随着石油化工行业的发展,我国石油的需求量及产出量都在增加,对石油储备的要求也越来越高。作为石油的主要存储容器,常压金属储罐的储罐数量及罐区规模都在日益增大,与此同时,储罐的安全性问题越来越受到人们的重视。作为储罐安全评估中重要的一环,储罐底板腐蚀情况的评价一直是人们关心的重点。相比于传统的开罐检测方法,声发射检测技术作为一种动态、在线、整体的检测方法,具有检测时间短、经济损耗低的优点。在交通运输部天津水运工程科学研究院的实验帮助下,本文针对声发射检测技术在储罐安全评价中的应用,对储罐的腐蚀状况进行了检测及评价方法的研究。基于在役常压储罐罐底真实状况,设计并完成了金属腐蚀实验。以腐蚀速率作为研究对象,分别对储罐罐底板常用材料Q235B钢材在0.1g/L的氯离子溶液、自来水和石脑油沉积水中的腐蚀状况以天和周为时间单位进行了实验与分析。为研究腐蚀过程中的声发射信息,基于声发射检测原理,搭建了声发射信号采集装置,进行了实验室声发射信号采集实验。选取与金属腐蚀实验相同的实验条件设置,对模拟储罐进行持续的声信号采集,对采集到的声信号进行处理与计算,得到声发射信号特性参数信息。而后分别对金属腐蚀速率与声发射撞击、振铃以及信号能量进行皮尔逊相关分析,结果表明,金属腐蚀速率与这三种声发射信号特性参数均高度相关。分析了金属储罐的声发射检测与评价方法,确定了可以表征储罐底板腐蚀情况的声发射特性参数,分析并整理了需重点监管的、沉积水腐蚀性强的危险化学品,结合储罐自身信息,建立了储罐底板腐蚀评价方法。然后分别基于RBF神经网络和BP神经网络建立了储罐底板腐蚀评价模型。使用40组在役储罐信息及其现场检测数据对网络进行训练与测试,其中训练样本25组,测试样本15组。测试结果表明,RBF神经网络模型准确率为73.33%,BP神经网络模型准确率为93.33%。对3个不同的在役储罐进行声发射检测,利用准确率更高的基于BP神经网络的腐蚀评价模型对储罐进行评价,比较模型输出与声发射检测专家给出的评价结果。结果表明,利用BP神经网络构建的基于声发射检测的储罐罐底腐蚀评价模型准确率高,利用该模型对储罐底板进行腐蚀评价较为可靠。