La contribución trata del uso de redes neuronales artificiales para la predicción de la corrosión atmosférica del acero. La corrosión atmosférica de los materiales metálicos expuestos a condiciones atmosféricas depende de varios factores, como la temperatura local, la humedad relativa, la cantidad de precipitación, el pH de la lluvia, la concentración de los principales contaminantes y el tiempo de exposición. Como estos factores son muy complejos, hasta ahora no se conocen relaciones exactas para la descripción matemática de la corrosión atmosférica de diversos metales. Las funciones analíticas y matemáticas clásicas son de uso limitado para describir este tipo de sistema fuertemente no lineal que depende de varios factores meteorológicos-químicos y de la interacción entre ellos y de los parámetros del material. Hoy en día existen ciertas posibilidades de predecir la pérdida por corrosión de los materiales mediante redes neuronales artificiales. Las redes neuronales se utilizan principalmente en sistemas reales, que se caracterizan por su elevada no linealidad, considerable complejidad y gran dificultad de su descripción matemática formal.
INTRODUCCIÓN
La corrosión atmosférica es la forma más común de deterioro de los materiales de acero. Este daño es causado por factores como el cambio de temperatura, la humedad, la radiación solar y los productos químicos. En la atmósfera, el proceso de corrosión da lugar a una reacción electroquímica anódica y catódica. Las reacciones electroquímicas tienen lugar en una fina capa de electrolito. La condición básica para el origen y el progreso de la corrosión atmosférica es, por tanto, la creación de una capa de electrolito en la superficie del metal y la condensación de la humedad atmosférica. La corrosión atmosférica, como proceso electroquímico, es un sistema muy complejo y no lineal que depende de diversos parámetros climáticos y de contaminación, así como de variables relacionadas con el material. No es sencillo determinar el efecto de los parámetros que afectan al proceso de degradación de los materiales expuestos en condiciones "exteriores" [1].
La evaluación y cuantificación de los procesos de corrosión requiere mucho tiempo y las funciones matemáticas clásicas son inadecuadas para predecir estos procesos no lineales [2]. Hoy en día existe la posibilidad de predecir las pérdidas por corrosión de los materiales mediante métodos de inteligencia artificial, y la predicción de sucesos fuertemente no lineales y dependientes del tiempo forma parte de las posibles aplicaciones de las redes neuronales artificiales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
Modelación y Simulación de Sistemas - Conceptos Generales
Artículo:
Modelos matemáticos para problemas de dimensionamiento de lotes capacitados con costes de transporte
Artículo:
Análisis de la calidad de la energía en un centro de cómputos
Artículo:
Modelización de la desorción de hidrógeno del aluminio líquido y sus aleaciones
Artículo:
El concepto de grados de libertad en la enseñanza del diseño y control de procesos químicos
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.