Wydobywanie danych z szumu elektrochemicznego do pomiaru stężenia Cl− w środowisku konstrukcji zbrojonego betonu pod wpływem prądów błądzących

Dlaczego tunele metra cicho rdzewieją

Współczesne miasta polegają na podziemnych tunelach metra, które codziennie przewożą miliony osób. W tych betonowych rurach ukryte są pręty stalowe, które zapewniają tunelom trwałość przez dekady. Jednak niewidoczne prądy elektryczne generowane przez pociągi, w połączeniu z zasolonymi wodami gruntowymi, mogą znacznie przyspieszać korozję stali. Artykuł ten bada nową, nieniszczącą metodę „nasłuchiwania” drobnych sygnałów elektrycznych ze stali i wykorzystania ich do oszacowania, ile agresywnej soli znajduje się w otoczeniu — zanim pojawią się poważne uszkodzenia.

Ukryte prądy i słona woda

Tunele ekranowe metra są projektowane jako konstrukcje trwałe, mające służyć 50–100 lat. Pręty stalowe zatopione w betonie przenoszą obciążenia, a beton chroni stal przed korozją. W praktyce tunele są zanurzone w wodach gruntowych, które często zawierają jony chlorkowe — ten sam rodzaj soli, który powoduje korozję samochodów zimą. Jednocześnie systemy trakcyjne pociągów używają prądu stałego, którego część może „uciekać” z szyn do otaczającego gruntu jako prąd błądzący. Tam, gdzie wyciekający prąd spotyka stal w warunkach bogatych w chlorki, tempo korozji może wzrosnąć nawet 10–100 razy w porównaniu z warunkami naturalnymi. W miarę narastania rdzy powstaje ciśnienie wewnątrz betonu, prowadząc do pęknięć, odspojenia otuliny i utraty nośności, co zagraża długoterminowemu bezpieczeństwu tunelu.

Dlaczego tradycyjne testy zawodzą pod ziemią

Inżynierowie wiedzą, że korozja staje się niebezpieczna, gdy stężenie chlorków wokół stali przekroczy krytyczny próg, niszcząc ochronną warstwę na metalu. Jednak bezpośredni pomiar chlorków pod ziemią jest trudny. Powszechne metody laboratoryjne — takie jak stosowanie wskaźników chemicznych, pobieranie rdzeni czy jonowa chromatografia — wymagają wiercenia w konstrukcji, wyciągania materiału na powierzchnię lub umieszczania wrażliwych czujników w agresywnym środowisku gruntowym. W działającym tunelu metra podejścia te są kosztowne, zakłócające pracę i często niemożliwe w wąskiej przestrzeni między obudową tunelu a gruntem. W efekcie operatorzy nie mają prostego sposobu monitorowania, jak blisko ich konstrukcje znajdują się do „punktów krytycznych” korozji.

Nasłuchiwanie szumu elektrochemicznego

Autorzy zwracają się do zjawiska szumu elektrochemicznego — drobnych, losowych fluktuacji napięcia i prądu, które naturalnie pojawiają się podczas korozji metalu w elektrolicie. W starannie zaprojektowanych testach laboratoryjnych zatopili pręty stalowe w blokach zaprawy, częściowo zanurzyli je w roztworach o różnych stężeniach chlorków i zastosowali kontrolowane prądy błądzące przy użyciu elektrod z siatki tytanowej. Stanowisko elektrochemiczne rejestrowało sygnały szumowe przez godzinę za każdym razem. Zamiast szukać prostych trendów w surowych danych, zespół potraktował każdy zapis szumu jako bogaty odcisk palca środowiska korozyjnego. Oczyszczali sygnały, by usunąć powolne dryfty, a następnie obliczali liczne miary statystyczne w dziedzinie czasu i częstotliwości, w tym rozkład energii w różnych pasmach falkowych — zasadniczo rozkładając szum na składowe od szybkich do wolnych fluktuacji.

Uczenie maszyn do odczytu odcisków

Aby przekształcić te odciski w praktyczny „miernik” chlorków, badacze zbudowali inteligentny model regresyjny łączący cechy szumu ze stężeniem chlorków. W jego rdzeniu znajduje się XGBoost — potężna metoda uczenia maszynowego oparta na drzewach decyzyjnych. Udoskonalili ją na dwa sposoby. Po pierwsze, Algorytm Optymalizacji Wielorybów — metoda inspirowana naturą, naśladująca sposób polowania humbaków — automatycznie dostrajał kluczowe ustawienia modelu, takie jak głębokość drzew czy tempo uczenia, eliminując żmudne próby i błędy. Po drugie, mechanizm uwagi nauczył się, które cechy szumu mają największe znaczenie, nadając wyższe wagi najbardziej informacyjnym wskaźnikom czasowo‑częstotliwościowym i obniżając wagę tych, które wnoszą niewiele. Łącząc te elementy, model WOA‑XGBoost‑Attention był trenowany na większości danych i testowany na niewidzianych próbkach, aby ocenić niezawodność.

Jak dobrze działa metoda

Ulepszony model okazał się wyjątkowo dokładny. W zakresie stężeń chlorków (0,05–0,9 mol/L) i gęstości prądu błądzącego (0,05–0,1 A/cm²) przewidywał poziom soli ze średnią trafnością około 95% i korelacją 0,9929 między wartościami prognozowanymi a rzeczywistymi. W porównaniu z innymi popularnymi metodami — w tym zwykłym XGBoost, Random Forests, Gradient Boosting, regresją liniową i modelem sieci neuronowej — ta hybrydowa metoda dała najniższe błędy predykcji i uniknęła dużych odchyleń. Najbardziej użytecznymi wejściami okazały się cechy szumu związane z rozproszeniem sygnału, poziomem szumu białego, zachowaniem w postaci prawa potęgi widma oraz określonymi pasmami energii falkowej, co potwierdza, że subtelne wzorce w szumie niosą szczegółowe informacje o otoczeniu.

Co to oznacza dla prawdziwych tuneli

Dla niespecjalisty najważniejsze jest to, że autorzy wykazali możliwość oszacowania, ile agresywnej soli otacza zakopaną stal, po prostu monitorując jej naturalne elektryczne „gaworzenie” i pozwalając zaawansowanemu algorytmowi odczytać wzorzec. Chociaż badania prowadzono w kontrolowanych warunkach laboratoryjnych, wskazują one na przyszłe systemy, w których wytrzymałe elektrody zamontowane na obudowie tunelu przekazywałyby dane szumowe do inteligentnego oprogramowania, które alarmowałoby, gdy stężenia chlorków zbliżają się do niebezpiecznych progów. Taki nieniszczący system wczesnego ostrzegania mógłby pomóc operatorom metra planować prace konserwacyjne, wydłużać życie tuneli i zmniejszać ryzyko nagłych problemów konstrukcyjnych spowodowanych ukrytą korozją.

Cytowanie: 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

Słowa kluczowe: korozja tunelu metra, prąd błądzący, jony chlorkowe, szum elektrochemiczny, monitorowanie uczeniem maszynowym