]
在建立了综合环境模型后，需对模型参数进行估计，从而确定其定量影响规律，同时，还需从备选的模型中选出最优的模型，其选择依据为由赤池信息准则(aic)、更正的赤池信息准则(aic
c
)、贝叶斯信息准则(bic)确定的模型信息量；
[0044]
其中，aic、aic
c
、bic均为衡量统计模型拟合优良性的标准；aic准则为日本统计学家赤池弘次创立和发展的，因此又称为赤池信息量准则；aic
c
准则在aic的基础上进行了改进，可有效避免小样本情形下的估计误差；bic准则称为贝叶斯信息准则，相比于aic，可有效避免在大样本情形下的过拟合问题；
[0045]
其具体步骤为：
[0046]
i.模型参数估计
[0047]
式(5)
‑
(7)的模型形式较为简单，其参数估计方式可采用广义线性回归或极大似然方法进行；该步骤可通过matlab软件直接实现，十分简便，在此不作展开；(其中，所述“matlab软件”是美国mathworks公司出品的商业数学软件，用于数据分析)；
[0048]
ii.模型选择
[0049]
综合考虑模型拟合精度与模型复杂性，采用信息量大小判定最优模型；可采用的信息量包括aic，aic
c
和bic三种，其具体计算公式为：
[0050]
[0051][0052][0053][0054]
其中，m为模型中的参数个数，n是拟合参数时的样本量，即试验数据的个数，rss为残差平方和，s
i
和s
i
′
分别为第i(i＝1,2,
…
,n)个试验测量值和模型预测值；
[0055]
aic，aic
c
和bic是一类综合考虑模型复杂程度和模型预测精度的统计量，在进行模型选择时，以aic、aic
c
或bic值最小的模型作为最优的模型；
[0056]
步骤三：建立考虑动态、相关、随机特性的大气自然环境模型
[0057]
以温度、湿度、二氧化硫浓度为例，在实际的自然环境中，这些环境因素均动态变化，且具有周期波动特性和随机波动特性；为了准确描述这种既包含周期性又包含随机性的动态变化特点，建立以下的时变函数模型
[0058][0059]
其中，ξ(t)＝(t(t),rh(t),s(t))表示时刻t的环境温度、相对湿度和二氧化硫浓度，a0＝[a
t0
,a
rh0
,a
s0
]为常数，用于描述的季节性变化特征；a1＝[a
t1
,a
rh1
,a
s1
]为年波动幅值，τ1＝[τ
t1
,τ
rh1
,τ
s1
]和为波动周期和相位；用于描述日变化情况；ε(t)＝[ε
t
(t),ε
rh
(t),ε
s
(t)]为随机波动项，服从特定的统计分布；通常情况下，ε(t)服从均值为0，方差为σ2(t)的正态分布，即ε(t)～n(0,σ2(t))；
[0060]
由于日波动项和年波动项是均值为0的周期三角函数，因此，各环境因素的均值为
[0061][0062]
通过对不同城市的大量环境数据分析发现，温度和湿度的随机波动项可用正态分布准确描述，而二氧化硫浓度的随机波动项则可用对数正态分布进行描述，具体可表示为
[0063][0064][0065][0066]
其中，和分别表示温度和相对湿度在t时刻随机波动项的分布方差，θ
s
(t)，η
s
(t)是t时刻二氧化硫浓度对数正态分布的参数；
[0067]
对于温度和相对湿度，对于二氧化硫
[0068][0069][0070]
分析发现，有些地点的二氧化硫浓度的随机波动项可用指数分布进行描述，即
[0071]
ε
s
(t)～e(λ
s
(t),ζ
s
(t))
ꢀꢀꢀ
(16)
[0072]
λ
s
(t)和ζ
s
(t)分别是t时刻二氧化硫浓度指数分布的率参数和位置参数，则
[0073][0074][0075]
步骤四：环境模型参数估计与模型验证
[0076]
在步骤三中，不同的环境因素其随机项ε(t)符合的统计分布不同；首先，根据ε(t)的不同特点，对环境模型参数进行估计，进而，用拟合模型生成模型数据，与原始观测数据进行对比，验证模型的准确性；其具体步骤如下：
[0077]
i.环境模型参数估计
[0078]
对于温度与相对湿度而言，温度的季节性变化与地球的公转密切相关，而昼夜变化则取决于地球的自转，因此τ1＝1，τ2＝1/365；而对大量的温度观测数据的分析发现，年最低气温一般出现在每年一月中旬，一日最低气温一般出现在凌晨两点左右，因此，ε(t)符合正态分布，公式(1)中的其他参数可用以下几步进行计算：
[0079]
i)计算年均温度则
[0080]
ii)将所有温度数据以每个月为准分为十二组，计算每月的平均温度t1,t2,
…
,t
12
，则
[0081][0082]
iii)计算一年之中的日均昼夜温差t
′
，则a
t2
＝t
′
；
[0083]
iv)将上述三步计算得到的参数值带入模型，生成与原始数据记录时间一一对应的、不带随机项的模拟数据，将原始数据减去模拟数据后，对剩下的数据仍然以每个月为准分为十二组，从而得到ε
t
(t)，计算每组的方差
[0084]
v)拟合方差与时间t的关系；
[0085]
对于二氧化硫与氯离子沉积率而言，则环境模型参数可通过如下几个步骤进行估计:
[0086]
在冬季，由于取暖等原因，化石燃料燃烧量巨大，排放出的二氧化硫也随之增加，在夏季，化石燃料燃烧量较少，二氧化硫排放量随之减少，分析发现，一年当中二氧化硫浓度最高值大约出现在二月初，因此τ
z1
＝365，同时，每一天的二氧化硫浓度变化有两个高峰两个低谷，其两个高峰大约出现每日早9:00和晚21:00左右，这与每日城市中早晚高峰的时间基本吻合，期间机动车排放二氧化硫量较多，而在其他时间相对较少，因此，τ
z2
＝0.5，去除二氧化硫浓度数据中的年变化和日变化部分，发现其随机变化部分
即ε(t)符合指数分布，且当二氧化硫浓度的日均值越大，日变化幅值和随机变化部分的波动也越大，因此日变化项a
z2
(t)和ε
z
(t)均随时间变化，假设a
z2
(t)和ε
z
(t)均和日均值成正比，则公式(12)中的其他参数可用蒙特卡罗方法进行估计，具体步骤为：
[0087]
i)计算二氧化硫的年均值，并记为
[0088]
ii)将二氧化硫的最大值和最小值分别记为z
min
和z
max
；
[0089]
iii)生成一个服从均匀分布的随机数并将该值赋予a
z0
作为蒙特卡罗方法计算的初始值，然后令作为蒙特卡罗方法计算的初始值，然后令
[0090]
iv)将上一步得到的各个参数a
z1
，a
z2
(t)，λ
z
(t)带入时变函数模型中，生成二氧化硫浓度数据的模拟值n个，n等于进行建模的二氧化硫浓度数据的总个数，统计这些数据分别落入[z
min
,z1],
…
,(z
i
‑1,z
i
],
…
,(z
k
‑1,z
max
]这k个区间的个数，并计算统计量χ2[0091][0092]
其中，n
i
和n
i
′
分别为模拟数据和实际观测数据落入第i个区间(z
i
‑1,z
i
]的个数；
[0093]
v)重复步骤三到步骤四m次，直到χ2值取得满足精度要求的最小值，此时所对应的即为a
z0
的估计值，将a
z0
带入第三步的公式中，可得到a
z1
，a
z2
(t)，λ
z
(t)的估计值；
[0094]
ii.环境模型验证
[0095]
具体步骤如下：
[0096]
i)将参数估计结果带入模型中，以每三小时的间隔模拟产生一年的环境数据；
[0097]
ii)拟合模拟数据与原始数据的概率密度函数(pdf)，并分别记为p
o
和p
s
；
[0098]
iii)通过如下公式，计算模型拟合误差η：
[0099][0100]
其中，ξ
l
和ξ
u
分别为环境因素ξ分布的下限和上限值；
[0101]
iv)若η<20％，则模型通过验证，若>20％，则该方法不适用；
[0102]
步骤五：建立使用环境环境条件下的腐蚀预测模型
[0103]
利用步骤一到步骤四中得到的环境影响规律模型和自然环境模型，可建立如下的腐蚀预测模型：
[0104][0105]
其中，c(τ)为到时刻τ的腐蚀失重，r(
·
)为腐蚀影响规律模型，ξ(t)＝[t(t),rh(t),s(t),cl(t)]为环境因素在t时刻的值，θ＝[a,b,
…
,h]为腐蚀影响规律模型参数；
[0106]
为验证模型预测结果的准确性，利用环境因素的原始观测数据计算腐蚀失重的真实值c
a
(τ)，计算公式如下：
[0107][0108]
其中，i为观测值按时间先后顺序的排序，n
τ
为由0到τ时间内观测数据的总个数；
[0109]
进而，计算预测值与真实值的相对误差γ，作为判定模型预测精度的依据，公式为：
[0110][0111]
通过以上步骤能看出本发明综合地考虑了大气自然环境下多环境因素的腐蚀影响规律，结合信息准则可建立最优的腐蚀影响规律模型，因素更加全面，模型更加准确；本发明建立的大气自然环境模型充分考虑了环境动态性、相关性以及随机性的实际特点，自然环境信息更加丰富，建模结果更加准确，建立的腐蚀预测方法与实际使用环境更加接近，方法科学，工艺性好，能推广应用于不同的环境条件中，具有较高的理论和应用价值。
[0112]
(3)优点和功效：
[0113]
本发明为一种考虑自然环境动态特性的金属大气腐蚀预测方法，即一种考虑自然环境动态、相关、随机特性的金属大气腐蚀预测方法，其优点是：
[0114]
①
本发明综合地考虑了大气自然环境下多环境因素的腐蚀影响规律，结合信息准则可建立最优的腐蚀影响规律模型，因素更加全面，模型更加准确；
[0115]
②
本发明建立的大气自然环境模型充分考虑了环境动态性、相关性以及随机性的实际特点，自然环境信息更加丰富，建模结果更加准确；
[0116]
③
本发明建立的腐蚀预测方法与实际使用环境更加接近，方法科学，工艺性好，
[0117]
且可推广应用于不同的环境条件中，具有较高的理论和应用价值；
附图说明
[0118]
图1本发明所述方法框架图。
[0119]
图2自然环境模型模拟结果与原始观测结果的对比。
[0120]
图3案例中腐蚀失重预测曲线。
具体实施方式
[0121]
下面将结合实例对本发明做进一步详细说明。
[0122]
某锌合金材料在实验室条件下开展加速腐蚀试验，测量在不同温度t与相对湿度rh情况下的腐蚀电流i
corr
的大小，试验数据如表1所示。
[0123]
表1材料加速腐蚀试验数据
[0124][0125]
同时，以北京2007
‑
2016年共十年的环境数据为例，展示本发明所包含的大气自然环境模型的实际效果。其中，温度与相对湿度数据来源于noaa，单位分别为℃和％，每3小时测量和记录一个数据，二氧化硫数据来源于中国国家环境监测中心(cnemc)，单位为μg.m
‑3，每1小时测量和记录一个数据。需要说明的是，为保证环境模型参数估计的准确性，在原始数据允许的情况下，每天的数据点应不少于6个，即至少每4小时测量和记录一个数据。
[0126]
本发明所涉及的腐蚀预测方法，其技术框架如图1所示，详细步骤如下：
[0127]
步骤一：建立大气腐蚀的环境影响规律模型
[0128]
i.确定关键环境影响因素
[0129]
此案例中仅涉及温度与相对湿度两个环境影响因素，可适用于乡村大气环境条件下金属的腐蚀预测。由于试验数据的限制，其他环境因素的影响暂不考虑。理论上，在有充分的试验数据支撑的情况下，该方法可涵盖所有的主要影响因素。
[0130]
ii.建立各环境因素的影响规律模型
[0131]
对于相对湿度和温度，分别采用公式(1)和(2)所表征的佩克(peck)模型和阿伦尼斯(arrhenius)模型对其影响规律进行定量描述；
[0132]
iii.建立综合环境影响规律模型
[0133]
基于上一步中各环境因素的影响规律模型，分别建立如下的综合环境影响规律模型：
[0134]
组合模型：
[0135][0136]
广义对数线性模型：
[0137]
r(rh,t)＝a
·
exp(b
·
rh+e
·
t)
ꢀꢀꢀ
(22)
[0138]
广义eyring模型：
[0139][0140]
步骤二：大气腐蚀的环境影响规律模型参数估计与选择
[0141]
i.模型参数估计
[0142]
采用广义线性回归方法，对公式(21)
‑
(23)中的模型参数进行估计，结果如表2所示；
[0143]
表2综合环境影响规律模型参数估计结果及模型信息量
[0144]
模型lnabeaicaic
c
bic组合模型
‑
19.16.236140.7
‑
4.86
‑
3.66
‑
1.33广义对数线性模型
‑
42.70.1290.068
‑
39.55
‑
38.35
‑
36.02广义艾琳(eyring)模型
‑
2.230.1295993.4
‑
39.94
‑
38.74
‑
36.41
[0145]
ii.模型选择
[0146]
用公式(8)
‑
(11)计算各模型的信息量值，结果如表2所示。根据信息准则，在该案例中，广义艾琳(eyring)模型的aic，aic
c
和bic值均最小，因此在此案例中为最优的模型；
[0147]
步骤三：建立考虑动态、相关、随机特性的大气自然环境模型
[0148]
在本案例中，仅考虑温度和相对湿度两种环境因素，因此，自然环境模型为：
[0149][0150]
其中，ξ(t)＝(t(t),rh(t))表示时刻t的环境温度和相对湿度；
[0151]
步骤四：环境模型参数估计与模型验证
[0152]
i.环境模型参数估计
[0153]
以北京的自然环境为例，环境模型参数的估计结果如表3所示；
[0154]
表3自然环境模型参数估计结果及模型相对误差
[0155][0156][0157]
ii.环境模型验证
[0158]
将上表的参数估计结果带入模型中，生成模拟环境数据，数据间隔为每3小时一个，共生成一年的数据，并对生成的全部数据拟合其概率密度函数。通过公式(19)计算模拟环境数据与原始环境数据之间的相对误差值η，其结果如表3所示；可以看到，对于温度与相对湿度，η分别为8.7％与5.2％，证明本发明提出的自然环境建模方法具有很高的建模精度；
[0159]
步骤五：建立使用环境条件下的腐蚀预测模型
[0160]
综合上述各步骤建模与计算结果，将估计得到的参数代入模型中，得到试用环境条件下的腐蚀预测模型如下
[0161][0162]
其中
[0163][0164][0165]
取τ＝365，则c(τ)为一年的累积腐蚀量，同时，用下式计算腐蚀量的真实值
[0166][0167]
其中，环境数据每隔3小时观测并记录一次，则每天共8次，全年共2820次，因此n
τ
＝2920。
[0168]
腐蚀计算结果如图3所示；模型预测值为，真实值为，模型预测的相对误差为xx％，证明该模型具有很高的预测精度。