金属腐蚀形貌特征提取用于腐蚀诊断的研究

《金属腐蚀形貌特征提取用于腐蚀诊断的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学博士学位论文金属腐蚀形貌特征提取用于腐蚀诊断的研究姓名：张玮申请学位级别：博士专业：化学工程指导教师：梁成浩20041201大连理工大学博士学位论文摘要在腐蚀工程中，腐蚀图像与腐蚀数据是判断各种腐蚀类型、评价腐蚀程度、研究腐蚀规律与特征的重要依据。对大量金属材料的腐蚀图像进行人工识别和诊断是一项冗长的工作，而且容易受主观因素的影晌。如何从大量的腐蚀图像中提取丰富的腐蚀信息，将这些信息进行定量描述，并转变为计算机能够自动识别的信息，以便从中获取知识，对腐蚀类型和腐蚀程度进行客观而准确的诊断和评价

2、，是腐蚀科学与工程技术研究的前沿课题之一。本文采用灰度变换、小波变换和图像二值化等数字图像处理技术，对304不锈钢、5454铝合金、204碳钢和工业纯铝的表面腐蚀图像进行特征提取。结合多层前馈式反向传播(BackPropagation--BP)神经网络，建立了基于腐蚀形貌特征的腐蚀诊断方法。同时，应用分形方法，对金属材料腐蚀表面的凹凸起伏、不规则等形貌特征以及蚀孔分布的复杂规律进行了研究，为诊断腐蚀类型和腐蚀程度提供了一条新的途径。首先，系统地研究了腐蚀图像预处理和分割的方法。以工业循环水中发生腐蚀的54

3、54铝合金表面形貌图像为实例，将腐蚀图像数字化为灰度数据矩阵。用灰度变换增强了腐蚀区域与材料基体的对比度，使图像中的腐蚀部位特征明显。用Sobel算子和Prewitt算子检测和分割出腐蚀区域的分布及轮廓。采用灰度数据矩阵统计、小波变换和二值化三种方法对在FeCl3溶液中化学浸泡和电化学测试获取的304不锈钢表面孔蚀形貌图像进行特征提取。在腐蚀图像二值化的基础上，以8．邻域的二值特征提取算法，计算出以像素点个数表示的孔蚀面积，并采用像素点集合求得蚀孔数目。平均值、标准差、能量和熵等灰度数据矩阵统计特征值的不

4、同，反映出304不锈钢孔蚀表面腐蚀形貌凹凸起伏变化的复杂特征。腐蚀形貌图像的低频子图像和高频子图像用二级小波变换分解出，既能够区分腐蚀区域和基体，又减少了图像数据矩阵的运算量。其次，将304不锈钢和碳钢表面腐蚀形貌图像的各向异性能量参数和小波变换后子图像的能量参数作为腐蚀类型判据，建立T?L蚀和均匀腐蚀类型的BP摘要神经网络诊断模型，诊断结果与实验结果相符合。以化学浸泡后304不锈钢腐蚀二值图像的特征值一腐蚀率及蚀孔密度作为输入因子，建立了基于BP神经网络的孔蚀速率诊断模型。诊断结果表明：2．5．1结构的

5、神经网络具有较好的诊断精度，孔蚀失重诊断值与实测值最大误差为8．81％。将304不锈钢电化学测试的腐蚀介质浓度、温度以及304不锈钢表面腐蚀率、蚀孔密度、蚀孔分布分维值等图像特征值作为神经网络的输入参数．诊断腐蚀速率(孔蚀失重)和蚀孔深度。网络训练和检验结果表明：6-8-2结构的神经网络对腐蚀速率和蚀孔深度的仿真检验结果与实测结果吻合较好，腐蚀速率的检验相对误差最大为6．69％，蚀孔深度的检验最大相对误差为4．62％。最后，采用灰度分析方法，研究了海水一H2s和工业循环水中发生均匀腐蚀的204碳钢以及Fe

6、Ch溶液中化学浸泡后发生孔蚀的304不锈钢形貌，发现腐蚀形貌具有分形特征，且形貌分维值与实测腐蚀速率之间具有相关性。用盒子维法研究了FeCl3溶液中电化学测试后的304不锈钢及自来水环境中发生孔蚀的工业纯铝的表面蚀孔分布特征．结果表明蚀孔的分布也具有分形特征。304不锈钢表面蚀孔分布分维值与腐蚀介质的温度、浓度均有相关性，工业纯铝表面蚀孔分布分维值随化学浸泡时间的延长而增大，与孔蚀失重趋势相一致。因此，形貌分维和表面蚀孔分布分维可作为描述孔蚀形貌特征的重要参数，用于腐蚀形貌特征提取和腐蚀诊断。关键词：腐蚀

7、形貌；特征提取；BP神经网络；分形；孔蚀；诊断大连理工大学博士学位论文ABSTRACTCorrosionimagesandcorrosiondataareveryimportantandfundamentaltodiagnosecorrosiontype，evaluatecorrosiondegreeandstudycorrosionmechanismincorrosionengineering．Manualidentificationanddetectionoftheseimagesisatedious

8、work．Itisalsoeasytobeaffectedbysubjectivefactors．Thus，quantitativelyanalyzingcorrosionmorphology,extractingandtransformingthecorrosioninformationfromnumerouscorrosionimagesintorecognizableinformationbycomputerstoobt