基于FLUENT和神經網絡預測海水彎管沖刷腐蝕的模型

(1.山東科技大學 土木工程與建筑學院,青島 266590;2.青島鋼研納克檢測防護技術有限公司,青島 266071)

管道系統廣泛應用于船舶、機械、農業、航天等領域,隨著我國海洋戰略的推進,管道在海洋開發中應用越來越多。海水管道系統多由金屬構成[1],為了節約資源和成本,水冷卻系統多用海水對設備進行冷卻[2],海水管道一旦出現腐蝕泄漏或海洋生物污損堵塞管道,將嚴重影響管道以及設備的正常運行,甚至威脅工程系統的安全[3]。

針對管道沖刷可靠性,科研人員做了大量研究,在流動特性、管壁壓力、管徑變化等方面已有了較為成熟的研究成果。如,郭洪锍[4]利用理論計算和數值模擬對壓力管道內流場進行分析,得出90°壓力管道彎管處流場的流速和壓力分布云圖。姜帥等[5]對天然氣管道彎頭與匯管處的流場進行仿真模擬,結果表明,天然氣流經管道彎頭與匯管處時,彎頭外側和匯管兩端是受力較為集中的部位。王國濤等[6]采用流體動力學軟件CFX對壓力管道在不同工作壓力下的微小泄漏流場進行了數值模擬,得到了泄漏孔附近及管道中截面不同流線的壓力分布情況,并分析了泄漏流場的流速分布。江山等[7]對 90°圓形截面彎管內湍流流場進行了數值模擬,分析了二次流形成的原因,給出了二次流影響彎管內壁壓力和流速分布的規律。吳江海等[8]對曲率半徑不同的三種彎管進行了振動傳動和流場分析,得出隨著曲率半徑的增大管內流體對管壁壓力減小,管壁振動振級也隨之減小,但并不是特別明顯。陳虎等[9]研究了不同流速下N80鋼在含砂粒的NaCl水溶液中的沖刷腐蝕行為,結果表明,可以通過控制流速來降低管道內腐蝕介質對管壁的沖刷腐蝕,以提高管道使用壽命。上述研究表明,流速對沖刷腐蝕過程具有重大影響,一旦超過臨界流速,沖刷磨損會顯著加劇管材腐蝕[10]。

為預測彎管管壁沖刷腐蝕的敏感部位及其沖刷腐蝕速率,本工作以流速作為彎管沖刷腐蝕主要的影響因素,運用Fluent流體仿真軟件計算管壁切向流速,結合神經網絡分析并擬合海水彎管中流速與沖刷腐蝕速率的相關方程,從而建立彎管腐蝕敏感部位及沖刷腐蝕速率預測模型。并通過B10-90°彎頭試驗驗證該預測模型對彎管腐蝕敏感部位及沖刷腐蝕速率預測的有效性。

1 模型預測

1.1 基于FLUENT的90°彎管數值模擬

影響管道沖刷腐蝕因素眾多,如溫度、離子濃度、含氧量、管道材料等。特色工程系統的管道,使用環境相對穩定。管道流速是影響管道內壁腐蝕的最重要因素,其他因素相對變化幅度較小。因此,模型以流速作為預測彎管腐蝕敏感部位及沖刷腐蝕速率的參數。在神經網絡模擬參數中輸入對腐蝕速率影響的非流動因素。預測模型構架:利用FLUENT軟件結合TECPLOT宏命令,計算彎管管壁內側自定義節點的切向流速,由神經網絡模型擬合得出流速與沖刷腐蝕速率的關系,進而預測管壁的沖刷腐蝕敏感部位及其沖刷腐蝕速率。

1.1.1 物理模型

FLUENT數值模型與實海試驗參數取值相同,按曲率半徑與管道直徑比為1.12的90°彎管建模進行流場數值分析,其平面結構如圖1所示,彎管直徑D為32 mm,曲率半徑Rc為41 mm,彎管兩側的直管長度L為260 mm,α為流體在彎管內流經角度,主要對0°、15°、30°、45°、60°、75°、90°截面進行對比分析。

1.1.2 網格劃分與邊界條件

使用gambit生成計算區域中的幾何體,網格劃分如圖2所示。90°彎管道中設置網格為Interval size模式,尺寸為1 mm,網格數量控制在7～15萬,FLUENT中設置入口邊界類型為velocity inlet,入口流速為2.6 m/s,出口類型為outlow,壁面邊界類型設為無滑移的邊界條件。計算模型為標準的RNGk-ε計算模型,湍動強度為4,壁面粗糙度設為0.000 045 72,依據上述設置,求解計算精度設為1×10-6,對其進行500步迭代計算。

圖1 90°彎管平面結構Fig.1 Plane structure of 90° bend

(a) 主視圖

(b) 截面圖圖2 90°彎管網格切分圖Fig.2 Mesh segmentation of 90° bend:(a)front view;(b)cross-section view

1.2 神經網絡模型

依據鋼鐵研究總院青島海洋腐蝕研究所在青島、舟山、榆林、廈門等站點的實海試驗獲得的腐蝕速率平均值作為驗證樣本,經9 588次訓練后得到BP神經網絡模型,向該訓練過的神經網絡模型中輸入青島海域海洋環境參數及B10材料參數:溫度22.6 ℃,海水含氧量6.98 mL·L-1,Zn、Mn、Ni的含量(質量分數)分別為0.23%、1.5%、13%,海水流速 0.5～3.5 m/s。以0.25 m/s為間隔,計算不同海水流速下的沖刷腐蝕速率,結果見表1。

表1 不同海水流速下的沖刷腐蝕速率Tab.1 Erosion-corrosion rates at different flow velocities of seawater

依據表1中數據,對流速與平均腐蝕速率進行擬合,得到海水流速(x)與沖刷腐蝕速率(y)的相關函數為

y=-4.832 6x2+37.408x+56.223

(1)

其擬合優度即決定系數為0.990 33,這表明該方程擬合效果較好。

1.3 管壁腐蝕量及敏感腐蝕部位預測

在90°彎管內,流體為曲線運動,為更直觀分析彎管內流體流態,采用切向流速分析彎管內的流動規律。在Tecplot后處理軟件里設置切向流速(tangential velocity)作為彎管內側邊界層附近的物理量,結合式(1)計算彎管壁面的沖刷腐蝕速率。

在90°彎管的內側,沿著彎管內側弧取40個點,采用tecplot中錄制宏命令,自定義特殊路徑和節點數目下所需數據,本模擬取40個點,如圖3所示。

圖3 宏命令下特殊路徑節點圖Fig.3 Special path node diagram under macro command

通過錄制宏提取的各截面角度上切向流速數據,結合神經網絡模型擬合的海水流速與沖刷腐蝕速率相應函數，計算相應沖刷腐蝕速率,結果如表2所示。

表2 截面角度與沖刷腐蝕速率的關系Tab 2 Relationship between section angle and erosion-corrosion rate

由表2分析可知,截面角度在30°附近時,沖刷腐蝕速率最大,從而預測該部位為敏感腐蝕部位。

2 實海沖刷腐蝕試驗

試驗在鋼鐵研究總院青島海洋腐蝕研究所實海站點進行,針對國產B10-90°彎管開展典型管徑限制流速下局部沖刷腐蝕速率檢測試驗,確定管壁腐蝕最嚴重位置。

2.1 試驗方法與設備

試驗材料為國產B10-90°彎管2只(試驗管段規格均為DN32),DN32青銅閥門2個,DN32流量計2個。試驗平臺見圖4。

圖4 高流速海水管道實海沖刷腐蝕試驗平臺Fig.4 Erosion-corrosion test platform for high velocity seawater pipeline in real sea

試驗平臺安裝調試完成后,通過閥門和電磁流量計調節管內海水流速,DN32管段海水流速為2.6 m/s,每天沖刷時間是8 h,試驗持續時間為1 a。

試驗結束后將B10-90°彎管剖開,進行粗磨(去除表面多余的腐蝕產物)和拋光,在彎管內弧中線附近點蝕坑密集部位,選取10個點蝕坑，用金相顯微鏡(焦距差法)和點腐蝕測深儀(點蝕測量法)測點蝕坑深度，確定管壁沖刷腐蝕最嚴重位置。

2.2 實海沖刷腐蝕試驗結果

實海沖刷腐蝕試驗前,B10-90°彎管試樣表面光潔,可見金屬光澤,如圖5所示。試驗結束后,將彎管剖開,其內壁外側和內側都出現了明顯的均勻腐蝕,如圖6所示,內側壁面出現點蝕坑,見圖7。

(a) 1號樣

(b) 2號樣圖5 實海沖刷腐蝕試驗前B10-90°彎管的外觀形貌Fig.5 Appearance of B10-90° bends No.1 (a)and No.2 (b)before erosion-corrosion test in real sea

(a) 1號樣,內壁外側

(b) 2號樣,內壁外側

(c) 1號樣,內壁內側

圖7 B10-90°彎管內壁點蝕坑Fig.7 Pits in inner wall of B10-90° bend

實海沖刷腐蝕試驗后,用兩種方法測量B10-90°彎管的點蝕深度,并根據試驗時間計算成沖刷腐蝕速率,結果見表3。

由表3可見,兩種測量方法計算的平均誤差為8.53%,實測數據可靠性較高。對比分析金相顯微鏡和點腐蝕深度儀器測量的腐蝕坑深度可知:靠近管道縱剖面中軸線附近的點蝕坑較為密集;截面角度約30°附近,內壁面沖蝕嚴重,為彎管沖刷腐蝕破壞敏感區域。

表3 實海沖刷腐蝕試驗后B10-90°彎管的沖刷腐蝕速率Tab.3 Erosion-corrosion rates of B10-90° bends after erosion-corrosion test in real sea μm/a

3 試驗結果與模擬預測結果對比

將模擬結果與試驗結果進行比較,見圖8。結果發現,通過數據模擬預測的腐蝕速率隨截面角度的變化趨勢與試驗測得的腐蝕速率隨截面角度的變化趨勢基本相同,腐蝕破壞嚴重均出現在截面角度30°進口附近,腐蝕速率最大;在小曲率彎管中,內側壁面腐蝕破壞比外側更為嚴重。

圖8 不同截面角度下模擬計算結果與試驗結果對比Fig.8 Comparison of the results between simulation and experiment at different section angles

本模型對B10-90°彎管分析的平均誤差為14.2%,說明該模型對海水彎管沖刷腐蝕具有較好可靠性。出現誤差的主要原因主要有:神經網絡模型是通過龐大的腐蝕試驗數據來確定一個經驗計算模型,因此對比實海沖刷腐蝕試驗，個體數據會存在誤差;該模型是通過神經網絡模型結合FLUENT仿真模擬來確定腐蝕量的,因此存在誤差傳遞;引影彎管沖刷腐蝕的因素眾多,腐蝕機理復雜,也是導致模型預測出現誤差的重要原因。

4 結論

該預測模型是通過神經網絡建立環境、材料、流速與腐蝕量之間的關系,使用FLUENT軟件分析流速，實現復雜管道形態對于易破壞敏感部位及沖刷腐蝕速率的預測。實海沖刷腐蝕試驗結果表明，該預測模型的可靠性較好，對于管道沖刷腐蝕的預防有重要參考意義。在實際應用中,針對180°彎管、直管、T型管及其組合等常見管道,該預測模型仍然有效。相比于腐蝕試驗周期長的缺點,該預測模型將大大提高海水彎管防沖刷腐蝕破壞的便捷性和經濟性。