![pageSearch](/themes/hestia/images/page-search.webp)
10 cose da fare a Tarrytown: guida completa al pittoresco villaggio della parte settentrionale dello stato di New York
Jul 10, 2023Il carro funebre Cadillac Sovereign Superior Crown del 1994 è pronto
May 25, 2023Il carro funebre Cadillac Sovereign Superior Crown del 1994 è pronto
Nov 19, 202327 prodotti "Shark Tank" che vorresti aver *già* posseduto
Jun 18, 202333 dei tweet più divertenti della settimana del 21 agosto 2023
Jun 15, 2023Modellazione della corrosione basata sulla rete neurale del gomito in acciaio inossidabile 316L utilizzando dati di mappatura del campo elettrico
![Jun 03, 2023](/themes/hestia/images/news-details-icon1.webp)
Rapporti scientifici volume 13, numero articolo: 13088 (2023) Citare questo articolo
193 accessi
Dettagli sulle metriche
L'acciaio inossidabile (SS) è ampiamente utilizzato in applicazioni industriali che richiedono una resistenza alla corrosione superiore. Modellare il suo comportamento alla corrosione in scenari strutturali comuni e in vari scenari operativi è utile per fornire informazioni sullo spessore delle pareti (WT), portando così a un regime predittivo di integrità delle risorse. In questo spirito, viene sviluppato un approccio per modellare il comportamento alla corrosione dell'SS 316L utilizzando reti neurali artificiali (ANN), in base alle quali l'acqua salina a diverse concentrazioni viene fatta scorrere attraverso una struttura a gomito a diverse portate e concentrazioni di sale. I dati di tensione, corrente e temperatura vengono registrati ogni ora utilizzando pin di mappatura del campo elettrico (EFM) installati sulla superficie del gomito, che fungono da dati di addestramento per le ANN. Le prestazioni della modellazione della corrosione vengono verificate confrontando il WT previsto con le misurazioni effettive ottenute da test sperimentali. I risultati mostrano le prestazioni eccezionali del modello ANN singolo proposto per prevedere il WT. L'errore viene calcolato confrontando il WT stimato e la misurazione effettiva registrata, dove l'errore massimo per ciascuna impostazione è compreso tra 0,5363 e \(0,7535\%\). Anche i valori RMSE e MAE di ciascun pin in ogni impostazione vengono calcolati in modo tale che i valori massimi di RMSE e MAE siano rispettivamente 0,0271 e 0,0266. Inoltre viene riportato anche un conciso resoconto della formazione delle incrostazioni osservata. Questo studio completo contribuisce a una migliore comprensione della corrosione dell’SS 316L e offre preziose informazioni per lo sviluppo di strategie efficienti per prevenire la corrosione negli ambienti industriali. Prevedendo accuratamente la perdita di WT utilizzando le ANN, questo approccio consente una pianificazione proattiva della manutenzione, riducendo al minimo il rischio di guasti strutturali e garantendo la sostenibilità estesa delle risorse industriali.
Gli oleodotti e le altre infrastrutture costituiscono la spina dorsale dell’economia globale. È della massima importanza garantire la loro integrità strutturale al fine di prevenire tempi di inattività e interruzioni nella catena di approvvigionamento. Svolgono un ruolo cruciale nel trasporto di fluidi e sono infrastrutture vitali per vari settori, tra cui idroelettrico, marino, centrali nucleari, trasformazione alimentare e industrie del petrolio e del gas. Tuttavia, queste tubazioni sono soggette a problemi come corrosione, ammaccature, difetti e crepe, che possono portare a guasti e comportare notevoli rischi per la sicurezza. Tali guasti possono provocare perdite, rotture, incidenti mortali, danni ambientali e conseguenze finanziarie come costose riparazioni, interruzioni e ritardi nella produzione. Per mitigare questi rischi, è essenziale dare priorità alla manutenzione e all’integrità delle risorse della pipeline implementando ispezioni e pratiche di manutenzione regolari. Di conseguenza, il campo dell’ispezione, della valutazione, della modellazione e della previsione della corrosione delle tubazioni ha guadagnato un’attenzione significativa sia in ambito accademico che industriale. Questa area di studio mirata mira a sviluppare metodi e strumenti efficaci per valutare e prevedere la corrosione delle tubazioni, consentendo misure proattive per prevenire guasti e garantire il funzionamento sicuro e continuo di questi sistemi infrastrutturali critici1,2,3,4,5.
La corrosione è il fenomeno più frequente e il meccanismo di guasto grave delle condotte3, che riduce significativamente la vita operativa delle condotte. Può presentarsi in varie forme, tra cui generale o uniforme6, vaiolatura, interstiziale, intergranulare, erosione-corrosione (E–C), corrosione provocata dall'attività batterica e fessurazione indotta dall'ambiente. Il tasso di corrosione nella tubazione è associato a fattori esterni ed interni. Alcuni esempi di fattori esterni sono l'ambiente di lavoro, la composizione del suolo e la condensa per le condotte interrate o la chimica dell'acqua per le tubazioni sotterranee. Nel frattempo, diversi fattori interni che causano la corrosione sono l'attività del liquido, il tipo di fluido trasportato, la temperatura, la portata e la tensione dei fluidi7. In questo contesto, misurare accuratamente la perdita di spessore delle pareti nelle tubazioni in tempo reale e durante il funzionamento diventa un compito fondamentale. Ciò è particolarmente rilevante per i tubi SS, che sono soggetti a corrosione accelerata e incrostazioni causate da fluidi aggressivi.