北科大腐蚀顶刊：腐蚀大数据技术数智化赋能钢铁企业煤气管道精准防护工程

  煤气管道是钢铁企业或其它流程工业的重要设备，其服役安全关乎企业的生产安全。煤气管道腐蚀是一个长期没有办法解决的工程难题，造成了重大经济损失、恶性事故甚至人员伤亡。

  究其原因主要在于煤气管道多处于高温高湿高对环境造成污染，受原料成分、生产的基本工艺和运作时的状态影响，高炉煤气及冷凝水成分复杂多变，极易形成强酸性腐蚀溶液（例如部分沿海地区钢铁企业的煤气管道冷凝水pH甚至可低至0.5）。在实际工程中，管道结构也异常复杂，历史上通过现场监测手段，很难准确确定腐蚀的部位和原因，一经发现腐蚀，就已经穿孔，需要立即更换装备，增加钢铁企业安全风险和运行成本。由于煤气管道运行环境较为恶劣，怎么样确定煤气管道腐蚀的重要的条件成为管道腐蚀防护的卡脖子环节。这其中实际蕴含着一个材料腐蚀学科的百年难题，即精准掌握金属腐蚀动力学机理及其主要影响因素的作用规律，这是因为金属腐蚀过程时间长、影响因素复杂和失效过程是动态的。精准掌握实际工程中装备金属材料腐蚀动力学规律，难度更大。北京科技大学李晓刚教授团队自2013年开始研发腐蚀大数据和人工智能数据挖掘分析等数智化技术，以求精准掌握金属腐蚀动力学机理及其主要影响因素的作用规律。

  团队在李晓刚、程学群、张达威等教授的指导下和广州天韵达新材料科技有限公司的协助下建立了我国首个煤气管道腐蚀大数据在线监测-人工智能在线分析系统，并在我国东部沿海某钢厂高炉煤气管道的腐蚀因素鉴别和管道服役寿命预测中取得了成功应用，不仅实现了煤气腐蚀性的100%预警，且能精准识别诱发腐蚀的外因及其促进腐蚀加速的临界值，将原来煤气管道腐蚀被动防护转变为主动预警，避免了腐蚀的发生和管道更换，大幅度的提高了生产效率，并降低运行成本。

  研究基础为团队多年研发的各种精密探测器，以在线获得大量数据，数据处理采用斯皮尔曼相关性分析，对比筛选了包括决策树、随机森林、xgboost、lightingboost、ANN、SVM在内的六种机器学习算法系统挖掘分析了包含温度、湿度和气体成分种类及含量的多种影响因素对高炉煤气管道腐蚀性的影响规律，基于最优模型，进一步采用单特征和多特征部分依赖分析计算环境临界值。综合评价了不同状态下的环境波动对高炉煤气管道材料腐蚀过程产生的影响，揭示了煤气管道腐蚀各类因素的影响比重，为钢铁企业煤气管道的腐蚀防护工作提供了明确的方向和坚实的基础。

  研究查明了高炉煤气管道中确定了加速腐蚀的主要驱动因素，量化了更环境参数的腐蚀加速贡献程度，计算出温度、相对湿度、H2S、SO2、NO2和HCl六种外因的腐蚀临界条件。并且针对实验和计算结果定制了精确的腐蚀控制技术。

  1、增强了数据连续性，监测系统具有以一分钟为间隔的高频数据收集功能。这种连续的数据流使我们也可以捕获传统检测的新方法可能忽略的信息。传统方法通常会产生离散数据点，而该系统能实时洞察腐蚀状况，甚至检测细微的变化，这大幅度的提升了我们分析的准确性。

  2、该系统包含全面的环境数据收集，捕获温度、湿度、气体浓度等。这些丰富的信息有助于多维相关性分析。将腐蚀数据与环境数据相结合可以更深入地了解腐蚀现象与外因之间的相互作用。

  3、利用lot保证管道腐蚀数据的及时采集、传输和分析，从而增强腐蚀控制措施的及时性。

  图2 传感器安装及现场监测示意图。(a)传感器通过法兰固定，从管道顶部深入管道内部，(b)法兰与传感器连接，(c)表面集成多个传感器探头进行监测，(d)腐蚀监测传感器的探头工作原理图，其中Fe代表工作电极，与本工作中的高炉煤气管道材料一致。

  图3 传感器监测的腐蚀电流随时间变化的时钟图，(a)至(d)分别代表1号至4号四个不同的监测点。

  图4 环境数据统计分析结果， (a)-(c)分别为第一至第四监测位置处腐蚀性气体的统计结果。包括：H2S、SO2、NO2和HCl，(e)和(f)为管道内监测的温度和相对湿度值的KDE统计结果。(g)为四个地点的收费计算结果。

  图6 腐蚀与外因的单特征PD曲线，(a)至(f)分别显示相对湿度、温度、NO2、HCl、SO2和H2S与腐蚀电流PD值的剂量响应关系。

  图 7. 腐蚀的双特征部分相关值热图，这一些因素包括温度及其与以下因素的交互作用对腐蚀电流产生的剂量响应关系：(a) 相对湿度、(b) 暴露时间、(c) H2S、(d) SO2、(e) NO2、(f) HCl