電界マッピング データを使用したニューラル ネットワーク ベースのステンレス鋼 316L エルボの腐食モデリング

Scientific Reports volume 13、記事番号: 13088 (2023) この記事を引用

210 アクセス

メトリクスの詳細

ステンレス鋼（SS）は、優れた耐食性が要求される産業用途に広く使用されています。 一般的な構造シナリオおよびさまざまな運用シナリオで腐食挙動をモデル化することは、壁厚 (WT) 情報を提供するのに有益であり、資産の完全性を予測する体制につながります。 この精神に基づいて、人工ニューラル ネットワーク (ANN) を使用して SS 316L の腐食挙動をモデル化するアプローチが開発されています。これにより、さまざまな濃度の塩水がさまざまな流量と塩分濃度でエルボ構造に流されます。 電圧、電流、および温度のデータは、肘の表面に取り付けられた電場マッピング (EFM) ピンを使用して 1 時間ごとに記録され、ANN のトレーニング データとして機能します。 腐食モデリングのパフォーマンスは、予測された WT と実験テストから得られた実際の測定値を比較することによって検証されます。 結果は、WT を予測するための提案された単一 ANN モデルの優れたパフォーマンスを示しています。 誤差は推定 WT と記録された実際の測定値を比較することによって計算されます。各設定の最大誤差は 0.5363 ～ \(0.7535\%\) の範囲です。 すべての設定における各ピンの RMSE および MAE 値も、RMSE および MAE の最大値がそれぞれ 0.0271 および 0.0266 になるように計算されます。 さらに、観察されたスケール形成の簡潔な説明も報告されています。 この包括的な研究は、SS 316L の腐食についての理解を深めることに貢献し、産業環境における腐食を防ぐための効率的な戦略を開発するための貴重な洞察を提供します。 このアプローチは、ANN を使用して WT 損失を正確に予測することにより、予防的な保守計画を可能にし、構造的故障のリスクを最小限に抑え、産業資産の長期的な持続可能性を確保します。

パイプラインやその他のインフラは世界経済のバックボーンを形成しています。 サプライチェーンのダウンタイムや混乱を防ぐためには、構造的な完全性を確保することが最も重要です。 これらは流体の輸送において重要な役割を果たしており、水力発電、海洋、原子力発電所、食品加工、石油およびガス産業などのさまざまな分野にとって重要なインフラストラクチャです。 ただし、これらのパイプラインは腐食、へこみ、欠陥、亀裂などの問題の影響を受けやすく、故障につながり、重大な安全上のリスクを引き起こす可能性があります。 このような故障は、漏れ、破裂、死亡事故、環境破壊、および高額な修理、停止、生産遅延などの経済的影響を引き起こす可能性があります。 これらのリスクを軽減するには、定期的な検査とメンテナンスの実施により、パイプライン資産のメンテナンスと完全性を優先することが不可欠です。 その結果、パイプライン腐食の検査、評価、モデリング、予測の分野は、学術界と産業界の両方で大きな注目を集めています。 この重点的な研究分野は、パイプラインの腐食を評価および予測するための効果的な方法とツールを開発し、故障を防止し、これらの重要なインフラストラクチャ システムの継続的な安全な運用を確保するための事前対策を可能にすることを目的としています1、2、3、4、5。

腐食は最も頻繁に発生する現象であり、パイプラインの重大な故障メカニズム3であり、パイプラインの運用寿命を大幅に短縮します。 それは、一般的または均一6、孔食、隙間、粒界、エロージョン・コロージョン（E-C）、バクテリアの活動によってもたらされる腐食、環境誘発の亀裂など、さまざまな形態で発生します。 パイプラインの腐食速度は、外部要因と内部要因に関連しています。 外部要因の例としては、職場環境、埋設パイプラインの土壌組成と結露、または地下パイプの水の化学的性質などがあります。 一方、腐食を引き起こすいくつかの内部要因としては、液体の流動活性、輸送される流体の種類、温度、流量、流体の張力などがあります7。 これに関連して、パイプラインの壁厚の損失をリアルタイムで、かつ運用中に正確に測定することが重要なタスクになります。 これは、過酷な流体によって引き起こされる流れ促進腐食やスケールが発生しやすい SS パイプに特に当てはまります。