基于电化学噪声的腐蚀监测技术的研究

摘要

腐蚀具有巨大的危害性。为了使腐蚀带来的危害和损失降到最小,要对材料的腐蚀过程做及时可靠的监测,电化学噪声测试技术已成为腐蚀研究的重要手段之一。传统的电化学噪声测试技术不能很好的适应各类复杂的现场环境。为了使电化学噪声测量适用范围更广,测量更加简化,将传统的三电极体系进行了改进,将其中一块同材料的工作电极用极细的Pt丝取代,作为微阴极。本文研制了以Ag/AgCl固体参比电极为基础,中心嵌入铂丝为微阴极的电化学腐蚀监测探头。
　　制备压制和烧结Ag/AgCl固态参比电极,并分别对其进行电极电位稳定性、能斯特响应、温度系数、电化学阻抗的性能测试。研究结果表明:烧结的Ag/AgCl固态参比电极的性能优于压制的Ag/AgCl固态参比电极。
　　利用压制的Ag/AgCl固态参比电极制备电化学腐蚀监测探头并对其的准确性进行研究。使用EN法和EES法对AA2014铝合金在Ce(NO3)3溶液、NaCl溶液、Ce(NO3)3+NaCl溶液和NaOH溶液进行电化学噪声测试,并进行线性极化测试。通过噪声电阻和线性极化电阻的对比分析、小波分析和腐蚀形貌分析,研究结果表明:电化学腐蚀监测探头在钝化体系、点蚀体系和加入缓蚀剂的抑制体系测量结果是准确的,在有大量氢析出的均匀腐蚀体系中是不准确的。
　　利用腐蚀监测探头监测不同腐蚀体系中腐蚀速度,通过腐蚀形貌分析和小波分析,验证电化学腐蚀监测探头的适用性,研究表明:在缝隙腐蚀、流动条件下的腐蚀、电偶腐蚀的体系中,腐蚀监测探头的准确性良好,说明腐蚀监测探头在不同腐蚀体系中具有较高的适用性。
　　利用腐蚀监测探头采集到不同腐蚀形态对应的大量能量数据作为人工神经网络的训练样本,通过人工神经网络技术进行建模,将验证的结果与实际结果对比,误差值最大为0.01,其余的误差值非常小,说明建立的人工神经网络具有较高的准确性,可通过建立的人工神经网络对不同腐蚀形态进行人工识别。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究背景与意义

1.2 金属腐蚀的监测方法

1.3 电化学噪声技术

1.4 人工神经网络

1.5 研究内容和实验方案

第2章 实验材料及实验方法

2.1 实验材料与化学试剂

2.2 Ag/AgCl固态参比电极的制备

2.3 电化学腐蚀监测探头的制作

2.4 实验设备与装置

2.5 Ag/AgCl固态参比电极的性能测试

2.6 在不同腐蚀体系下利用腐蚀监测探头对腐蚀信号的监测

2.7 腐蚀形貌观察

2.8 人工神经网络

第3章 Ag/AgCl固态参比电极性能的研究

3.1 压制和烧结Ag/AgCl固态参比电极表面微观形貌观察

3.2 电极电位的稳定性

3.3 能斯特响应特性

3.4 温度的影响

3.5 电化学阻抗测试

3.6 本章小结

第4章 腐蚀监测探头的准确性研究

4.1 腐蚀监测探头的结构

4.2 在不同腐蚀体系中腐蚀监测探头的准确性研究

4.3 本章小结

第5章 腐蚀监测探头的适用性研究

5.1 AA2014铝合金有无缝隙条件下腐蚀速度的监测

5.2 AA2014铝合金在静态和流动状态下腐蚀速度的监测

5. 3 紫铜在静态和流动状态下腐蚀速度的监测

5. 4 AA2014铝合金无电偶和有电偶状态下腐蚀速度的监测

第6章 利用人工神经网络技术自动识别所监测试样的腐蚀形态

6.1 人工神经网络训练数据准备

6.2 人工神经网络模型建立

6.3 人工神经网络结果的验证

6.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢