[发明专利]基于BP神经网络的无损测定钢铁腐蚀产物特征的方法

摘要

本发明涉及一种基于BP神经网络的无损测定钢铁腐蚀产物特征的方法,步骤为(1)制备纯相α‑FeOOH及γ‑FeOOH；(2)制备不同比例的α‑FeOOH及γ‑FeOOH混合物至少5个以上样本；(3)制作用于电化学测试的工作电极；(4)将工作电极、对电极和参比电极三电极系统安装好，对工作电极施加恒定电流，检测电位信号，得到计时电位V‑T曲线；(5)绘制标准曲线，得到Eτ/2、Qτ两个参数；(6)测定带锈试样的计时电位V‑T曲线，与标准曲线比对，得到试样锈层特征。本发明无需破坏锈层，对腐蚀产物特征的原位检测，不依赖大型分析测试仪器，应用腐蚀产物的现场检测、锈层保护性能研究、大气腐蚀影响因素的研究。

主权项

一种基于BP神经网络的无损测定钢铁腐蚀产物特征的方法，其特征是步骤如下:(1)制备纯相α‑FeOOH及γ‑FeOOH；(2)制备不同比例的α‑FeOOH及γ‑FeOOH混合物至少5个以上样本；(3)制作用于电化学测试的工作电极；(4)将工作电极、对电极和参比电极三电极系统安装好，对工作电极施加恒定电流，检测电位信号，得到计时电位V‑T曲线；(5)绘制标准曲线，得到Eτ/2、Qτ两个参数；将横坐标的t值根据公式Q＝(icMτ)/nmF％Fe转化为Q，绘制标准V‑Q曲线，得到Eτ/2、Qτ两个参数；(6)测定带锈试样的计时电位V‑T曲线，与标准曲线比对，得到试样锈层特征；所述的步骤(6)是：1)建立Eτ/2、Qτ与比例α/α+γ的关系，根据训练样本为总样本数70％‑75％的原则，随机选取训练样本Eτ/2、Qτ作为输入，对应的比例α/α+γ作为输出，利用MATLAB中的神经网络工具箱建立神经网络，然后对神经网络进行训练，采用神经网络工具箱中的trainrp训练函数；2)将其余Eτ/2、Qτ作为输入，对应的比例α/α+γ作为输出，作为测试样本对步骤1的网络进行测试，每次训练后用测试样本代入，求其测试误差，当训练误差不断减小而测试误差增加时，终止训练。