[摘要] 通过采集用户车辆腐蚀环境因子，如温度、湿度、降雨、降雪、酸雨、污染物、道路条件等，结合该环境下标准钢板的年静态腐蚀量，和搭载用户车辆上的标准钢板年动态腐蚀量，对神经网络模型进行训练和优化。从而实现神经网络算法对汽车腐蚀结果的预测，辅助汽车企业制定新市场的防腐策略。降低市场环境腐蚀研究成本，特别是降低海外未知市场的腐蚀风险预测成本。
[关键词] 腐蚀环境因子；神经网络算法；整车腐蚀强度；模拟
何忠树
高级工程师，耐候试验开发室主管。
主要从事金属材料热处理、性能和成分检测，
以及汽车腐蚀、老化、水密性等相关试验和研究工作。
获得16项专利，发表6篇学术论文，
完成《汽车性能集成》书籍中汽车防腐性能开发章节的编写。
参与《乘用车强化腐蚀试验评价方法》《白车身循环腐蚀试验方法》等标准的编写。
先后获得长安汽车科技进步奖一等奖、兵装科技进步奖一等奖、
重庆科技进步奖三等奖、长安标准创新贡献二等奖等荣誉。
引言
整车腐蚀的产生是在用户自然用车状态下，各种腐蚀因子加载和腐蚀时间积累后的综合作用结果。腐蚀因子包括自然环境因子，如温度、湿度、降雨、降雪、酸雨、污染物、道路条件等，也包括人为影响因素，如驾驶习惯、车辆清洗方式和频次等。
为了深入讨论各类环境因子对整车腐蚀结果的影响程度，本文选取典型腐蚀环境进行深入研究，建立腐蚀因子的影响权重关系，再形成神经网络算法对用户车辆腐蚀量进行预测的模型。通过各地区环境数据预测腐蚀强度，用于各地区汽车腐蚀风险分析，以此节省腐蚀强度测量成本。
1 国内气候特点和腐蚀现状及主要腐蚀因子
1.1 国内气候特点
1.1.1 环境气候分析
采集广州、三亚、成都、青岛、天津、乌鲁木齐6个城市逐小时温湿度数据，统计全天极值与均值，分析各城市气候差异性，如图1所示。逐月温度顺序为：广州>三亚>成都>青岛>天津>乌鲁木齐，且温度差异性逐渐变大，广州、三亚等地区常年处于>20℃的环境范围，乌鲁木齐和天津则呈现明显的冷热差异，汽车产品面临的温度挑战更具有多样性。
各城市温度受纬度影响较为明显，而湿度则体现出地理差异。其中，三亚处于亚热带沿海区域，具有明显高温高湿特征；广州、成都、青岛等地区湿度的季节差异性较大。上述区域汽车产品处于腐蚀临界湿度的概率较高，汽车腐蚀风险较大。天津、乌鲁木齐湿度的差异性明显高于其他地区（天津峰值为夏秋，乌鲁木齐峰值为冬春），但高湿和低湿循环工况近似于循环加速腐蚀条件，对汽车腐蚀影响较强。
1.1.2 大气化学腐蚀介质
各化学介质对汽车影响具有独立腐蚀和协同腐蚀效果，从图2月趋势可以看到，与季节呈现出幅值不一的规律性，各地的O3（臭氧）水平趋势相似，且峰值出现于冬春季节，其他介质的幅值出现在夏秋季节，乌鲁木齐和天津的季节差异变化较大，三亚地区各因素均维持在较低且稳定的水平。
1.2 主要腐蚀因素协调影响
金属的大气腐蚀行为具有鲜明的地域特征，工业快速发展伴生的大气环境污染使得金属材料的服役条件日趋苛刻，导致汽车金属零部件在大气环境中的腐蚀规律变得越来越复杂。
三亚地区整体呈现温湿度较高污染物较低的状态，该地区的腐蚀过程属于高温高湿高盐，化学介质的影响弱于其他地区。
其他区域化学介质腐蚀影响呈现两种趋势。从湿度角度来看，由于冷凝水在汽车部件表面形成的液膜中能够溶解5倍左右化学介质，因此湿度与化学介质呈现协调化学腐蚀影响的状态，典型地区为乌鲁木齐，腐蚀影响高于其他地区。
所有区域温湿度呈现明显的夏秋峰势，与O3趋势分布相当，三者呈现出氧化腐蚀特征，6个城市中三亚高于其他城市。
1.3 国内金属大气腐蚀机理
金属暴露在空气中的腐蚀是周期进行的，主要是大气环境的气象变化造成液相在钢表面周期性地生成、转移和消失。因此，在一定相对湿度下，表面液相的形成是钢材腐蚀的必要条件，也是初期腐蚀点的形成位置。在试样表面存在液膜的前提下，温度升高会使电解质在液膜中的溶解度增大，液膜导电性增强，大气腐蚀发生。据统计，在其他环境因子相同的条件下，平均温度高的区域，大气腐蚀速率比较大。温度和温差对大气腐蚀影响比较大，温差影响比温度影响更显著。碳钢大气腐蚀如下:
1.3.1 “湿热+海盐”
环境对金属的腐蚀基本以协同腐蚀为主，三亚地区温湿度较高，金属表面呈现较长时间的润湿状态，大量海盐颗粒于材料表面沉积，导致对金属的腐蚀。相关研究显示，“湿热+海盐” 大气环境对碳钢的腐蚀影响强于铝材料，但对热浸锌效果弱于其他因素。
在含有盐（如NaCl）的溶液液滴下的腐蚀继续在初级液滴周围形成湿区和微液滴，在潮湿区域和微滴超过腐蚀的阴极反应，导致该区域溶液pH值升高，阴极极化加速了湿面积和微滴的生长和腐蚀的发生。
1.3.2 “温差+化学介质”
天津、青岛、成都与广州相比，具有温差大和大气化学腐蚀介质含量高的特点。从三亚碳钢腐蚀结果可以看出，海盐颗粒的湿热协同作用对金属的腐蚀效果明显，但单纯的湿热（广州）对金属的腐蚀速率明显降低。化学介质工况下（成都）产生的产物膜，有利于腐蚀介质的通过，从而促进腐蚀反应的发展，增加腐蚀量， 短期内会发生高度腐蚀，导致金属材料失效或断裂。在湿热基础上添加化学腐蚀介质（天津、青岛、成都）后，金属腐蚀速率明显增大。由此可见，“湿热”<“温差+化学介质”<“温差+化学介质+海盐”。乌鲁木齐虽然具有相似的温差和化学介质，但由于相对湿度过低，难以在部件表面形成有效的腐蚀性液膜，所以对碳钢的腐蚀性弱于其他工况。腐蚀速率见图3。
碳钢在湿热大气环境中的腐蚀行为不同，其在最高温地区的腐蚀速度约为最低温腐蚀速度的几十倍。尤其是点蚀的纵向延伸，腐蚀产物主要由以下相组成：α-FeOOH（α羟基氧化铁）、γ-FeOOH（γ羟基氧化铁）和Fe3O（四氧化铁），其松散的多孔结构，使沉积层不能有效地减少氧扩散，从而增加断裂敏感性并降低材料的使用寿命。因此，对于结构材料而言，应根据碳钢在不同环境下的腐蚀速度量身定制防护措施，以获得较好经济效益。
湿度、SO（二氧化硫）和海盐污染通常被认为是导致大气腐蚀的主要因素。这一点仅得到部分证实。青岛以海盐污染为特征，西南地区以酸雨为特征，潮湿、高温对碳钢腐蚀的发展更为显著（三亚和成都）。
2 神经网络模型对汽车腐蚀强度的拟合
2.1 遗传算法优化的神经网络模型原理
BP网络是一种多层前馈神经网络。它的名字源于在网络训练过程中调整网络权值的算法，是误差反向传播的学习算法，即BP学习算法。BP算法是大卫·鲁姆哈特等人在1986年提出的。由于它结构简单，可调整参数及训练算法多，且可操作性强，因此获得了非常广泛的应用。据统计，有80%－90%的神经网络模型都采用了BP网络或者其变形。但BP神经网络也存在一些缺陷，包括学习收敛速度太慢、不能保证收敛到全局最小点、网络结构不易确定等。
另外，网络结构、初始连接权值和阈值的选择对网络训练的影响很大，但是又无法准确获得，针对这些特点可以采用遗传算法对神经网络进行优化。
2.2 遗传算法的基础要素
遗传算法的基本要素包括染色体编码方法、适应度函数、遗传操作和运行参数。
染色体编码方法是个人编码方法，目前包括二进制法、实数法等。适应度函数指根据进化目标编写的计算个体适应度值的函数；遗传操作是指选择操作、交叉操作和变异操作；运行参数是遗传算法在初始化时确定的参数，主要包括群体大小M、遗传代数G、交叉概率Pc和变异概率Pm。
2.3 建模思路与步骤
遗传算法优化BP神经网络算法流程如图4所示。
遗传算法优化BP神经网络主要分为：BP神经网络结构确定、遗传算法优化权值和阈值、BP神经网络训练及预测。其中，BP神经网络拓扑结构是根据样本的输入/输出参数个数确定的，以确定遗传算法优化参数的个数，从而确定种群个体的编码长度。因为遗传算法优化参数是BP神经网络的初始权值和阈值，只要已知网络结构，就可知权值和阈值的个数。神经网络权值和阈值一般是通过随机初始化为[-0.5，0.5]区间的随机数，它对网络训练的影响很大，但是又无法准确获得。对于相同的初始权重值和阈值，网络训练结果是一样的，引入遗传算法就是为了优化出最佳的初始权值和阈值。
2.4 神经网络算法实现
根据动态腐蚀项目的相关测试数据和天津市各气象站的气象及污染物数据，确定了AQI(空气指数)、 PM2.5、PM10、SO2、NO（二氧化氮）、 O3、T(温度)、RH(相对湿度)、Time（行驶时间）、Mileage(行驶里程)共10类数据作为神经网络模型的10个输入参数，将腐蚀失重量作为唯一输出参数。
2.4.1 网络创建
BP网络结构的确定参照以下指导原则：
对于一般的模式识别问题，三层网络可以很好地解决问题。在三层网络中，隐含层神经网络个数n2和输入层神经元个数n1之间有近似关系：n2=2×n1+1。由于有10个输入参数、1个输出参数，所以隐含层神经网络个数为21，设置的BP神经网络结构为10-21-1，即输入层有10个节点，隐含层有21个节点，输出层有1个节点，共有10×21+21×1=231个权值， 21+1=22个阈值，所以遗传算法优化参数的个数为231+22=253。将测试样本的测试误差范数作为衡量网络的一个泛化能力（网络的优劣），再通过误差范数计算个体的适应度值，个体误差范数越小，个体适应度值越大，该个体越优。
2.4.2 网络训练和测试
网络训练是一个不断修正权值和阈值的过程，通过训练，使得网络的输出误差越来越小。在默认情况下， BP神经网络的训练函数为LM训练函数，即利用列文伯格-马夸尔特训练函数:Δω=(JT J+μI)-1 JT e对网络进行训练，之后再对网络进行测试。
其中,J为误差对权重的雅可比矩阵，反映权重变化对误差的影响程度；e为网络预测值与真实值的误差向量；μ为阻尼系数；I为单位矩阵；Δω为权重的更新量
2.4.3 遗传算法实现
遗传算法优化BP神经网络是用遗传算法来优化BP神经网络的初始权重值和阈值，使优化后的BP神经网络能够更好地进行样本预测。遗传算法优化BP神经网络的要素包括种群初始化、适应度函数、选择算子、交叉算子和变异算子。
2.4.4 种群初始化
个体编码使用二进制编码，每个个体均为一个二进制串，由输入层与隐含层连接权值、隐含层阈值、隐含层与输出层连接权值、输出层阈值四部分组成，每个权值和阈值使用M(自定义位数，这里可选10位)位的二进制编码，将所有权值和阈值的编码连接起来即为一个个体的编码。
如表1，假定权值和阈值的编码均为10位二进制数，那么个体的二进制编码长度为2530。其中，前2100位为输入层与隐含层连接权值编码；2101－2310位为隐含层阈值编码；2311－2520位为隐含层与输出层连接权值编码；2521－2530位为输出层阈值编码。
2.4.5 适应度函数
为了使BP网络在预测时使预测值与期望值的残差尽可能小，所以选择预测样本的预测值与期望值的误差矩阵范数作为目标函数的输出。适应度函数采用排序的适应度分配函数：FitnV=ranking（obj），其中obj为目标函数的输出，见表2。
2.4.5.1选择算子
选择算子采用随机遍历抽样。
2.4.5.2交叉算子
交叉算子采用最简单的单点交叉算子。
2.4.5.3变异算子
变异以一定概率造成变异基因数，用随机方法选出发生变异的基因。如果所选的基因编码为1，则变为0；反之，则变为1。
根据动态腐蚀项目相关测试数据和天津市各气象站气象及污染物数据，选择与碳钢动态腐蚀相关的大气气象和污染物数据，以及车辆行驶里程和时间数据等，利用遗传算法优化神经网络进行预测。确定了AQI、 PM2.5、PM10、SO2、NO2、O3、T、RH、 Time、Mileage共10类数据作为神经网络模型的10个输入参数，见图5，将腐蚀失重量作为唯一输出参数。
遗传算法优化的神经网络模型拟合结果见表3。
将上述计算结果与现场试样实际测试腐蚀数据进行对比，可以看出，预测结果与实际腐蚀数据吻合，经过多次训练后的遗产算法优化人工神经网络预测精度很高，误差率基本控制在10%以内。这些研究表明，神经网络分析对动态腐蚀这样的复杂腐蚀系统具有明显的优势。
本次选取了天津地区5辆车在底盘腐蚀挂片进行现场动态腐蚀试验，对采集的主要污染物数据和气象污染物数据，运用神经网络对累积的碳钢大气腐蚀数据进行分析，大量训练后可以建立稳定性好、泛化能力强的大气腐蚀预测模型，较好地预测了汽车腐蚀速率，误差可基本控制在10%以内。
3 结论
首先，湿度、二氧化硫污染和海盐污染通常被认为是导致汽车腐蚀的主要因素。
其次,在湿热的基础上添加化学腐蚀介质（天津、青岛、成都）后，金属的腐蚀速率明显增大。
第三,基于遗传算法优化后的神经网络模型,对汽车腐蚀强度的预测效果较好，误差可基本控制在10%以内。
参考文献
〔1〕任凯旭，张瑾，刘雪峰． 动态环境下的车用材料腐蚀试验及分析方法［J］． 科学技术与工程，2019，19( 25) : 341-350
〔2〕冯洋子. 基于遗传算法BP神经网络建立镁合金腐蚀性能和力学性能的预报模型. 西安:西安建筑科技大学
〔3〕王俊平,李家彦. BP神经网络的学习过程与算法分析. 计算机光盘软件与应用, 2014(4)
〔4〕季朝旭. 基于遗传算法的DG配电网络故障恢复策略研究. 昆明:昆明理工大学, 2011.
