关键词:
腐蚀传感器
汽车腐蚀
机器学习
摘要:
为探究海洋大气环境下影响车用典型金属材料腐蚀的关键环境因子及其作用机制,给车辆材料选型与防护设计提供数据支撑,基于盐城大气腐蚀观测站长期暴露实验数据,利用腐蚀传感器实时采集2507不锈钢、304不锈钢、6061铝合金、T2纯铜及镀锌钢的腐蚀速率,同步监测温湿度、污染物等多维环境数据。结合大数据分析技术与机器学习算法,对材料的腐蚀行为进行昼夜及长期分析,并构建腐蚀速率预测模型。结果表明:5种材料在盐城海洋大气环境中表现出显著的耐蚀性差异:2507不锈钢、304不锈钢和T2纯铜耐蚀性优异,6061铝合金发生点蚀,镀锌钢腐蚀最为严重。实时监测表明,2507不锈钢、304不锈钢、T2纯铜和镀锌钢的腐蚀主要集中在白天(08:00-16:00),而6061铝合金呈现全天持续腐蚀特征。机器学习分析结果显示,湿度和温度是影响镀锌钢腐蚀速率的主导因素。高湿度(>80%)环境下,腐蚀速率的离散性显著增强。梯度提升回归(GBR)和随机森林(RF)模型在腐蚀速率预测上优于线性回归(LR)模型,其中RF模型整体稳健性更佳。本研究量化了海洋大气环境下环境因子与材料腐蚀行为的动态关联,证实了大数据技术在腐蚀研究中的有效性,为车用材料的环境适应性评价提供了新方法。