Обновление моделей коррозии морских судов на основе байесовского вывода с использованием Гамильтоновского метода Монте-Карло

   Темой исследования является разработка достоверных моделей коррозии, имеющая решающее значение для точной оценки состояния конструкций, оптимизации графиков технического обслуживания, а также обеспечения безопасности и увеличения срока службы морских судов.

   Отмечается, что коррозия морских судов носит стохастический характер, и традиционные модели коррозии, как правило, определяются путем анализа достаточно обширных наборов данных о коррозии, собранных с различных судов во время плановых осмотров.

   При этом прямое применение традиционных моделей коррозии имеет ограничения, поскольку коррозия конкретного судна может отличаться от общей тенденции из-за специфических условий эксплуатации и окружающей среды. Поэтому в данном исследовании предлагается методология динамической калибровки традиционной модели коррозии на основе байесовского вывода (англ. Bayesian inference) и алгоритма выборки по методу Монте-Карло с Марковскими цепями (англ. Markov Chain Monte Carlo) — Гамильтоновский метод Монте-Карло (англ. Hamiltonian Monte Carlo) с использованием данных измерений остаточных толщин. После калибровки модели глубина коррозии для компонентов конкретного судна в различные моменты времени в течение срока эксплуатации прогнозируется с помощью моделирования Монте- Карло (англ. Monte Carlo Simulation). Предлагаемая методология позволяет учитывать погрешности измерений, пробелы в данных и, что наиболее важно, непрерывно обновлять параметры модели по мере поступления новых данных измерений остаточных толщин, тем самым повышая точность прогноза с течением времени. Ввиду отсутствия реальных данных измерений остаточных толщин в исследовании используются предполагаемые значения для судов, возраст которых составляет не менее 15 лет с целью моделирования «тяжелого» коррозионного сценария для настила верхней палубы балкера. Данное предположение основано на условиях эксплуатации балкеров в агрессивной морской коррозионной среде, что обеспечивает обобщаемость и соответствие наихудшему сценарию. Прогнозируемое значение средней глубины коррозии главной палубной плиты для судна, возраст которого составляет 15 лет, определенное с помощью откалиброванной модели, отклоняется от измеренных данных примерно на 10,87 %, что свидетельствует о приемлемой точности и подтверждает практическую применимость предложенной методологии для прогнозирования индивидуальной коррозии судна.

1. Бурнашева Н. В. Влияние коррозионного износа на прочность корпусных конструкций морских судов / Н. В. Бурнашева, М. А. Кудрин // Труды Крыловского государственного научного центра. — 2020. — № 4(394). — С. 76–81. — EDN: PKWRTN. DOI: 10.24937/2542-2324-2020-4-394-76-81.

2. Southwell C. R. Estimating of service life of steel in seawater / C. R. Southwell, J. D. Bultman, J. C. Hummer. — New Jersey: Noyes Data Corporation, 1979. — Pp. 374–387.

3. Melchers R. E. Probabilistic modelling of immersion marine corrosion / R. E. Melchers // Structural Safety and Reliability. — 1998. — Vol. 3. — Pp. 1143–1149.

4. Guedes Soares C. Non-linear time dependent model of corrosion for the reliability assessment of maintained structural component / C. Guedes Soares, Y. Garbatov // Structural Safety and Reliability. — Vol. 2. — 1998. — Pp. 929–936.

5. Garbatov Y. Nonlinear Time Dependent Corrosion Wastage of Deck Plates of Ballast and Cargo Tanks of Tankers / Y. Garbatov, C. Guedes Guedes Soares, G. Wang // Journal of Offshore Mechanics and Arctic Engineering. — 2006. — Vol. 129. — Is. 1. — Pp. 48–55. DOI: 10.1115/1.2426987.

6. American Bureau of Shipping (ABS). ABS Database of Corrosion Wastage for Oil Tankers. — 2002. — ABS RD 2002–2007.

7. Qin S. Effect of corrosion models on the time-dependent reliability of steel plated elements / S. Qin, W. Cui // Marine Structures. — 2003. — Vol. 16. — Is. 1. — Pp. 15–34. DOI: 10.1016/S0951-8339(02)00028-X.

8. Китаев М. В. Прогнозирование технического состояния ледового пояса судов в эксплуатации / М. В. Китаев, О. Э. Суров, В. А. Кулеш, И. А. Новосельцев // Труды Крыловского государственного научного центра. — 2025. — № 1(411). — С. 63–70. — EDN: KDBOGK.

9. Кулеш В. А. Система DEFHULL — инновационная технология управления технической эксплуатацией флота / В. А. Кулеш, О. Э. Суров, А. В. Житников // Вестник Дальневосточного государственного технического университета. — 2010. — № 3(5). — С. 23–34. — EDN: OYJHMX.

10. Yamamoto N. A Study on the Degradation of Coating and Corrosion of Ship’s Hull Based on the Probabilistic Approach / N. Yamamoto, K. Ikegami // Journal of Offshore Mechanics and Arctic Engineering. — 1998. — Vol. 120. — Is. 3. — Pp. 121–128. DOI: 10.1115/1.2829532.

11. Yamamoto N. A new model for predicting thickness loss due to both corrosion wear and mechanical wear / N. Yamamoto, A. Bollero, C. Won Son, H. Koyama, J. Choi, Y. Lv // Marine Structures. — 2024. — Vol. 97. — Pp. 103659. DOI: 10.1016/j.marstruc.2024.103659.

12. Kee Paik J. Probabilistic corrosion rate estimation model for longitudinal strength members of bulk carriers / J. Kee Paik, S. Kyu Kim, S. Kon Lee // Ocean Engineering. — 1998. — Vol. 25. — Is. 10. — Pp. 837–860. DOI: 10.1016/S0029–8018(97)10009-9.

13. Paik J. K. A probabilistic corrosion rate estimation model for longitudinal strength members of tanker structures / J. K. Paik, Y. E. Park // Journal of the Society of Naval Architects of Korea. —1998. — Vol. 35. — Is. 2. — Pp. 83–93.

14. Paik J. A Time- Dependent Corrosion Wastage Model for Bulk / J. Paik, A. Thayamballi, Y. I. Park, J. Hwang // International Journal of Maritime Engineering. — 2003. — Vol. 145(A2). — Is. 27. — Pp. 61–87. DOI: 10.3940/RINA.IJME.2003.A2.18031.

15. Paik J. K. A Time- Dependent Corrosion Wastage Model for the Structures of Single-and Double- Hull Tankers and FSOs and FPSOs / J. K. Paik, J. M. Lee, J. S. Hwang, Y. II. Park // Marine Technology and SNAME News. — 2003. — Vol. 40. — Is. 03. — Pp. 201–217. DOI: 10.5957/mt1.2003.40.3.201.

16. Guo J. Time-varying ultimate strength of aging tanker deck plate considering corrosion effect / J. Guo, G. Wang, L. Ivanov, A. N. Perakis // Marine Structures. — 2008. — Vol. 21. — Is. 4. — Pp. 402–419. DOI: 10.1016/j.marstruc.2008.03.002.

17. Paik J. K. Advanced method for the development of an empirical model to predict time-dependent corrosion wastage / J. K. Paik, D. K. Kim // Corrosion Science. — 2012. — Vol. 63. — Pp. 51–58. DOI: 10.1016/j.corsci.2012.05.015.

18. Kim D. K. An advanced technique to predict time-dependent corrosion damage of onshore, offshore, nearshore and ship structures: Part II = Application to the ship’s ballast tank / D. K. Kim, H. L. Lim, N-K. Cho // International Journal of Naval Architecture and Ocean Engineering. — 2020. — Vol. 12. — Pp. 645–656. DOI: 10.1016/j.ijnaoe.2020.07.002.

19. Guedes Soares C. Corrosion wastage model for ship crude oil tanks / C. Guedes Soares, Y. Garbatov, A. Zayed, G. Wang // Corrosion Science. — 2008. — Vol. 50. — Is. 11. — Pp. 3095–3106. DOI: 10.1016/j.corsci.2008.08.035.

20. Guedes Soares C. Influence of environmental factors on corrosion of ship structures in marine atmosphere / C. Guedes Soares, Y. Garbatov, A. Zayed, G. Wang // Corrosion Science. — 2009. — Vol. 51. — Is. 9. — Pp. 2014–2026. DOI: 10.1016/j.corsci.2009.05.028.

21. Guedes Soares C. Effect of environmental factors on steel plate corrosion under marine immersion conditions / C. Guedes Soares, Y. Garbatov, A. Zayed // Corrosion Engineering, Science and Technology. — 2011. — Vol. 46. — Is. 4. — Pp. 524–541. DOI: 10.1179/147842209X12559428167841.

22. Богород И. Я. Коррозия и защита морских судов / И. Я. Богород, Е. В. Искра, В. А. Климов, Ю. Л. Кузьмин. — Л.: Судостроение, 1973. — 392 с.

23. Neal R. M. MCMC using Hamiltonian dynamics / R. M. Neal // Handbook of Markov Chain Monte Carlo. — New York: Chapman and Hall/CRC, 2011. — Pp. 113–162. DOI: 10.1201/b10905.

24. Brooks S. P. General methods for monitoring convergence of iterative simulations / S. P. Brooks, A. Gelman // Journal of Computational and Graphical Statistics. — 1998. — Vol. 7. — Is. 4. — Pp. 434–455.

25. Gelman A. Inference from iterative simulation using multiple sequences / A. Gelman, D. B. Rubin // Statistical Science. — 1992. — Vol. 7. — Is. 4. — Pp. 457–472. DOI: 10.1214/ss/1177011136.

26. Raftery A. E. How many iterations in the Gibbs sampler? / A. E. Raftery, S. M. Lewis // Bayesian Statistics 4 Handbook. — Oxford: Oxford University Press, 1992. — Pp. 763–773.

27. Abril- Pla O. PyMC: a modern, and comprehensive probabilistic programming framework in Python / O. Abril- Pla, V. Andreani, C. Carroll, L. Dong, C. J. Fonnesbeck, M. Kochurov, R. Kumar, J. Lao, C. C. Luhmann, O. A. Martin, M. Osthege, R. Vieira, T. Wiecki, R. Zinkov // PeerJ Computer Science. — 2023. — Vol. 9. — Is. e1516. — Pp. 1–35. DOI: 10.7717/peerj-cs.1516.

28. Virtanen P. SciPy 1.0: fundamental algorithms for scientific computing in Python / P. Virtanen, R. Gommers, T. E. Oliphant, M. Haberland, T. Reddy, D. Cournapeau, E. Burovski, P. Peterson, W. Weckesser, J. Bright, et al // Nature methods. — 2020. — Vol. 17. — Is. 3. — Pp. 261–272. DOI: 10.1038/s41592-019-0686-2.