基于改进BP神经网络优化的管道腐蚀速率预测模型研究

摘要：

目的 构造金属管道腐蚀速率预测模型,预测管道的使用寿命.方法 分析了二氧化碳(CO2)和硫化氢(H2S)对金属管道的腐蚀过程,给出了管道腐蚀的化学反应方程式.引用了BP神经网络构造金属管道腐蚀速率的数学模型,采用了改进粒子群算法对预测模型进行优化.以45号金属管道为例,借助于Matlab软件对管道腐蚀速率进行仿真验证,并与实验测量数据进行对比和分析.结果 金属管道腐蚀速率随着CO2或H2S压强的增大而逐渐增大,仿真结果显示CO2和H2S的最大腐蚀速率分别为7.20× 10-5 mm/h和5.76× 10-5mm/h,而实验测量结果显示CO2和H2S的最大腐蚀速率分别为7.14×10-5 mm/h和5.65×10-5 mm/h,采用改进BP神经网络预测模型所产生的相对误差在5％以内.结论 金属管道在不同压强条件下,采用改进BP神经网络预测模型能够近似地预测其腐蚀速率,为金属管道的更换提供了参考依据.

关键词：BP神经网络、改进粒子群算、管道腐蚀、预测模型

所属期刊栏目：47

分类号：TG172(金属学与热处理)

资助基金：江苏省科技支撑计划资助项目BE2013009-1Supported by Science and Technology Support Program of Jiangsu Province BE2013009-1

在线出版日期：2018-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：177-181