覃粒,吴德权,胡涛,贺琼瑶,唐蔓夕,赵方超,杨明波
(1.西南技术工程研究所,重庆 400039,2. 重庆理工大学,重庆 400054)
腐蚀广泛存在于国民生产生活之中。每年因各类腐蚀带来的直接经济损失高达国民生产总值的2%~4%,其总损失更是超过5%,而金属腐蚀造成的经济损失占到各种材料腐蚀经济损失的1/2 以上[1-2]。Q235 钢作为典型碳钢材料,广泛应用于工业生产领域,是环境评估、标准设立的标尺与基准[3-5],为材料设计相关研究提供数据支撑,为施用单位制定腐蚀防护策略提供重要参考。
我国海南地区因其高温、高湿、高盐雾、强辐照的湿热海洋气候特征,是金属材料腐蚀的“重灾区”。据研究表明,碳钢材料在海南地区长期暴露下的腐蚀速率是我国内陆干燥大气环境的2~6 倍,是我国东南沿海(如广东)的3 倍左右[6-8]。近年来,大量建设性工程项目在海南开展,设施材料在海南地区使用安全亟需保障。海南湿热海洋大气环境腐蚀性评估问题已被众多专家提上议程,研究典型金属材料在海南地区的腐蚀行为,掌握金属材料在海南各地腐蚀差异及时空分布规律,对金属材料腐蚀进行预测预判,以便有效地指导金属设施设备在海南的安全使用和精准防护。
目前,金属材料在海南湿热海洋大气环境中的腐蚀行为机制得到较多研究,典型材料海洋大气环境腐蚀数据持续积累。研究人员大多通过在海南典型站点(如琼海、万宁等)开展自然环境试验,对比典型站点金属的腐蚀行为与机制,粗略地评估海南腐蚀等级[9-12]。如冯立超等[13]在海洋大气试验中发现,氯离子能破坏金属氧化膜,从而加速金属腐蚀。金属在海洋大气环境下易受到大气污染物(如SO42-、NO3-和NH4+)与富Cl-耦合作用,进一步影响金属材料的腐蚀[14]。然而自然环境试验成本高,仅通过典型站点环境试验产生的数据量较少,有限的自然环境数据难以精细化描述海南全域的环境差异。同时,由于可视化表征手段的匮乏,小规模数据难以支撑数据资源的深层次开发,难以转化为工程化应用的便捷产品,无法高效指导设备应用[15]。这一现状使得材料腐蚀数据可视化技术成为迫切需求。
随着计算机技术的飞速发展,新型软件及算法等在材料行为模型构建、小样本环境材料数据深度挖掘方面逐渐得到应用[16-20]。其中,地理信息系统等平台是广泛应用的环境信息数据载体,可以通过高效处理,可视化展示不同坐标的环境信息。基于数字化可视化的思想,通过相关数据分析软件,将海南全域自然环境试验数据转化为数字地图,精细化展示海南腐蚀分布,提高腐蚀数据的利用效率。
本文在海南13 个站点开展大规模自然环境试验,通过采集Q235 的腐蚀数据及环境数据,基于环境因素及环境效应相关性分析,建立了对海南大部分气候环境具有普适性的可视化“环境-材料”对应模型。以Q235 腐蚀质量损失作为严酷度评价指标,绘制了海南严酷度空间分布图,并预警了腐蚀严重地区。该研究为海南地区装备设施安全服役、金属选材及防护提供了重要支撑。
通过自然环境试验采集Q235 钢腐蚀质量损失数据,研究其腐蚀行为。自然环境试验按照 GB/T 24516.2—2009 在海南13 个城市的大气环境试验站进行,时间为2021—2022 年,样品回收周期为3、6、9、12 月,共4 个周期。13 个站点位于东方、琼海、临高、儋州、昌江、定安、保亭、文昌、白沙、屯昌、万宁、海口、三亚,如图1 所示。
图1 海南各站点位置及万宁站环境试验架Fig.1 Locations of stations in Hainan and the shelf for environment tests at Wanning station
海南省地处华南地区,位于热带边缘,属热带季风性气候,是典型的湿热海洋大气环境条件。试验时间为2021 年4 月—2022 年4 月,海南各站点的气象数据见表1。
表1 海南各站点气象数据Tab.1 Climate dates of testing stations in Hainan
1.2.1 皮尔逊(Pearson)相关性分析
Pearson 相关分析用于计算气候因素之间的相关性,其计算过程如式(1)所示。相关性系数r描述2个变量之间的线性相关程度,r的值在-1 和+1 之间。如果r>0,表明2 个变量正相关;r<0,则表示2 变量负相关。r的绝对值越大,相关性越强。
式中:r表示相关性系数,X、Y分别表示两个变量,、分别表示2 个变量的均值。
1.2.2 灰色关联度分析
腐蚀可以看作是环境这个复杂系统对金属材料作用而产生的一个过程机制不清晰的灰色系统,它通过统计方法将多个环境因素自变量序列和材料性能因变量序列的几何形状相似程度排序[21],计算过程如式(2)所示。通过环境因素数据矩阵与材料腐蚀变量间灰色相关性系数,挑选对材料腐蚀影响较大的环境因素。
式中:Xi(k)为自变量序列;Δi(k)为自变量与因变量的差值序列;i为第i个环境因素;k为该因素中第k个样本值;min 为向量最小值;max 为向量最大值;ρ为分辨系数取0.5。
通过跟踪测量Q235 钢在13 个大气站点暴晒3、6、9、12 个月期间的表观形貌腐蚀情况与腐蚀质量损失,表征Q235 钢在海南典型地区腐蚀行为,如图2 所示。
图2 (a)三亚、(b)东方、(c)海口与(d)万宁Q235 钢外观形貌与(e)各站点腐蚀性能随暴晒时间变化Fig.2 Corrosion appearance and performances of Q235 steel as a function of exposure time in Sanya (a), Dongfang (b),Haikou (c), and Wanning (d)
图2a—d 分别为三亚、东方、海口和万宁站Q235钢样品暴露在大气环境下3、6、9 及12 月(从左到右)后的腐蚀外观形貌。可以看出,金属在腐蚀初期腐蚀面积就达到100%,腐蚀层呈棕红色,表面完全腐蚀。在整个腐蚀过程当中,外观形貌难以准确量化Q235 钢腐蚀程度。
从图2e 中可以看出,Q235 钢的腐蚀质量损失随暴露时间的增加而增加,且腐蚀质量损失的增量呈现先快后慢的趋势。其中,万宁、文昌、海口及琼海等海南东北部沿海站点得到的金属腐蚀质量损失在暴露1 a 后达到了300 g/m2以上,在海南各站点中腐蚀程度较严重。保亭、儋州、白沙及昌江等海南西南部站点得到的金属腐蚀质量损失在暴露1 a 后不足150 g/m2,腐蚀程度较轻。本文以Q235 钢1 a 的腐蚀质量损失量为指标,评价湿热海洋环境严酷度。
海南大气环境对Q235 钢的作用机制目前没有明晰的数学模型,海南环境数据也可以看作是一个信息模糊、变量多维的集合。通过回归分析、灰色关联分析等数学方法,定量分析海南环境因素,包括地理因素(如海拔高度、经度、纬度、离海距离等)及气候因素(如平均相对湿度、平均温度、降水小时数、日照时间、年均风速、年均大气压、降水量)与Q235钢材料腐蚀性能(腐蚀质量损失)之间的相关性,寻找影响Q235 钢腐蚀敏感的环境因素。
2.2.1 Pearson 相关性分析环境因素间关联
各环境因素并非独立变量,通过Pearson 分析海南地区环境因素间相互影响程度,为筛选敏感环境因素提供数据支撑。正相关表示两环境因素间存在一定促进作用,负相关则表示两环境因素间存在一定抑制作用。结果显示,湿度>80%的时间与经度的相关性高达0.840,与平均相对湿度以及降雨时间的相关度也分别达到0.722、0.691。离海距离与风速负相关(-0.662),离海距离与海拔高度则密切正相关(0.710)。对于关联性较强的多个环境因素,可合理挑选其中一个作为影响材料腐蚀的敏感环境因数,避免建模过程变量冗余。因此,湿度>80%时间、平均相对湿度、降雨时间可以选择一个作为与湿度相关的大气环境变量,离海距离与海拔高度可以选择一个作为地理信息变量。
2.2.2 灰色关联度分析Q235 钢腐蚀敏感环境因素
本项目以Q235 钢在海南大气环境下暴露1 a 的腐蚀质量损失作为环境效应数据因变量序列,以环境因素作为自变量序列进行灰色关联分析。通过MATLAB 软件编程计算Q235 钢腐蚀质量损失与环境变量间的灰色关联度,将相关度结果按照从大到小排序,结果如图3 所示。各环境因素与Q235 钢腐蚀质量损失间灰色关联度排序(从大到小):离海距离、湿度>80%时间、平均相对湿度、日照时间、累积降水量、降水小时数、平均气压、风速、平均气温、经度、纬度以及海拔高度。
图3 海南环境因素间关联与Q235 钢腐蚀敏感环境因素排序Fig.3 Relevance between environment factors in Hainan and the ranking of Q235 steel corrosion weight loss sensitive environmental factors
2.2.3 Q235 钢腐蚀质量损失敏感环境因素研究
线性回归分析可用于定量计算2 个变量间的线性相关程度,是判断2 个变量能否建立线性函数的前提。这里通过散点图探究湿热海洋大气13 个站点6个典型环境因素数据与Q235 钢腐蚀质量损失间的线性关联程度,建立线性回归方程,如图4 所示。计算各环境因素与腐蚀质量损失间的回归方程,通过对比拟合优度(R2)、Pearson 相关系数(Pearson Correlation Coefficient,PCC),量化比较各环境因素与Q235 钢腐蚀质量损失间关联程度大小。
图4 各环境因素与Q235 钢腐蚀质量损失间的线性回归图Fig.4 Linear regression plot of corrosion rate of Q235 steel and environmental factors
由图4 可知,各线性回归方程的拟合优度最高为0.72,低于0.85 阈值,表明各环境因素与Q235 钢腐蚀质量损失间并没有统计意义上的严谨线性关联[22],说明线性方程并不能很好建立环境因素与Q235 钢腐蚀性能间的映射关系。对拟合优度R2大小进行排序,用于比较各因素与Q235 钢腐蚀质量损失间相关性的大小,结果表明,敏感的环境因素排序为离海距离、平均相对湿度、湿度>80%时间。
线性回归分析中,Pearson 系数表明2 个变量间的统计学意义上的相关性[22],而从图4 中可知,各环境因素与Q235 钢腐蚀质量损失间无显著相关性。这是因为海南地区13 个样本数据较少,且Q235 钢在大气环境下腐蚀受多种环境因素的综合影响。其中,离海距离与腐蚀质量损失之间的Pearson 系数达到最高-0.85,表明相比于其他环境因素,离海距离与Q235钢腐蚀的关联较大。其次为平均相对湿度、湿度>80%时间,分别与腐蚀质量损失Pearson 系数达到了0.70、0.66。
从图3 可以看到,平均相对湿度与湿度>80%时间两项的关联度达到0.722,表明平均相对湿度与湿度>80%时间表达信息较接近。基于金属材料腐蚀机理,高湿度下金属表面形成的薄液膜是金属腐蚀的主要原因。因此,相比于年平均湿度,选择湿度>80%时间作为海南地区Q235 腐蚀的高相关性环境因素[23-25]。
综合考虑上述Pearson 相关性、灰色关联、线性回归等各方法计算得到的相关性较高的环境因素,优先选择离海距离、湿度>80%时间作为Q235 钢腐蚀敏感环境因素。
海南13 个站点收集得到在海南湿热海洋大气环境下暴露1 a 的Q235 钢腐蚀质量损失数据如图5a 所示。基于上述湿热海洋地区环境因素分析及影响金属腐蚀质量损失腐蚀敏感环境因素筛选,以离海距离、湿度>80%时间为关键环境因素变量,以Q235 钢1 a腐蚀速率作为环境效应变量,构建环境因素与环境效应之间模型,通过曲面拟合,呈现“环境因素-材料性能”模型函数映射关系,如图5b 所示。从模型三维图像中可以看出,湿度>80%时间的增加促进了金属腐蚀质量损失增加;离海距离越近,金属腐蚀质量损失增加。通过该“环境因素-腐蚀性能”映射三维图像,直观呈现了环境与严酷度的对应关系,便于装备设施在海南服役过程中,快速预测评估环境严酷度。
图5 海南地区Q235 钢腐蚀质量损失分布与敏感环境-色差映射关系Fig.5 Distribution map of corrosion weight loss (a) and mapping plot for the relation between sensitive environment factors and corrosion rate (b) of Q235 steel in Hainan
通过Matlab 软件,输入暴露在湿热海洋大气环境下3、6、9、12 个月金属腐蚀质量损失值,对海南13 个站点进行Griddata 插值计算,得到海南Q235 钢不同暴露时间下质量损害分布地图,如图6 所示。
图6 海南地区Q235 钢质量损失分布地图Fig.6 Weigh loss distribution plots of Q235 steel in Hainan for 3 months (a), 6 months (b), 9 months 6 (c) and 12 months(d) respectively
从图6 可以看出,自然环境试验3 个月,Q235腐蚀程度小,腐蚀质量损失分布并没有明显差异;自然环境试验6 个月,海南中部及南部地区腐蚀程度依然较轻,而滨海地区腐蚀程度开始加重;自然环境试验9 个月,中南部金属腐蚀质量损失较小,而东部较高;自然环境试验12 个月,海南东部与北部金属腐蚀程度较之前显著增加。
以上分布表明,Q235 在海南东部及北部地区腐蚀较严重,而岛南部及中部地区腐蚀较轻。这是因为受海洋湿气、含盐粒子、季风等环境因素的影响,海南长期受到来自东北及东南方向季风,如冬季为来自大陆方向的南下冷空气,夏季为来自南海的湿热气流,仅秋季有短期来自西南方向季风,因此海南北部、东部受湿气及盐沉积影响更大,腐蚀严酷度更高。海南中部为山地,森林覆盖率高,植被对大气有一定调控作用,一定程度上减轻了腐蚀严酷性。
1)采集Q235 钢在海南13 个站点暴露大气3、6、9、12 个月样品,分析其形貌特征及腐蚀质量损失数据发现,试验初期样品表面即全面锈蚀,难以通过锈层颜色对比评价各地的腐蚀差异。腐蚀质量损失随着试验时间逐渐增加,并趋于稳定。其中,海南东北部站点12 个月试验后金属腐蚀程度较严重,腐蚀质量损失达到了300 g/m2以上,海南西南部则不足150 g/m2。
2)通过Pearson 相关性分析,在湿度>80%时间、平均相对湿度、降雨时间3 个环境因素中,可以选择1 个作为与湿度相关变量,离海距离与海拔高度可以选择1 个作为地理信息变量。通过灰色关联度分析与线性回归分析,与Q235 钢腐蚀质量损失关联度较强的因素为离海距离、湿度>80%时间、平均相对湿度。综合分析筛选出影响Q235 钢的腐蚀敏感环境因素分别为湿度>80%时间、离海距离。
3)将筛选得到的湿度>80%时间和离海距离作为Q235 钢海南腐蚀敏感环境因素,构建“环境-材料”间映射关系模型。通过插值法将Q235 钢不同周期腐蚀质量损失数据以分布地图形式可视化表达,结果显示,海南东部及沿海地区严酷度高,海南中部及西部地区严酷度低。