基于RBF神经网络的2024铝合金酸性盐雾腐蚀实验预测

在研究多种因素对于材料性能的影响时，常常 需要同时考察 3 个或 3 个以上的实验因素，若进行 全面实验时，则实验的规模将很大，往往因实验条 件的限制而难于实施。正交实验设计就是安排多 因素实验的一种高效率实验设计方法，但正交实验 只能通过部分实验来了解全面实验的情况，判断各 因素的效应，无法精确地预测任意条件下的实验 结果，而神经网络能够很好地弥补这一问题。RBF 神经网络结构简单、训练简洁、学习收敛速度快、 能够逼近任意非线性函数，克服局部极小值问题。 原因在于 RBF 神经网络参数初始化具有一定的 方法，并非随机初始化[9-12]。本工作将 RBF 神经网 络与正交实验设计相结合，进行不同条件下的酸性 盐雾实验，研究飞机结构材料 2024 铝合金的腐蚀 规律。
目前，铝合金依然是世界上大多数飞机最主要 的机身结构材料[1]。由于工业污染的日益严重，大 气中存在 SO2、NO2 等酸性腐蚀介质，使得机身结 构不可避免地会受到酸性介质腐蚀，造成安全隐 患。随着我国民航飞机引进数量和使用年限的增 加，越来越多的飞机进入老龄阶段。飞机的老龄化 问题在国内外一直受到重视。2010 年 11 月，FAA 发布文件《老龄飞机大纲：广布疲劳损伤；最终条 例》，用于确保老龄飞机持续适航性。中国民航局 也加强了对老龄飞机的管理，并于 2018 年颁布了 CCAR121R5， 用 于 加 强 对 老 龄 飞 机 安 全 运 行 监 控。目前，对于铝合金腐蚀预测的方法主要有数据 拟合、灰色模型、马尔科夫链、时间序列等[2-4]；而人 工神经网络的飞速发展为材料腐蚀预测提供了新 的方法，樊玉光等[5] 利用后向传播神经网络（back propagation neural networks， BP） 建 立 腐 蚀 预 测 模 型，为炼油厂的腐蚀控制提供数据支持，结果表明 方法可行；夏法峰等[6] 通过径向基函数神经网络
收稿日期：2018-10-31；修订日期：2019-01-07 基金项目：部委计划项目（MJ-2016-Y-73）；中央高校基本科 研业务费（3122016B003） 通讯作者：方艺斌（1993—），男，硕士，主要从事航空材料腐 蚀与防腐方面研究，（E-mail）fangyibin15@。
表 2 正交实验设计 Table 2 Orthogonal experimental design
No. Corrosion time/h Salt concentration/（g•L–1） pH
1 24
25
2
2 24
50
3
3 24
75
54 Leabharlann 82535 48
50
5
6 48
第4期
基于 RBF 神经网络的 2024 铝合金酸性盐雾腐蚀实验预测
33
1 实验材料及方法
1.1 盐雾实验 实验材料为表面无包铝层的 2024-T3 铝合金
薄板，化学成分如表 1 所示。试样尺寸为 155 mm × 70 mm × 2 mm，平行试样数量为 4 件（根据 AMSQQ-A-250-4A 标准加工）。采用 YW-120 型盐雾腐 蚀箱，进行酸性盐雾环境下的 3 因素 3 水平正交实 验。设定盐雾实验的 pH 值分别为 2、3、5，盐雾浓 度分别为 25 g/L、50 g/L、75 g/L，腐蚀时间分别为 24 h、48 h、72 h。
2019 年 第 39 卷 第 4 期 第 32 – 39 页
航 空 材 料 学 报
JOURNAL OF AERONAUTICAL MATERIALS
2019，Vol. 39 No.4 pp.32 – 39
基于 RBF 神经网络的 2024 铝合金酸性 盐雾腐蚀实验预测
贾宝惠1, 方艺斌2, 王毅强1
（1．中国民航大学 航空工程学院，天津 300300；2．中国民航大学 中欧航空工程师学院，天津 300300）
摘要：选用飞机结构材料 2024 铝合金进行不同条件下的酸性盐雾实验，设定盐雾实验的 pH 值分别为 2、3、5，盐雾 浓度分别为 25 g/L、50 g/L、75 g/L，腐蚀时间分别为 24 h、48 h、72 h。将径向基函数神经网络（radial basis function neural networks，RBF）与正交实验设计相结合，选取不同的实验条件组作为神经网络的学习样本集，并通过极差分 析对正交实验结果进行分析。结果表明：采用 RBF 与正交实验设计相结合的方法，能够较准确地预测任意实验条 件下的腐蚀速率，减少实验次数，提高预测精度；把正交组和顶点补充组同时作为学习样本集的预测结果要优于单 单只有正交组作为学习样本集的预测结果。极差分析结果表明，对 2024 铝合金单位面积的质量损耗影响最大的因 素是溶液的 pH 值，其次是盐雾浓度，腐蚀时间的影响最小。 关键词：铝合金；酸性盐雾实验；正交实验；径向基函数神经网络 doi：10.11868/j.issn.1005-5053.2018.000114 中图分类号：TG146.2+1 文献标识码：A 文章编号：1005-5053(2019)04-0032-08
表 1 2024 铝合金化学成分（质量分数/%） Table 1 Chemical composition of 2024 aluminum alloy
（mass fraction/%）
Cu
Mg Zn
Mn Si
Fe
Al
4.42 1.56 0.13 0.61 0.21 0.18 Bal.
4 个实验点作为验证组。验证组的参数选择如表 3 所示。
（ radial basis function neural networks， RBF） 对 NiTiN 纳米镀层的腐蚀速率进行预测研究，预测精度 良好；于淳[7] 利用神经网络为船舶的健康管理提供 评估及决策支持，验证了神经网络用于船舶结构腐 蚀的可行性；Slika 等[8] 通过神经网络开发出一种非 破坏性结构健康监测（SHM）方法，用于评估结构状 态并预测其剩余的无腐蚀性使用寿命，结果表明该 方法提高了维护效率和结构可持续性。