Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
Texto Completo: | http://repositorio.ufes.br/handle/10/9576 |
Resumo: | Corrosion is a problem that affects several sectors of modern life, and in the industrialcontext is the main source of unplanned costs. Among the most common types, localizedcorrosion is present in most industrial processes and is the most difficult to detect. Thepresence of corrosion is a consequence of the exposure of structures and equipment tosubstances, which by electrochemical action, are capable of causing wear and surface orstructural failure. The consequences of corrosive processes can be considerably reduced bythe use of methods for detecting, analyzing and monitoring of hazardous areas in order toprovide useful information for accident prevention and maintenance planning.In this work, some techniques for the classification of different types of localized corrosion(pitting, crevice and watermark) and the occurrence of passivation are analyzed. Themethods analyzed were also applied for the detection of different types of corrosivesubstances. Such methods are based on the use of machine learning techniques and in theextraction of important information from electrochemical noise signals, which are signalsfrom corrosive processes.The techniques of electrochemical noise signal analysis are not still fully established,highlighting the importance of performing comparative studies in different contexts. In thiswork, the methods analyzed are based on the use of the Wavelet Transform and RecurrenceQuantification Analysis. For the corrosion type classification, the mean accuracy was95,86% using the Wavelet Transform and 91,02% using the Recurrence QuantificationAnalysis. In the classification of corrosive substances, the mean accuracy was 87,57% usingthe Wavelet Transform and 90,49% using the Recurrence Quantification Analysis. Theresults showed that the methods analyzed are promising in the classification of localizedcorrosion types and electrochemical sensing to identify the presence of corrosive substancesin several industrial processes. |
id |
UFES_dd15a046f1fb8be278d012e116eb8730 |
---|---|
oai_identifier_str |
oai:repositorio.ufes.br:10/9576 |
network_acronym_str |
UFES |
network_name_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
repository_id_str |
2108 |
spelling |
Ciarelli, Patrick MarquesAlves, Lorraine MarquesCôco, Klaus FabianPereira, Fabio de Assis Ressel2018-08-02T00:00:46Z2018-08-012018-08-02T00:00:46Z2017-05-30Corrosion is a problem that affects several sectors of modern life, and in the industrialcontext is the main source of unplanned costs. Among the most common types, localizedcorrosion is present in most industrial processes and is the most difficult to detect. Thepresence of corrosion is a consequence of the exposure of structures and equipment tosubstances, which by electrochemical action, are capable of causing wear and surface orstructural failure. The consequences of corrosive processes can be considerably reduced bythe use of methods for detecting, analyzing and monitoring of hazardous areas in order toprovide useful information for accident prevention and maintenance planning.In this work, some techniques for the classification of different types of localized corrosion(pitting, crevice and watermark) and the occurrence of passivation are analyzed. Themethods analyzed were also applied for the detection of different types of corrosivesubstances. Such methods are based on the use of machine learning techniques and in theextraction of important information from electrochemical noise signals, which are signalsfrom corrosive processes.The techniques of electrochemical noise signal analysis are not still fully established,highlighting the importance of performing comparative studies in different contexts. In thiswork, the methods analyzed are based on the use of the Wavelet Transform and RecurrenceQuantification Analysis. For the corrosion type classification, the mean accuracy was95,86% using the Wavelet Transform and 91,02% using the Recurrence QuantificationAnalysis. In the classification of corrosive substances, the mean accuracy was 87,57% usingthe Wavelet Transform and 90,49% using the Recurrence Quantification Analysis. Theresults showed that the methods analyzed are promising in the classification of localizedcorrosion types and electrochemical sensing to identify the presence of corrosive substancesin several industrial processes.A corrosão é um problema que atinge vários setores da vida moderna, sendo que nocontexto industrial é a principal fonte de custos não planejados. Dentre os tipos maiscomuns, a corrosão localizada está presente na maioria dos processos industriais e é amais difícil de ser detectada. A presença da corrosão é uma consequência da exposição deestruturas e equipamentos a substâncias, que por ação eletroquímica, são capazes de causardesgastes e falhas superficiais ou estruturais. As consequências dos processos corrosivospodem ser reduzidas consideravelmente com o emprego de métodos de detecção, análise emonitoramento das áreas de risco, a fim de fornecer informações úteis ao planejamento damanutenção e prevenção de acidentes.Neste trabalho são analisadas técnicas baseadas na Quantificação de Recorrência e naTransformada Wavelet para a classificação de diferentes tipos de corrosão localizada (pite,crevice e intragranular) e a ocorrência da passivação. Os métodos analisados tambémforam aplicados para a detecção de diferentes tipos de substâncias corrosivas. Tais métodosbaseiam-se no uso de técnicas de aprendizado de máquina e na extração de informaçõesimportantes dos sinais de ruído eletroquímico, que são sinais provenientes dos processoscorrosivos.As técnicas de análise dos sinais de ruído eletroquímico ainda não foram completamenteestabelecidas, destacando-se a importância da realização de estudos comparativos emdiferentes contextos. Neste trabalho, os métodos analisados baseiam-se na utilização daTransformada Wavelet e na Análise de Quantificação de Recorrência. As técnicas foramavaliadas em duas bases de dados diferentes. Para a classificação do tipo de corrosão, aacurácia média foi de 95,86% utilizando a Transformada Wavelet e de 91,02% usando aAnálise de Quantificação de recorrência. Na classificação do tipo de reagente, a acuráciamédia foi de 87,57% utilizando a Transformada Wavelet e de 90,49% usando a Análise deQuantificação de recorrência. Os resultados mostraram que os métodos analisados são pro-missores na classificação de tipos de corrosão localizada e no sensoriamento eletroquímico,para identificar a presença de substâncias corrosivas em diversos processos industriais.Texthttp://repositorio.ufes.br/handle/10/9576porUniversidade Federal do Espírito SantoMestrado em Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUFESBRCentro TecnológicoCorrosionCorrosive WasteElectrochemistryNoiseRecurrence Quantification AnalysisAnálise de quantificação de recorrênciaCorrosãoResíduos corrosivosEletroquímicaRuídoWavelets (Matemática)Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação621.3Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímicoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_11032_Lorraine Marques Alves.pdfapplication/pdf5739455http://repositorio.ufes.br/bitstreams/83a7dc73-90cc-422c-94f4-e65939442390/downloadad721d7cb2ec04a352cc46b27619f642MD51TEXTtese_11032_Lorraine Marques Alves.pdf.txttese_11032_Lorraine Marques Alves.pdf.txtExtracted texttext/plain235789http://repositorio.ufes.br/bitstreams/0e63c3cb-a41a-44fc-a314-62ff714659a7/download389ff0d36bc09258832270dcaddf747eMD5210/95762024-06-28 16:11:22.99oai:repositorio.ufes.br:10/9576http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-06-28T16:11:22Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
title |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
spellingShingle |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico Alves, Lorraine Marques Corrosion Corrosive Waste Electrochemistry Noise Recurrence Quantification Analysis Análise de quantificação de recorrência Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação Corrosão Resíduos corrosivos Eletroquímica Ruído Wavelets (Matemática) 621.3 |
title_short |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
title_full |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
title_fullStr |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
title_full_unstemmed |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
title_sort |
Análise de Métodos para Identificação de Tipos de Corrosão e de Substâncias Corrosivas através de Ruído Eletroquímico |
author |
Alves, Lorraine Marques |
author_facet |
Alves, Lorraine Marques |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Ciarelli, Patrick Marques |
dc.contributor.author.fl_str_mv |
Alves, Lorraine Marques |
dc.contributor.referee1.fl_str_mv |
Côco, Klaus Fabian |
dc.contributor.referee2.fl_str_mv |
Pereira, Fabio de Assis Ressel |
contributor_str_mv |
Ciarelli, Patrick Marques Côco, Klaus Fabian Pereira, Fabio de Assis Ressel |
dc.subject.eng.fl_str_mv |
Corrosion Corrosive Waste Electrochemistry Noise Recurrence Quantification Analysis |
topic |
Corrosion Corrosive Waste Electrochemistry Noise Recurrence Quantification Analysis Análise de quantificação de recorrência Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação Corrosão Resíduos corrosivos Eletroquímica Ruído Wavelets (Matemática) 621.3 |
dc.subject.por.fl_str_mv |
Análise de quantificação de recorrência |
dc.subject.cnpq.fl_str_mv |
Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação |
dc.subject.br-rjbn.none.fl_str_mv |
Corrosão Resíduos corrosivos Eletroquímica Ruído Wavelets (Matemática) |
dc.subject.udc.none.fl_str_mv |
621.3 |
description |
Corrosion is a problem that affects several sectors of modern life, and in the industrialcontext is the main source of unplanned costs. Among the most common types, localizedcorrosion is present in most industrial processes and is the most difficult to detect. Thepresence of corrosion is a consequence of the exposure of structures and equipment tosubstances, which by electrochemical action, are capable of causing wear and surface orstructural failure. The consequences of corrosive processes can be considerably reduced bythe use of methods for detecting, analyzing and monitoring of hazardous areas in order toprovide useful information for accident prevention and maintenance planning.In this work, some techniques for the classification of different types of localized corrosion(pitting, crevice and watermark) and the occurrence of passivation are analyzed. Themethods analyzed were also applied for the detection of different types of corrosivesubstances. Such methods are based on the use of machine learning techniques and in theextraction of important information from electrochemical noise signals, which are signalsfrom corrosive processes.The techniques of electrochemical noise signal analysis are not still fully established,highlighting the importance of performing comparative studies in different contexts. In thiswork, the methods analyzed are based on the use of the Wavelet Transform and RecurrenceQuantification Analysis. For the corrosion type classification, the mean accuracy was95,86% using the Wavelet Transform and 91,02% using the Recurrence QuantificationAnalysis. In the classification of corrosive substances, the mean accuracy was 87,57% usingthe Wavelet Transform and 90,49% using the Recurrence Quantification Analysis. Theresults showed that the methods analyzed are promising in the classification of localizedcorrosion types and electrochemical sensing to identify the presence of corrosive substancesin several industrial processes. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-05-30 |
dc.date.accessioned.fl_str_mv |
2018-08-02T00:00:46Z |
dc.date.available.fl_str_mv |
2018-08-01 2018-08-02T00:00:46Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufes.br/handle/10/9576 |
url |
http://repositorio.ufes.br/handle/10/9576 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
Text |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFES |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro Tecnológico |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
collection |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
bitstream.url.fl_str_mv |
http://repositorio.ufes.br/bitstreams/83a7dc73-90cc-422c-94f4-e65939442390/download http://repositorio.ufes.br/bitstreams/0e63c3cb-a41a-44fc-a314-62ff714659a7/download |
bitstream.checksum.fl_str_mv |
ad721d7cb2ec04a352cc46b27619f642 389ff0d36bc09258832270dcaddf747e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
|
_version_ |
1804309162377609216 |