1.一种埋地金属管道(8)杂散电流腐蚀速率预测装置,其特征在于:它包括用以模拟地铁附近地层环境的容器,容器内设有一根金属管道(8),容器内通过间隔设置绝缘挡板(7)将金属管道(8)分隔为多段空间,容器内被绝缘挡板(7)分隔的每段空间内包裹金属管道(8)的均设有模拟地铁附近不同腐蚀成分的腐蚀介质,用以模拟不同的腐蚀环境,每段空间内的金属管道(8)上均设有测点,测点包括辅助电极(5)和参比电极(6),参比电极(6)垂直于金属管道(8)布置,参比电极(6)末端与金属管道(8)相距20mm,辅助电极(5)与参比电极(6)在同一平面内并与参比电极(6)呈45°夹角,辅助电极(5)末端与金属管道(8)相距20mm,在整条金属管道(8)的一侧端部设有与可控直流电源(2)的正极电极(4),正极电极(4)与金属管道(8)一侧端部相距50mm,负极电极(9)均布于金属管线上且与参比电极呈45°夹角,与管道相距50mm,每个负极电极(9)末端投影在管线钢表面的区域即为该负极电极(9)所对应的管线阳极区域,辅助电极(5)、参比电极(6)沿金属管道(8)纵向均布,并分别与电化学工作站(3)相连,电化学工作站(3)和可控直流电源(2)均与工业计算机(1)相连。
2.根据权利要求1所述一种埋地金属管道(8)杂散电流腐蚀速率预测装置,其特征在于:负极电极(9)沿管线均布于金属管道(8)上方并与金属管道(8)之间距离50mm,且与金属管道(8)表面不直接接触;在金属管道(8)的负极电极(9)附近布置多组辅助电极(5)和参比电极(6),用以完成电化学阻抗谱测试的多组三电极系统,腐蚀介质为含电解质溶液的细沙。
3.根据权利要求1所述的一种埋地金属管道(8)杂散电流腐蚀速率预测装置,其特征在于:利用可控直流电源(2)加载动态模拟杂散电流信号,通过工业计算机(1)控制可控直流电源的电压信号,模拟在地铁运行时极化电位的剧烈波动而在地铁夜间较为平稳的周期变化特性。
4.根据权利要求1所述的一种埋地金属管道(8)杂散电流腐蚀速率预测装置,其特征在于:所述的绝缘挡板(7)将相邻测点隔离开,保证在多个测点同时测量电化学阻抗谱信号时不会受到相邻测点的信号干扰。
5.一种使用上述任一权利要求所述的埋地金属管道(8)杂散电流腐蚀速率预测装置的预测方法,其特征在于步骤如下:
步骤1、设置不同的地铁地铁现场的腐蚀环境,并将在每个环境下设置金属管道(8)段,检测各个金属管道(8)段的极化电位变化曲线,从极化电位变化曲线中获得动态模拟杂散电流信号,然后通过向可控直流电源(2)加载动态模拟杂散电流信号,获得各金属管道(8)
1 2 3 n
段的腐蚀时长:tcorr ,tcorr ,tcorr ,…tcorr和与不同参数的细沙腐蚀环境,并测量金属管道(8)各个阳极区域的电化学阻抗谱信号;
步骤2、取出金属管道(8)并称量重量,之后与埋设前的初始重量进行对比,从而获得金
1 2 3
属管道(8)段在不同腐蚀环境下的杂散电流腐蚀速率vcorr={vcorr ,vcorr ,vcorr ,…,i n
vcorr ,…,vcorr};
步骤3、根据金不同腐蚀环境下所检测得到的电化学阻抗谱信号,利用电化学阻抗谱信号的等效电路,根据等效电路参数获得交换电荷电阻;交换电荷电容;电解质环境电阻;腐蚀产物层电阻;腐蚀产物层电容;
步骤4、建立等效电路电阻与腐蚀速率的预测数据集{V},预测数据集{V}的输入端包含四个变量,分别为交换电荷电阻Rct、电解质环境电阻Re、腐蚀产物层电阻Rpore和交换电荷电容Cdl、腐蚀产物层电容Cpore和管线纵向电阻Rpipe;数据集输出端变量为杂散电流腐蚀速率vcorr;
步骤5、在预测数据集{V}神经网络基础上,设置脉冲神经网络参数,建立脉冲神经网络预测模型,脉冲神经网络的结构为4‑8‑1,包括4个输入变量,1个输出变量,8个隐含层神经i
元,脉冲神经网络以交换电荷电阻Rct、电解质环境电阻Re、腐蚀产物层电阻Rpore交换电荷电容:Cdl、腐蚀产物层电容:Cpore和管线纵向电阻Rpipe为输入变量,以腐蚀速率vcorr为输出变量,将预测数据集{V}神经网络进行网络训练;
步骤6、,将预测数据集{V}中的数据根据比例70%:15%:15%分别划分为训练集{Vtrain}、验证集{Vvalidation}和测试集{Vtest};
基于训练集{Vtrain}进行神经网络训练过程,直至满足所设定的迭代条件:达到最大的迭代次数Nmax,进一步利用验证集{Vvalidation}和和测试集{Vtest}对脉冲神经网络进行验证和
1 2 3 i
测试,分别根据腐蚀速率的训练结果{vcorr test,vcorr test,vcorr test,…,vcorr test,…,q q+1 q+2 q+3 q+i
vcorrtest}、验证结果{vcorr validation,vcorr validation,vcorr validation,…,vcorr validation,…,p p+1 p+2 p+3 p+i
vcorr validation}和测试结果{vcorr train,vcorr train,vcorr train,…,vcorr train,…,n
vcorrtrain}计算平均训练精度Atrain、平均验证精度Avalidation、和平均测试精度Atest;
若平均训练精度Atrain、平均验证精度Avalidation和平均测试精度Atest三者之间相差小于
5%,则认为步骤5中所建立的基于脉冲神经网络预测模型满足精度要求,即可使用该模型预测埋地金属管道(8)的杂散电流腐蚀速率。
6.根据权利要求5所述的预测方法,其特征在于:在容器中设置一整条的金属管道(8),然后使用多个绝缘挡板(7),套在金属管道(8)上并将容器内空间分割成n个子空间,同时将金属管道(8)划分为n个金属管道(8)段,在每个子空间内的金属管道(8)段上设置一个测点,并将测点通过电化学工作站(3)与工业计算机(1)连接,之后布置与可控直流电源(2)连接的正极电极(4)和负极电极(9);然后在各个子空间内倒入细沙,之后向每个子空间里倒入不同氯离子浓度、不同离子组成、不同pH值的溶液,从而使每个子空间模拟出n个不同的地铁现场的腐蚀环境,利用电化学工作站测量各个金属管道(8)段的极化电位变化曲线,对测得的极化电位变化曲线进行等效放大获得动态模拟杂散电流信号,进而通过向可控直流1
电源(2)加载动态模拟杂散电流信号,获得金属管道(8)不同位置上的腐蚀时长:tcorr ,
2 3 n
tcorr ,tcorr ,…tcorr 和与不同参数的细沙腐蚀环境,并测量各个阳极区域的电化学阻抗谱信号。
7.根据权利要求5所述的预测方法,其特征在于:根据金属管道(8)在不同氯离子浓度、不同离子组成、不同pH值的腐蚀环境下所检测得到的电化学阻抗谱信号,使用电化学阻抗谱中的奈奎斯特图和伯德图分别拟合测得的电化学阻抗谱信号的等效电路,根据等效电路
1 2 3 i n 1
参数获得交换电荷电阻Rct={Rct ,Rct ,Rct ,…,Rct ,…,Rct };交换电荷电容Cdl={Cdl ,
2 3 i n 1 2 3 i n
Cdl ,Cdl ,…,Cdl ,…,Cdl};电解质环境电阻Re={Re ,Re ,Re ,…,Re ,…,Re};腐蚀产物层电
1 2 3 i n 1 2
阻Rpore={Rpore ,Rpore ,Rpore ,…,Rpipe ,…,Rpore };腐蚀产物层电容Cpore={Cpore ,Cpore ,
3 i n
Cpore ,…,Cpore ,…,Cpore}。
8.根据权利要求5所述的预测方法,其特征在于:平均训练精度Atrain、平均验证精度Avalidation和平均测试精度Atest的计算方法如下:
9.根据权利要求5所述的预测方法,其特征在于:每次埋地管线电化学阻抗谱测试的交i i i
换电荷电阻Rct、电解质环境电阻Re和腐蚀产物层电阻Rpore通过以下方法进行计算:i i i i i
交换电荷电阻:Rct=(Rct(1)+Rct(2)+Rct(3)+…+Rct(m))/m;
i i i i i
电解质环境电阻Re=(Re(1)+Re(2)+Re(3)+…+Re(m))/m;
i i i i i
腐蚀产物层电阻:Rpore=(Rpore(1)+Rpore(2)+Rpore(3)+…+Rpore(m))/m;
i i i i i
交换电荷电容:Cdl=(Cdl(1)+Cdl(2)+Cdl(3)+…+Cdl(m))/m;
i i i i i
腐蚀产物层电容:Cpore=(Cpore(1)+Cpore(2)+Cpore(3)+…+Cpore(m))/m;
式中,m为实验系统中埋地管线上所设置三电极测点的数目。
金属管道(8)纵向电阻通过以下方法进行计算:Rpipe=s×Rpipe’
式中,s为金属管道(8)的长度,单位m;Rpipe’为单位距离的金属管道(8)纵向电阻,单位kΩ/m)根据金属管道(8)的工程技术资料获得。