| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 电偶腐蚀 | 第9-11页 |
| 1.3 BP神经网络在腐蚀预测领域的应用 | 第11-17页 |
| 1.3.1 人工神经网络原理 | 第11-12页 |
| 1.3.2 人工神经网络在腐蚀预测上的应用 | 第12-17页 |
| 1.4 铝黄铜缓蚀剂的研究进展 | 第17-19页 |
| 1.5 研究内容与方法 | 第19-20页 |
| 第二章 实验部分 | 第20-25页 |
| 2.1 实验材料和试剂 | 第20-22页 |
| 2.2 实验仪器 | 第22页 |
| 2.3 实验原理和方法 | 第22-25页 |
| 2.3.1 阵列电极实验 | 第22-23页 |
| 2.3.2 电化学阻抗谱法 | 第23页 |
| 2.3.3 极化曲线法 | 第23页 |
| 2.3.4 失重试验法 | 第23-24页 |
| 2.3.5 扫描电镜 | 第24-25页 |
| 第三章 阵列电极技术对HAl77-2/316L SS/TA2在海水淡化介质中电偶腐蚀规律的研究 | 第25-41页 |
| 3.1 阵列电极实验结果 | 第25-27页 |
| 3.2 三金属耦合体系在海水淡化介质中电偶腐蚀规律分析 | 第27-40页 |
| 3.2.1 温度对三金属耦合体系电偶腐蚀的影响 | 第27-31页 |
| 3.2.2 Cl~-离子浓度对三金属耦合体系电偶腐蚀的影响 | 第31-37页 |
| 3.2.3 金属相对位置对三金属耦合体系电偶腐蚀的影响 | 第37-40页 |
| 3.3 小结 | 第40-41页 |
| 第四章 BP神经网络预测电偶腐蚀速率 | 第41-68页 |
| 4.1 神经网络的原理 | 第41-43页 |
| 4.2 数据的收集 | 第43页 |
| 4.3 神经网络模型的设计 | 第43-48页 |
| 4.3.1 腐蚀预测系统设计 | 第43页 |
| 4.3.2 样本集的准备 | 第43-47页 |
| 4.3.3 网络参数与训练标准 | 第47-48页 |
| 4.3.4 结构设计 | 第48页 |
| 4.4 模型Ⅰ的训练与验证 | 第48-57页 |
| 4.4.1 网络的训练 | 第48-50页 |
| 4.4.2 预测结果和讨论 | 第50-52页 |
| 4.4.3 预测单因素变量对腐蚀速率的影响 | 第52-57页 |
| 4.5 模型Ⅱ的训练与验证 | 第57-66页 |
| 4.5.1 网络的训练 | 第57-58页 |
| 4.5.2 预测结果和讨论 | 第58-61页 |
| 4.5.3 预测单因素变量对腐蚀速率的影响 | 第61-66页 |
| 4.6 小结 | 第66-68页 |
| 第五章 海水淡化工况下HAl77-2用缓蚀剂研究及评价 | 第68-81页 |
| 5.1 缓蚀剂的筛选 | 第68-76页 |
| 5.1.1 单组分缓蚀剂 | 第68-73页 |
| 5.1.2 二元复配缓蚀剂 | 第73-75页 |
| 5.1.3 三元复配缓蚀剂 | 第75-76页 |
| 5.2 缓蚀剂缓蚀性能和缓蚀机理 | 第76-80页 |
| 5.2.1 失重试验结果分析 | 第76-77页 |
| 5.2.2 极化曲线实验结果分析 | 第77-78页 |
| 5.2.3 扫描电镜结果分析 | 第78-80页 |
| 5.3 小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间取得的学术成果 | 第88-89页 |
| 致谢 | 第89页 |
