海洋暴露环境下混杂纤维增强混凝土电化学腐蚀演化的多方法整合预测

《Ocean Engineering》：Integrating multiple methods for predicting the electrochemical corrosion evolution of hybrid fiber reinforced concrete under marine exposure environment

　　

•开发了一种针对钢材腐蚀的实验 - 数值 - 预测框架。
•揭示了混合纤维在混凝土中的腐蚀抑制机制。
•耐腐蚀性取决于纤维掺量和分散性，其中 0.2% 的 BF 表现最佳。
•COMSOL 细观模型模拟了氯离子传输和腐蚀电位演化。
•基于灰色理论的 GM(1,1) 模型可靠地预测了长期腐蚀电流密度。

引言
钢筋混凝土（RC）结构由于其优异的力学性能、耐久性和成本效益，被广泛应用于海洋工程、沿海基础设施及其他恶劣腐蚀环境中。然而，海洋环境中高氯浓度、干湿交替和电化学作用的耦合效应是导致钢筋混凝土结构耐久性失效的主要原因（Djenaoucine 等人，2025；Gómez-Luna 等人，2024；Bao 等人，2026a）。钢筋腐蚀不仅降低了钢筋混凝土构件的力学性能，还由于腐蚀产物的体积膨胀（为原始体积的 2–6 倍）导致混凝土保护层开裂和剥落，进一步加速了腐蚀过程并形成恶性循环（Zhang 等人，2025a；Liu 等人，2025）。据报道，由氯离子侵入引起的钢筋腐蚀造成的全球年度经济损失已达到万亿美元级别（Chen 等人，2024；Shahedan 等人，2024）。为了改善钢筋混凝土结构在海洋环境中的耐腐蚀性，各种改性技术已被开发出来，其中纤维增强已被证明是一种有效的方法。纤维增强混凝土（FRC）通过抑制微裂缝的萌生和扩展，可以显著提高混凝土基体的抗裂性、韧性和耐久性，从而减少氯离子等腐蚀性介质的渗透。近年来，结合不同纤维优势以实现协同效应的混合纤维增强在混凝土耐久性研究领域引起了越来越多的关注。然而，玄武岩纤维（BF）和聚丙烯腈纤维（PAN）混合纤维增强的钢筋混凝土结构在真实海洋暴露条件下的耐腐蚀机制仍研究不足，特别是长期暴露下的电化学腐蚀行为（Zhu 和 Liu，2023；Zeng 等人，2022）。

为了改善海洋环境中混凝土结构的耐久性，已报道了许多研究。Hang 等人（2023）研究了三乙醇胺和水溶性咪唑啉缓蚀剂对混凝土孔溶液中碳钢的抑制性能。他们配制了模拟溶液，进行了添加 NaCl 和 Na2SO4 的干湿循环测试，然后评估了不同比例下碳钢的电化学腐蚀行为。Liu 等人（2022）调查了掺入小麦灰和矿渣作为矿物掺合料的混凝土中钢筋在模拟海洋环境下的腐蚀行为。极化曲线分析、线性扫描伏安法（LSV）和电化学阻抗谱（EIS）表明，含有这两种矿物掺合料的混凝土的腐蚀电位和耐腐蚀性高于普通混凝土。扫描电子显微镜（SEM）观察显示钢材表面的腐蚀产物较少，这证实了电化学测试结果。Guo 等人（2024）通过在混凝土中掺入不同浓度的氯离子来模拟海砂和海砂海水混凝土，旨在探索内源氯离子浓度对钢筋钝化膜的影响。他们采用测量钢筋腐蚀面积、质量损失率和进行电化学测试等方法表征了钢筋钝化膜的变化。这些研究表明，缓蚀剂、矿物掺合料和氯离子浓度可以显著影响钢筋腐蚀；然而，它们主要关注模拟条件下单个材料或环境因素，而对于不同真实海洋暴露区域的腐蚀响应仍了解不足。通常，混凝土中钢筋的腐蚀行为是一个复杂的电化学过程，受暴露条件显著影响。海洋环境具有多种腐蚀区域，包括潮汐区、淹没区和飞溅区，其中氯离子浓度、氧气含量和干湿循环频率差异显著，导致钢筋的腐蚀速率和模式不同。室内干湿循环测试常被用于模拟海洋潮汐区的腐蚀环境，为研究钢筋混凝土结构的腐蚀机制提供了一种方便且可控的方法。然而，室内加速干湿循环与真实海洋暴露条件之间的差异可能导致不同的腐蚀演化特征，这些环境之间的直接比较仍有限。

为了开发抗氯离子侵入性能改进的材料，研究人员调查了纤维增强混凝土。Yang 等人（2024）对具有不同玄武岩纤维（BF）体积分数的天然骨料混凝土和再生骨料混凝土进行了氯 - 硫酸盐暴露下的室内干湿循环测试。他们测量了不同暴露时间的孔隙率和平均渗透高度。他们发现，适量的 BF 含量可以使混凝土内部孔隙结构致密化。Li 等人（2024a）进一步研究了 BF 长度对混凝土渗透性和抗硫酸盐侵蚀性的影响。他们报道了渗透系数随着纤维长度的增加先减小后增加。然而，单一纤维类型提供的改善是有限的。Su 等人（2022，2024）研究了模拟盐雾和复合盐干湿循环下的玄武岩 - 聚丙烯纤维混凝土。他们调查了不同纤维掺量下的氯离子扩散和腐蚀特性。他们发现，添加 0.1% 的 BF、聚丙烯纤维或其混合组合可以减少混凝土中的氯离子含量。当混合纤维掺量达到 0.2% 时，氯离子浓度增加。这些结果表明，适当的纤维掺量可以细化孔隙结构并抑制裂缝的萌生和扩展。这有利于减少氯离子侵入。然而，大多数研究集中在氯离子传输指标上，并未量化内部钢筋的腐蚀状态。此外，很少进行真实海洋暴露测试。因此，很少有研究系统比较 BF-PAN 混合纤维增强混凝土在真实海洋潮汐区、真实海洋淹没区和室内干湿循环下的腐蚀行为，这使得难以准确评估此类材料在实际海洋工程中的耐久性。

电化学测试是表征混凝土中钢筋腐蚀行为的可靠方法。EIS 和极化曲线测试被广泛用于评估钢筋的腐蚀状态和腐蚀速率，因为它们可以非破坏性地反映钢材表面钝化膜的变化和腐蚀过程中的电荷转移过程。除了实验测试外，数值模拟和预测模型已成为研究钢筋混凝土结构长期腐蚀行为的重要工具（Bao 等人，2026b；Ji 等人，2025）。它们有助于验证实验发现并支持长期预测。Li 等人（2024b）开发了一种数值模型来描述钢筋的非均匀腐蚀，使用氯离子浓度修正阳极塔菲尔斜率，并考虑了氯离子吸附和结合等效应。他们进一步通过 COMSOL 有限元建模获得了氯离子浓度、腐蚀电流密度、腐蚀电位和氧气浓度的分布，并分析了钙浸出对腐蚀电流密度的影响。此外，作为一种解决信息有限和高度不确定性问题的有效方法，灰色理论 GM(1,1) 模型适用于小样本和信息不完整的系统，已被证明在预测混凝土结构的耐久性（包括与腐蚀相关的指标）方面具有很高的准确性（Yang 等人，2025）。Fu 等人（2024）建立了腐蚀电流密度的 GM(1,1) 退化模型，以评估不同盐溶液下钢筋混凝土的腐蚀退化和使用寿命。他们还提出了一种改进的 GM(1,1)-Markov 模型来解决随机波动问题，比较了预测误差和准确性，开发了可靠性曲线，并预测了不同盐环境下钢筋混凝土的失效寿命。因此，数值分析和灰色理论对于理解和预测混凝土中的钢筋腐蚀非常有价值。然而，将 EIS、极化曲线测试、COMSOL 细观模拟和灰色理论 GM(1,1) 模型结合起来系统研究不同海洋相关暴露条件下 BF-PAN 混合纤维增强混凝土的电化学腐蚀行为尚未得到充分探索。

为了填补这些研究空白，本研究专注于 BF-PAN 混合纤维钢筋混凝土在三种典型暴露条件下（即真实海洋潮汐区、真实海洋淹没区和室内干湿循环）的电化学腐蚀行为。进行了 EIS 和极化曲线测试，以表征钢筋随时间变化的腐蚀状态。应用 COMSOL 细观数值模拟来模拟自由氯离子和腐蚀电位的分布，并使用灰色理论 GM(1,1) 模型来预测长期腐蚀电流密度。本研究的目标是调查不同暴露条件下 BF-PAN 混合纤维增强混凝土的腐蚀演化规律，评估不同 BF-PAN 混合纤维配置的耐腐蚀性，并评估灰色理论 GM(1,1) 模型在长期腐蚀预测中的准确性。本研究的发现有望为 BF-PAN 混合纤维增强混凝土在海洋工程中的应用以及耐腐蚀钢筋混凝土结构的设计提供理论支持和实践指导。

章节片段
氯离子传输模型
在海洋环境中，混凝土通常可分为饱和和非饱和状态，这主要由具体的暴露区域决定。具体而言，位于淹没区的混凝土长时间连续浸泡在海水中，导致孔隙系统几乎完全饱和。在这种饱和条件下，氯离子进入混凝土基体主要由氯离子浓度梯度驱动（Li 等人，

材料和试样制备
本实验使用的胶凝材料是普通硅酸盐水泥（P·O 42.5），由山东山水集团有限公司提供。该水泥的详细化学成分，包括主要氧化物和微量成分，见表 3。细骨料采用青岛当地河砂，粒径严格控制在 5 mm 以下，以确保混凝土混合物的良好级配和施工性能。粗骨料为花岗岩碎石

力学性能
图 5 显示了不同混凝土混合物的抗压强度和劈裂抗拉强度。素混凝土的抗压强度为 76.22 MPa，劈裂抗拉强度为 5.13 MPa。掺入 0.2% BF 后，抗压强度几乎没有变化，而劈裂抗拉强度增加到 5.73 MPa。这表明适量的 BF 可以改善抗拉开裂性能，而不会明显削弱混凝土的致密性和承载能力

结论
基于海洋环境下混合纤维增强混凝土的电化学测试、细观数值模拟和 GM(1,1) 灰色模型，主要结论总结如下。(1) 电化学测试结果揭示，随着暴露时间的延长，阻抗弧半径减小且腐蚀电流密度增加，表明钢材腐蚀加剧。腐蚀严重程度顺序为：室内干湿循环 > 潮汐区 > 淹没区。在所有混凝土中

CRediT 作者贡献声明
Tong Min：撰写 – 初稿，方法论，调查，正式分析。Yapeng Wang：可视化，软件，调查。Yulong Yang：方法论，调查，数据整理。Jiuwen Bao：撰写 – 审阅与编辑，验证，项目管理，资金获取，概念化。Weina Guo：可视化，正式分析。Qiang Song：软件，资源。Ling Qin：资源，正式分析。

利益冲突声明
作者声明，他们没有已知的竞争性经济利益或个人关系可能会影响本论文报告的工作。

致谢
衷心感谢中国山东省自然科学基金（ZR2025QB11）、山东省泰山学者（编号 tsqn202408223）以及中国国家自然科学基金（52622807）对正在进行的项目提供的资金支持。

Tong Min|Yapeng Wang|Yulong Yang|Jiuwen Bao|Weina Guo|Qiang Song|Ling Qin