Dynamic Corrosion Prediction of Alloy Cast Iron Based on RBF Neural Network
摘 要
通过动态质量损失腐蚀试验获取样本数据,利用Matlab的工具箱函数建立了合金铸铁碱腐蚀速率的RBF神经网络预测模型,并对网络模型的预测精度进行了研究。结果表明,在样本集和训练条件下,RBF神经网络模型较好地反映出腐蚀时间、合金铸铁主要合金成分与腐蚀速率之间的非线性关系,可用于合金铸铁在高温浓碱液中的动态腐蚀性能的预测; 当RBF网络的扩展系数为0.47时,动态腐蚀速率的试验值与网络预测值之间的误差最小,且耐蚀性评价准确率达到100%。
Abstract
The sample data were measured by the dynamic mass loss method. The RBF neural network prediction model of alloy cast iron corrosion rate was established by the toolbox function of Matlab, and the prediction precision of network model was studied. The results show that under this sample set and training condition, RBF neural network model reflected the non-linear relationship between corrosion time and main components of alloy cast iron and corrosion rate, and it was used to predict the dynamic corrosive nature of alloy cast iron in high temperature concentrated alkaline solution. When the spread coefficient of RBF neural network was 0.47, the error between measured values of dynamic corrosion rate and predicted values of network was minimum, and the appraisal accuracy rate of corrosion resistance reached 100%.
中图分类号 TG174 TP183
所属栏目 应用技术
基金项目 内蒙古自治区高等学校科学研究项目(NJZC14386)
收稿日期 2013/8/21
修改稿日期
网络出版日期
作者单位点击查看
引用该论文: WANG Yu-rong,WU Ri-gen. Dynamic Corrosion Prediction of Alloy Cast Iron Based on RBF Neural Network[J]. Corrosion & Protection, 2014, 35(6): 612
共有人对该论文发表了看法,其中:
人认为该论文很差
人认为该论文较差
人认为该论文一般
人认为该论文较好
人认为该论文很好
参考文献
【1】柯伟. 中国工业与自然环境腐蚀调查[J]. 全面腐蚀控制,2003,17(1):1-10.
【2】王玉荣,董俊慧,乌日根. 稀土镍铜合金铸铁耐碱腐蚀性能的测定与分析[J]. 稀土,2008,29(4): 94-97.
【3】加藤宽. 21世纪における铜合金铸物印刷[J]. 铸造工学,2001(1):28.
【4】刘建军,庞宝春,高新琛,等. 基于BP神经网络的镍基合金腐蚀性能的预测分析[J]. 辽宁大学学报:自然科学版,2009,36(4):319-321.
【5】周慧,王晓光,张有君. 输气管道腐蚀速率的BP神经网络组合预测方法[J]. 腐蚀科学与防护技术,2010,22(3):162-165.
【6】周开利,康耀红. 神经网络模型及其MATLAB仿真程序设计[M]. 北京:清华大学出版社,2005.
【7】熊渊,孟令启. 基于RBF的轴承钢变形抗力的预测[J]. 钢铁研究学报,2011,23(2):48-52.
【2】王玉荣,董俊慧,乌日根. 稀土镍铜合金铸铁耐碱腐蚀性能的测定与分析[J]. 稀土,2008,29(4): 94-97.
【3】加藤宽. 21世纪における铜合金铸物印刷[J]. 铸造工学,2001(1):28.
【4】刘建军,庞宝春,高新琛,等. 基于BP神经网络的镍基合金腐蚀性能的预测分析[J]. 辽宁大学学报:自然科学版,2009,36(4):319-321.
【5】周慧,王晓光,张有君. 输气管道腐蚀速率的BP神经网络组合预测方法[J]. 腐蚀科学与防护技术,2010,22(3):162-165.
【6】周开利,康耀红. 神经网络模型及其MATLAB仿真程序设计[M]. 北京:清华大学出版社,2005.
【7】熊渊,孟令启. 基于RBF的轴承钢变形抗力的预测[J]. 钢铁研究学报,2011,23(2):48-52.
相关信息