Aquisição e validação de sinal de ruído eletroquímico

• Ano de defesa: 2022
• Autor(a) principal: MENEZES, Marco Antonio de campos
• Orientador(a): MARTINEZ, Carlos Barreira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso embargado
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado Profissional - Engenharia Hídrica
• Departamento: IRN - Instituto de Recursos Naturais
• País: Brasil
• Palavras-chave em Português: Ruído eletroquímico; Classificador; Corrosão; Monitoramento de saúde estrutural
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/3173

A corrosão é um problema mundial, que implica em custos em países industrializados da ordem de até 4.5% do PIB, com impactos não somente econômicos, mas também sociais e ao meio ambiente. No caso do Brasil, o desperdício de redes de abastecimento de água devido à perda por vazamentos é bastante significativo e boa parte se dá por degradação da rede indicando que o controle da corrosão deve ser promovido sempre que possível. Este estudo propõe um sistema de monitoramento de corrosão, em sistema sujeito a uso de inibidor, com a abordagem de técnica passiva de monitoramento de corrosão por ruído eletroquímico (electrochemical noise - EN), na qual é feita a classificação de eventos em sensor de corrosão por EN como parte de estudo de metodologia para sistema de monitoramento de integridade (ou “saúde”) estrutural (structural health monitoring - SHM). Pela sua natureza bastante dinâmica e estocástica do sinal, este estudo e análise de medição de EN (EN measurements - ENM) considera características numéricas e gráficas de dois sistemas de corrosão ambos em solução aquosa salina: aço carbono e aço inox. Esses experimentos são repetidos para acumular dados, que permitem gerar diversos gráficos em domínios de tempo e frequência, dos quais é extraída pelo menos uma característica, que tenha boa correlação com dados físicos do processo de corrosão. A seguir, baseado em sistema de aprendizado de máquina supervisionado, os dados de treinamento permitem calibrar o modelo. A partir dos dados de teste, verifica-se a taxa de acerto do modelo acima de 50%.