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.INTRODUCCIÓNLa 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.
Citación recomendada (normas APA)
Croatian Metallurgical Society (CMS), "Prediction of metal corrosion by neural networks", -:Revista VirtualPRO,, 2023. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3892074/), el día 2025-12-21.
¡Disfruta más de la BDB!
Explora contenidos digitales de forma gratuita, crea tus propias colecciones, colabora y comparte con otros.
