.png){kind=icon}
返回
Multi-View Deep Learning-Based Comprehensive Evaluation Model for Coating Protective Performance
.png){kind=icon}
OA
AI
DOI：10.3390/ma19183969.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
有机防腐涂层被广泛用于减缓金属腐蚀，但其服役期间性能退化的准确量化评估仍是一项重大挑战。本研究旨在开发一种多视角深度学习框架，利用常规电化学和机械参数对有机涂层的防护性能进行五级定量评估。基于丰富的实验室加速腐蚀试验数据，为三个互补描述符（包括中频相位角（θ10 Hz）、开路电位（OCP）和附着力（As））构建了独立的单视角子模型。通过相关性加权投票融合各子模型的预测输出，其中加权因子由不同涂层系统中定量参数-退化相关性确定。所提出的框架实现了涂层防护性能的五级可靠分级（优秀、良好、一般、较差、失效）。该方法为实际工程应用中有机涂层防护性能的预测评估提供了一种有效的数据驱动框架。
Keyword:
organic coatings
protective performance
electrochemical impedance
deep learning
comprehensive performance evaluation
