神经网络在金属大气腐蚀率预测中的应用

第碧第2蜻sn10103x.201.27京科技大学学报 Vol.23 No.2 2001年4月 Journal of University of Science and Technology Beijing Apr.2001 神经网络在金属大气腐蚀率预测中的应用 马小彦栾艳冰 屈祖玉 李长荣 北京科技大学材料科学与工程学院，腐蚀与防护中心，北京100083 摘要根据我国大气腐蚀网站积累的环境数据和材料腐蚀数据，采用人工神经网络方法， 建立了碳钢及低合金钢在大气条件下，腐蚀率与金属腐蚀暴露时间对应关系的预测模型.结果 表明：在相同的太气环境下不同的金属存在着不同的网络；相同金属在不同的大气环境下存在 着不同网络；BP算法的形式要根据实际情况而定 关键词大气腐蚀；人工神经网络：预测 分类号TG172.3 20年来，一些科技工作者四进行了金属材 即构成一目标函数.BP算法的目的即是使此误 料大气腐蚀预测模型的研究，尤其对碳钢和低 差平方和最小，依据目标函数，按梯度最速下 合金钢的大气腐蚀预测指数模型更被人们关 降法，反向传播调整网络权值，直到满足要求 注.近年来灰色系统模型也成为研究的热点； 为止 还有一些学者将环境因素引人大气腐蚀预测模 设有N层网络，含1层输人层、1层输出层 型”，进一步揭示了金属材料大气腐蚀的本质. 及N-2层隐层，输入维数为n,输出节点有s个， 蔡建平周等运用人工神经网络，求得气象因素、 (…x)表示第k个训圳练样本，Oy0,ya,, 冶金因素与碳钢及低合金钢的大气腐蚀率之间 y)是网络对应的输出，设定节点阀值为非输人 的关系. 层上节点的输入是其前层个节点的输入的加权 人工神经网络技术是在80年代中期新发 和，即： 展起来的以模拟人脑思维过程的具有人工智能 net (p+1j)=Wi(p,i,j)o(p,i) (1) 的系统.它是以试验数据为基础，经过有限次 式中：k表示训练集中的第k个训练样本；p表 迭代计算而获得的一个反映试验数据内在规律 示层序号；net(ptl,)为第p+1层上第j个节点 的数学模型，因此适合于研究复杂非线形系统 的输人；Wg,i,》是第p层第i个节点与第p叶1 的问题.其中BP算法是最常使用的算法. 层第j个节点的连接权值；Op,)是第p层第i 由于相同材料在不同大气环境下有着不同 个节点的输出 的腐蚀规律，本工作对我国北京、青岛、武汉、 对于某一训练集，输出层上各节点的误差 江津、广州、琼海、万宁等地区常用的碳钢、低合 平方和为： 金钢材料，采用人工神经网络BP算法及其改进 (2) 算法来求得暴露时间与腐蚀率之间的关系， 22D0-w》 令E三D.-P,按梯度最速下降法，权 1 神经网络模型及结构 值变化量： E 11神经网络基本原理 △w.,i-Vawg》 BP网络是一种不含反馈的前向网络.其原 dE.Onet(p叶l) 理是：输人训练样本后，经前向传播，网络将产 Vonet(p+1,)dEp,） E 生输出，此输出与其目标值之差即为训练样本 式中，v为学习速率，记Rp+1一neu1刃 的输出误差，所有训练样本的输出误差平方和 并依式0.有0o小款》从面有 收稿日期2000-10-19马小彦女，26岁，硕士 p,=-vRp叶l)Op,) (3) *国家自然科学基金资助项目QN0.59290916-1) 根据BP算法原理，R)按下式计算：

第 2 3 卷 第 2 期 2 00 1 年 4 月 北 京 科 技 大 学 学 报 JO u r n a l o f U n iv e o ity o f Scie n c e a n d Te c h n o lO gy B e ij in g Vo L2 3 A p r. N 0 . 2 20 1 神经 网络在金属大气腐蚀率预测 中的应用 马 小 彦 染艳冰 屈祖玉 李长荣 北京科技大学材料科学与工程学院 , 腐蚀与防护中心 , 北 京 10 0 83 摘 要 根据我 国大气腐蚀 网站 积累的环境数据和材料腐蚀数据 , 采用 人工 神经网络方 法 , 建立 了碳钢及 低合金 钢在 大气条件下 , 腐蚀 率与金 属腐蚀暴露 时间对应 关系的预测 模型 . 结果 表明 : 在相 同 的大气环境下不 同的金属存在着 不同的网络 ; 相 同金属 在不 同 的大气环境下存在 着不 同网络 ; B P 算法 的形 式要 根据实际情况而定 . 关健词 大气腐蚀 ; 人工神经 网络 ; 预测 分类号 T G 172 .3 20 年来 , 一些科技 工作者 「叨 进行 了金属材 料大气腐蚀 预测模型 的研究 , 尤其对碳钢 和低 合金钢 的大气腐蚀预测指数模 型 口 ,4l 更被人们关 注 . 近年来 灰色系统模型 【5 ,也成 为研究 的热点 ; 还有一些学者将环境 因素引人大气腐蚀预测模 型 【l,6 ,刀 , 进一步揭示 了金属材料大气腐蚀的本质 . 蔡建平 `幻等运用人 工神经 网络 , 求得气 象因素 、 冶金 因素与碳钢及低合金钢 的大气腐蚀率之 间 的关 系 . 人 工神经 网络技术是 在 80 年代 中期新发 展起来的以 模拟人脑思维过程 的具有人工智能 的系统 , , . 它是 以试验数据 为基础 , 经过有 限次 迭代计算而获得的一个反 映试验数据 内在规律 的数学模 型 , 因此适合 于 研究复杂非线形 系统 的问题 . 其 中 B P 算法是最 常使 用的算法 . 由于相 同材料在不 同大气 环境下有着 不同 的腐蚀规律 `l0] , 本工作对我 国北京 、 青 岛 、 武汉 、 江津 、 广州 、 琼海 、 万宁等地区 常用 的碳钢 、 低合 金钢材料 , 采用人 工神经 网络 B P 算法及其改进 算法来求得暴 露时间与腐蚀率之 间的关 系 . 即 构成一 目标 函数 , B P 算法 的 目的即是 使此误 差平 方和最小 , 依据 目标 函数 , 按梯度 最速下 降法 , 反 向传播 调整 网络权值 , 直到满 足要求 为止 . 设 有 N 层 网络 , 含 1 层输 人层 、 1 层输 出层 及 N 一 2 层 隐层 , 输人维数为 n , 输 出节点有 : 个 , xl( k声劝 , . · 嚼习 表 示 第 k 个训 练样 本 , 帆’1) 为 2) , … , 加)是 网络对应 的输 出 , 设定节点阀值为非输人 层上节点 的输人是其前层个节点的输入的加权 和 , 即: en t 几切+ 1v’) = 艺从勿 , i,j )口 孟勿 , i) ( l) 式中 : k 表示训练集 中的第 k 个训 练样本 ; p 表 示层 序号 ; n *et 勿+ l ’,) 为第 尹 1层 上第 j 个 节点 的输 人 ;磷勿 , i,力是第 p 层第 i 个节点 与第 p+l 层第 j 个节 点的连接权值 ; q 勿 , i) 是第 p 层第 i 个节 点的输 出 . 对 于某 一训练集 , 输 出层 上各 节点 的误 差 平方 和为: ~ 1 各 乙二布犷 乙 乙 卜 l 艺(刀式i) 二乃( i) 尹 ( 2 ) 令 及斗` 艺仍式i) , 式i) ) , , 按梯度最速下 降法 , 权 1 神经网络模型及结构 L l 神经网络基本原 理 B P 网络是一种不含反馈 的前 向网络 . 其原 理是 : 输人训 练样本后 , 经前向传播 , 网络将产 生输 出 , 此输 出与其 目标值 之差即为训练样本 的输 出误差 , 所有训练样本 的输 出误差平方和 收稿 日期 2 0 华1小19 马小彦 女 , 26 岁 , 硕士 * 国家 自然科学基金资助项 目(N .0 5 9 2 90 9 16 一 l) 值变 化量: △矶勿i, 刁凡 刃二一 与丽夺寿) = _ 刁kE 己 式 中 , v 为学 习速率 , 记 R 七仓-H I )J = 一 a kE 并依式“ , , 有帅 , `卜斋黯 ) , 合n e `仓-H l d’) , 从而有 从仇iv’) = 一 诚 止仓汁 1 ’v) 认切 , ’l) (3 ) 根据 B P 算法原理 沐助’,) 按下式计算 : DOI: 10. 13374 /j . issn1001 -053x. 2001. 02. 007

·124· 北京科技大学学报 2001年第2期 R(p,》= 当连续2次迭代其梯度方向相同时，表明 1-(D)-y()1f(net(p,当p为输出层 下降太慢，这时可使步长加倍；当连续2次迭代 2R.p+1,m.,i)f(neup,),当p为隐层（④ 其梯度方向相反时，表明下降过头，这时可使步 式中f为s状函数，如signmaid函数： 长减半. 1 fx)=1+exp(-习 (5) Levenberg-Marquardt优化方法使学习时间 更短，但对于复杂的问题，这种方法需要很大的 fx)是节点函数fx)的导数 存储空间.Levenberg-Marquardt优化方法的权值 按照以上各式，输入训练样本对网络进行 调整率选为： 训练，并调整网络的权值，直到误差E最小. △W=(TJ+0-Te (10) 预测结果的准确性取决于网络结构、建模 其中，J为误差对权值微分的Jacobian矩阵，e为 参数以及样本的数量和准确性.由于不同的地 误差向量；4为一个标量，当“很大时，上式就 区影响因素不同，使建模的精度受到大气因素 接近于梯度法，当4很小时，上式就变成了Ga- 提取准确程度的影响.另外神经网络在计算中 uss-Newton法，在这种方法中，4也是自适应调 会产生过拟合现象，在某个样本欠准确时仍依 整的. 赖标准样本的数值有时会导致错误的结论 1.2模型的构建 BP算法的主要缺点是：收敛速度慢，局部 以碳钢、低合金钢大气网站，即北京、青岛、 极值难以确定隐层和隐节点的个数.主要改进 武汉、江津、广州、琼海、万宁地区，06 CuPCrNi- 目标是如何提高训练速度，其中网络结构和训 Mo,09CuPCrNiA,09CuPCrNi,09CuPTiRE,10 练算法是改进BP算法的2个方面；可以尝试的 CrCuSiV,10CrMoAl,15MnMoVN,14MnMo 途径有改变目标函数、修改作用函数、改变搜索 NbB,12CrMnCu,D36,16MnQ,3C,A3,09MnNb 方向和步长、改进训练策略等.动量法和学习率 (S),16Mm,20及081等17种钢种.1,2,4,8的腐 自适应调整策略是提高学习速率并增加算法的 蚀率为训练样本分别对各地区金属进行训练. 可靠性的2种改进方法. 预测大气腐蚀率采用3层BP网络，第1层 动量法降低了网络对于误差曲面局部的敏 为输人层，中间为隐层，第3层为输出层.由于 感性，有效地抑制网络陷于局部极小.标准BP 我国各大气网站大气条件不同，各金属的性质 算法实质上是一种简单的最速下降静态寻优算 也不相同，所以需要对每个地区每个金属分别 法，在修正W时，只是按照第k个样的负梯度 构建网络模型.本网络输入为腐蚀试验时间，输 方式进行修正，而没有考虑到以前积累的经验， 出为腐蚀率.采用的网络结构随不同地区、不同 即以前时刻的梯度方向，从而常常使学习过程 金属发生变化.现以北京、青岛、广州、琼海地区 发生振荡，收敛缓慢.为此有人提出了改进算法： 为例给出我们采用的网络结构. W,=W+a[(1-)D+nDk-](6) (1)北京地区.所有材料均使用传统的BP算 其中：W既可以表示单个的权值，也可以表 示权值向量，D-=为第k个样本的负梯度； 法，网络结构相同，均为16-1. (2)青岛地区.06 CuPCrNiMo,09 CuPCrNiA, Dk-1为第k-1个样本负梯度；a为学习速率，a>0； 09CuPCrNi,09CuPTiRE,10CrCuSiV,10CrMoAl, n为动量因子0≤1.这种方法所加入的动量项 15 MnMoVN,l4 MnMoNbB使用传统的BP算法， 实质上相当于阻尼项，它减少了学习过程的振 网络结构为1-6-1. 荡趋势，从而改善了收敛性.自适应调整学习率 12CrMnCu,D36,16MnQ,3C,A3,09MnNb(s), 有利于缩短学习时间.标准BP算法收敛速度慢 16Mn,20,08A1使用传统的BP算法，网络结构为 的一个重要原因是学习率选择不当.学习率选 1-7-1. 得太小，收敛太慢；学习率选得太大，则有可能 (3)广州地区.所有材料均使用传统的BP算 修正过头，导致振荡甚至发散.因此出现了自适 法，网络结构相同，均为1-7-1. 应调整学习率的改进算法： (4)琼海地区.O6 CuPCrNiMo使用传统的BP W=Wi+aD (7) 算法，网络结构为1-5-1. a=2a-i (8) 10 CrCuSiV,10 CrMoAl使用传统的BP算 =sign(D:D-1] (9) 法，网络结构为16-1

一 12 4 - 北 京 科 技 大 学 学 报 2 0 1 年 第 2 期 凡勿 , j) = 。 {〔1一 田刀) , 刀 )) f] ,( en咖’v) ) , 当p 为输 出层 l干咏加 , , ” 、 勿 , i )J 。 、 en 咖’v) ) , 当 , 为隐层 ( 4 , 式 中 f 为 s 状 函 数 ,如 is g n m ia d 函数 : 八劝= l 1 + e xP ( 一x) ( 5) f x,() 是节点 函数了认 )的导数 . 按 照以 上各式 , 输 人训练样本对 网络进行 训 练 , 并 调整 网络 的权值 , 直 到误差 E 最小 . 预测结果 的准确性取决 于 网络结构 、 建模 参数 以 及样本 的数量 和准确 性 . 由于不 同的地 区 影响 因素不 同 , 使建模 的精度受 到大气 因素 提 取准确程度 的影 响 . 另外神经 网络在计 算 中 会 产生 过拟合现象 , 在某个样本欠准确 时仍依 赖 标准样本 的数值有 时会导致错误 的结论 . B P 算法 的主要缺 点是 : 收敛 速度慢 , 局部 极 值难 以确定隐层和 隐节 点的个数 . 主要 改进 目标是 如何提高训练速度 , 其 中网络结 构和训 练算法 是改进 B P 算法的 2 个方面 ; 可以 尝试的 途径有改变 目标函数 、 修改作用函数 、 改变搜索 方 向和步长 、 改进训练策略等 . 动量法和学 习率 自适应调整策略是提高学习速率并增加算法的 可靠性 的 2 种 改进方法 . 动量法 降低 了 网络对于误差 曲面局部 的敏 感 性 , 有效地抑制 网络 陷于局部极小 . 标准 B P 算法实质上是一种简单 的最速下 降静态寻优算 法 , 在修正 夙 时 , 只是按 照第 k 个样 的负梯度 方式进行修正 , 而没有考虑到 以前积 累的经验 , 即以前 时刻 的梯度方 向 , 从而常常使学 习 过程 发生振荡 , 收敛缓慢 . 为此有人提 出了改进算法: 呱 : = 矶+ a [( 1一 叮)D 计叮D 花一 , ] ( 6 ) 其 中 : 磷 既 可 以 表 示单 个 的权 值 , 也 可 以 表 一 ~ 、 一 二 一 一 a E 、 , 一 , 人 ~ 一 一 , 一 * 不 仪但 !叫垦 从一 币丽不刀用 K / ! 一忏小 阴 贝 饰反 ; D 卜 , 为第 k一 1个样本负梯度 ; a 为学习 速率 刀闭 ; 叮为动量 因子 0 ` 叮l< ` 这种方法所加人 的动量项 实质上 相当于阻尼 项 , 它减少 了学 习过程 的振 荡趋势 , 从 而改善 了收敛性 . 自适应调整学习 率 有利于缩短学 习时 间 . 标准 B P 算法收敛速度慢 的一个 重要原 因是学 习率选择 不当 . 学 习 率选 得 太小 , 收敛太慢 ; 学 习 率选 得太大 , 则有 可能 修正过头 , 导致振荡甚至发散 . 因此 出现 了自适 应调整 学习 率的改进算法 : 琳 = 爪+ 久几 (7 ) ak = 才价 一 l - 一 (8) 又= 5 1即 D[, 众 一 , ] ( 9 ) 当连续 2 次迭代其梯度方 向相 同时 , 表 明 下降太慢 , 这时可使步长加倍 ; 当连续 2 次迭代 其梯度方 向相反时 , 表 明下降过头 , 这时可使步 长减半 . L e v e n b er g . M aqr u ar d t 优化方法 使学 习时 间 更短 , 但对 于 复杂 的问题 , 这种方法需要很 大的 存储空间 . L ve e n b e gr 一 M a r q 猫ar dt 优化方法的权值 ` 调整率选 为: △砰二 (不肠叨 一 ,尹 · e ( 10 ) 其 中 , J 为误差对 权值微分 的 J ac ob ian 矩阵 , e 为 误差 向量 ; 产 为一个标 量 , 当产很 大时 , 上式就 接近 于梯度 法 , 当产很 小时 , 上式就 变成 了 G a - us s 一 N e v 八o n 法 , 在这种方法 中 , 产也是 自适应调 整 的 . 1 .2 模型的构建 以碳钢 、 低合金钢大气 网站 , 即北京 、 青 岛 、 武汉 、 江津 、 广 州 、 琼海 、 万宁地 区 , 06 c uP c Nr i - M o , 0 9 C uP C r] 呵认 , 0 9C uP C r] 呵i , 0 9C uP IT RE , 10 C r C u s iV , 10 C r M o A I , 15 M n M o V N , 1 4M n M o N b B , 12 C r N n[ C u , D 3 6 , 16M n Q , 3 C , A 3 , 0 9M址化 ( s ) , 16M h , 2 0 及 0 8A I等 17 种钢种 . 1 , 2 , 4 , 8 的腐 蚀率为训练样本 分别对各地 区 金属进行训 练 , 预测大气 腐蚀率采用 3 层 B P 网络 , 第 1 层 为输人层 , 中间为隐层 , 第 3 层 为输 出层 . 由于 我 国各大气 网站大气条件不 同 , 各金 属的性质 也不相 同 , 所 以需要对 每个地 区 每个 金属分别 构建 网络模 型 . 本 网络输人为腐蚀 试验时间 , 输 出为腐蚀率 . 采用 的网络结构随不 同地区 、 不 同 金属发生变化 . 现 以北京 、 青 岛 、 广州 、 琼海地 区 为例给 出我 们采 用的 网络结 构 . ( l) 北京 地区 . 所有材料均使用传统 的 B P 算 法 , 网络结构相 同 , 均 为 l e 6 - 1 . ( 2 ) 青岛地 区 . o 6 C叨e 州汉 。 , o g e 沙e 困认 , 0 9 C uP C rN i , 0 9 C uP IT R E , 1 0 C尤u s iv, 10 C rM o A I , 15M n M o V N , 14 M n M d Nb B 使用传 统的 B P 算法 , 网络结构 为 1 - 6一 1 . 1 2C r N n[ C u , D 3 6 , 1 6N ln Q , 3 C , A 3 , 0 9M l lN b ( s ) , 16M n , 2 0, 08 A I使用传统 的 B P算 法 , 网络结构 为 1一7一 1 . (3 )广州地区 . 所有材料均使用传统 的 B P 算 法 , 网络结构相 同 , 均 为 1 - 7 - 1 . (4 )琼海地 区 , 06 C uP CNr IM o 使用传统的 B P 算法 , 网络结构 为 1一 1 . 10C汇u s iV , 10C以OA I 使 用传统 的 B P 算 法 , 网络结构为 1 . 巧- 1

Vol.23 No.2 马小彦等：神经网络在金属大气腐蚀率预测中的应用 ·125· ·12 CrMnCu使用传统的BP算法，网络结构 钢铁公司的大气曝露腐蚀试验点使用的钢是武 为1-7-1. 钢生产的，因此钢的成分有所差别，例如上钢三 09CuPCrNiA,09CuPCrNi 09CuPTiRE,14 厂生产的钢不含Cu,而武钢生产的钢则含Cu. MnMoNbB,D36,15MnMoVN,16MnQ,3C,A3, 09MnNb(s),16Mn,20及08Al,由于使用传统的 2结果与讨论 BP算法难以达到训练的目标值，所以采用了BP (1)对网络模型其隐层数越多训练结果越贴 算法的改进算法，网络结构为1-10-1. 近实际值.但是隐层数增多，一方面训练时间加 13训练结果 长，另一方面非训练点的网络输出值的误差增 由于现有大气网站碳钢、低合金钢材料没 大.因此，选择模型的原则是：在达到要求精度 有15年的金属腐蚀率的数据，现采用武汉钢铁 的前提下，选择隐层数最少的模型. 公司的大气曝露腐蚀试验数据，北京和广州地 (2)在同一地区不同金属神经网络结构可能 区的A3及16Mn的腐蚀率数据来检验模型的正 相同，也可能不同.如：北京地区14 MnMoNbB和 确性.结果如表1和表2所示，表中试验值为武 12 CrMnCu均采用1-6-1结构；广州地区14Mn 汉钢铁公司的大气曝露腐蚀试验数据，预测值 MoNbB和12 CrMnCu均采用1-7-1结构；而青岛 为神经网络预测结果 地区14 MnMoNbB采用1-6-1结构，12 CrMnCu采 表】北京地区金属腐蚀率试验值和神经网络预测值 用1-7-1结构；琼海地区14 MnMoNbB采用1-10-1 Tablel Test values and values of the models calculated in 结构，12 CrMnCu采用1-7-1结构. Beijing by aural network 田 (3)在同一金属不同地区神经网络结构可能 腐蚀时间/a 钢种 相同，也可能不同.如14 MnMoNbB在北京和青 1 2 5 8 15 岛地区均采用1-6-1结构，在广州地区采用1-7-1 实测值33.49024.14011.7808.693 5.562 A3 结构，琼海地区采用1-10-1结构；12 CrMnCu在 预测值31.49619.1259.9899.8264.580 实测值29.14021.47010.0408.060 4.600 青岛、广州和琼海地区均采用1-7-1结构，而在 16Mn 预测值34.48819.61011.12910.9076.458 北京地区采用1-6-1结构. (④根据实际情况算法要进行灵活的变动. 表2广州地区金属腐蚀率试验值和神经网络预测值 由于琼海地区09 CuPCrNiA,09 CuPCrNi、09CuP- Table2 Test values and values of the models calculated in TiRE,14MnMoNbB,D36,15MnMoVN,16MnQ, Guangzhou by nural network 四 3C,A3,09MnNb(s),16Mn,20及08A1试验数据出 腐蚀时间/a 钢种 2 5 15 现反常，由于使用传统的BP算法难以达到训练 实测值52.34040.59027.39023.89018.710 的目标值，经过反复实践采用了BP算法的改进 A3 预测值56.47336.29917.56616.48611.803 算法.其他钢种则采用传统的BP算法便可达到 实测值47.87041.32025.10021.90016.940 训练目标.对于其他地区的各钢种的算法也需 16Mn 预测值59.87040.63920.97519.97715.531 根据实际情况而定 由于下列原因使预测值与实测值之间有一 (⑤)应用的结果表明，用神经网络方法预测 定的偏差： 的结果基本反映金属在大气中腐蚀率变化的规 (1)北京和广州地区的碳钢、低合金钢大气 律，具有较高的应用价值 腐蚀网站与武汉钢铁公司在该区设立的大气曝 露腐蚀试验点，虽然在同一地区，但是在不同的 3 结束语 位置； 本文对人工神经网络应用于碳钢及低合金 (2)实验时间不同，环境和气象因素变化很 钢在大气腐蚀中的预测进行了讨论.结果表明： 大，碳钢、低合金钢大气腐蚀网站的试验时间是 人工神经网络能够很好地应用于碳钢及低合金 从1982年开始的，而武汉钢铁公司的大气曝露 钢在大气腐蚀中的预测.同时应当注意，在相同 腐蚀试验点的试验时间是1966~1981年； 的大气环境下不同的金属存在着不同的网络； (3)钢的成分有所差别.碳钢、低合金钢大气 相同金属在不同的大气环境下存在着不同网络； 腐蚀网站使用的钢是上钢三厂生产的，而武汉 算法的形式要根据实际情况而定

、 b L23 N 0 .2 马小彦 等 : 神经 网络 在金 属大气 腐蚀 率预 测 中的应 用 一 1 25 - 12 C r M n C u 使用 传统的 B P 算法 , 网络结构 为 1一 1 . 0 9 C u P C Nr 认 , 0 9 C uP C Nr i , 0 9 C uP T识王 , 14 M n M o N br B , D 3 6 , 15M吐M o V N , 16N ln Q , 3 C , A 3 , 0 9N ln N b ( s ) , 16M n , 2 0 及 0 8A I , 由于使用传 统的 B P 算法难 以达到训练 的 目标值 , 所 以采用 了 B P 算法 的改进 算法 , 网络结构 为 1一 10一 1 . 1 . 3 习11练结果 由于现有 大气 网站碳 钢 、 低合金钢材 料没 有 15 年 的金属 腐蚀率 的数据 , 现采用武汉 钢铁 公 司的大气曝露腐蚀试验数据1 , 北京 和广州地 区 的 A 3 及 16M n 的腐蚀 率数据来检验模型 的正 确 性 . 结果如表 1 和表 2 所示 , 表 中试验值为武 汉 钢铁公 司的大气 曝露腐蚀试验数 据 , 预测值 ,为神经 网络 预测 结果 . 裹 1 北 京地区金属 腐蚀 率试验值和 神经 网络预 测值 几b le l 及 , t v a lu es a n d v a l u es of 伍e m o d e is c a cl u al t e d in B iej 加 g 勿 . u ar l n e 七即 o kr ` 林口 钢铁公司 的大气曝露腐蚀试 验点使 用的钢是武 钢生产的 , 因此钢的成 分有所差别 , 例如上钢三 厂生产 的钢 不含 C u , 而武钢 生产 的钢则 含 C .u 钢种 腐蚀时 间a/ 钥种 — ` ’ , ` ’ 。 ’ , , l 乙 ) 石 l 〕 实测值 33 . 49 0 预测值 3 1 . 49 6 实测值 29 . 140 预测值 34 . 4 88 24 . 14 0 11 . 7 8 0 8 , 6 9 3 19 . 125 9 . 9 89 9 . 826 2 1 . 4 70 10 . 04 0 8 . 060 19 . 6 10 11 . 12 9 10 . 90 7 5 . 5 62 5 80 6 00 6M l 6 . 4 5 8 衰 2 广 州地区 金属 腐蚀率试验值和神经 网络预测 值 1知b 】e Z eT s t v a lu e s a n d v a lu 朗 o f ht e m o d e ls 伪k u al t de in G u a n 郎h皿 勿 n u ar l n e 幻即o r k 拌. 腐蚀时间a/ 俐种 一一万一 一 一 二 . 川 . ” ’ 军 . 公 ” ’ 钢种 l ` ) 6 1 〕 实测值 5 2 . 34 0 预测值 5 6 . 4 73 实测值 4 7 . 8 70 预测值 5 9 . 870 5 90 29 9 . 3 9 0 . 566 . 10 0 2 3 . 8 90 18 16 . 4 86 2 1 , 9 0 0 19 , 97 7 7 1 0 80 3 . 32 0 . 6 39 2 0 . 97 5 16 . 94 0 1 5 . 53 1 2 结果 与讨论 ( 1) 对网络模型 其隐层数越多训练结果越贴 近实际值 . 但是隐层数增多 , 一方 面训练时 间加 长 , 另一 方面非训练点 的网络输 出值的误差增 大 . 因此 , 选择模型的原则是 : 在 达到要求精度 的前提 下 , 选择隐层数 最少的模型 . (2 )在 同一地 区不 同金属神经 网络结构 可能 相 同 , 也可能不 同 . 如 : 北京地 区 14 M n M o 卜币B 和 12 C r M n C u 均采用 1 一 6 一 1 结构 ; 广州地 区 14N ln M 价化B 和 1 2 C rM n C u 均采用 1 一 7 一 1 结构 ; 而青 岛 地区 14 N 山M o 卜b[ B 采用 1 一 6 一 1 结构 , 1 2C r N 位C u 采 用 1 一 7 一 1结构 ;琼海地区 14 M吐M o N bB 采用 1 一 10 一 1 结构 , 12 C r N ln C u 采用 1 一 7 一 1结 构 . (3 )在同一金 属不同地区 神经网络结构可能 相 同 , 也可能不 同 . 如 14 M n M d N bB 在北 京和青 岛地区 均采用 1 一 6 一 1 结构 , 在 广州地 区采用 1 一 7 一 1 结构 , 琼海地 区 采用 1 一 10 一 1 结构 ; 1 2C r 州恤c u 在 青 岛 、 广州和琼海 地 区均采用 1 一 7 一 1 结构 , 而在 北京地 区采 用 1 一 6 一 1 结 构 , (4 ) 根据实 际情 况算法要 进行 灵活 的变 动 , 由于琼 海地 区 0 9C uP C r] MIA , 0 9C uP C r] 呵i 、 0 9C uP - IT R E , 14 M 川功。卜币B , D 3 6 , 15 M吐M o V N , 1 6N 加Q , 3 e , A 3 , o g M 心化 ( s ) , 16M ir , 2 0 及 o 8 IA 试验数据出 现反常 , 由于使用传统的 B P 算 法难以达 到训练 的 目标值 , 经过反 复实践采用 了 B P 算法 的改进 算 法 . 其他钢种则采 用传统 的 B P 算法便 可达到 训练 目标 . 对 于其他地 区 的各钢种 的算 法也需 根据实 际情 况而定 , (5 ) 应用的结果表 明 , 用神经 网络 方法预测 的结果基本反映金属在 大气中腐蚀 率变化 的规 律 , 具有较高 的应用价值 . 一403641 一27517 6M n 由于下列原 因使 预测值与实测值之 间有 一 定 的偏 差 : (l) 北 京和广州地 区 的碳钢 、 低合金钢 大气 腐蚀 网站与武汉 钢铁公 司在该 区设 立的大气 曝 露腐蚀试验点 , 虽然在 同一地 区 , 但是在不 同的 位置 ; (2 ) 实验 时间不同 , 环境和气象 因素变化很 大 . 碳钢 、 低合金钢大气腐蚀 网站 的试验时 间是 从 19 82 年开始 的 , 而武汉钢铁公 司的大气曝露 腐蚀试验点 的试验时间是 19 “ 一 19 81 年 ; (3 )钢的成分有所差别 . 碳钢 、 低合金钢大气 腐蚀 网站使 用 的钢是上钢三厂 生产的 , 而武汉 3 结束语 本 文对 人工神经 网络应 用于碳钢及低合 金 钢在 大气腐蚀 中的预测进行 了讨论 . 结果表 明 : 人 工神经网络能够很好地应用 于碳钢及 低合金 钢在大气腐蚀中的预测 . 同时应 当注意 , 在相 同 的大气环 境下不 同 的金 属存 在着不 同 的网络 ; 相同金属在不 同的大气环境下存在着不同网络 ; 算法 的形式要根 据实际情况 而定

◆126· 北京科技大学学报 2001年第2期 参考文献 6李牧铮，张军.环境因子与大气腐蚀关系的数学模型 1 Cole L S.Resent Progress in Modeling Atmospheric Cor- 和大气腐蚀预测.中国腐蚀与防护学报，1993,13(1：10 rosion.in:Proceedings of the 11th Asian-Pacific Corro- 7汪轩义，王光雍，屈祖玉，等.环境因素对碳钢和低合 sion Control Conference.A Publication of Vietnam Cor- 金钢大气腐蚀的影响，中国腐蚀与防护学报，1995， rosion Metal Protection Association.1999.94 15(2):125 2 Farrow LA,Graedel TE.Gildes Model Studies of Aque- 8蔡建平，柯伟应用人工神经网络预测碳钢、低合金 ous Chemistry:II-The Corrosion of Zinc in Gaseous Ex- ,钢的大气腐蚀.中国腐蚀与防护学报，1997,17(4)304 posure Chambers.Corrosion Science,1996,38(12):2181 9 Chen Y H.Dynamic Characteristics of Layered Beam with 3侯文泰，于敬敦，梁彩风碳钢及低合金钢的大气腐 Flexible Core.Journal of Vibration and Acoustics,Trans- 蚀.中国腐蚀与防护学报，1993,13(4)：291 action of the ASME,1994,116(3):350 4 Fellu S,Morclio M.The Prediction of Atmospheric Cor- 10马小彦，汪轩义.几种不同大气腐蚀预测模型的比较. rosion from Meteorological and Pollution Paramerers-I 北京科技大学学报，2000,22(2)：145 Annual Corrosion.Corrosion Science,1993,34(3):403 11严谨，熊长清.含铜低合金钢耐大气腐蚀性能研究 5唐其环.用GM(11)模型拟和大气腐蚀数据.腐蚀与防 一十五年大气曝露试验总结.中国腐蚀与防护学 护，1993,14(1)：40 报，1986,6(1)：1 Application of Artifcal Nural Network in Prediction Corrosion Value of Metal in Atmosphere MA Xiaoyan,QU Zuyu,LI Changrong Material Science and Engineering School,UST Beijing,Beijing,100083,China ABSTRACT The prediction models of carbon steel and low alloy steel in atmosphere between corrosion rate exposure time were achieved,according to environment data and material corrosion data collected by at- mospheric corrosion sites of China and using artificial neural network method.Relationship between corrosion rate and exposure times for carbon steel and low alloy steel in atmosphere was stuelied chieved,a based on en- vironment data and material corrosion data and using studied artifial neural network methed.And the predic- tion models for predicting corrosion value of metal in atmosphere were achieved. KEY WORDS corrosion in atmosphere;artificial neural network;prediction

一 12 6 . 北 京 科 技 参 考 文 献 1 C o l e L S . Re s e nt P ro g r e s s in M o d e 1i n g A tIn o s Ph e ri e C o r - ro s i o n . i n :P r o c e e di n g s o f the 1l th A s i an · P ac i fi e C o r o - s i o n C o n t r o l C o n fe r e n c e . A P u bli e at i o n o f Vi e to aj m C o r￾ro s i o n & M e t a l P r o te ct i o n A s s o e iat i o n . 1 99 9 . 9 4 Z F 别r o w L A , G r a e d e l T E . G i ld e s M o d e l S加d i e s o f A q ue - o u s C h em i s t口: 11汀h e C o r o s i o n o f Z i n 亡i n G as e o u s E x - P o s uer C h aJ 叭b e r s . C o or s ion S e i cen e , 199 6 , 38 ( 12) : 2 18 1 3 侯文 泰 , 于敬 敦 , 梁彩凤 . 碳钢及低合金 钢 的大气腐 蚀 . 中国腐蚀 与防护 学报 , 19 93 , 13 ( 4 ) : 2 9 1 4 F e ll u S , M cor l i o M . T h e P r e d ict i o n o f A t m o s Ph e ir e C o r - or s i o n for m M et o or l o ig e al an d P o l lut i on P a r 出 . er r s 一 I A n n u a l C o r o s i on . C o r o s i o n S c i e n e e , 1 9 9 3 , 3 4 ( 3 ) : 4 0 3 5 唐其环 . 用 G M ( 1 1) 模型 拟和 大气腐蚀数据 . 腐蚀 与防 护 , 199 3 , 14 ( l ) : 40 大 学 学 报 20 01 年 第 2 期 6 李牧铮 , 张军 . 环境 因子 与 大气腐蚀关系 的数学模型 和大气腐蚀预测 . 中国腐蚀 与防护学报 , 19 93 , 13 (l ) : 10 7 汪轩义 , 王光雍 , 屈祖 玉 , 等 . 环 境 因素对碳钢 和低合 金钢大气腐蚀的影 响 , 中 国腐蚀 与防 护学报 , 19 95 , 15 (2 ) : 125 8 蔡建平 , 柯伟 . 应用 人工 神经 网络预测碳 钢 、 低合金 . 钢的大气腐蚀 . 中国腐蚀与 防护 学报 , 19 97 , 17( 4) : 3 04 9 C he n Y H . D y n aJ . i e C h ar a c t e ir s t i e s o f L a y e er d B e am w iht F l e x ib l e C o er . oJ u r n a l o f iV b以i o n an d A e o u s ti e s , 肠a n s - a e ti o n o f th e A S M E , 19 94 , 116( 3) : 3 50 10 马小彦 , 汪轩义 . 几种 不 同大气腐蚀 预测模型的 比较 . 北 京科技 大 学学报 , 20 0 0 , 22 ( 2) : 14 5 1 严谨 , 熊长 清 . 含铜低合金钢 耐大 气腐蚀性能研究 — 十五年 大气 曝露试验 总结 . 中国腐蚀 与防护学 报 , 198 6 , 6( l ) : l A P P li e at i o n o f A rt ife a l N Ur a l N e wt o kr i n P er d i e t i o n C o or s i o n Va l u e o f M e at l i n A加 o s P h e er 五剑 不 口卿 口叹 Q U 云侧 u, LI hC a ” 罗’ o gn M at e ir al S e i e n e e an d Egn in e e r in g S c h o o l , U S T B e ij i n g , B e ij in g , 10 0 8 3 , C h ina A B S T R A C T hT e Pr e d i e t ion m o de l s o f e abr on st e e l a n d l ow a lloy s et e l in a t n o sP he er b e wt e e n e o or s ion r aet e xP o suer t im e Wer a hc ive e d , a e c o r d i n g t o e vn iomrn e in d a at a n d m at e ir a l e o mr s ion d a at e o ll e e et d by -at m o sP h e ir c e or o s i o n s it e s o f C h ian a n d u s in g art iif e ial en uar l n e七浑。业 m e t h o d . eR l at i osn h iP b e wt e e n e o r o s i o n art e a n d e xP o s uer it m e s for e ar b o n set e l an d l ow a lloy s t e e l in at m o sP h e er w a s s uet li e d e h i e ve d , a b a s e d o n e -n v ior mn ent d at an d m at e ir a l e or o s i o n da t a an d u s ign s tU d i e d art iif a l n e U比a l en wt o kr m e t h e d . A n d het rP e id e - t ion m o d e l s for p er d i c t i n g e o r o s i o n v a lue o f m eat l in amt o 印h e r e w er a e h i e v e d . K E Y W O R D S c o r o s ion in a 七n o s Ph e r e ; art iif e i a l en uar l n e 七刃。众: Per d iot i o n