浙江大学学报(工学版), 2019, 53(12): 2309-2316 doi: 10.3785/j.issn.1008-973X.2019.12.007

土木工程、水利工程

考虑个体差异的氯氧镁水泥混凝土涂层钢筋寿命预测

王鹏辉,, 乔宏霞,, 冯琼, 曹辉

Life prediction of coated steel with individual difference in magnesium oxychloride cement concrete

WANG Peng-hui,, QIAO Hong-xia,, FENG Qiong, CAO Hui

通讯作者: 乔宏霞,女,教授,博士. orcid.org/0000-0002-0289-1949. E-mail: qiaohongxia@lut.edu.cn

收稿日期: 2018-11-16  

Received: 2018-11-16  

作者简介 About authors

王鹏辉(1991—),男,博士生,从事混凝土耐久性研究.orcid.org/0000-0001-8704-5786.E-mail:356984639@qq.com , E-mail:356984639@qq.com

摘要

氯氧镁涂层钢筋混凝土(MOCRC)中涂层钢筋的制作误差导致不同MOCRC中涂层钢筋的寿命预测存在一定的差异,提出充分考虑个体差异性的溶液浸泡加速腐蚀试验,基于Wiener退化过程对涂层钢筋进行寿命预测. 判断涂层钢筋腐蚀电流密度是否符合Wiener退化过程;在考虑涂层钢筋个体差异性的前提下引入漂移系数进行建模;将考虑个体差异与未考虑个体差异的涂层钢筋寿命预测对比分析. 结果表明:溶液浸泡加速腐蚀试验下涂层钢筋的退化模型服从一个项数的指数函数. 基于Wiener退化过程,考虑个体差异性的涂层钢筋在25 000 d左右发生严重锈蚀,未考虑个体差异性的涂层钢筋在30 000 d左右发生严重锈蚀.

关键词: 涂层钢筋 ; 个体差异 ; 耐久性退化 ; 加速腐蚀试验 ; Wiener函数

Abstract

The manufacturing error of coated steel bars in magnesium oxychloride coated reinforced concrete (MOCRC) leads to some differences in the life prediction of coated steel bars in different MOCRCs. The solution immersion accelerated corrosion test with full consideration of individual differences was proposed, and the life prediction of coated steel bars was based on Wiener degeneration process. Judge whether the corrosion current density of the coated steel bar complied with the Wiener degradation process. The drift coefficient was introduced for modeling under the individual differences of the coated steel bars. Coated steel bars' life predictions between considering individual differences and no individual differences were compared. Results show that the degradation model of coated steel bar under accelerated corrosion test in fixed concentration solution obeys one number term of exponential function. Under the Wiener degradation process, the coated steel bars with individual differences are severely corroded around 25 000 d, while the coated steel bars without individual differences are severely corroded around 30 000 d.

Keywords: coated steel bar ; individual differences ; durability degradation ; acceleration corrosion test ; Wiener function

PDF (2088KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王鹏辉, 乔宏霞, 冯琼, 曹辉. 考虑个体差异的氯氧镁水泥混凝土涂层钢筋寿命预测. 浙江大学学报(工学版)[J], 2019, 53(12): 2309-2316 doi:10.3785/j.issn.1008-973X.2019.12.007

WANG Peng-hui, QIAO Hong-xia, FENG Qiong, CAO Hui. Life prediction of coated steel with individual difference in magnesium oxychloride cement concrete. Journal of Zhejiang University(Engineering Science)[J], 2019, 53(12): 2309-2316 doi:10.3785/j.issn.1008-973X.2019.12.007

氯氧镁水泥混凝土(magnesium oxychloride cement concrete,MOCC)在盐渍土地区具有很好的耐久性. 其原因是氯氧镁水泥作为一种MgO-MgCl2-H2O体系组成的镁质胶凝材料[1-2],不经改性就有很好的抗盐卤性能. 氯氧镁涂层钢筋混凝土(magnesium oxychloride coated reinforced concrete,MOCRC)旨在解决其在承重结构中的限制问题,进而实现在盐渍土地区中的应用. 涂层可以很好地保护MOCC中的钢筋免受腐蚀[3-5].在保护过程中涂层耐久性的退化是一个缓慢的过程,其是否能在设计规定的年限内为钢筋提供保护需要进行长期的跟踪试验与分析. 目前众多国学者利用加速退化技术来获得研究目标的退化数据并进行建模,实现研究目标的可靠分析. 利用加速退化技术在短时间内获得整个退化过程的数据,已成为可靠性领域的研究热点. 退化模型的建立主要有基于退化轨迹建模[6-8]、基于退化量分布模型建模[9-11]、基于累积损伤模型建模[12-14]等. 退化轨迹模型需要大量的测量数据才能保证参数的估计精度,当模型较复杂时很难得到失效分布的封闭表达式,且当退化数据波动较大时失效分布容易产生失真. 退化量分布模型的结果主要给出研究目标的总体特征,难以体现个体差异,且需要大量的测量数据,这限制了其实际应用. 累计损伤模型往往假定退化量服从一般随机分布,在既定条件下也涉及多维卷积,计算难度大,难以用于深入研究,且没有考虑产品差异. 由于钢筋的加工过程、涂层的喷涂过程、镁水泥混凝土的制备过程以及镁水泥涂层钢筋混凝土的服役环境受随机因素的影响,存在个体间退化率差异,涂层钢筋个体差异对MOCRC的耐久性影响甚大. Wiener退化过程是具有平稳、良好的计算分析性质的随机过程,当研究目标总体均匀变化而个体差异随时间变化明显时,可用Wiener退化过程描述[15-16].

本文在溶液浸泡加速锈蚀试验下采用时间尺度模型对腐蚀电流密度(非线性退化数据)进行变换,将Wiener退化过程的系数进行随机化处理,并充分考虑个体差异性,进行涂层钢筋寿命预测建模.

1. 试验材料及方案

1.1. 试验材料

氯镁水泥钢筋混凝土(MOCRC)的原材料主要由MgO、MgCl2、减水剂、抗水剂、粉煤灰、石子、砂子和钢筋组成. MgO和MgCl2由青海省格尔木市的察尔汗盐湖氯化镁厂生产. 其中MgO为轻烧氧化镁. 砂子采用河砂,级配良好,属于中砂,由兰州水阜提供. 石子由兰州华陇商砼公司提供,连续级配,性能指标合格. 粉煤灰为Ⅰ级粉煤灰,由兰州某钢厂生产(用于改善混凝土耐久性). 耐水剂为磷酸,由天津市百世化工有限公司生产,H3PO4的质量分数不小于85.0%,色度不大于25黑曾. 减水剂为KD萘系高效减水剂JM-PCA(I),由江苏博特新材料有限公司生产,具体基本物理性能如表1所示. 其中ρ为密度、wa为碱的质量分数、Rw-r为减水率、Rb为泌水率、 ${f_{{\rm{cu}},{\rm{k}}}}$为抗压强度、d为推荐剂量. 水选用符合国家行业标准《混凝土拌合用水标准》JGJ63-200 6 要求的自来水钢筋均为HPB 300钢筋,fy=300 N/mm2. 宁波计式金属表面处理有限公司提供的富锌环氧树脂涂层(含有超细的锌铝鳞片,涂层中锌的重量百分比为90 %),MOCC的配合比[17]表1所示.

表 1   减水剂各项物理指标

Tab.1  Physical indicators of water reducing agent

种类 ρ/
(g·mL−1
pH wa/
%
Rw-r/
%
Rb/
%
${f_{{\rm{cu}},{\rm{k}}}}/{\rm{MPa}}$ d
3 d 7 d 28 d
PCA(I) 0.000 3 8.08 ≤3.88 34 0 168 149 139 0.02

新窗口打开| 下载CSV


1.2. 试验方案

采取直径为8 mm、长度为100 mm的光圆钢筋.其中涂层平均厚度约为 80 μm. 混凝土保护层厚度为 25 mm,按照表2的配合比制备尺寸为 100 mm×100 mm×100 mm的氯氧镁混凝土试块. 最后将制备好的混凝土试块(A组、B组、C组)置于氯离子浓度为1.5 mol/L的氯化镁溶液中,浸泡溶液高度达到试块的2/3处. 利用CS350电化学工作站进行试验,将涂层钢筋作为工作电极,其电极面积为25.12 cm2,将薄不锈钢板作为辅助电极,其电极面积为30 cm2,大于工作电极面积. 将饱和KCl电极作为参比电极[17]. 腐蚀电流密度J与钢筋的腐蚀情况对应关系[18]表3所示.

表 2   氯氧镁水泥混凝土(MOCC)配合比

Tab.2  Mixing proportion of magnesium oxychloride cement concrete(MOCC)

kg/m3
材料 密度 材料 密度
轻烧氧化镁 388.96 砂子 625.00
减水剂 16.02 石子 1 162.00
I级粉煤灰 68.64 工业氯化镁 147.81
耐水剂 4.58 135.59

新窗口打开| 下载CSV


表 3   钢筋腐蚀电流密度与锈蚀情况之间的对应关系

Tab.3  Corresponding relationship between corrosion current density and corrosive degree of rebars

J / (μA·cm−2 锈蚀情况 J / (μA·cm−2 锈蚀情况
[0, 1) 无锈蚀 [0.5, 1) 中等腐蚀
[0.1, 0.5) 低腐蚀 [1, +∞) 严重腐蚀

新窗口打开| 下载CSV


2. 试验结果与分析

采用CS350电化学工作站每90 d对MOCRC试块进行1次电化学试验. 不同加速环境下试块的退化机理相同,现对A组加速溶液进行分析. E为开路电位,log I为经对数转换的腐蚀电流密度.

将MOCRC试块养护4 d后测得的基准极化曲线用0 d表示,如图1(a)所示. 0 d对应的腐蚀电位为− 0.950 V,90 d时的腐蚀电位为− 0.65 V,从0 ~90 d腐蚀电位正向移动了−0.3 V,腐蚀发生困难. 其原因是涂层中的钝化剂阻止了氯离子向涂层内部的渗透. 从90~180 d腐蚀电位负向移动,腐蚀容易发生. 由Nernst方程[19]可知,在氧气浓度(mol/dm3)和pH值一定的条件下,Fe2+浓度(mol/dm3)越低则越容易发生腐蚀. 钢筋锈蚀的驱动电势为

图 1

图 1   涂层钢筋在0~990 d的极化曲线图

Fig.1   Polarization curve of coated steel bar from 0 to 990 d


$\begin{split} {{{E}_{\rm d}} }=& {{\rm{1}}.{\rm{669 + 0}}.{\rm{0148log}}\;c( {{{\rm{O}}_{\rm{2}}}} ) - {\rm{0}}.{\rm{0591pH}} - }\\ &{{\rm{0}}.{\rm{0296log}}\;c( {{\rm{F}}{{\rm{e}}^{2 + }}} ).} \end{split}$

式中:c(O2)为氧气浓度,c(Fe2+)为Fe2+浓度.

在镁水泥涂层钢筋混凝土中,由于涂层中的Zn鳞片的自腐蚀电位(−0.762 V)、Al的自腐蚀电位(−1.662 V)低于Fe的自腐蚀电位(−0.440 V),Zn、Al作为牺牲阳极,为基体(Fe)提供阴极保护,使其免受腐蚀. 其化学方程式如下所示:

${\rm{Zn + }}{{\rm{O}}_{\rm{2}}}{\rm{ + }}{{\rm{H}}_{\rm{2}}}{\rm{O}}{ -\!\!-\!\!\!\!\to} {\rm{Zn}}{\left( {{\rm{OH}}} \right)_{\rm{2}}}{ -\!\!-\!\!\!\!\to} {\rm{ZnO + }}{{\rm{H}}_{\rm{2}}}{\rm{O }}$

$\begin{array}{*{20}{c}} {{\rm{2A}}{{\rm{l}}^{{\rm{3 + }}}}{\rm{ + 3}}{{\rm{H}}_{\rm{2}}}{\rm{O}}{ -\!\!-\!\!\!\!\to} {\rm{A}}{{\rm{l}}_{\rm{2}}}{{\rm{O}}_{\rm{3}}}{\rm{ + 6}}{{\rm{H}}^{\rm{ + }}}{ -\!\!-\!\!\!\!\to} {\rm{A}}{{\rm{l}}_{\rm{2}}}{{\rm{O}}_{\rm{3}}}{\rm{ + }}{{\rm{H}}_{\rm{2}}}{\rm{O}}{ -\!\!-\!\!\!\!\to} }\\ {{\rm{2AlOOH}} { -\!\!-\!\!\!\!\to} {\rm{2AlOOH + }}{{\rm{H}}_{\rm{2}}}{\rm{O}}{ -\!\!-\!\!\!\!\to} {\rm{Al}}{{\left( {{\rm{OH}}} \right)}_{\rm{3}}}} \end{array}$

${\rm{ZnO + 2C}}{{\rm{l}}^{\rm{ - }}}{\rm{ + 6}}{{\rm{H}}_{\rm{2}}}{\rm{O}} { -\!\!-\!\!\!\!\to} {\rm{Z}}{{\rm{n}}_{\rm{5}}}\left( {{\rm{OH}}} \right) \cdot {{\rm{H}}_{\rm{2}}}{\rm{O + 2O}}{{\rm{H}}^{\rm{ - }}}$

从180~270 d,腐蚀电位正向移动,其原因是Zn的锈蚀产物与空气中的CO2反应生成碱式碳酸锌(Zn5(OH)6(CO3)2),Al的锈蚀产物与氯离子反应生成碱式氯化铝(Al5Cl3(OH)12·4H2O),堵塞了涂层孔道使涂层恢复屏障. 其化学方程式如下:

$\begin{array}{*{20}{c}} {{\rm{5Zn}}{{\left( {{\rm{OH}}} \right)}_{\rm{2}}}{\rm{ + 2HCO}}_{\rm{3}}^{{\rm{2 - }}} + {\rm{2}}{{\rm{H}}^{\rm{ + }}} { -\!\!-\!\!\!\!\to} {\rm{Z}}{{\rm{n}}_{\rm{5}}}{{\left( {{\rm{OH}}} \right)}_{\rm{6}}}{{\left( {{\rm{C}}{{\rm{O}}_{\rm{3}}}} \right)}_{\rm{2}}}{\rm{ + }}} {{\rm{4}}{{\rm{H}}_{\rm{2}}}{\rm{O}}} \end{array}$

$\begin{array}{*{20}{c}} {{\rm{5Al}}{{\left( {{\rm{OH}}} \right)}_{\rm{3}}}{\rm{ + 4}}{{\rm{H}}_{\rm{2}}}{\rm{O \!\!+\!\! 3C}}{{\rm{l}}^{\rm{ - }}} { -\!\!-\!\!\!\!\to} {\rm{A}}{{\rm{l}}_{\rm{5}}}{\rm{C}}{{\rm{l}}_{\rm{3}}}{{\left( {{\rm{OH}}} \right)}_{{\rm{12}}}} \cdot {\rm{4}}{{\rm{H}}_{\rm{2}}}{\rm{O + }}} {{\rm{3O}}{{\rm{H}}^{\rm{ - }}}} \end{array}$

从270~990 d,腐蚀电位负向移动,且在移动过程中有向正波动的过程,其原因是氯离子不断向涂层内部穿透,使涂层电容增加,涂层电阻减小,新的锌铝鳞片参与为基体提供阴极保护的过程. 通过计算得出氯氧镁涂层钢筋混凝土的腐蚀电流密度如表4所示. 对比分析表43可知,3组涂层钢筋均未达到锈蚀状态.

表 4   涂层钢筋腐蚀电流密度

Tab.4  Corrosion current density of coated steel bar

x/d J /(10−3 μA·cm−2
A组 B组 C组
0 0.045 0.039 0.047
90 0.260 0.482 0.385
180 0.685 0.856 0.754
270 1.130 1.060 1.120
360 1.280 1.160 1.260
450 1.460 1.270 1.180
540 1.580 1.330 1.460
630 1.710 1.650 1.850
720 1.940 2.150 2.240
810 2.380 2.470 2.780
900 3.590 3.270 2.690
990 3.280 3.470 3.030

新窗口打开| 下载CSV


3. Wiener退化过程与建模步骤

3.1. Wiener退化过程

一元Wiener退化过程可表示为

$ X\left( {t,\lambda ,{\sigma ^2}} \right) = \lambda t + \sigma W\left( t \right){\rm{ }}{\rm{.}} $

式中: $\lambda $为漂移参数, $\sigma $为扩散参数, $W\left( t \right)$为标准布朗运动.

定义Z(t)为Wiener最大过程(Wiener maximum process). 研究目标退化失效的阀值为 $l$,到达 $t$$Z\left( t \right)$的概率密度函数为 $g\left( {z,t} \right)$,则产品在时间 $t$内不失效的概率为

$P\left\{ {T > t} \right\} = P\left\{ {Z\left( t \right) < l} \right\} = \int_{ - \infty }^l {g\left( {{\textit z},t} \right)} {\rm d}{\textit z}{\rm{ }}{\rm{.}}$

式中:T为首次达到失效阀值的时间. 文献[20]采用Fokker-Planck方程得到了 $g\left( {{\textit z},t} \right)$的表达式:

$\begin{aligned} g\left( {{\textit z},t} \right) =& \frac{1}{{\sigma \sqrt {2{\text{π}} t} }}\left\{ {\exp\,\, \left[ { - \frac{{{{\left( {{\textit z} - \lambda t} \right)}^2}}}{{2{\sigma ^2}t}}} \right]}- \right. \\ & \left. {\exp \,\,\left( {\frac{{2\lambda l}}{{{\sigma ^2}}}} \right)\exp \,\,\left[ { - \frac{{\left( {{\textit z} - 2l - \lambda t} \right)}}{{2{\sigma ^2}t}}} \right]} \right\}. \\ \end{aligned} $

将式(9)代入式(8)得可靠度函数R(t)和概率密度分布函数f (t):

$\begin{array}{*{20}{c}} {R\left( t \right) = P\left\{ {T < t} \right\} = 1 - F\left( t \right) = \Phi \left( {\displaystyle \frac{{l - \lambda t}}{{\sigma \sqrt t }}} \right) - }\\ {\exp \left( {\displaystyle \frac{{2\lambda l}}{{{\sigma ^2}}}} \right)\Phi \left( {\displaystyle \frac{{ - l - \lambda t}}{{\sigma \sqrt t }}} \right)}{\text{,}} \end{array}$

$f\left( t \right) = \frac{l}{{\sqrt {2{\text{π}} {\sigma ^2}{t^3}} }}\exp \left( { - \frac{{ {l - \lambda t} }}{{2{\sigma ^2}t}}} \right){\rm{.}}\quad\quad\;\;\quad\quad$

3.2. 一元Wiener退化过程建模步骤

1)一元Wiener退化过程的辨识:首先检验由电化学工作站测得的表征涂层钢筋耐久性退化过程的腐蚀电流密度是否符合Wiener退化过程.

2)确立研究目标存在差异时的加速退化模型.

3)采用两步极大似然估计法对参数进行估计.

4)利用Matlab软件作出退化过程的可靠度函数图.

5)根据赤池信息准则AIC(Akai information criterion)判断考虑和未考虑差异性的方法的优劣[21].

4. 一元Wiener退化过程建模

4.1. 一元Wiener退化过程的辨识

目前进行Wiener建模主要是依据研究目标的退化过程、建模人员的经验或者假设研究目标的退化数据符合Wiener随机过程,没有系统的理论支撑,容易造成最终分布函数的失真. 一元Wiener退化过程的辨识方法[22]主要包括:1)自相关函数法,通过将一元Wiener函数的标准自相关函数曲线和研究目标退化数据的自相关函数曲线进行对比分析,来判定研究目标是否符合Wiener退化过程;2)似然比检验,对研究目标进行假设,最终通过似然比大于或者小于某一阀值来得出退化数据是否符合一元Wiener退化过程,由于似然比函数较为复杂且阀值难以确定,此方法难以取得预期效果;3)序贯方法,利用序贯检验方法检验除去线性漂移项的剩余项是否为一般布朗运动. 本文采用自相关函数法对一元Wiener退化过程进行辨识. 一元Wiener退化过程的自相关函数如下:

$\begin{split} {{\varGamma _{XX}}\left( {s,t} \right) = E\left[ {X\left( s \right)X\left( t \right)} \right] = } {{\lambda ^2}st + {\sigma ^2}{\rm{min}}\,\left( {s,t} \right).} \end{split}$

标准自相关函数曲线如图2(a)所示. 将A、B、C3组涂层钢筋的耐久性退化参数代入式(12)并作图,得到的一元Wiener退化过程自相关函数曲线如图2(b)~(d)所示. 图中,tAtBtC为服从X(t)的一元Wiener函数上A组、B组、C组涂层钢筋对应的时间变化。sAsBsC为服从X(s)一元Wiener函数上A组、B组、C组的时间变化. 从图2中可以看出,3组涂层钢筋的耐久性退化参数的一元Wiener退化过程自相关函数曲线和标准一元Wiener退化过程的自相关函数曲线相似,因此可以采用一元Wiener退化过程对涂层钢筋的耐久性退化进行建模.

图 2

图 2   一元Wiener退化过程的自相关函数曲线

Fig.2   Autocorrelation function curve of unary Wiener degradation process


4.2. 加速退化可靠度函数模型

采用时间尺度模型,将非线性退化数据转化为线性退化模型. Whitmore等[23]提出时间尺度变换模型为时间t的非负单调递增函数(模型I).

$\tau = \varLambda \left( t \right) = {t^{\,c}}{\rm{ }}{\rm{.}}$

式中:c为非负待定常数.

将非线性数据进行线性变换,则式(7)可改写为

$ Y\left( {\tau ,\lambda ,{\sigma ^2}} \right) = \lambda \tau + \sigma W\left( \tau \right){\rm{ }}{\rm{,}} $

则可靠度函数和密度函数为

$R\left( \tau \right) = \Phi \left( {\frac{{l - \lambda \tau }}{{\sigma \sqrt \tau }}} \right) - \exp \,\,\left( {\frac{{2\lambda l}}{{{\sigma ^2}}}} \right)\Phi \left( {\frac{{ - l - \lambda \tau }}{{\sigma \sqrt \tau }}} \right){\rm{ }}{\rm{.}}$

$f\left( \tau \right) = \frac{l}{{\sqrt {2{\text{π}} {\sigma ^2}{\tau ^3}} }}\exp\, \left( { - \frac{{ {l - \lambda \tau } }}{{2{\sigma ^2}\tau }}} \right)\frac{{{\rm d}\varLambda (t)}}{t}{\rm{ }}{\rm{.}}$

当研究对象的个体出现差异时,需要对各个体进行分布检验,以便确定差异性个体的可靠度函数. 3组试块腐蚀电流密度增量如表5所示. 其中, ${\varDelta _{{t_i} - {t_{i - 1}}}}$表示相邻2次测量值的增量.

表 5   涂层钢筋腐蚀电流密度增量

Tab.5  Corrosion current density increment of coated steel bar

μA /cm2
${\varDelta _{ {t_i} - {t_{i - 1} } } }$ ΔJ /10−3
A组 B组 C组
${\varDelta _{{t_1} - {t_0}}}$ 0.215 0.443 0.338
${\varDelta _{{t_2} - {t_1}}}$ 0.425 0.374 0.369
${\varDelta _{{t_3} - {t_2}}}$ 0.445 0.204 0.366
${\varDelta _{{t_4} - {t_3}}}$ 0.150 0.100 0.140
${\varDelta _{{t_5} - {t_4}}}$ 0.180 0.110 −0.080
${\varDelta _{{t_6} - {t_5}}}$ 0.120 0.060 0.280
${\varDelta _{{t_7} - {t_6}}}$ 0.130 0.320 0.390
${\varDelta _{{t_8} - {t_7}}}$ 0.230 0.500 0.390
${\varDelta _{{t_9} - {t_8}}}$ 0.440 0.320 0.540
${\varDelta _{{t_{10}} - {t_9}}}$ 1.210 0.800 −0.090
${\varDelta _{{t_{11}} - {t_{10}}}}$ −0.310 0.300 0.340

新窗口打开| 下载CSV


图3所示为A组、B组、C组涂层钢筋腐蚀电流密度增量的正态分布概率检验图,D为腐蚀电流密度增量,AuAmAd为对A组数据进行正态检验的上限值、平均值、下限值,BuBmBdCuCmCd同理. A组、B组、C组的腐蚀电流密度值如表4所示.采用假设检验的方法检验3组数据是否服从正态分布,其中显著水平α=0.05,经计算得PA=0.122,PB=0.133,PC=0.193,均大于0.05,表明涂层钢筋的锈蚀增量服从正态分布,结果如图4所示. 通过假设检验的方法知, $\lambda $ 服从正态分布 ${\rm N}\left( {{\mu _\lambda },\sigma _\lambda ^2} \right)$,则考虑个体差异时研究目标的可靠度函数和概率函数[22]

图 3

图 3   腐蚀电流密度增量概率图

Fig.3   Probability diagram of corrosion current density increment


图 4

图 4   3组涂层钢筋腐蚀电流密度拟合图

Fig.4   Fitting chart of corrosion current density of three groups of coated steel bars


$\begin{split} {{R_{\rm D}}\left( t \right)} = &\Phi \left( {\frac{{l - {\mu _\lambda }\varLambda \left( t \right)}}{{\sqrt {{\sigma ^2}\varLambda \left( t \right) + \sigma _\lambda ^2{{\left( {\varLambda \left( t \right)} \right)}^2}} }}} \right) - {\rm{exp}}\,\,\left[ {\frac{{2l}}{{{\sigma ^2}}}\left( {\lambda + \frac{{\sigma _\lambda ^2}}{{{\sigma ^2}}}} \right)} \right] \times \\ &{\Phi \left( { - \frac{{2\sigma _\lambda ^2l\varLambda \left( t \right) + {\sigma ^2}\left( {l + {\mu _\lambda }\varLambda \left( t \right)} \right)}}{{{\sigma ^2}\sqrt {{\sigma ^2}\varLambda \left( t \right) + \sigma _\lambda ^2{{\left( {\varLambda \left( t \right)} \right)}^2}} }}} \right)}, \end{split} $

$\begin{split} {{f_{\rm D}}\left( t \right)} = &{l\;{{\left[ {2{\text{π}}{\varLambda ^3}\left( t \right)\left( {{\sigma ^2} + \sigma _\lambda ^2} \right)} \right]}^{{\rm{ - 1/2}}}} \times }\\ &{{\rm{exp}}\,\,\left[ { - \frac{{{{\left( {l - \lambda \varLambda \left( t \right)} \right)}^2}}}{{2\varLambda \left( t \right)\left( {{\sigma ^2} + \sigma _\lambda ^2\varLambda \left( t \right)} \right)}}} \right]\frac{{{\rm d}\varLambda \left( t \right)}}{{{\rm d}t}}}. \end{split}$

将定浓度溶液加速试验中3组涂层钢筋的腐蚀电流密度进行回归分析,其结果如图4所示. 其中拟合精度RA=0.921 6、RB=0.965 3、RC=0.929 7,表明相关性非常显著. 图中, $ J_{\rm A }$$ J_{\rm B} $$ J_{\rm C} $为A、B、C组涂层钢筋腐蚀电流密度,其值如表5所示,fAfBfC为A、B、C组的拟合曲线.

A、B、C组的拟合曲线皆为一个项数的指数函数. 得出,溶液加速退化模型为

$\lambda = a\,{\rm{exp}}\,\left( {bT} \right){\rm{ }}{\text{.}}$

式中:ab为待定常数. 则考虑到个体差异性,在定浓度下第j个试样的加速退化模型为

${\lambda _j} = {a_j}\,{\rm{exp}}\left( {{b_j}{T_j}} \right){\text{.}}$

$a \sim {\rm N}\left( {{\mu _a},\sigma _a^2} \right)$,则定浓度下考虑个体差异性的漂移系数 ${\lambda _i}$可表示为

${\lambda _j} \sim {\rm N}\left[ {{\mu _a}{\rm{exp}}\,\,\left( {{b_j}{T_j}} \right),\sigma _a^2{\rm{exp}}\,\,\left( {{b_j}{T_j}} \right)} \right]{\text{.}}$

4.3. 参数估计

针对经时间尺度模型变化后的考虑个体差异性的退化数据 $\left[ {\tau ,Y\left( \tau \right)} \right]$,由Wiener的性质可知:

$\Delta Y\left( {{\tau _{j,k}}} \right) \sim {\rm N}\left( {{\lambda _j}\Delta {\tau _{j,k}},{\sigma ^2}\Delta {\tau _{j,k}}} \right){\rm{ }}{\rm{.}}$

式中: $\Delta Y\left( {{\tau _{j,k}}} \right) = Y\left( {{\tau _{j,k}}} \right) - Y\left( {{\tau _{j,k - 1}}} \right)$$\Delta {\tau _{j,k}} = {\tau _{j,k}} - {\tau _{j,k - 1}}$${\tau _{j - 1,k}} = {\tau _{j,{\rm{0}}}}$${\tau _{j,{\rm{0}}}} = {\rm{0}}$$j = 1,2, \cdots ,m$$k = 1,2, \cdots ,K$. $\Delta {\tau _{j,k}}$为定浓度下第j个试样的第k次试验时的增量变化值, $\Delta Y\left( {{\tau _{j,k}}} \right)$为性能退化增量. 根据式(22)和(23)得到的最大估计似然函数如下:

$\begin{split} {{\rm{ln}}}\,L\left( \theta \right) = & {- \frac{{mK}}{{\rm{2}}}\left( {{\rm{ln}}\,\left( {{\rm{2}}{\text{π}} } \right) + {\rm{ln}}\,{\sigma ^{\rm{2}}}} \right) - \frac{m}{{\rm{2}}}\displaystyle \sum\limits_{k = {\rm{1}}}^K {{\rm{ln}}\left( {\Delta {\tau _{j,k}}} \right)} - }\\ &{\frac{{\rm{1}}}{{{\rm{2}}{\sigma ^2}}}\sum\limits_{i = {\rm{1}}}^m {\sum\limits_{k = {\rm{1}}}^K {\frac{{{{\left( {\Delta Y\left( {{\tau _{j,k}}} \right) - {\lambda _j}\Delta {\tau _{j,k}}} \right)}^2}}}{{\Delta {\tau _{j,k}}}}} } .} \end{split}$

则考虑个体差异性的最大似然估计方程可改写为

$\begin{split} &{{\rm{ln}}\,L\left( \theta \right) = - \frac{{mK}}{{\rm{2}}}\left( {{\rm{ln}}\,\left( {{\rm{2}}{\text{π}} } \right) + {\rm{ln}}\,{\sigma ^{\rm{2}}}} \right) - \frac{m}{{\rm{2}}}\sum\limits_{k = {\rm{1}}}^K {{\rm{ln}}\,\left( {{t_{j,k}} - {t_{j,k - {\rm{1}}}}} \right)} - }\\ &{\frac{{\rm{1}}}{{{\rm{2}}{\sigma ^2}}}\sum\limits_{j = {\rm{1}}}^m {\sum\limits_{k = {\rm{1}}}^K {\frac{{{{\left\{ {\Delta X\left( {{t_{j,k}}} \right) - {a_j}{\rm{exp}}\,\left( {{b_j}\Delta {T_j}} \right)\left[ {{{\left( {{t_{j,k}}} \right)}^c} - {{\left( {{t_{j,k - {\rm{1}}}}} \right)}^c}} \right]} \right\}}^2}}}{{\left[ {{{\left( {{t_{j,k}}} \right)}^c} - {{\left( {{t_{j,k - {\rm{1}}}}} \right)}^c}} \right]}}.} } } \end{split} $

式中: $\theta = \left\{ {a,b,c,{\sigma ^2}} \right\}$$j = 1,2, \cdots ,m$为未知参数集合; ${\rm{ln}}\,L\left( \theta \right)$为fminsearch函数所取最大值.

根据式(24)分别对 ${a_j}$${\sigma ^2}$求1阶偏导数,可得

${{\partial {\rm{ln}}\,L\left( \theta \right)}}/{{\partial {a_j}}} = {\rm{0 }}{\text{,}}$

${{\partial {\rm{ln}}\,L\left( \theta \right)}}/{{\partial {\sigma ^2}}} = {\rm{0 }}{\text{.}}$

${\hat a_j} = \frac{{\displaystyle \sum\nolimits_{k = {\rm{1}}}^K {\Delta X\left( {{t_{j,k}}} \right){\rm{exp}}\,\left( {{b_j}{T_j}} \right)} }}{{\displaystyle \sum\nolimits_{k = {\rm{1}}}^K {{\rm{exp}}\,\left( {{\rm{2}}{b_j}T} \right)\left[ {{{\left( {{t_{j,k}}} \right)}^c} - {{\left( {{t_{j,k - 1}}} \right)}^c}} \right]} }}{\text{,}}$

${\hat \sigma ^{\rm{2}}} \!\!= \!\!\displaystyle \frac{{\rm{1}}}{{mK}}\displaystyle \sum\limits_{j = {\rm{1}}}^{\rm{3}} {\displaystyle \sum\limits_{k = {\rm{1}}}^K {\displaystyle \frac{{{{\left\{ {\Delta X\left( {{t_{j,k}}} \right) \!-\!{{\hat a}_j}{\rm{exp}}\,\left( {{b_j}{T_j}} \right)\left[ {{{\left( {{t_{j,k}}} \right)}^c} \!\!\!\!\!- \!\!{{\left( {{t_{j,k - {\rm{1}}}}} \right)}^c}} \right]} \right\}}^2}}}{{\left[ {{{\left( {{t_{j,k}}} \right)}^c}\!\! -\!\ {{\left( {{t_{j,k - {\rm{1}}}}} \right)}^c}} \right]}}} } .$

从式(27)、(28)可以看出, ${\hat a_j}$${\hat \sigma ^2}$的估计值与bc有关,因此利用两步极大似然估计法对参数进行求解:1)利用Matlab中的fminsearch函数 ${\rm{ln}}\,L\left( \theta \right)$$\hat b$$\hat c$,进行参数估计. 2)将求解出的 $\hat b$$\hat c$ 代入式(27)、(28)中,即可实现 ${\hat a_j}$${\hat \sigma ^2}$的估计.最终求得:

$ {\hat \mu _a} = \frac{{\rm{1}}}{m}\displaystyle \sum\limits_j^m {{a_j}}{\text{,}}\ \ \ \ \hat \sigma _a^{\rm{2}} = \frac{{\rm{1}}}{m}{ \displaystyle \sum\limits_{j = {\rm{1}}}^m {\left( {{a_j} - {{\hat \mu }_a}} \right)} ^{\rm{2}}}{\rm{ }}{\rm{.}} $

4.4. 计算分析

将定浓度下考虑涂层钢筋个体差异且通过非线性分析的方法记作M-1,根据文献[24]和[25]将未考虑个体差异和线性数据的方法记作M-2. 根据对2种方法进行优劣的判断,AIC值越小表明拟合效果越好:

${\rm{AIC}} = {\rm{2}}p - {\rm{2ln}}\,L\left( \theta \right){\rm{ }}.$

式中:p$\theta $中未知数的个数.

采用两步极大似然估计法对 $\theta = \left\{ {a,b,c,{\sigma ^2}} \right\}$中的参数进行估计,利用Matlab中的fminsearch函数进行解析,最终结果如表6所示. 其中,M-2-A、M-2-B和M-2-C分别为A、B、C组未考虑个体差异的计算方法. 从表6中可以看出,M-1估计方法的AIC值要小于M-2估计方法的AIC值,表明M-1的估计方法的拟合效果优于M-2.

表 6   考虑和不考虑个体差异的参数估计结果

Tab.6  Parameter estimation results of considering and not considering individual differences

估计方法 ${\mu _a}$/10−5 $\hat \sigma _a^{\rm{2}}$ b c ${\rm{ln } }\,L\left( \theta \right)$ AIC
M-1 0.690 9.660×10−14 0.002 1 73.84 −139.6
M-2-A 4.500 3.400×10−6 −473.8 946.3
M-2-B 4.432 3.398×10−6 −442.6 881.2
M-2-C 4.714 3.523×10−6 −432.5 861.0

新窗口打开| 下载CSV


图5所示为考虑个体差异和不考虑个体差异下的可靠度函曲线. 从图5中可以看出,2种方法的可靠度函数曲线在初期(3 370 d之前)重合,在中期(3 370~9 690 d)时M-1的可靠度函数曲线低于M-2的可靠度函数曲线,直至末期(25 800 d左右)时2种可靠度函数曲线又重合. 这说明考虑材料差异性的可靠度估计更加保守,更符合规范和工程实际.

图 5

图 5   不同方法的可靠度函数曲线

Fig.5   Reliability function curve and probability density curve of different methods


5. 结 论

(1)用镁水泥混凝土中涂层钢筋锈蚀的腐蚀电流密度作为可靠度函数的变量进行可靠度建模是可行的,在定浓度溶液中涂层钢筋的退化参数(腐蚀电流密度)符合一个项数的指数分布.

(2)未考虑个体差异性的Wiener函数模型对涂层的寿命预测期限为30 000 d左右,考虑个体差异的Wiener函数模型对涂层钢筋的寿命预测期限为25 000 d左右,考虑个体差异情况的寿命预测更符合实际情况.

(3)在考虑个体差异性的情形下,进行的Wiener随机过程建模可以更加保守地对既有建筑提前进行检验、维护、维修,对实际工程具有一定的指导意义.

参考文献

文静, 余红发, 吴成友, 等

氯氧镁水泥水化历程的影响因素及水化动力学

[J]. 硅酸盐学报, 2013, 41 (5): 588- 596

DOI:10.7521/j.issn.0454-5648.2013.05.03      [本文引用: 1]

WEN Jing, YU Hong-fa, WU Cheng-you, et al

Hydration kinetic and influencing parameters in hydration process of magnesium oxychloride cement

[J]. Journal of The Chinese Ceramic Society, 2013, 41 (5): 588- 596

DOI:10.7521/j.issn.0454-5648.2013.05.03      [本文引用: 1]

MAŽURANIC C, BILINSKI H, MATKOVIC B

Reaction products in the system MgCl2-NaOH-H2O

[J]. Journal of the American Ceramic Society, 1982, 65 (10): 523- 526

DOI:10.1111/j.1151-2916.1982.tb10346.x      [本文引用: 1]

乔宏霞, 巩位, 王鹏辉, 等

硫酸盐环境氯氧镁水泥混凝土中钢筋防护试验

[J]. 西南交通大学学报, 2017, 52 (2): 247- 253

DOI:10.3969/j.issn.0258-2724.2017.02.006      [本文引用: 1]

QIAO Hong-xia, GONG Wei, WANG Peng-hui, et al

Experimental study on steel reinforcement protection in magnesium oxychloride cement concrete under sulfate environment

[J]. Journal of Southwest Jiaotong University, 2017, 52 (2): 247- 253

DOI:10.3969/j.issn.0258-2724.2017.02.006      [本文引用: 1]

乔宏霞, 巩位, 陈广峰, 等

基于极化曲线的镁水泥混凝土中钢筋腐蚀试验

[J]. 华中科技大学学报: 自然科学版, 2016, 44 (1): 6- 10

QIAO Hong-xia, GONG Wei, CHEN Guang-feng, et al

Experimental study on corrosion of steel bar in magnesium cement concrete based on polarization curves

[J]. Journal of Huazhong University of Science and Technology: Nature Science, 2016, 44 (1): 6- 10

乔宏霞, 巩位, 高升, 等

镁水泥混凝土中钢筋的电化学腐蚀研究

[J]. 材料科学与工艺, 2016, 24 (1): 63- 69

DOI:10.11951/j.issn.1005-0299.20160110      [本文引用: 1]

QIAO Hong-xia, GONG Wei, GAO Sheng, et al

Electrochemical corrosion of steel bar in the magnesium cement concrete

[J]. Materials Science and Technology, 2016, 24 (1): 63- 69

DOI:10.11951/j.issn.1005-0299.20160110      [本文引用: 1]

FAN J, YUNG K C, PECHT M

Lifetime estimation of high-power white led using degradation-data-driven method

[J]. IEEE Transactions on Device and Materials Reliability, 2012, 12 (2): 470- 477

DOI:10.1109/TDMR.2012.2190415      [本文引用: 1]

SUN Q, KVAM P H

Multi-cause degradation path model: a case study on rubidium lamp degradation

[J]. Quality and Reliability Engineering International, 2011, 27 (6): 781- 793

DOI:10.1002/qre.1159     

SI X S, WANG W B, CHEN M Y, et al

A Degradation path-dependent approach for remaining useful life estimation with an exact and closed-form solution

[J]. European Journal of Operational Research, 2012, 226 (1): 53- 66

[本文引用: 1]

邓爱民, 陈循, 张春华, 等

基于性能退化数据的可靠性评估

[J]. 宇航学报, 2006, 27 (3): 546- 552

DOI:10.3321/j.issn:1000-1328.2006.03.044      [本文引用: 1]

DENG Ai-min, CHEN Xun, ZHANG Chun-hua, et al

Reliability assessment based on performance degradation data

[J]. Journal of Astronautics, 2006, 27 (3): 546- 552

DOI:10.3321/j.issn:1000-1328.2006.03.044      [本文引用: 1]

赵建印, 刘芳

加速退化失效产品可靠性评估方法

[J]. 哈尔滨工业大学学报, 2009, 40 (10): 1669- 1671

ZHAO Jian-yin, LIU Fang

Reliability assessment from accelerated performance degradation tests

[J]. Journal of Harbin Institute of Technology, 2009, 40 (10): 1669- 1671

JIANG R, JARDINE A

Health state evaluation of an item: a general framework and graphical representation

[J]. Reliability Engineering and System Safety, 2008, 93 (1): 89- 99

DOI:10.1016/j.ress.2006.10.018      [本文引用: 1]

张永强, 刘琦, 周经伦

小子样条件下基于Normal-Poisson过程的性能可靠性评定

[J]. 国防科技大学学报, 2006, 28 (3): 128- 132

DOI:10.3969/j.issn.1001-2486.2006.03.027      [本文引用: 1]

ZHANG Yong-qiang, LIU Qi, ZHOU Jing-lun

Reliability evaluation based on normal-poisson process on condition of small sampling test

[J]. Journal of National University of Defense Technology, 2006, 28 (3): 128- 132

DOI:10.3969/j.issn.1001-2486.2006.03.027      [本文引用: 1]

KLUTKE G A, YANG Y

The availability of inspected systems subject to shocks and graceful degradation

[J]. IEEE Transactions on Reliability, 2002, 51 (3): 371- 374

DOI:10.1109/TR.2002.802891     

HSIEH M H, JENG S L, SHEN P S

Assessing device reliability based on scheduled discrete degradation measurements

[J]. Probabilistic Engineering Mechanics, 2009, 24 (2): 151- 158

DOI:10.1016/j.probengmech.2008.04.003      [本文引用: 1]

王小林, 程志君, 郭波

基于维纳过程金属化膜电容器的剩余寿命预测

[J]. 国防科技大学学报, 2011, 33 (4): 146- 151

DOI:10.3969/j.issn.1001-2486.2011.04.028      [本文引用: 1]

WANG Xiao-lin, CHENG Zhi-jun, GUO Bo

Residual life forecasting of metallized film capacitor based on wiener process

[J]. Journal of National University of Defense Technology, 2011, 33 (4): 146- 151

DOI:10.3969/j.issn.1001-2486.2011.04.028      [本文引用: 1]

TANG J, SU T S

Estimating failure time distribution and its parameters based on intermediate data from a Wiener degradation model

[J]. Naval Research Logistics, 2008, 55 (3): 265- 276

DOI:10.1002/nav.20280      [本文引用: 1]

乔宏霞, 王鹏辉, 巩位, 王旭峰, 张建平

久美特涂层对镁水泥混凝土中钢筋保护试验研究

[J]. 硅酸盐通报, 2016, 35 (12): 4166- 4172

[本文引用: 2]

QIAO Hong-xia X, WANG Peng-hui, GONG Wei, et al

Geomet coating protection test to steel bars of magnesium oxychloride cement concrete

[J]. Bulletin of the Chinese Ceramic Society, 2016, 35 (12): 4166- 4172

[本文引用: 2]

罗刚, 施养抗

钢筋混凝土构件中钢筋锈蚀量的无损检测方法

[J]. 福建建筑, 2002, 9 (4): 55- 57

[本文引用: 1]

LUO Gang, SHI Yang-kang

Review of non-destructive methods in assessment corrosion in reinforced concrete member

[J]. Fujian Architecture and Construction, 2002, 9 (4): 55- 57

[本文引用: 1]

ISGOR, O B, A durability model for chloride and carbonation induced steel corrosion in reinforced concrete members [D]. Canada: Carleton University, 2002: 27.

[本文引用: 1]

COX D R, MILLER H D. The theory of stochastic processes [M]. London: Chapman and Hall, 1965: 4.

[本文引用: 1]

唐圣金, 郭晓松, 周召发, 等

步进应力加速退化试验的建模与剩余寿命估计

[J]. 机械工程学报, 2014, 50 (16): 33- 40

[本文引用: 1]

TANG Sheng-jin, GUO Xiao-song, ZHOU Zhao-fa, et al

Step stress accelerated degradation process modeling and remaining useful life estimation

[J]. Journal of Mechanical Engineering, 2014, 50 (16): 33- 40

[本文引用: 1]

蔡忠义, 陈云翔, 张诤敏, 等

非线性步进加速退化数据的可靠性评估方法

[J]. 北京航空航天大学学报, 2016, 42 (3): 576- 582

[本文引用: 2]

CAI Zhong-yi, CHEN Yun-xiang, ZHANG Zheng-min, et al

Reliability assessment method of nonlinear step-stress accelerated degradation data

[J]. Journal of Beijing University of Aeronautics and Astr, 2016, 42 (3): 576- 582

[本文引用: 2]

WHITMORE G A, SCHENKELBERG F

Modeling accelerated degradation data using Wiener diffusion with a time scale transformation

[J]. Lifetime Data Analysis, 1997, 3 (1): 27- 54

DOI:10.1023/A:1009664101413      [本文引用: 1]

PENG C Y, TSENG S T

Mis-specification analysis of linear degradation models

[J]. IEEE Transactions on Reliability, 2009, 58 (3): 444- 455

DOI:10.1109/TR.2009.2026784      [本文引用: 1]

乔宏霞, 朱彬荣, 路承功, 等

基于Wiener随机过程的混凝土加速寿命试验

[J]. 建筑材料学报, 2016, 19 (6): 1023- 1027

DOI:10.3969/j.issn.1007-9629.2016.06.012      [本文引用: 1]

QIAO Hong-xia, ZHU Bin-rong, LU Cheng-gong, et al

Accelerated life test of concrete based on Wiener stochastic process

[J]. Journal of Building Materials, 2016, 19 (6): 1023- 1027

DOI:10.3969/j.issn.1007-9629.2016.06.012      [本文引用: 1]

/