组部件南海海洋大气环境-工况耦合环境损伤评价方法与流程

1.本技术涉及机器学习技术领域，特别是涉及一种组部件南海海洋大气环境-工况耦合环境损伤评价方法。


背景技术：

2.开展自然-实验室环境损伤相关性研究是组部件南海海洋大气环境-工况耦合训练技术的深入，是开展组部件南海海洋环境适应性评价的重要一步。南海大气实验室环境-工况耦合可在短时间内获取腐蚀信息。然而，装备产品服役环境多变，实验室模拟环境与真实服役环境存在差别。由于各地区大气成分、含量、干湿状态及污染程度差别大，单一因素和多因素复合作用的机理目前还不十分清楚，如何根据南海大气实验室环境-工况耦合训练数据建立其与海洋大气自然环境下训练数据的相关性分析方法，准确转化退化腐蚀信息是相关性研究的难点所在。
3.现有技术中，缺少对组部件南海海洋大气环境-工况耦合环境损伤的评价方法。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够有效评估海洋大气环境-工况耦合环境中组部件腐蚀识别的组部件南海海洋大气环境-工况耦合环境损伤评价方法。
5.第一方面，本技术提供了一种组部件南海海洋大气环境-工况耦合环境损伤评价方法，该方法包括：
6.获取样本船舶部件的多组腐蚀样本数据，并获取各腐蚀样本数据分别对应的实际腐蚀结果；其中，各腐蚀样本数据均对应有不同的腐蚀影响因素；
7.根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据当前腐蚀影响因素确定当前腐蚀识别条件；
8.在当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到船舶部件的腐蚀结果的第一分支属性的情况下，根据相关程度，从除当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，并返回执行根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性；
9.获取各第二分支属性对应的腐蚀识别结果，并基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用目标船舶部件腐蚀识别模型，对预先获取的船舶部件的腐蚀评价数据进行评价。
10.在其中一个实施例中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
11.根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素之前，还包括：
12.获取目标腐蚀影响因素，以及预先针对目标腐蚀影响因素设定的多个影响因素分类区间；目标腐蚀影响因素为各腐蚀影响因素中的任意一个；
13.基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与实际腐蚀结果的子相关程度；第一腐蚀样本数据为各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为第一腐蚀结果的腐蚀样本数据；第二腐蚀样本数据为各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为第二腐蚀结果的腐蚀样本数据；
14.根据各子相关程度，得到目标腐蚀影响因素与实际腐蚀结果的相关程度。
15.在其中一个实施例中，根据当前腐蚀影响因素确定当前腐蚀识别条件，包括：
16.获取当前腐蚀影响因素对应的多个影响因素分类区间；
17.根据多个影响因素分类区间，得到当前腐蚀影响因素对应的多个腐蚀识别条件；当前腐蚀识别条件为当前腐蚀影响因素对应的多个腐蚀识别条件中的任意一个。
18.在其中一个实施例中，各腐蚀样本数据包含有样本船舶部件对应于不同的腐蚀影响因素的影响因素值；影响因素分类区间以影响因素值区间进行表征；
19.基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与实际腐蚀结果的子相关程度之前，还包括：
20.获取各影响因素值区间中包含的影响因素值；
21.将各影响因素值区间中包含的影响因素值对应的腐蚀样本数据，作为各影响因素分类区间包含的腐蚀样本数据；
22.在其中一个实施例中，各腐蚀样本数据包含有样本船舶部件对应于不同的腐蚀影响因素的影响因素值；实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
23.根据当前腐蚀影响因素确定当前腐蚀识别条件之后，包括：
24.获取当前腐蚀识别条件对应的条件分支；
25.获取条件分支中第一腐蚀结果对应的影响因素值的第一数量，以及条件分支中第二腐蚀结果对应的影响因素值的第二数量，并获取第一数量和第二数量之间的数量和；
26.若满足第一预设条件，则将条件分支的分支属性确认为第一分支属性；第一预设条件为第一数量与数量和的比值小于或等于预先设置的比值阈值，且第二数量与数量和的比值小于或等于比值阈值；
27.若满足第二预设条件，则将条件分支的分支属性确认为第二分支属性；第二预设条件为第一数量与数量和的比值大于比值阈值，或第二数量与数量和的比值大于比值阈值；
28.获取各第二分支属性对应的腐蚀识别结果，包括：
29.在第一数量与数量和的比值大于比值阈值的情况下，将第一数量对应的第一腐蚀结果作为腐蚀识别结果；
30.在第二数量与数量和的比值大于比值阈值的情况下，将第二数量对应的第二腐蚀结果作为腐蚀识别结果。
31.在其中一个实施例中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已
腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
32.基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，包括：
33.基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，生成初始船舶部件腐蚀识别模型；
34.获取与样本船舶部件的腐蚀样本数据相对应的多组腐蚀验证数据，并获取各腐蚀验证数据分别对应的实际腐蚀结果；
35.根据各腐蚀验证数据分别对应的实际腐蚀结果中，第一腐蚀结果的数量以及第二腐蚀结果的数量，确定初始船舶部件腐蚀识别模型的识别正确率；
36.将多组腐蚀验证数据输入至初始船舶部件腐蚀识别模型，得到各第二分支属性对应的腐蚀识别结果，并根据各第二分支属性对应的腐蚀识别结果的数量，以及各腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各第二分支属性的识别正确率；
37.利用各第二分支属性的识别正确率，以及初始船舶部件腐蚀识别模型的识别正确率，确定各第二分支属性的验证结果；
38.基于各第二分支属性的验证结果，获取通过验证的第二分支属性，并基于通过验证的第二分支属性对应的当前腐蚀识别条件，以及通过验证的第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型。
39.在其中一个实施例中，根据各第二分支属性对应的腐蚀识别结果的数量，以及各腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各第二分支属性的识别正确率，包括：
40.将符合当前第二分支属性对应的当前腐蚀识别条件的腐蚀验证数据，作为当前第二分支属性的腐蚀验证数据；当前第二分支属性为任意一个第二分支属性；
41.若当前第二分支属性的腐蚀识别结果为第一腐蚀结果，则根据当前第二分支属性的第一腐蚀结果的数量，以及实际腐蚀结果中第一腐蚀结果的数量，得到当前第二分支属性的识别正确率；
42.若当前第二分支属性的腐蚀识别结果为第二腐蚀结果，则根据当前第二分支属性的第二腐蚀结果的数量，以及实际腐蚀结果中第二腐蚀结果的数量，得到当前第二分支属性的识别正确率。
43.在其中一个实施例中，利用各第二分支属性的识别正确率，以及初始船舶部件腐蚀识别模型的识别正确率，确定各第二分支属性的验证结果，包括：
44.在第二分支属性对应的当前腐蚀识别条件为首个存在第二分支属性的当前腐蚀识别条件的情况下，若第二分支属性对应的识别正确率大于初始船舶部件腐蚀识别模型的识别正确率，则将第二分支属性的验证结果确定为通过验证；
45.在第二分支属性对应的当前腐蚀识别条件不为首个存在第二分支属性的当前腐蚀识别条件的情况下，若第二分支属性对应的识别正确率大于上一个存在第二分支属性的当前腐蚀识别条件对应的第二分支属性对应的识别正确率，则将第二分支属性的验证结果确定为通过验证。
46.第二方面，本技术还提供了一种组部件南海海洋大气环境-工况耦合环境损伤评
价装置，该装置包括：
47.样本数据获取模块，用于获取样本船舶部件的多组腐蚀样本数据，并获取各腐蚀样本数据分别对应的实际腐蚀结果；其中，各腐蚀样本数据均对应有不同的腐蚀影响因素；
48.当前腐蚀因素获取模块，用于根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据当前腐蚀影响因素确定当前腐蚀识别条件；
49.分支属性模块，用于在当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到船舶部件的腐蚀结果的第一分支属性的情况下，根据相关程度，从除当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，并返回执行根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性；
50.识别模型获取模块，用于获取各第二分支属性对应的腐蚀识别结果，并基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用目标船舶部件腐蚀识别模型，对预先获取的船舶部件的腐蚀评价数据进行评价。
51.第三方面，本技术还提供了一种计算机设备。该计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。
52.上述组部件南海海洋大气环境-工况耦合环境损伤评价方法，获取样本船舶部件的多组腐蚀样本数据，并获取各腐蚀样本数据分别对应的实际腐蚀结果；其中，各腐蚀样本数据均对应有不同的腐蚀影响因素；根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据当前腐蚀影响因素确定当前腐蚀识别条件；在当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到船舶部件的腐蚀结果的第一分支属性的情况下，根据相关程度，从除当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，并返回执行根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性；获取各第二分支属性对应的腐蚀识别结果，并基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用目标船舶部件腐蚀识别模型，对预先获取的船舶部件的腐蚀评价数据进行评价。本技术通过利用对应均有不同的腐蚀影响因素的多组腐蚀样本数据，选取相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，进一步可以根据当前腐蚀影响因素确定当前腐蚀识别条件，通过当前腐蚀识别条件的条件分支的分支属性来构建目标船舶部件腐蚀识别模型，进一步可以利用目标船舶部件腐蚀识别模型对海洋大气环境-工况耦合环境中的船舶部件进行腐蚀识别，能够有效地准确地获取得到海洋大气环境-工况耦合环境中的船舶部件等的腐蚀识别结果。
附图说明
53.图1为一个实施例中组部件南海海洋大气环境-工况耦合环境损伤评价方法的流程示意图；
54.图2为另一个实施例中组部件南海海洋大气环境-工况耦合环境损伤评价方法的流程示意图；
55.图3为又一个实施例中组部件南海海洋大气环境-工况耦合环境损伤评价方法的流程示意图；
56.图4为一个实施例中南海海洋大气环境-工况耦合环境的损伤相关性决策树的示意图；
57.图5为一个实施例中组部件南海海洋大气环境-工况耦合环境损伤评价装置的结构框图；
58.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
60.开展自然-实验室环境损伤相关性研究是组部件南海海洋大气环境-工况耦合试验技术的深入，是开展组部件南海海洋环境适应性评价的重要一步。南海大气实验室环境-工况耦合可在短时间内获取腐蚀信息。然而，装备产品服役环境多变，实验室模拟环境与真实服役环境存在差别。由于各地区大气成分、含量、干湿状态及污染程度差别大，单一因素和多因素复合作用的机理目前还不十分清楚，如何根据南海大气实验室环境-工况耦合试验数据建立其与海洋大气自然环境下试验数据的相关性分析方法，准确转化退化腐蚀信息是相关性研究的难点所在。
61.国内南海海洋大气环境损伤评价研究目前可以分为以下三个部分：
62.(1)各种结构材料(铝合金、纯锌等)海洋性大气腐蚀试验和加速试验研究、以及腐蚀寿命评估方法研究。
63.金属材料在遭受腐蚀后，其重量、厚度、机械性能、组织结构及电极过程等都会发生变化。这些物理或力学性能的变化率可用来表示金属腐蚀的程度，作为金属腐蚀损伤评定的依据。有多种方法可用于评价腐蚀损伤的程度，传统的评估方法有:质量变化法、腐蚀深度法、腐蚀电流法、机械性能下降法等。对于装备使用的主体结构材料，其日历寿命通常取决于最大腐蚀深度。获得材料最大腐蚀深度的有两种方法，一种应用损伤力学的理论观点与分析方法，在深入研究环境因素的损伤机理基础上，建立定量损伤力学模型，有学者建立了典型铝合金不同环境腐蚀及其应力耦合的定量损伤力学模型。由于腐蚀疲劳的复杂性，其破裂机理尚不明确，腐蚀疲劳裂纹扩展的一些理论模型在工程中很难推广使用，因此，得到广泛应用的是试验方法：根据实验室加速腐蚀试验与大气暴露试验的当量关系，采用exco溶液浸泡/铜加速乙酸盐雾试验进行实验室加速腐蚀试验后统计处理试验结果来获得，并根据试验结果采用回归方法拟合出腐蚀时间与最大腐蚀深度的对应关系，作为评判其腐蚀损伤以及确定飞机结构日历寿命的依据。在研究中可以选用正态分布来描述腐蚀损伤的概率分布。有相关研究使用人工神经网络良好的自学习能力和非线性映射能力论进行材料级的腐蚀损伤研究，从而预测其日历寿命。在环境-工况耦合问题上，有西北工业大学的学者，对有/无加载两种高强度铝合金试验件进行盐雾加速腐蚀试验，研究了腐蚀对材料性能的劣化作用，以及载荷与环境对材料损伤的耦合加速作用。
64.(2)舰船结构腐蚀强度评估研究。
65.船舶与海洋结构物在服役期间将受到大气腐蚀与波浪载荷的联合作用，因此对结构进行疲劳损伤评估时必须考虑腐蚀因素的影响。对于舰船结构腐蚀疲劳强度评估问题，常使用以实海腐蚀数据为基础的考虑力学因素的新型腐蚀模型，结合谱分析法以及miner准则对目标船关键节点进行疲劳强度评估。
66.与常规疲劳寿命研究相比，目前腐蚀环境下军用装备组部件疲劳寿命与腐蚀损伤的试验数据很少，分布特性还不明确，需要进一步研究其分布特性及分布参数估计方法，研究如何根据小样本确定其最佳分布、提高参数估计精度；此外，提高军用装备组部件损伤检测技术，进行腐蚀损伤的精确测量和可靠评，对军用装备组部件日历寿命研究至关重要。
67.目前我国对海洋工程主体材料得到在实际海域取得的大量宝贵的腐蚀数据，将这些数据直接应用于实际工程仍存在较大问题，主要是由于实际工程结构不仅受到大气腐蚀的作用，而且还受到交变载荷的联合作用。建立考虑力学因素的腐蚀数学模型。
68.(3)海洋飞机结构腐蚀强度评估研究
69.海洋飞机90％以上的时间处于停放状态，在海洋环境下，服役飞机长时间处于空气湿度大、温度高、盐雾重的环境里，海洋大气中的含盐粒子沉积在结构表面，产生吸湿潮解作用，使金属表面液膜的电导增大，加上氯离子本身具有很强的侵蚀性，因而加速机体结构、系统的腐蚀。腐蚀常发生的形式有：飞机结构连接部位的典型腐蚀、防护涂层老化失效、铝合金结构的典型腐蚀、传力螺栓和承力支柱的腐蚀疲劳及应力腐蚀、钢结构的典型腐蚀等。通过海洋大气腐蚀环境因素分析，采用紫外照射和周期浸润两个子试验构成的循环加速试验环境谱模拟光照、温度、湿度以及海洋大气环境中氯离子的影响。
70.航空产品的腐蚀损伤严重影响飞机的可靠性和安全性，其腐蚀规律研究已成为国内外学者关注的热点。对军用飞机的环境损伤评价，是在对装备使用、维护过程中出现的环境损伤事件(事故)，进行充分研究后，基于经验的研究方法逐步建立并完善起来的。由于环境的多样性和复杂性，航空产品腐蚀呈现出复杂的变化规律，腐蚀表征及当量等效成为研究服役环境下航空产品腐蚀疲劳寿命和日历寿命的关键技术。其中，腐蚀当量折算方法是建立航空产品外场使用环境和实验室验证试验的“桥梁”，为航空产品的环境适应性设计、改进和验证提供了有效的数据和方法
71.飞机地面停放环境谱描述了飞机在整个日历寿命期间停放所经历的真实自然环境历程，采用该环境谱来开展飞机结构服役环境的腐蚀试验，在时间、经费和技术条件上都是难以实现的。为正确确定真实自然环境对飞机结构的腐蚀影响，需建立地面停放环境谱与实验室加速环境谱的当量关系，从而在较短时间内获得飞机材料、结构、防护体系在真实地面停放环境下飞机的腐蚀损伤规律，为实现飞机结构日历寿命评定工程化提供背景数据与设计输入。
72.目前，现有技术中存在大量的当量环境谱或加速试验谱的研究。例如，以金属腐蚀电流为度量尺度的金属结构腐蚀当量环境谱的编制方法，编制了金属腐蚀当量环境谱。也有研究从航空产品常用的金属材料、涂层和关键结构等方面探讨腐蚀损伤当量折算方法，提出了金属材料腐蚀损伤当量化方法、涂层损伤当量化方法、复合材料损伤当量化方法、结构件腐蚀损伤当量化方法。
73.随着研制水平的提高，要求提高航空产品耐环境的能力，这就需要更加可靠、准确的实验室试验方法来进行验证，并进一步获取腐蚀规律来指导环境适应性设计和改进。在
具备南海海洋大气环境谱数据、自然环境与加速环境对标准潮湿空气折算关系基础上，建立加速试验环境谱与典型海洋大气环境谱的当量加速关系，其方法简便、可行。
74.腐蚀损伤当量折算方法已经成为飞机开展日历年限评定的关键技术，现有的腐蚀损伤当量折算方法主要存在以下的不足：
75.1)金属材料腐蚀损伤当量折算仅考虑温度和湿度环境因素对金属材料腐蚀的影响；
76.2)仅凭绝缘电阻无法完整描述防护涂层在外场使用过程中的腐蚀损伤规律，建立的当量关系精确度有待提高；
77.3)复合材料腐蚀损伤当量折算的研究和数据较少，当量折算公式建立的是紫外线辐射、应力载荷与材料力学性能的关系，并未考虑湿度环境因素对复合材料的影响；
78.4)细节疲劳额定值只能在中等寿命范围内够较好地反映结构细节的疲劳品质，并且所测得的试验数据有限，所得加速当量关系还有待补充更多的数据后进行修正或完善。
79.基于上述原因，本技术提供了一种能够有效评估海洋大气环境-工况耦合环境中组部件腐蚀识别的组部件南海海洋大气环境-工况耦合环境损伤评价方法。
80.在一个实施例中，如图1所示，提供了一种组部件南海海洋大气环境-工况耦合环境损伤评价方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
81.s102，获取样本船舶部件的多组腐蚀样本数据，并获取各腐蚀样本数据分别对应的实际腐蚀结果；其中，各腐蚀样本数据均对应有不同的腐蚀影响因素。
82.其中，样本船舶部件可以是在海洋环境中的典型组部件，例如，可以是转动部件、电子模块组件、光缆组件；可以利用典型组部件作为研究对象，即得到样本船舶部件。
83.其中，腐蚀样本数据可以在针对样本船舶部件在海洋环境中进行试验得到的试验数据；腐蚀样本数据可以是从试验数据中获取得到的训练数据，例如，可以将从海洋环境中获取得到大量的试验数据，通过将多条试验数据以及预先设定的比例，随机分成训练集数据和验证集数据，则可以将训练集数据作为腐蚀样本数据。例如，可以将2000条试验数据，以3：1的方式，随机分成训练集和验证集，训练集包含1500条试验数据，验证集包含500条试验数据。
84.其中，实际腐蚀结果指的是典型组部件在试验过程中获取的实际的腐蚀结果，包括已腐蚀或未腐蚀这两腐蚀结果。腐蚀影响因素可以是通过研究后明确的造成海洋大气环境-工况耦合环境中组部件腐蚀的主要影响因素。
85.示例性地，进行试验的用户可以明确在南海海洋大气环境-工况耦合环境中造成组部件腐蚀的主要影响因素，根据调查结果，组部件在南海海洋大气环境-工况耦合条件下，自然环境主要影响因素包括：温度、湿度、振动、太阳辐射、盐雾。组部件工况主要影响因素包括：电位、极化、阻抗。
86.示例性地，服务器可以获取用户输入的多条腐蚀样本数据，以及各条腐蚀样本数据对应的典型组部件的实际腐蚀结果。其中，每一条腐蚀样本数据均对应有不同的腐蚀影响因素。例如，每一条腐蚀样本数据均对应有温度、湿度、振动、太阳辐射、盐雾、电位、极化、阻抗等腐蚀影响因素。
87.s104，根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据当前腐蚀影响因素确定当前腐蚀识别条件。
88.其中，相关程度可以是信息熵。当前腐蚀影响因素可以是确定出来的当前节点下的腐蚀因素。
89.示例性地，对于每一个腐蚀影响因素，服务器可以计算出该腐蚀影响因素对应的信息熵，并将该信息熵作为该腐蚀影响因素与实际腐蚀结果的相关程度。进一步，可以将相关程度最大的腐蚀影响因素作为当前腐蚀影响因素；例如，可以是将信息熵最小的腐蚀影响因素作为当前腐蚀影响因素。进一步，可以通过当前腐蚀影响因素来确定当前腐蚀识别条件。
90.s106，在当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到船舶部件的腐蚀结果的第一分支属性的情况下，根据相关程度，从除当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，并返回执行根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性。
91.其中，条件分支可以是当前腐蚀识别条件的任意一个条件分支。分支属性指的是条件分支的属性，例如，条件分支的属性表征不可直接识别得到船舶部件的腐蚀结果，或者表征可直接识别得到船舶部件的腐蚀结果。第一分支属性为不可直接识别得到船舶部件的腐蚀结果的分支属性。第二分支属性为可直接识别得到船舶部件的腐蚀结果的分支属性。
92.示例性地，如果当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到船舶部件的腐蚀结果的第一分支属性，则在该条件分支下，获取新的当前腐蚀识别条件，具体地，可以从属于该分支条件下的多条腐蚀样本数据中，确定除了当前腐蚀识别条件对应的当前腐蚀影响因素以外，其他当前腐蚀影响因素的相关程度，并将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素。进一步，可以返回执行根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性。例如，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性，可以得到一个完整的决策树模型。
93.s108，获取各第二分支属性对应的腐蚀识别结果，并基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用目标船舶部件腐蚀识别模型，对预先获取的船舶部件的腐蚀评价数据进行评价。
94.其中，目标船舶部件腐蚀识别模型可以是一个决策树模型。腐蚀识别结果指的是第二分支属性中预测的腐蚀识别结果。腐蚀评价数据可以待进行评价的船舶部件的数据。
95.示例性地，可以根据各个腐蚀识别条件，以及能够直接识别得到船舶部件的腐蚀结果的第二分支属性对应的腐蚀识别结果，生成决策树模型，该决策树模型可以用于评估海洋大气环境-工况耦合环境中组部件是否腐蚀。例如，可以根据当前腐蚀识别条件，以及确定当前腐蚀识别条件对应的各第二分支属性的腐蚀识别结果，构建出决策树模型中各个层级节点的腐蚀识别条件，已经腐蚀识别条件对应的腐蚀识别结果，以此，得到一个完整的用于评估海洋大气环境-工况耦合环境中组部件是否腐蚀的决策树模型，进一步地，可以利
用该决策树模型，对预先获取的船舶部件的腐蚀评价数据进行评价。
96.本实施例中，通过利用对应均有不同的腐蚀影响因素的多组腐蚀样本数据，选取相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，进一步可以根据当前腐蚀影响因素确定当前腐蚀识别条件，通过当前腐蚀识别条件的条件分支的分支属性来构建目标船舶部件腐蚀识别模型，进一步可以利用目标船舶部件腐蚀识别模型对海洋大气环境-工况耦合环境中的船舶部件进行腐蚀识别，能够有效地准确地获取得到海洋大气环境-工况耦合环境中的船舶部件等的腐蚀识别结果。
97.在一个实施例中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
98.如图2所示，根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素之前，还包括：
99.s202，获取目标腐蚀影响因素，以及预先针对目标腐蚀影响因素设定的多个影响因素分类区间；目标腐蚀影响因素为各腐蚀影响因素中的任意一个。
100.其中，目标腐蚀影响因素为各腐蚀影响因素中的任意一个，即对于任意一个腐蚀影响因素，均可以利用本实施例中的方式进行处理。影响因素分类区间可以是对腐蚀影响因素进行分类的区间。
101.示例性地，对于每一个腐蚀影响因素，获取该针对该腐蚀影响因素预先设定的多个影响因素分类区间。例如，影响因素分类区间可以是根据腐蚀影响因素对应的影响因素值进行分类得到的分类区间，利用影响因素分类区间对腐蚀影响因素对应的影响因素值进行离散化。可以根据影响因素分类区间，得到腐蚀影响因素对应的多个特征。
102.s204，基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与实际腐蚀结果的子相关程度。
103.其中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
104.其中，第一腐蚀样本数据是各影响因素分类区间包含的腐蚀样本数据中，实际腐蚀结果为第一腐蚀结果的腐蚀样本数据。第二腐蚀样本数据是各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为第二腐蚀结果的腐蚀样本数据。
105.示例性地，对于每一个影响因素分类区间，可以根据影响因素分类区间内包含的实际腐蚀结果为已腐蚀的第一腐蚀样本数据的数量，以及影响因素分类区间内包含的实际腐蚀结果为未腐蚀的第二腐蚀样本数据的数量，计算得到影响因素分类区间对应的信息熵，将该信息熵作为影响因素分类区间与实际腐蚀结果的子相关程度。
106.s206，根据各子相关程度，得到目标腐蚀影响因素与实际腐蚀结果的相关程度。
107.示例性地，对于每一个影响因素分类区间，可以根据各个影响因素分类区间对应的信息熵，得到腐蚀影响因素的总信息熵。将该总信息熵作为目标腐蚀影响因素与实际腐蚀结果的相关程度。
108.本实施例中，通过各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与实际腐蚀结果的子相关程度，并且通过各子相关程度，得到目标腐蚀影响因素与实际腐蚀结果的相
关程度，能够有效确定出各个腐蚀影响因素的相关程度，进一步能够准确得到最大的相关程度，有利于构建目标船舶部件腐蚀识别模型，从而能够准确有效地对海洋大气环境-工况耦合环境中的船舶部件等的腐蚀进行识别。
109.在其中一个实施例中，以“温度”为例，可以根据影响因素分类区间，将温度分为“温度＝高温”、“温度＝常温”、“温度＝低温”。其中，训练集中的1500条数据，有367条为“温度＝高温”的数据，有858条“温度＝常温”的数据，有275条“温度＝低温”的试验数据。
[0110]“温度＝高温”出现的概率为r_高温＝367/1500。在所有“温度＝高温”的367条数据中，有300条数据的“试验结果＝腐蚀”，有67条数据的“试验结果＝未腐蚀”。则根据公式：h_高温＝-a*log2a-b*log2b计算得到“温度＝高温”特征条件下的信息熵，其中a＝300/(300+67)，b＝67/(300+67)。
[0111]
用同样的方法，可以得到：“温度＝常温”出现的概率为r_常温＝858/1500，在所有“温度＝常温”的858条数据中，有120条数据的“试验结果＝腐蚀”，有738条数据的“试验结果＝未腐蚀”。则根据公式：h_常温＝-a*log2a-b*log2b计算得到“温度＝常温”特征条件下的信息熵，其中a＝120/(120+738)，b＝738/(120+738)。
[0112]
用同样的方法，可以得到“温度＝低温”出现的概率为r_低温＝275/1500，以及“温度＝低温”特征条件下的信息熵h_低温。最后计算温度特征值下的熵总量：h_温度＝r_高温*h_高温+r_常温*h_常温+r_低温*h_低温。
[0113]
在一个实施例中，根据当前腐蚀影响因素确定当前腐蚀识别条件，包括：
[0114]
获取当前腐蚀影响因素对应的多个影响因素分类区间；
[0115]
根据多个影响因素分类区间，得到当前腐蚀影响因素对应的多个腐蚀识别条件；当前腐蚀识别条件为当前腐蚀影响因素对应的多个腐蚀识别条件中的任意一个。
[0116]
示例性地，对于每一个影响因素分类区间，可以根据该影响因素分类区间，形成当前腐蚀影响因素对应的一个腐蚀识别条件；可以将多个腐蚀识别条件中的任意一个作为当前腐蚀识别条件。
[0117]
本实施例中，能够根据多个影响因素分类区间，得到当前腐蚀影响因素对应的多个腐蚀识别条件，有利于完成决策树模型的构建，同时利用腐蚀影响因素进行构建决策树模型，能够提高对海洋大气环境-工况耦合环境中的船舶部件等组部件的腐蚀结果的识别。
[0118]
在一个实施例中，如图3所示，各腐蚀样本数据包含有样本船舶部件对应于不同的腐蚀影响因素的影响因素值；影响因素分类区间以影响因素值区间进行表征；
[0119]
基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与实际腐蚀结果的子相关程度之前，还包括：
[0120]
s302，获取各影响因素值区间中包含的影响因素值；
[0121]
s304，将各影响因素值区间中包含的影响因素值对应的腐蚀样本数据，作为各影响因素分类区间包含的腐蚀样本数据。
[0122]
其中，影响因素分类区间以影响因素值区间进行表征，例如，可以根据影响因素值划分影响因素值区间，以影响因素值区间来表征影响因素分类区间。
[0123]
示例性地，对于每一个影响因素值区间，可以获取该影响因素值区间中包含的影响因素值，并将该影响因素值区间包含的影响因素值对应的腐蚀样本数据作为该影响因素
值区间对应的影响因素分类区间包含的腐蚀样本数据。
[0124]
本实施例中，将将各影响因素值区间中包含的影响因素值对应的腐蚀样本数据，作为各影响因素分类区间包含的腐蚀样本数据，能够准确地获取各影响因素分类区间包含的腐蚀样本数据的数量，进一步利用该数量确定信息熵，从而能够提高决策树模型的准确性。
[0125]
在其中一个实施例中，对试验数据进行初步处理，先将连续的试验数据进行离散化。温度类数据可分为高温(t＞30℃)、常温(30℃＞t＞5℃)、低温(5℃＞t)。湿度类数据可分为高湿(w＞80％rh)、较高湿(80％rh＞t＞60％rh)、中湿(60％rh＞t＞40％rh)、较低湿(40％rh＞t＞20％rh)、低湿(20％rh＞t)。其它腐蚀影响因素同理。
[0126]
例如，以转动部件的试验数据为例，试验数据的表现形式如下表：
[0127][0128]
对试验数据进行离散处理，得到下表：
[0129][0130][0131]
在一个实施例中，各腐蚀样本数据包含有样本船舶部件对应于不同的腐蚀影响因素的影响因素值；实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
[0132]
根据当前腐蚀影响因素确定当前腐蚀识别条件之后，包括：
[0133]
获取当前腐蚀识别条件对应的条件分支。
[0134]
获取条件分支中第一腐蚀结果对应的影响因素值的第一数量，以及条件分支中第二腐蚀结果对应的影响因素值的第二数量，并获取第一数量和第二数量之间的数量和。
[0135]
若满足第一预设条件，则将条件分支的分支属性确认为第一分支属性；第一预设
条件为第一数量与数量和的比值小于或等于预先设置的比值阈值，且第二数量与数量和的比值小于或等于比值阈值。
[0136]
若满足第二预设条件，则将条件分支的分支属性确认为第二分支属性；第二预设条件为第一数量与数量和的比值大于比值阈值，或第二数量与数量和的比值大于比值阈值。
[0137]
示例性地，确定当前腐蚀识别条件对应的条件分支，并且获取条件分支中第一腐蚀结果对应的影响因素值的第一数量，获取该条件分支中第二腐蚀结果对应的影响因素值的第二数量，将第一数量和第二数量进行求和，得到数量和。
[0138]
如果第一数量与数量和的比值小于或等于预先设置的比值阈值，并且第二数量与数量和的比值小于或等于比值阈值，则说明该条件分支不可直接识别得到船舶部件的腐蚀结果，即，将该条件分支的分支属性确认为第一分支属性。
[0139]
如果第一数量与数量和的比值大于比值阈值，或第二数量与数量和的比值大于比值阈值，则说明该条件分支可以直接识别得到船舶部件的腐蚀结果，即，将该条件分支的分支属性确认为第二分支属性。
[0140]
获取各第二分支属性对应的腐蚀识别结果，包括：
[0141]
在第一数量与数量和的比值大于比值阈值的情况下，将第一数量对应的第一腐蚀结果作为腐蚀识别结果；
[0142]
在第二数量与数量和的比值大于比值阈值的情况下，将第二数量对应的第二腐蚀结果作为腐蚀识别结果。
[0143]
示例性地，确定该条件分支可以直接识别得到船舶部件的腐蚀结果的情况下，也即，将该条件分支的分支属性确认为第二分支属性的情况下，如果第一数量与数量和的比值大于比值阈值，则说明第一数量对应的第一腐蚀结果可以作为该条件分支的腐蚀识别结果。如果第二数量与数量和的比值大于比值阈值，则说明第二数量对应的第二腐蚀结果可以作为该条件分支的腐蚀识别结果。
[0144]
本实施例中，第一数量与数量和的比值、第二数量与数量和的比值、以及比值阈值确定条件分支的属性，能够准确有效地得到识别条件对应的条件分支的分支属性，从而能够提高对于建立目标船舶部件腐蚀识别模型的准确性。
[0145]
在其中一个实施例中，“振动”这一腐蚀影响因素跟是否发生腐蚀相关性最大。此时，检查“振动＝高”的数据中，若“试验结果＝腐蚀”或“试验结果＝不腐蚀”其中一方数据的占比超过80％(为了达到更好的训练效果，80％的判断指标可作适当调整)，则认为“振动＝高”必然会造成“试验结果＝腐蚀”或“试验结果＝不腐蚀”，该条件分支不再继续考虑别的特征因素。若“试验结果＝腐蚀”或“试验结果＝不腐蚀”的占比均未超过，则需要在“振动＝高”的数据中，进一步选择“温度”、“湿度”、“太阳辐射等其它腐蚀影响因素，获取新的当前腐蚀影响因素，继续进行分类。
[0146]
在一个实施例中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
[0147]
基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，包括：
[0148]
基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，生成初始
船舶部件腐蚀识别模型。
[0149]
示例性地，可以根据各个腐蚀识别条件，以及能够直接识别得到船舶部件的腐蚀结果的第二分支属性对应的腐蚀识别结果，生成用于评估海洋大气环境-工况耦合环境中组部件是否腐蚀的初始决策树模型。
[0150]
获取与样本船舶部件的腐蚀样本数据相对应的多组腐蚀验证数据，并获取各腐蚀验证数据分别对应的实际腐蚀结果。
[0151]
示例性地，腐蚀验证数据可以是用于对模型进行验证的试验数据。例如，可以将从海洋环境中获取得到大量的试验数据，通过将多条试验数据以及预先设定的比例，随机分成训练集数据和验证集数据，则可以将验证集数据作为腐蚀验证数据。例如，可以将2000条试验数据，以3：1的方式，随机分成训练集和验证集，训练集包含1500条试验数据，验证集包含500条试验数据。
[0152]
根据各腐蚀验证数据分别对应的实际腐蚀结果中，第一腐蚀结果的数量以及第二腐蚀结果的数量，确定初始船舶部件腐蚀识别模型的识别正确率。
[0153]
示例性地，在1500条数据的训练集中，有569条数据的试验结果为“腐蚀”，有931条数据的试验结果为“未腐蚀”，“未腐蚀”的数量大于“腐蚀”的数量，因此初始船舶部件腐蚀识别模型认为验证集中“所有数据均为未腐蚀”。
[0154]
将“所有数据均为未腐蚀”的初始模型，应用到500条验证集中(含300条未腐蚀，200条腐蚀数据)，计算得到初始模型的准确率为60％。
[0155]
将多组腐蚀验证数据输入至初始船舶部件腐蚀识别模型，得到各第二分支属性对应的腐蚀识别结果，并根据各第二分支属性对应的腐蚀识别结果的数量，以及各腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各第二分支属性的识别正确率。
[0156]
示例性地，利用各个层级的当前腐蚀识别条件进行腐蚀识别，得到各第二分支属性对应的腐蚀识别结果。对于每一个第一分支属性，根据该第二分支属性对应的腐蚀识别结果的数量，以及各腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各第二分支属性的识别正确率。
[0157]
利用各第二分支属性的识别正确率，以及初始船舶部件腐蚀识别模型的识别正确率，确定各第二分支属性的验证结果。
[0158]
基于各第二分支属性的验证结果，获取通过验证的第二分支属性，并基于通过验证的第二分支属性对应的当前腐蚀识别条件，以及通过验证的第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型。
[0159]
示例性地，利用各第二分支属性的识别正确率，以及初始船舶部件腐蚀识别模型的识别正确率，确定各第二分支属性的验证结果，并且基于通过验证的第二分支属性，完善用于评估海洋大气环境-工况耦合环境中组部件是否腐蚀的初始决策树模型，得到用于评估海洋大气环境-工况耦合环境中组部件是否腐蚀的目标决策树模型。
[0160]
本实施例中，通过对初始船舶部件腐蚀识别模型进行验证，并且基于验证通过后的第二分支属性对应的当前腐蚀识别条件，以及通过验证的第二分支属性对应的腐蚀识别结果，生成目标船舶部件腐蚀识别模型，从而能够提高建立目标船舶部件腐蚀识别模型的准确性，进而能够提高对海洋大气环境-工况耦合环境中的船舶部件等组部件进行腐蚀识
别的准确性。
[0161]
在一个实施例中，根据各第二分支属性对应的腐蚀识别结果的数量，以及各腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各第二分支属性的识别正确率，包括：
[0162]
将符合当前第二分支属性对应的当前腐蚀识别条件的腐蚀验证数据，作为当前第二分支属性的腐蚀验证数据；当前第二分支属性为任意一个第二分支属性；
[0163]
若当前第二分支属性的腐蚀识别结果为第一腐蚀结果，则根据当前第二分支属性的第一腐蚀结果的数量，以及实际腐蚀结果中第一腐蚀结果的数量，得到当前第二分支属性的识别正确率；
[0164]
若当前第二分支属性的腐蚀识别结果为第二腐蚀结果，则根据当前第二分支属性的第二腐蚀结果的数量，以及实际腐蚀结果中第二腐蚀结果的数量，得到当前第二分支属性的识别正确率。
[0165]
示例性地，可以将符合当前第二分支属性对应的当前腐蚀识别条件的腐蚀验证数据，作为当前第二分支属性的腐蚀验证数据。例如，如果当前腐蚀识别条件为第一个子节点的腐蚀识别条件，则当前第二分支属性的腐蚀验证数据同时需要满足根节点、第一个子节点和第二个子节点的腐蚀识别条件。
[0166]
如果当前第二分支属性的腐蚀识别结果是腐蚀结果为已腐蚀的第一腐蚀结果，则根据当前第二分支属性的识别得到的已腐蚀的结果的数量，以及实际腐蚀结果中已腐蚀的结果的数量，得到当前第二分支属性的识别正确率。
[0167]
如果当前第二分支属性的腐蚀识别结果是腐蚀结果为未腐蚀的第二腐蚀结果，则根据当前第二分支属性的未腐蚀的结果的数量，以及实际腐蚀结果中未腐蚀的结果的数量，得到当前第二分支属性的识别正确率。
[0168]
例如，根据识别得到的腐蚀结果的数量和实际的腐蚀结果的数量的比值，腐蚀结果的数量得到第二分支属性的识别正确率。
[0169]
本实施例中，可根据识别得到的腐蚀结果的数量和实际的腐蚀结果的数量的比值，腐蚀结果的数量得到第二分支属性的识别正确率，从而能够有效地对各个腐蚀识别条件进行验证，进而对海洋大气环境-工况耦合环境中的船舶部件等组部件进行腐蚀识别的准确性。
[0170]
在一个实施例中，利用各第二分支属性的识别正确率，以及初始船舶部件腐蚀识别模型的识别正确率，确定各第二分支属性的验证结果，包括：
[0171]
在第二分支属性对应的当前腐蚀识别条件为首个存在第二分支属性的当前腐蚀识别条件的情况下，若第二分支属性对应的识别正确率大于初始船舶部件腐蚀识别模型的识别正确率，则将第二分支属性的验证结果确定为通过验证；
[0172]
在第二分支属性对应的当前腐蚀识别条件不为首个存在第二分支属性的当前腐蚀识别条件的情况下，若第二分支属性对应的识别正确率大于上一个存在第二分支属性的当前腐蚀识别条件对应的第二分支属性对应的识别正确率，则将第二分支属性的验证结果确定为通过验证。
[0173]
示例性地，对于第一个具有第二分支属性的当前腐蚀识别条件，利用含500条数据的验证集，计算经该当前腐蚀识别条件进行识别后的训练模型的准确率。若当前腐蚀识别
条件的训练模型准确率＞60％，则保留该当前腐蚀识别条件，以达到提高模型准确率的效果。若当前腐蚀识别条件的训练模型准确率≤60％，则认为该分类变量效果不佳，不予以分类。
[0174]
对于除了第一个具有第二分支属性的当前腐蚀识别条件，以后的每一个具有第二分支属性的当前腐蚀识别条件，依次对该当前腐蚀识别条件进行识别验证，如果该当前腐蚀识别条件对应的第二分支属性的识别正确率，与上一个当前腐蚀识别条件对应的第二分支属性的识别正确率相比，若识别正确率提高，则保留该当前腐蚀识别条件，若正确率降低，则不予以分类，直到完善整个决策树。
[0175]
本实施例中，如果当前腐蚀识别条件对应的识别正确率高于上一个腐蚀识别条件对应的识别正确率，则保留该当前腐蚀识别条件，从而能够达到提高模型准确率的效果。
[0176]
在一个实施例中，提供了一种南海海洋大气环境-工况耦合环境中组部件的损伤决策树模型生成方法，该方法包括以下步骤：
[0177]
明确在南海海洋大气环境-工况耦合环境中造成组部件腐蚀的主要影响因素。根据调查结果，组部件在南海海洋大气环境-工况耦合条件下，自然环境主要影响因素包括：温度、湿度、振动、太阳辐射、盐雾。组部件工况主要影响因素包括：电位、极化、阻抗。
[0178]
明确损伤的评价指标。
[0179]
根据调查结果，腐蚀损伤主要体现在试验样件表面形貌的变化上，具体评价指标包括：表面宏/微观形貌是否腐蚀、腐蚀面积、腐蚀深度。本实施例以“表面宏/微观形貌是否腐蚀”作为评价指标进行后续方法介绍，腐蚀面积和腐蚀深度类似不再重复赘述。
[0180]
选取典型组部件(转动部件、电子模块组件、光缆组件)作为研究对象，开展各类南海海洋大气环境-工况耦合试验，收集大量试验数据。
[0181]
例如，以转动部件的试验数据为例，试验数据的表现形式如下表1所示：
[0182]
表1腐蚀技术指标损伤评价分析
[0183][0184][0185]
对试验数据进行初步处理，先将连续的试验数据进行离散化，如表2所示：
[0186]
表2离散化处理后的腐蚀技术指标损伤评价分析
[0187][0188]
温度类数据可分为高温(t＞30℃)、常温(30℃＞t＞5℃)、低温(5℃＞t)。湿度类数据可分为高湿(w＞80％rh)、较高湿(80％rh＞t＞60％rh)、中湿(60％rh＞t＞40％rh)、较低湿(40％rh＞t＞20％rh)、低湿(20％rh＞t)，其它腐蚀影响因素同理。
[0189]
将2000条试验数据，以3：1的方式，随机分成训练集和验证集，训练集包含1500条试验数据，验证集包含500条试验数据。
[0190]
针对训练集中的1500条试验数据，开展训练。先统计实际腐蚀结果，有569条试验数据的实际腐蚀结果为“腐蚀”，有931条试验数据的实际腐蚀结果为“未腐蚀”。根据公式：h_start＝-a*log2a-b*log2b，计算训练集的初始熵h_s tart。其中a＝569/1500，b＝931/1500。
[0191]
针对“温度”、“湿度”、“振动”等各项腐蚀影响因素，依次计算各腐蚀影响因素的条件熵。
[0192]“温度＝高温”出现的概率为r_高温＝367/1500。在所有“温度＝高温”的367条数据中，有300条数据的“试验结果＝腐蚀”，有67条数据的“试验结果＝未腐蚀”。则根据公式：h_高温＝-a*log2a-b*log2b计算得到“温度＝高温”特征条件下的信息熵，其中a＝300/(300+67)，b＝67/(300+67)。
[0193]
用同样的方法，可以得到：“温度＝常温”出现的概率为r_常温＝858/1500，在所有“温度＝常温”的858条数据中，有120条数据的“试验结果＝腐蚀”，有738条数据的“试验结果＝未腐蚀”。则根据公式：h_常温＝-a*log2a-b*log2b计算得到“温度＝常温”特征条件下的信息熵，其中a＝120/(120+738)，b＝738/(120+738)。
[0194]
用同样的方法，可以得到“温度＝低温”出现的概率为r_低温＝275/1500，以及“温度＝低温”特征条件下的信息熵h_低温。最后计算温度特征值下的熵总量：h_温度＝r_高温*h_高温+r_常温*h_常温+r_低温*h_低温。
[0195]
针对“温度”、“湿度”、“振动”等各项腐蚀影响因素，分别计算出对应的熵总量后，选出其中的最小值。即在h_温度、h_湿度、h_振动等计算结果中，选出其中的最小值所对应的特征项，作为第一腐蚀识别条件。
[0196]
例如h_振动是最小值，则说明“振动”这一腐蚀影响因素跟是否发生腐蚀相关性最大。此时，检查“振动＝高”的数据中，若“试验结果＝腐蚀”或“试验结果＝不腐蚀”其中一方数据的占比超过80％(为了达到更好的训练效果，80％的判断指标可作适当调整)，则认为“振动＝高”必然会造成“试验结果＝腐蚀”或“试验结果＝不腐蚀”，该条件分支不再继续考
虑别的特征因素。若“试验结果＝腐蚀”或“试验结果＝不腐蚀”的占比均未超过，则需要在“振动＝高”的数据中，进一步选择“温度”、“湿度”、“太阳辐射等其它腐蚀影响因素，获取新的当前腐蚀影响因素，继续进行分类识别。
[0197]
每一次分类识别后计算得到的熵(例如h_振动)，都要跟分类识别前的初始熵h_start作比较，如果熵没有减小，那就代表分类无效，不再进行分类了。
[0198]
第二腐蚀识别条件选取原则同第一腐蚀识别条件一样，在当前数据集中，寻找各腐蚀影响因素的信息熵h_最小值。
[0199]
对于“振动＝低”的数据集，按照“振动＝高”的同样方法进行处理。
[0200]
通过验证集，计算训练得到的用于评估南海海洋大气环境-工况耦合环境中组部件的损伤的初始决策树模型正确率。
[0201]
在1500条数据的训练集中，有569条数据的试验结果为“腐蚀”，有931条数据的试验结果为“未腐蚀”，“未腐蚀”的数量大于“腐蚀”的数量，因此初始船舶部件腐蚀识别模型认为验证集中“所有数据均为未腐蚀”。
[0202]
将“所有数据均为未腐蚀”的初始模型，应用到500条验证集中(含300条未腐蚀，200条腐蚀数据)，计算得到初始模型的准确率为60％。
[0203]
然后利用同样的方法，利用含500条数据的验证集，计算经第一腐蚀识别条件进行识别后的训练模型的准确率。若当前腐蚀识别条件的训练模型准确率＞60％，则保留该第一腐蚀识别条件，以达到提高模型准确率的效果。若第一腐蚀识别条件的训练模型准确率≤60％，则认为该分类变量效果不佳，不予以分类。
[0204]
依次对第二腐蚀识别条件、第三腐蚀识别条件等进行分类模型正确率检查。每个腐蚀识别条件都跟上一级腐蚀识别条件的正确率作比较，若正确率提高，则保留该分类，若正确率降低，则不予以分类，直到完善整个决策树。
[0205]
根据决策树算法训练结果，得到南海海洋大气环境-工况耦合环境中组部件的损伤决策树模型。
[0206]
以转动部件样品为例，其南海海洋大气环境-工况耦合环境的损伤相关性决策树如图4所示。
[0207]
筛选出南海海洋大气环境-工况耦合环境的损伤相关性较强的腐蚀影响因素。
[0208]
本实施例中，提出一种南海海洋大气环境-工况耦合环境中组部件的损伤评价方法通用化流程，弥补了现有损伤评价方法通用性不足，填补了行业空白，为相关试验设计验证和试验考核提供手段。可指导组部件南海海洋大气环境-工况耦合环境试验加速性分析。
[0209]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0210]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的组部件南海海洋大气环境-工况耦合环境损伤评价方法的组部件南海海洋大气环境-工况耦合环
境损伤评价装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个组部件南海海洋大气环境-工况耦合环境损伤评价装置实施例中的具体限定可以参见上文中对于组部件南海海洋大气环境-工况耦合环境损伤评价方法的限定，在此不再赘述。
[0211]
在一个实施例中，如图5所示，提供了一种组部件南海海洋大气环境-工况耦合环境损伤评价装置，包括：样本数据获取模块510、当前腐蚀因素获取模块520、分支属性模块530和识别模型获取模块540，其中：
[0212]
样本数据获取模块510，用于获取样本船舶部件的多组腐蚀样本数据，并获取各腐蚀样本数据分别对应的实际腐蚀结果；其中，各腐蚀样本数据均对应有不同的腐蚀影响因素。
[0213]
当前腐蚀因素获取模块520，用于根据各腐蚀影响因素与实际腐蚀结果的相关程度，从腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据当前腐蚀影响因素确定当前腐蚀识别条件。
[0214]
分支属性模块530，用于在当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到船舶部件的腐蚀结果的第一分支属性的情况下，根据相关程度，从除当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，并返回执行根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到船舶部件的腐蚀结果的第二分支属性。
[0215]
识别模型获取模块540，用于获取各第二分支属性对应的腐蚀识别结果，并基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用目标船舶部件腐蚀识别模型，对预先获取的船舶部件的腐蚀评价数据进行评价。
[0216]
在一个实施例中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；
[0217]
该装置还包括目标影响因素获取模块、子相关程度获取模块和相关程度获取模块。
[0218]
目标影响因素获取模块用于获取目标腐蚀影响因素，以及预先针对目标腐蚀影响因素设定的多个影响因素分类区间；目标腐蚀影响因素为各腐蚀影响因素中的任意一个。子相关程度获取模块用于基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与实际腐蚀结果的子相关程度；第一腐蚀样本数据为各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为第一腐蚀结果的腐蚀样本数据；第二腐蚀样本数据为各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为第二腐蚀结果的腐蚀样本数据。相关程度获取模块用于根据各子相关程度，得到目标腐蚀影响因素与实际腐蚀结果的相关程度。
[0219]
在一个实施例中，当前腐蚀因素获取模块包括分类区间单元和腐蚀识别条件单元。
[0220]
分类区间单元用于获取当前腐蚀影响因素对应的多个影响因素分类区间。腐蚀识
别条件单元用于根据多个影响因素分类区间，得到当前腐蚀影响因素对应的多个腐蚀识别条件；当前腐蚀识别条件为当前腐蚀影响因素对应的多个腐蚀识别条件中的任意一个。
[0221]
在一个实施例中，各腐蚀样本数据包含有样本船舶部件对应于不同的腐蚀影响因素的影响因素值；影响因素分类区间以影响因素值区间进行表征；
[0222]
该装置还包括影响因素值模块和腐蚀样本数据模块。
[0223]
影响因素值模块用于获取各影响因素值区间中包含的影响因素值。腐蚀样本数据模块用于将各影响因素值区间中包含的影响因素值对应的腐蚀样本数据，作为各影响因素分类区间包含的腐蚀样本数据。
[0224]
在一个实施例中，各腐蚀样本数据包含有样本船舶部件对应于不同的腐蚀影响因素的影响因素值；实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果。
[0225]
该装置还包括条件分支获取模块、数量和获取模块、第一分支属性确认模块和第二分支属性确认模块。识别模型获取模块包括第一腐蚀识别结果单元和第二腐蚀结果单元。
[0226]
分支获取模块用于获取当前腐蚀识别条件对应的条件分支。数量和获取模块用于获取条件分支中第一腐蚀结果对应的影响因素值的第一数量，以及条件分支中第二腐蚀结果对应的影响因素值的第二数量，并获取第一数量和第二数量之间的数量和。第一分支属性确认模块用于若满足第一预设条件，则将条件分支的分支属性确认为第一分支属性；第一预设条件为第一数量与数量和的比值小于或等于预先设置的比值阈值，且第二数量与数量和的比值小于或等于比值阈值。第二分支属性确认模块用于若满足第二预设条件，则将条件分支的分支属性确认为第二分支属性；第二预设条件为第一数量与数量和的比值大于比值阈值，或第二数量与数量和的比值大于比值阈值。第一腐蚀识别结果单元用于在第一数量与数量和的比值大于比值阈值的情况下，将第一数量对应的第一腐蚀结果作为腐蚀识别结果。第二腐蚀结果单元用于在第二数量与数量和的比值大于比值阈值的情况下，将第二数量对应的第二腐蚀结果作为腐蚀识别结果。
[0227]
在一个实施例中，实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果。
[0228]
识别模型获取模块包括初始识别模型生成单元、实验数据结果单元、初始正确率单元、初始模型识别单元、验证结果确定单元和目标识别模型生成单元。
[0229]
初始识别模型生成单元用于基于各当前腐蚀识别条件，以及各第二分支属性对应的腐蚀识别结果，生成初始船舶部件腐蚀识别模型。实验数据结果单元用于获取与样本船舶部件的腐蚀样本数据相对应的多组腐蚀验证数据，并获取各腐蚀验证数据分别对应的实际腐蚀结果。初始正确率单元用于根据各腐蚀验证数据分别对应的实际腐蚀结果中，第一腐蚀结果的数量以及第二腐蚀结果的数量，确定初始船舶部件腐蚀识别模型的识别正确率。初始模型识别单元用于将多组腐蚀验证数据输入至初始船舶部件腐蚀识别模型，得到各第二分支属性对应的腐蚀识别结果，并根据各第二分支属性对应的腐蚀识别结果的数量，以及各腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各第二分支属性的识别正确率验证结果确定单元用于利用各第二分支属性的识别正确率，以及初始船舶部件腐蚀识别模型的识别正确率，确定各第二分支属性的验
证结果。目标识别模型生成单元用于基于各第二分支属性的验证结果，获取通过验证的第二分支属性，并基于通过验证的第二分支属性对应的当前腐蚀识别条件，以及通过验证的第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型。
[0230]
在一个实施例中，初始模型识别单元包括验证数据确定单元、第一结果正确率单元和第二结果正确率单元。
[0231]
验证数据确定单元用于将符合当前第二分支属性对应的当前腐蚀识别条件的腐蚀验证数据，作为当前第二分支属性的腐蚀验证数据；当前第二分支属性为任意一个第二分支属性。第一结果正确率单元用于若当前第二分支属性的腐蚀识别结果为第一腐蚀结果，则根据当前第二分支属性的第一腐蚀结果的数量，以及实际腐蚀结果中第一腐蚀结果的数量，得到当前第二分支属性的识别正确率。第二结果正确率单元用于若当前第二分支属性的腐蚀识别结果为第二腐蚀结果，则根据当前第二分支属性的第二腐蚀结果的数量，以及实际腐蚀结果中第二腐蚀结果的数量，得到当前第二分支属性的识别正确率。
[0232]
在一个实施例中，初始模型识别单元包括首个第二分支验证单元和非首个第二分支验证单元。
[0233]
首个第二分支验证单元用于在第二分支属性对应的当前腐蚀识别条件为首个存在第二分支属性的当前腐蚀识别条件的情况下，若第二分支属性对应的识别正确率大于初始船舶部件腐蚀识别模型的识别正确率，则将第二分支属性的验证结果确定为通过验证。非首个第二分支验证单元用于在第二分支属性对应的当前腐蚀识别条件不为首个存在第二分支属性的当前腐蚀识别条件的情况下，若第二分支属性对应的识别正确率大于上一个存在第二分支属性的当前腐蚀识别条件对应的第二分支属性对应的识别正确率，则将第二分支属性的验证结果确定为通过验证。
[0234]
上述组部件南海海洋大气环境-工况耦合环境损伤评价装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0235]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储腐蚀样本数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种组部件南海海洋大气环境-工况耦合环境损伤评价方法。
[0236]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0237]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储
有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0238]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0239]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0240]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0241]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0242]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种组部件南海海洋大气环境-工况耦合环境损伤评价方法，其特征在于，所述方法包括：获取样本船舶部件的多组腐蚀样本数据，并获取各所述腐蚀样本数据分别对应的实际腐蚀结果；其中，各所述腐蚀样本数据均对应有不同的腐蚀影响因素；根据各所述腐蚀影响因素与所述实际腐蚀结果的相关程度，从所述腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据所述当前腐蚀影响因素确定当前腐蚀识别条件；在所述当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到所述船舶部件的腐蚀结果的第一分支属性的情况下，根据所述相关程度，从除所述当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，并返回执行根据所述当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到所述当前腐蚀识别条件对应的条件分支的分支属性为可直接识别得到所述船舶部件的腐蚀结果的第二分支属性；获取各所述第二分支属性对应的腐蚀识别结果，并基于各所述当前腐蚀识别条件，以及各所述第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用所述目标船舶部件腐蚀识别模型，对预先获取的船舶部件的腐蚀评价数据进行评价。2.根据权利要求1所述的方法，其特征在于，所述实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；所述根据各所述腐蚀影响因素与所述实际腐蚀结果的相关程度，从所述腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素之前，还包括：获取目标腐蚀影响因素，以及预先针对所述目标腐蚀影响因素设定的多个影响因素分类区间；所述目标腐蚀影响因素为各所述腐蚀影响因素中的任意一个；基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与所述实际腐蚀结果的子相关程度；所述第一腐蚀样本数据为各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为所述第一腐蚀结果的腐蚀样本数据；所述第二腐蚀样本数据为各影响因素分类区间包含的腐蚀样本数据中，对应的实际腐蚀结果为所述第二腐蚀结果的腐蚀样本数据；根据各所述子相关程度，得到所述目标腐蚀影响因素与所述实际腐蚀结果的相关程度。3.根据权利要求2所述的方法，其特征在于，所述根据所述当前腐蚀影响因素确定当前腐蚀识别条件，包括：获取所述当前腐蚀影响因素对应的多个影响因素分类区间；根据所述多个影响因素分类区间，得到所述当前腐蚀影响因素对应的多个腐蚀识别条件；所述当前腐蚀识别条件为所述当前腐蚀影响因素对应的多个腐蚀识别条件中的任意一个。4.根据权利要求2所述的方法，其特征在于，各所述腐蚀样本数据包含有所述样本船舶部件对应于不同的腐蚀影响因素的影响因素值；所述影响因素分类区间以影响因素值区间进行表征；
所述基于各影响因素分类区间包含的第一腐蚀样本数据的数量，以及各影响因素分类区间包含的第二腐蚀样本数据的数量，得到各影响因素分类区间与所述实际腐蚀结果的子相关程度之前，还包括：获取各影响因素值区间中包含的影响因素值；将各影响因素值区间中包含的影响因素值对应的腐蚀样本数据，作为各影响因素分类区间包含的腐蚀样本数据。5.根据权利要求1所述的方法，其特征在于，各所述腐蚀样本数据包含有所述样本船舶部件对应于不同的腐蚀影响因素的影响因素值；所述实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；所述根据所述当前腐蚀影响因素确定当前腐蚀识别条件之后，包括：获取所述当前腐蚀识别条件对应的条件分支；获取所述条件分支中第一腐蚀结果对应的影响因素值的第一数量，以及所述条件分支中第二腐蚀结果对应的影响因素值的第二数量，并获取所述第一数量和所述第二数量之间的数量和；若满足第一预设条件，则将所述条件分支的分支属性确认为第一分支属性；所述第一预设条件为所述第一数量与所述数量和的比值小于或等于预先设置的比值阈值，且所述第二数量与所述数量和的比值小于或等于所述比值阈值；若满足第二预设条件，则将所述条件分支的分支属性确认为第二分支属性；所述第二预设条件为所述第一数量与所述数量和的比值大于所述比值阈值，或所述第二数量与所述数量和的比值大于所述比值阈值；所述获取各所述第二分支属性对应的腐蚀识别结果，包括：在所述第一数量与所述数量和的比值大于所述比值阈值的情况下，将所述第一数量对应的第一腐蚀结果作为所述腐蚀识别结果；在所述第二数量与所述数量和的比值大于所述比值阈值的情况下，将所述第二数量对应的第二腐蚀结果作为所述腐蚀识别结果。6.根据权利要求1所述的方法，其特征在于，所述实际腐蚀结果包括表征腐蚀样本数据对应的腐蚀结果为已腐蚀的第一腐蚀结果，以及表征腐蚀样本数据对应的腐蚀结果为未腐蚀的第二腐蚀结果；所述基于各所述当前腐蚀识别条件，以及各所述第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，包括：基于各所述当前腐蚀识别条件，以及各所述第二分支属性对应的腐蚀识别结果，生成初始船舶部件腐蚀识别模型；获取与样本船舶部件的腐蚀样本数据相对应的多组腐蚀验证数据，并获取各所述腐蚀验证数据分别对应的实际腐蚀结果；根据各所述腐蚀验证数据分别对应的实际腐蚀结果中，第一腐蚀结果的数量以及第二腐蚀结果的数量，确定所述初始船舶部件腐蚀识别模型的识别正确率；将所述多组腐蚀验证数据输入至所述初始船舶部件腐蚀识别模型，得到各所述第二分支属性对应的腐蚀识别结果，并根据各所述第二分支属性对应的腐蚀识别结果的数量，以
及各所述腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各所述第二分支属性的识别正确率；利用各所述第二分支属性的识别正确率，以及所述初始船舶部件腐蚀识别模型的识别正确率，确定各所述第二分支属性的验证结果；基于各所述第二分支属性的验证结果，获取通过验证的第二分支属性，并基于通过验证的第二分支属性对应的当前腐蚀识别条件，以及所述通过验证的第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型。7.根据权利要求6所述的方法，其特征在于，所述根据各所述第二分支属性对应的腐蚀识别结果的数量，以及各所述腐蚀验证数据分别对应的实际腐蚀结果中第一腐蚀结果的数量以及第二腐蚀结果的数量，确定各所述第二分支属性的识别正确率，包括：将符合当前第二分支属性对应的当前腐蚀识别条件的腐蚀验证数据，作为所述当前第二分支属性的腐蚀验证数据；所述当前第二分支属性为任意一个第二分支属性；若所述当前第二分支属性的腐蚀识别结果为第一腐蚀结果，则根据所述当前第二分支属性的第一腐蚀结果的数量，以及所述实际腐蚀结果中第一腐蚀结果的数量，得到所述当前第二分支属性的识别正确率；若所述当前第二分支属性的腐蚀识别结果为第二腐蚀结果，则根据所述当前第二分支属性的第二腐蚀结果的数量，以及所述实际腐蚀结果中第二腐蚀结果的数量，得到所述当前第二分支属性的识别正确率。8.根据权利要求6所述的方法，其特征在于，所述利用各所述第二分支属性的识别正确率，以及所述初始船舶部件腐蚀识别模型的识别正确率，确定各所述第二分支属性的验证结果，包括：在所述第二分支属性对应的当前腐蚀识别条件为首个存在第二分支属性的当前腐蚀识别条件的情况下，若所述第二分支属性对应的识别正确率大于所述初始船舶部件腐蚀识别模型的识别正确率，则将所述第二分支属性的验证结果确定为通过验证；在所述第二分支属性对应的当前腐蚀识别条件不为首个存在第二分支属性的当前腐蚀识别条件的情况下，若所述第二分支属性对应的识别正确率大于上一个存在第二分支属性的当前腐蚀识别条件对应的第二分支属性对应的识别正确率，则将所述第二分支属性的验证结果确定为通过验证。9.一种组部件南海海洋大气环境-工况耦合环境损伤评价装置，其特征在于，所述装置包括：样本数据获取模块，用于获取样本船舶部件的多组腐蚀样本数据，并获取各所述腐蚀样本数据分别对应的实际腐蚀结果；其中，各所述腐蚀样本数据均对应有不同的腐蚀影响因素；当前腐蚀因素获取模块，用于根据各所述腐蚀影响因素与所述实际腐蚀结果的相关程度，从所述腐蚀影响因素中确定相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，根据所述当前腐蚀影响因素确定当前腐蚀识别条件；分支属性模块，用于在所述当前腐蚀识别条件对应的条件分支的分支属性为不可直接识别得到所述船舶部件的腐蚀结果的第一分支属性的情况下，根据所述相关程度，从除所述当前腐蚀识别条件外的腐蚀影响因素中，将相关程度最大的腐蚀影响因素作为新的当前
腐蚀影响因素，并返回执行根据所述当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到所述当前腐蚀识别条件对应的条件分支为可直接识别得到所述船舶部件的腐蚀结果的第二分支属性；识别模型获取模块，用于获取各所述第二分支属性对应的腐蚀识别结果，并基于各所述当前腐蚀识别条件，以及各所述第二分支属性对应的腐蚀识别结果，得到目标船舶部件腐蚀识别模型。10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种组部件南海海洋大气环境-工况耦合环境损伤评价方法。包括获取多组腐蚀样本数据、对应的实际腐蚀结果；根据相关程度，将相关程度最大的腐蚀影响因素作为当前腐蚀影响因素，确定当前腐蚀识别条件；若当前腐蚀识别条件对应分支属性为第一分支属性，从除当前腐蚀识别条件外的腐蚀影响因素中将相关程度最大的腐蚀影响因素作为新的当前腐蚀影响因素，返回根据当前腐蚀影响因素确定当前腐蚀识别条件的步骤，直到分支属性为第二分支属性；基于当前腐蚀识别条件、第二分支属性的腐蚀识别结果，得到目标船舶部件腐蚀识别模型，利用目标船舶部件腐蚀识别模型，对腐蚀评价数据进行评价。采用本方法能够准确得到腐蚀识别结果。结果。结果。


技术研发人员：郭振华 赵泽辉 张洪彬 周阳红生 杨欣磊 张少锋
受保护的技术使用者：中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室））
技术研发日：2023.05.18
技术公布日：2023/10/7