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