Modelos de pérdida de masa de acero por corrosión atmosférica en Colombia usando inteligencia computacional | Models of steel mass loss by atmospheric corrosion in Colombia using

RESUMEN: Con el fin de clasificar la corrosividad de las diferentes atmósferas colombianas, como parte de un proyecto de investigación extenso, se expusieron placas de acero al carbono en 21 estaciones distribuidas a lo largo de la infraestructura eléctrica del país (líneas de transmisión y subestaciones). En estas estaciones se midieron entre otros, el tiempo de humectación y la deposición de sulfatos y cloruros durante 12 meses; además, bimensualmente se tomaban placas de acero para medir en laboratorio la pérdida de masa sufrida por estas durante el tiempo de exposición. La clasificación de las 21 estaciones se hizo en 4 grupos, considerando: el tiempo de humectación, contenidos de cloruros y sulfatos, la altura sobre el nivel del mar y el tiempo de exposición de las placas; variables consideradas linealmente independientes según la técnica de descomposición en valores singulares (SVD) realizada. El criterio utilizado para la clasificación fue el de similitud de las variables utilizando la norma Euclidiana considerada en la red neuronal no supervisada tipo Kohonen. Adicionalmente, se implementaron modelos para la pérdida de masa del acero para cada uno de los grupos usando redes neuronales (RN) tipo Feed-Forward, definiéndose como entradas las variables antes mencionadas y como única salida la pérdida de masa. Complementariamente se presenta una comparación entre el modelo de RN para el grupo 1, con otros modelos obtenidos usando Algoritmos Genéticos (AG) y el método Simplex.

ABSTRACT: In order to classify the corrosivity of the different Colombian atmospheres, as part of an extensive research project, plates of carbon steel were placed in 21 stations spread along the country electrical infrastructure (transmission lines and substations). There were measured among others at these stations, the time of wetness and deposition of sulfates and chlorides for 12 months, in addition steel plates were taken bimonthly to the laboratory in order to measure the mass loss suffered by these during the time of exposure. The classification of the 21 stations was done in 4 groups, considering the time of moisture, content of chlorides and sulfates, height above sea level and the plates exposure time; these are considered linearly independent variables according to the implemented technique of decomposition unique values (DPS). The criterion used for classification was the similarity of the variables using the Euclidean rule considered in the Kohonen unsupervised neural network. Additionally, models were implemented for the steel mass loss for each one of the groups using feed forward neural networks (RN), defining the above variables as inputs and the mass loss as the output. Besides, the comparison between the RN model for the group 1, with other models using genetic algorithms (GA) and the Simplex method is presented.