Gegevensontginning op basis van elektrochemische ruis voor milieumeting van Cl−-concentratie in gewapend beton onder invloed van lekstroom

Waarom metrostunnels stilletjes roesten

Moderne steden vertrouwen op ondergrondse metrostunnels om dagelijks miljoenen mensen te vervoeren. Verborgen in die betonnen buizen liggen staven staal die de tunnels decennialang sterk houden. Maar onzichtbare elektrische stromingen van de treinen, samen met zout grondwater, kunnen dit staal veel sneller aantasten dan verwacht. Dit artikel onderzoekt een nieuwe, niet‑destructieve manier om naar zwakke elektrische signalen van het staal te "luisteren" en die te gebruiken om in te schatten hoeveel corrosief zout zich in de omgeving bevindt — voordat er ernstige schade optreedt.

Verborgen stromen en zout water

Metrotunnels met schildmethode worden gebouwd als permanente constructies die 50 tot 100 jaar moeten meegaan. Stalen wapening in het beton draagt de belasting, terwijl het beton het staal beschermt tegen corrosie. In de praktijk liggen de tunnels echter in grondwater dat vaak chloride‑ionen bevat, hetzelfde type zout dat auto's in de winter aantast. Tegelijk gebruiken tractiesystemen van treinen gelijkstroom, en een deel van deze stroom lekt van de rails naar de omliggende grond als "lekstroom." Waar de gelekte elektriciteit en chloride‑rijk water het staal ontmoeten, kan corrosie met een factor 10 tot 100 versnellen vergeleken met natuurlijke omstandigheden. Naarmate roest zich ophoopt, ontstaat er druk in het beton, wat leidt tot scheuren, afschilferen en een verlies van sterkte dat de langetermijnveiligheid van de tunnel bedreigt.

Waarom traditionele tests ondergronds tekortschieten

Ingenieurs weten dat corrosie gevaarlijk wordt zodra chloridegehaltes rond het staal een kritische drempel overschrijden en de beschermende film op het metaal aantasten. Direct meten van chlorideconcentratie ondergronds is echter lastig. Gangbare laboratoriummethoden — zoals het sproeien van chemische indicatoren, boren voor kernmonsters of ionenchromatografie — vereisen het boren in constructies, het naar boven brengen van materialen of het plaatsen van kwetsbare sensoren in vijandige grond. In een operationele metrotunnel zijn deze benaderingen kostbaar, ingrijpend en vaak onuitvoerbaar in de krappe ruimte tussen tunnelbekleding en omliggende grond. Daardoor ontbreekt een eenvoudige manier voor exploitanten om te volgen hoe dicht hun constructies bij corrosie‑"kantelpunten" zitten.

Naar elektrochemische ruis luisteren

De auteurs wenden zich tot elektrochemische ruis, de kleine willekeurige fluctuaties in spanning en stroom die van nature ontstaan wanneer metaal corrodeert in een elektrolyt. In zorgvuldig ontworpen laboratoriumproeven plaatsten ze stalen staven in mortelblokken, dompelden ze gedeeltelijk in zoutoplossingen met verschillende chlorideconcentraties en brachten gecontroleerde lekstromen aan met titanium gaaskathoden. Een elektrochemisch werkstation registreerde de ruisignalen telkens een uur. In plaats van te zoeken naar eenvoudige trends in de ruwe gegevens beschouwt het team elk rumoerig spoor als een rijk vingerafdruk van de corrosieomgeving. Ze schonen de signalen om langzame drifts te verwijderen en berekenen vervolgens vele statistische grootheden in tijd en frequentie, inclusief hoe energie verdeeld is over verschillende waveletbanden — in wezen het ontleden van de ruis in componenten van snelle tot langzame fluctuaties.

Machines leren de vingerafdrukken lezen

Om deze vingerafdrukken om te zetten in een praktisch chloride"meter" bouwden de onderzoekers een intelligent regressiemodel dat ruiskenmerken koppelt aan chlorideconcentratie. Centraal staat XGBoost, een krachtig machine‑learning‑model gebaseerd op beslissingsbomen. Ze verbeterden het op twee manieren. Ten eerste stemde een Whale Optimization Algorithm — een door de natuur geïnspireerde zoekmethode die het jachtgedrag van bultruggen nabootst — automatisch sleutelinstellingen van het model af, zoals boomdiepte en leersnelheid, om tijdrovend trial‑and‑error te vermijden. Ten tweede leerde een attention‑mechanisme welke kenmerken van de ruis het belangrijkst waren, waardoor informatieve tijd‑frequentie‑indicatoren zwaarder wegen en indicatoren met weinig toegevoegde waarde worden afgezwakt. Door deze elementen te combineren, werd hun WOA‑XGBoost‑Attention‑model getraind op het merendeel van de data en getest op onbekende monsters om de betrouwbaarheid te beoordelen.

Hoe goed de methode presteert

Het geoptimaliseerde model bleek opmerkelijk nauwkeurig. Over een bereik van chlorideconcentraties (0,05–0,9 mol/L) en lekstroomdichtheden (0,05–0,1 A/cm²) voorspelde het het zoutniveau met een gemiddelde nauwkeurigheid van ongeveer 95% en een correlatie van 0,9929 tussen voorspelde en werkelijke waarden. Vergeleken met andere gangbare methoden — waaronder eenvoudige XGBoost, Random Forests, Gradient Boosting, lineaire regressie en een neurale netwerkmethode — gaf deze hybride aanpak de laagste voorspellingsfouten en verminderde hij grote uitschieters. De meest bruikbare invoer bleek ruiskenmerken te zijn die verband houden met signaalspreiding, witte‑ruisniveau, power‑law‑gedrag van het spectrum en specifieke banden van wavelet‑energie, wat bevestigt dat subtiele patronen in de ruis gedetailleerde informatie over de omgeving dragen.

Wat dit betekent voor echte tunnels

Voor niet‑specialisten komt het erop neer dat de auteurs hebben aangetoond dat het mogelijk is in te schatten hoeveel corrosief zout een begraven staal omringt door simpelweg zijn natuurlijke elektrische "gepraat" te monitoren en een geavanceerd algoritme het patroon te laten ontcijferen. Hoewel dit werk onder gecontroleerde laboratoriumomstandigheden is uitgevoerd, wijst het op toekomstige systemen waarin robuuste elektroden op tunnelbekledingen elektrochemische ruisgegevens leveren aan slimme software die alarm slaat wanneer chloridegehaltes gevaarlijke drempels naderen. Zo’n niet‑invasief vroegwaarschuwingssysteem kan exploitanten helpen onderhoud te plannen, de levensduur van tunnels te verlengen en het risico op plotselinge constructieproblemen door verborgen corrosie te verminderen.

Bronvermelding: Xing, F., Xu, S., Wang, Y. et al. Electrochemical noise-based data mining to environmental Cl⁻ concentration measurement of reinforced concrete structure under stray current interference. Sci Rep 16, 7522 (2026). https://doi.org/10.1038/s41598-026-38003-x

Trefwoorden: corrosie in metrostunnels, lekstroom, chloride-ionen, elektrochemische ruis, machine learning bewaking