综述：机器学习预测海洋与海工结构点蚀腐蚀疲劳进展的系统性评述

《Results in Engineering》：A Systematic Review of Machine Learning Advances in Predicting Pitting Corrosion Fatigue of Marine and Offshore Structures

　　

点蚀腐蚀疲劳仍然是海洋与海工钢结构的主要退化机制。传统的点蚀腐蚀疲劳建模方法通常无法捕捉复杂环境和载荷条件下由点蚀诱发疲劳的随机性与局部化演变过程。本研究聚焦于数据驱动方法的最新进展，特别是机器学习（ML）与混合模型。从神经网络到集成学习等ML框架，在模拟腐蚀、疲劳和环境参数之间的非线性高维关系方面展现出巨大潜力。混合模型通过引入基于物理的特征或机理耦合来整合领域知识，进一步提升了预测精度和鲁棒性，同时增强了可解释性。本研究指出了该领域的机遇与持续存在的挑战，包括缺乏标准化、高保真数据集；模型在不同钢种和暴露条件下的泛化困难；以及某些ML算法的可解释性有限。本研究强调了开发智能、适应性强的模型，以支持海洋与海工环境下的改进型结构健康监测（SHM）和资产管理。

3. 点蚀腐蚀疲劳寿命预测的传统方法

点蚀腐蚀因其局部化和不可预测性，对海洋和海工结构尤为有害。虽然氯离子是最常见的点蚀引发因素，但其他侵蚀性阴离子和环境因素也能触发点蚀形成，局部溶解的程度强烈依赖于微观组织不均匀性，如合金成分和表面缺陷。点蚀坑内受限环境的酸化促进了金属溶解，从而助长点蚀生长。尽管利用电化学阻抗谱和原位显微镜等手段已充分记录了点蚀的不同阶段，但由于点蚀形成和形态的随机性，对其及其对疲劳寿命影响的建模仍然充满挑战。

循环应力与腐蚀的共同作用导致腐蚀疲劳，这是结构退化的一个关键机制。承受载荷下的点蚀可通过直接的材料损失或通过点蚀到裂纹的转变（pit-to-crack transition）引发失效。由于局部应力放大，裂纹常于点蚀处萌生，然而这一转变过程因其复杂的局部化特性而仍未被充分理解。一旦萌生，裂纹在循环载荷下扩展，但点蚀几何形状的不确定性以及裂纹尖端的腐蚀条件阻碍了对裂纹扩展行为的精确预测。

Goswami和Hoeppner提出了一个七阶段的基于力学的点蚀腐蚀疲劳概念模型。该模型将腐蚀起始与疲劳断裂联系起来，强调理解点蚀演化及其向裂纹萌生转变的必要性。

3.1. 经验模型

历史上，疲劳寿命预测首先采用经验方法，其中最广泛应用的是S-N曲线法、基于点蚀生长的公式法和基于几何的处理方法。S-N曲线（W?hler曲线）源自19世纪的疲劳测试，将应力幅值与失效循环次数相关联。这些曲线构建简单，在设计标准中被广泛使用，因为它们提供了载荷与疲劳寿命之间的直接关系。然而，S-N方法主要用于描述光滑未腐蚀试样的疲劳，提供循环载荷下的平均寿命趋势，并未明确考虑点蚀损伤的萌生或演变。不过，该方法通过一些经验修正被用于点蚀腐蚀疲劳，例如引入疲劳强度折减系数、移动S-N曲线以反映腐蚀暴露，或将寿命参数化为点蚀深度或暴露时间的函数。尽管此类修正扩展了S-N方法的适用性，但它们本质上是经验的，缺乏对耦合腐蚀-疲劳过程的机理表征。

为了更直接地解决点蚀诱导损伤，发展了基于幂律的点蚀生长模型。这些模型通过假设一旦点蚀处的应力强度因子范围超过阈值（ΔK_th），裂纹就会形成，从而将腐蚀点蚀与裂纹萌生联系起来。虽然它们通过连接点蚀与裂纹萌生超越了S-N方法，但在描述受局部塑性和环境变异性强烈影响的早期短裂纹行为方面仍有不足。

另一类是基于几何的模型，将点蚀视为预定义的缺陷，并量化其对应力集中因子的影响。这些模型提供了有用的特定案例见解，尤其适用于评估临界点蚀尺寸，但缺乏泛化能力。真实点蚀的形状和分布是不规则的，因此基于几何的假设往往会低估或过度简化应力集中。

3.2. 解析模型

腐蚀疲劳的解析模型试图使用源自断裂力学和腐蚀动力学的数学公式来描述裂纹的萌生和扩展。这些模型可大致分为基于裂纹扩展的公式、点蚀到裂纹转变准则，以及考虑点蚀几何和环境变异性的概率框架。

最广泛使用的裂纹扩展公式之一是Paris定律，它表达了疲劳裂纹扩展速率。Paris定律在描述恒幅载荷下的长裂纹扩展方面非常有效，并构成了许多工程设计规范的基础。然而，其在腐蚀疲劳中的直接应用受到限制，因为它假定存在一个可测量长度的预制裂纹，忽略了短裂纹行为，并且没有纳入环境退化机制。

为解决这些局限性，发展了基于断裂力学的模型，如NASGRO方程。NASGRO通过纳入阈值行为（ΔK_th）、应力比效应（R）和断裂韧性（K_c），扩展了Paris定律，使其能够捕捉近阈值裂纹闭合和近失稳状态。