金属材料腐蚀形貌图像与实海挂片数据的相关性研究

中国腐蚀与防护学报

2001, Vol. 21

Issue (6): 352-356

研究报告

本期目录 | 过刊浏览

金属材料腐蚀形貌图像与实海挂片数据的相关性研究

孔德英;王守琰;宋诗哲

天津大学材料学院

STUDY ON RELATIVITY BETWEEN CORROSION IMAGESAND DATA OF METALLIC SAMPLES IN SEAWATER

;;

天津大学材料学院

全文: PDF(117 KB)

摘要: 采用图像扫描方法获取碳钢、低合金钢实海挂片的腐蚀形貌图像并进行图像分析；用灰色关联及典型相关技术分析了试片扫描灰度值分布与单位面积平均腐蚀失重及局部腐蚀平均深度的关系；用神经网络理论建立了扫描灰度值分布与试片局部腐蚀平均深度间的关系模型以及扫描灰度值典型加权与试片单位面积平均腐蚀失重间的关系模型.

关键词 ：低合金钢, 灰色关联, 典型相关技术, 人工神经

Abstract：Scanner is used to acquire corrosion images of carb on steel and low-alloy steel in seawater and in order to show the corrosion moda lity clearly the images are pre-processed by the average value filter and non-li near fuzzy enhancement methods. The gray relational analysis and canonical corre lation analysis are used to analyze the relations between grey data and corrosio n data of metallic samples. The results show that there is higher gray rel ational grade. The canonical correlation coefficient between grey data and uniform corrosion lo st-weight is 0.99 while the coefficient between grey data and localized corrosio n depth is 0.98. Using artificial neural network theory, the model between the g rey distribution of metallic samples and localized corrosion depth has been deve loped. According to this model, there are only 3.89 percent absolute error betwe en the predicted result and the real value and the error will decrease if normal samples increase. With a high correlative coefficient, 0.98, the linear relatio n al model between the grey distribution of metallic samples and uniform corrosion lost-weight has been studied, too.

Key words： carbon steel low-alloy steel gray relational analysi s canonical correlation analysis artificial neu

收稿日期: 2000-10-13

ZTFLH:

TG171

通讯作者: 孔德英

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	孔德英
	王守琰
	宋诗哲
44.8K

引用本文:

孔德英; 王守琰; 宋诗哲 . 金属材料腐蚀形貌图像与实海挂片数据的相关性研究[J]. 中国腐蚀与防护学报, 2001, 21(6): 352-356 .

链接本文:

https://www.jcscp.org/CN/Y2001/V21/I6/352

[1] Zhou X K. Applied Computer Image Processing[M].Beijing:Beijing University of Aeronautics and Astronautics Press, 1996
(周孝宽．实用微机图像处理[Ｍ]．北京:北京航空航天大学出版社,1996)
[2] Deng J L. Gray Control System[M]. Wuhan: Huazhong University of Science and Technology Press, 1985
(邓聚龙．灰色控制系统[Ｍ]．武汉:华中理工大学出版社,1985)
[3] An X Z, Lin X M.Applied Multianalysis Statistics Methods[M].Jilin:Jilin Science and Technology Press, 1992
(安希忠,林秀梅．实用多元统计方法[Ｍ]．吉林:吉林科学技术出版社,1992)
[4] Kong D Y, Song S Z. Analysis of corrosion data for carbon steel and low - alloy steel in seawater by artificial neural network[J]. Journal of Chinese Society for Corrosion and Protection, 1998,18(4) :289 - 296
(孔德英,宋诗哲．人工神经网络技术探讨碳钢、低合金钢实海腐蚀数据[Ｊ]．中国腐蚀与防护学报,1998,18(4):289-
296)

[1]	唐荣茂, 朱亦晨, 刘光明, 刘永强, 刘欣, 裴锋. Q235钢/导电混凝土在3种典型土壤环境中腐蚀的灰色关联度分析[J]. 中国腐蚀与防护学报, 2021, 41(1): 110-116.
[2]	郭宝会, 邱友绪, 李海龙. 人工神经网络在钛合金表面Ni-SiC复合电镀工艺中的应用[J]. 中国腐蚀与防护学报, 2017, 37(4): 389-394.
[3]	毛成亮,肖葵,董超芳,吴俊升,颜利丹,蒋立. 超深冲压用冷轧板在模拟海洋大气环境中的腐蚀行为[J]. 中国腐蚀与防护学报, 2017, 37(2): 101-109.
[4]	刘静,李晓禄,朱崇伟,张涛,曾冠鑫,孟国哲,邵亚薇. 利用人工神经网络技术预测气田环境下316L不锈钢临界点蚀温度[J]. 中国腐蚀与防护学报, 2016, 36(3): 205-211.
[5]	潘俊艳,陈华辉,马峰,谢波,吴迎飞,赵赋,张祚炜. 低合金钢在高矿化度矿井水环境下的腐蚀行为[J]. 中国腐蚀与防护学报, 2016, 36(3): 253-259.
[6]	邓志安,李姝仪,李晓坤,王珊,王晓军. 基于模糊神经网络的海洋管线腐蚀速率预测新方法[J]. 中国腐蚀与防护学报, 2015, 35(6): 571-576.
[7]	鲁金涛, 谷月峰. 电站锅炉关键部件材料高温蒸汽氧化研究进展[J]. 中国腐蚀与防护学报, 2014, 34(1): 19-26.
[8]	杨超^, 张慧霞郭为民付玉彬. 添加双氧水对高强度低合金钢在海水中腐蚀影响的研究[J]. 中国腐蚀与防护学报, 2013, 33(3): 205-210.
[9]	姚学军,王俭秋,左景辉,韩恩厚,柯伟. 微观组织对X52钢抗H₂S腐蚀和开裂性能的影响[J]. 中国腐蚀与防护学报, 2012, 32(2): 95-101.
[10]	汪川,王振尧,魏伟,谢陈平,柯伟. 腐蚀研究中的统计分析方法和预测模型[J]. 中国腐蚀与防护学报, 2010, 30(4): 306-312.
[11]	张恒陈学群常万顺. 冶金因素对钢点蚀诱发敏感性的影响[J]. 中国腐蚀与防护学报, 2009, 29(2): 127-131.
[12]	雒娅楠; 宋诗哲; 金威贤; 尹立辉 . 海水腐蚀试验站碳钢低合金钢全浸试片的现场腐蚀检测[J]. 中国腐蚀与防护学报, 2007, 27(6): 321-325 .
[13]	王建民; 陈学群; 李国民 . 两类船用低合金钢耐点蚀性能的比较[J]. 中国腐蚀与防护学报, 2005, 25(6): 356-360 .
[14]	王守琰; 宋诗哲 . 小波分析和神经网络研究纯锌大气腐蚀[J]. 中国腐蚀与防护学报, 2005, 25(5): 257-261 .
[15]	刘学庆; 唐晓; 王佳 . 金属腐蚀速度与海水环境参数相关模型的人工神经网络分析[J]. 中国腐蚀与防护学报, 2005, 25(1): 11-14 .

Viewed

Full text

Abstract

Cited

Shared

Discussed