中国腐蚀与防护学报
中國腐蝕與防護學報
중국부식여방호학보
JOURNAL OF CHINESE SOCIETY FOR CORROSION AND PROTECTION
2004年
1期
25-28
,共4页
郭浩%吕战鹏%冯国强%蔡珣%杨武
郭浩%呂戰鵬%馮國彊%蔡珣%楊武
곽호%려전붕%풍국강%채순%양무
应力腐蚀破裂 人工神经网络 304SS 316SS 高温水 环境因素 预测
應力腐蝕破裂 人工神經網絡 304SS 316SS 高溫水 環境因素 預測
응력부식파렬 인공신경망락 304SS 316SS 고온수 배경인소 예측
采用两种基于人工神经网络(ANN)的经验学习方法,即双层感知器(DLP)模型和Elman反馈(EF)模型,分析应力腐蚀破裂(SCC)数据,预测奥氏体不锈钢在高温水(HTW)中的SCC敏感性.对304不锈钢(SS)和316SS的两组SCC数据,DLP模型经过长时间的训练周次并不收敛,而EF模型在有限的时间内收敛到一稳定值.304SS和316SS的SCC敏感性依赖于温度(T)、溶解氧浓度(DO)、氯离子浓度([Cl-])以及电位(E).采用EF模型,待预测样本数据被包含在训练数组里(方法Ⅰ)比不包含(方法Ⅱ)的情况有更高的预测率.用于EF模型的SCC阈值(ThV)影响预测率,当ThV≤0.6时,对304SS而言,预测率的范围大约是0.66～0.90(方法Ⅰ),0.60～0.79(方法Ⅱ);对316SS,预测率范围约为0.81～0.98(方法Ⅰ),0.78～0.90(方法Ⅱ).从预测率平均值来看,预测率服从正态分布,0.5应为最佳阈值.EF模型对定性预测ASS在高温水中的SCC行为有较高的预报率,是一个很有用的工具.
採用兩種基于人工神經網絡(ANN)的經驗學習方法,即雙層感知器(DLP)模型和Elman反饋(EF)模型,分析應力腐蝕破裂(SCC)數據,預測奧氏體不鏽鋼在高溫水(HTW)中的SCC敏感性.對304不鏽鋼(SS)和316SS的兩組SCC數據,DLP模型經過長時間的訓練週次併不收斂,而EF模型在有限的時間內收斂到一穩定值.304SS和316SS的SCC敏感性依賴于溫度(T)、溶解氧濃度(DO)、氯離子濃度([Cl-])以及電位(E).採用EF模型,待預測樣本數據被包含在訓練數組裏(方法Ⅰ)比不包含(方法Ⅱ)的情況有更高的預測率.用于EF模型的SCC閾值(ThV)影響預測率,噹ThV≤0.6時,對304SS而言,預測率的範圍大約是0.66～0.90(方法Ⅰ),0.60～0.79(方法Ⅱ);對316SS,預測率範圍約為0.81～0.98(方法Ⅰ),0.78～0.90(方法Ⅱ).從預測率平均值來看,預測率服從正態分佈,0.5應為最佳閾值.EF模型對定性預測ASS在高溫水中的SCC行為有較高的預報率,是一箇很有用的工具.
채용량충기우인공신경망락(ANN)적경험학습방법,즉쌍층감지기(DLP)모형화Elman반궤(EF)모형,분석응력부식파렬(SCC)수거,예측오씨체불수강재고온수(HTW)중적SCC민감성.대304불수강(SS)화316SS적량조SCC수거,DLP모형경과장시간적훈련주차병불수렴,이EF모형재유한적시간내수렴도일은정치.304SS화316SS적SCC민감성의뢰우온도(T)、용해양농도(DO)、록리자농도([Cl-])이급전위(E).채용EF모형,대예측양본수거피포함재훈련수조리(방법Ⅰ)비불포함(방법Ⅱ)적정황유경고적예측솔.용우EF모형적SCC역치(ThV)영향예측솔,당ThV≤0.6시,대304SS이언,예측솔적범위대약시0.66～0.90(방법Ⅰ),0.60～0.79(방법Ⅱ);대316SS,예측솔범위약위0.81～0.98(방법Ⅰ),0.78～0.90(방법Ⅱ).종예측솔평균치래간,예측솔복종정태분포,0.5응위최가역치.EF모형대정성예측ASS재고온수중적SCC행위유교고적예보솔,시일개흔유용적공구.
