[发明专利]实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法、电子设备及存储介质

权利要求书

1.实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，所述方法包含：

步骤1：采集试验车辆行驶特征数据、试验城市气象站信息、试验城市气象数据以及试验城市污染物数据；所述试验城市气象站信息、试验城市气象数据以及试验城市污染物数据构成静态大气环境因素；

步骤2：基于试验车辆行驶特征数据挖掘计算车辆行驶特征关键因素；

步骤3：步骤1所采集的试验车辆行驶特征数据，利用MATLAB计算试验城市气象站信息的时间权值；

步骤4：计算试验城市气象数据以及试验城市污染物数据的时间加权值；

步骤5：确定车辆行驶特征关键参数以及静态大气环境关键参数；

步骤6：采用机器学习算法构建腐蚀速率预测模型；

步骤7：预测碳钢动态大气腐蚀速率。

2.根据权利要求1所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，在步骤2和3之间增加降维处理，具体为，利用维度优化算法对试验车辆行驶特征关键因素进行降维处理。

3.根据权利要求1所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，步骤1中，所述试验车辆行驶特征数据至少包括：经纬度信息、行驶速度信息、车辆运行状态信息、行驶里程信息以及采集时间信息；所述试验城市气象站信息至少包括地址及坐标信息；所述试验城市气象数据至少包括温度和相对湿度数据；试验城市污染物数据包括二氧化硫数据，或者包括二氧化硫数据和氯离子沉积量数据。

4.根据权利要求1所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，步骤2中，所述车辆行驶特征关键因素至少包括，动静比γ；车辆平均速度V，单位为m/s；试验时间t_t，单位为天；车辆静止时间t_s，单位为天；车辆运行时间t_r，单位为天；车辆行驶里程L，单位为m，所述动静比γ＝t_r/t_s，所述车辆平均速度V＝L/86400t_r。

5.根据权利要求2所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，所述维度优化算法包括：动态模糊聚类算法、主成分分析方法、K-means动态聚类算法。

6.根据权利要求1-5任一项所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，步骤3中，计算试验城市气象站信息的时间权值具体为：

步骤31：计算试验时间q天车辆行驶过程中采集的经纬数据与各个气象站的空间欧氏距离D_ij，其中i＝1,2,3,4....n表示该试验段内采集经纬度坐标个数，j＝1,2,3,4....m表示气象站序号；

步骤32：确定mm_i表示某个采集的车辆行驶经纬度数据与各个气象站距离中的最短距离，统计mm_i对应的各个气象站出现频次f_j＝num(j)；

步骤33：计算各个气象站的时间权值

7.根据权利要求6所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，步骤4中，计算试验城市气象数据以及试验城市污染物数据的时间加权值，根据公式计算各个静态大气因素的时间加权数值C；C为某试验段内加权后的影响因素数值，C_j为气象站j静态大气影响因素在该试验段内的均值。

8.根据权利要求6所述的实车服役工况的碳钢动态大气腐蚀影响因素挖掘及腐蚀速率预测方法，其特征在于，步骤5中，车辆行驶特征关键参数为：平均速度、动静比；静态大气环境关键参数包括：加权后的平均温度、加权后的平均湿度以及加权后的二氧化硫沉积率和氯离子沉积率；步骤7中，机器学习算法包括：遗传算法模型、神经网络模型、随机森林算模型法、支持向量回归算法模型。