ISSN 2594-5335
22° Seminário de Automação e TI — vol. 22, num.22 (2018)
Título
Autoria
DOI
Downloads
Resumo
Testes destrutivos e não-destrutivos são a base para a compreensão das propriedades físicas da falha do material, esses testes são feitos durante a fabricação de gasodutos ou líquidos, para que se possa identificar quais níveis ou padrões de pressão devem ser evitados. Além disso, uma vez que o sistema é submetido a alta pressão, qualquer pequeno defeito pode se propagar e ter sérias consequências, portanto, uma identificação e análise adequadas de um defeito é de extrema importância e deve ser resolvido rapidamente. Métodos na literatura usam o fato de que tal sistema emite ondas acústicas e tentam determinar o grau de perigo com a ajuda de um especialista. Este artigo propõe então usar um modelo de rede neural feedforward parcialmente autônomo para determinar quanto perigo esse defeito representa ao tentar separá-lo em três classes: Sem Propagação, Propagação Estável e Propagação Instável. A obtenção de uma possível taxa de classificação de indica que essa ferramenta pode ser usada para ajudar especialistas com facilidade.
Destructive and non-destructive tests are the base to understanding the physical properties of material failure, these tests are done throughout the making of gasoducts or liquiduct so one can identify which levels or patterns of pressure should be avoided. Moreover, since the system is subjected to high pressure, any small defect can propagate and burst, therefore, a proper identification and analysis of said defect is of utmost importance and must be done with haste. Methods in the literature use the fact that such system emits acoustic waves, and attempt to analyze their data with the help of a specialist. This paper then proposes to use a feedforward neural network model to identify how much danger this defect represents by trying to separate it into three classes, No Propagation, Stable Propagation and Unstable Propagation. Achieving a possible classification rate of indicates that such a tool can be used to aid specialists with ease.
Palavras-chave
Redes neurais, Emissão Acústica, Indústria 4.0.
eural Network, Acoustic emission, 4.0 Industry
Como citar
Costa, Luiz Rennó;
Marnet, Luiza Ribeiro;
Pinto, Carlos Fernando Carlim;
Noseda, Francesco;
Calôba, Luiz Pereira;
Soares, Sérgio Damasceno;
Clarke ,Thomas;
Jacques, Ricardo Callegari.
IDENTIFICAÇÃO DO ESTÁGIO DE PROPAGAÇÃO DE DESCONTINUIDADE EM UM CORPO RÍGIDO TUBULAR UTILIZANDO EMISSÃO ACÚSTICA E REDES NEURAIS
,
p. 179-192.
In: 22° Seminário de Automação e TI,
São Paulo,
2018.
ISSN: 2594-5335
, DOI 10.5151/2237-0234-31703
