[发明专利]一种腐蚀深度的混沌预测方法

说明书

技术领域

本发明涉及一种腐蚀深度的混沌预测方法，是一种特别适用于依据已有腐蚀历史数据来预测腐蚀深度进一步发展规律的方法。

背景技术

近年来，随着混沌动力学发展，它为不同学科发现规律性提了供崭新的语言和定量描述，为现代科学了提供新的思想方法。腐蚀是材料受环境化学或电化学作用发生的性能衰退现象。腐蚀机理复杂，影响因素众多，腐蚀损耗(即腐蚀深度)时间序列为一均值不断增加的、带有趋势性的非平稳时间序列。在腐蚀深度预测中，一方面是大量的，看似毫无规律的数据，另一方面则是复杂的数学模型，而且不同的腐蚀深度数据可能要求的数学模型也不一样，因此借用混沌理论分析方法，对腐蚀深度数据处理，分析其动力系统的规律，并尝试建立能较好反映腐蚀特性的预测模型，可以达到合理地预测腐蚀状况、掌握腐蚀规律，以便采取积极有效的防腐决策。

在目前研究的腐蚀深度的预测方法当中，有以下2种典型方法。

(1)灰色预测法

近年来，国内有一些学者提出用灰色预测模型对腐蚀深度进行预测，比如参考文献“灰色系统理论在油管腐蚀寿命预测中的应用”(刘立涛，王优强.灰色系统理论在油管腐蚀寿命预测中的应用[J].润滑与密封，2006，(04)：157-158)用灰色系统理论中的GM(1，1)模型对油井管杆的平均腐蚀率进行了灰色预测。又比如参考文献“灰色动态模型在预测输气管道腐蚀中的应用”(谢英，袁宗明.灰色动态模型在预测输气管道腐蚀中的应用[J].西南石油学院学报，1999，21(3)：50～52)用灰色系统理论中的模型对输气管道的腐蚀速度和腐蚀深度等指标的实际统计数据进行了灰色动态拟合，建立了相应的灰色微分方程和灰色时间响应函数；并在此基础上对四川输气管道的腐蚀速度和腐蚀深度进行了预测。

但是，这种方法存在下述问题：

问题一，不能应用所有的腐蚀深度时间序列进行预测。

问题二，对于较少腐蚀深度数据，模型求解简单，但对于大量腐蚀深度数据，计算非常复杂。

(2)神经网络腐蚀模型时间序列预测法

近年来，国内有一些学者提出用神经网络腐蚀模型对腐蚀点蚀深度进行预测，比如参考文献“基于人工神经网络的埋地燃气管道最大腐蚀坑深预测”(李帆，徐佳佳，奉毅.基于人工神经网络的埋地燃气管道最大腐蚀坑深预测[J].石油化工设备，2007，(01)：46-49.)运用人工神经网络建立了埋地钢管最大蚀坑与环境因素的相关模型，并利用试验数据进行了训练，结合最大蚀坑与时间的经验公式，得出了埋地燃气管道最大蚀坑的预测模型。又比如参考文献“基于人工神经网络的铝合金腐蚀预测及其精度分析”(谭晓明，陈跃良，穆志韬，魏志刚.基于人工神经网络的铝合金腐蚀预测及其精度分析[J].中国腐蚀与防护学报，2004，24(4)：218～221)基于MATLAB采用BP神经网络，对铝合金腐蚀试验数据进行学习训练，建立了腐蚀时间、温度与最大腐蚀深度和疲劳性能的非线性映射关系。但是，这种方法存在下述问题：

问题一，神经网络训练需要大量的训练样本，学习起来较复杂。

问题二，难以解决腐蚀深度问题的实例规模和网络规模间的矛盾。

综上所述，对于一个性能良好的腐蚀深度预测方法，必须符合下面几点基本要求：

(1)腐蚀数据采集方便；(2)数学模型简单；(3)模型有针对性，能反应所采集数据的特征；(4)预测过程简单，且结果能满足工程应用需要，等等。

而现有技术尚未能很好的解决这些问题。

发明内容

本发明的目的在于克服现有腐蚀监测技术的上述不足，提供一种腐蚀深度的混沌预测方法，基于混沌理论对于腐蚀深度预测，通过混沌数学方法，对腐蚀时间序列的混沌特征量的提取，重构腐蚀动力学相空间，并在相空间寻找腐蚀运动轨迹，实现对腐蚀状况的发展进行预测。该方法优点是能针对不同腐蚀深度数据，采集能反映数据本质的混沌特征量，并建立起基于混沌特征量的预测，过程简单，方法实用。

为实现这样的目的，本发明基于混沌对初值极端敏感性，采用G-P算法和C-C算法，计算腐蚀时间序列的最佳延迟时间和最佳嵌入维数，重构腐蚀动力学空间，计算反映腐蚀动力学曲线敏感特征参数的最大李雅谱诺夫(Lyapunov)指数，然后建立基于最大Lyapunov指数的腐蚀预测模型，从而对腐蚀状况的进一步发展进行预测，同时，利用腐蚀原始数据，对算法以及模型进行校验，预测性能稳定，原理清晰，实现速度快，并且预测误差能满足工程应用。